एआई को पीआर की विश्वसनीयता समस्या के लिए दोषी न मानें

हाल ही में Unite.ai के एक लेख में देखा गया कि एआई ने पीआर अनुसंधान को कैसे बदल दिया है – डेटा इकट्ठा करने, रुझानों का पता लगाने और मीडिया-तैयार निष्कर्षों का उत्पादन करने में तेजी, लेकिन साथ ही साथ यह गारंटी देना भी मुश्किल हो गया है कि यह सटीक और विश्वसनीय है। उस अवलोकन ने एक वास्तविक तनाव को पकड़ लिया है, और इसके लिए एक गहरी जांच की जरूरत है। समस्या एआई खुद नहीं है; यह है कि कैसे आसानी से गति निर्णय से आगे निकल सकती है।

एआई ने निश्चित रूप से पीआर को तेजी से बना दिया है। लेकिन जैसा कि हम जानते हैं कि ड्राइविंग से, तेजी से आगे बढ़ना हमेशा समझदारी नहीं है।

प्रौद्योगिकी ने जो पहले एक सावधान, चरण-दर-चरण प्रक्रिया हुआ करती थी – सर्वेक्षण डिजाइन करना, डेटा साफ करना, स्रोतों को मान्य करना – को लगभग तुरंत होने वाली चीज में बदल दिया है। उस संकुचन ने समय बचाया है, लेकिन यह उन प्राकृतिक विरामों को भी हटा देता है जो हमें दो बार जांचने और चुनौती देने के लिए जगह देते थे कि हमने क्या पाया। उन विरामों के बिना, सटीकता को याद करना आसान हो जाता है। असली जोखिम यह नहीं है कि एआई पीआर को तोड़ देगा; यह है कि हम खुद इसे तेजी से आगे बढ़ने के लिए दोषी ठहराएंगे।

पीआर में विश्वसनीयता का अंतर एआई की गलती नहीं है – कम से कम सीधे तौर पर नहीं। अंतर यह है कि एआई कितनी तेजी से हमें आगे बढ़ने देता है। हर बार जब हम सत्यापन के बिना प्रकाशित करते हैं या “तेजी” को “बेहतर” के साथ समानार्थी मानते हैं, तो हम उस विश्वास को कमजोर करते हैं जो हमारे काम को महत्वपूर्ण बनाता है। विश्वसनीयता ही वह है जो हमारे काम को वजन देती है – जब हम इसे कमाते हैं। विश्वसनीयता को संरक्षित करने का मतलब है कि पर्याप्त धीमा करना ताकि हम जो प्रकाशित करते हैं उस पर प्रश्न उठा सकें और सत्यापन को प्रक्रिया का हिस्सा बना सकें, न कि एक बाद की बात।

तेजी से आगे बढ़ने के लिए धीमा करें

एआई ने यह आसान बना दिया है कि एक विचार से एक डेटासेट तक रिकॉर्ड समय में जा सकते हैं। जो पहले दिनों में लगता था अब घंटों में हो जाता है – और यह तेजी उद्योग की प्रतिक्रिया बन गई है। लेकिन गति हमें मात्रा देती है, न कि वैधता। पत्रकारों को यह नहीं पता है कि हम डेटा कितनी तेजी से डिलीवर करते हैं; उन्हें यह पता है कि यह खड़ा उतरता है या नहीं। मैंने एआई टूल्स को दर्जनों लेखों के पार एक प्रभावशाली सारांश बनाते हुए देखा है, लेकिन मैंने उन्हें ऐसे आंकड़े भी गढ़ते हुए देखा है जो वास्तविक स्रोत के बिना विश्वसनीय लगते थे।

अध्ययन सावधानी की आवश्यकता को मजबूत करते हैं। एक JMIR अध्ययन में पाया गया कि बड़े भाषा मॉडल ने लगभग 40 प्रतिशत GPT-3.5 और 29 प्रतिशत GPT-4 आउटपुट में झूठी या अप्रमाणित जानकारी उत्पन्न की, यहां तक कि तथ्य-आधारित कार्यों पर भी। इसी तरह, एक NewsGuard ऑडिट में पाया गया कि एआई प्रणाली लगभग एक तिहाई समाचार संबंधी प्रतिक्रियाओं में झूठी या भ्रामक दावे फैला रही थी। दोनों निष्कर्ष एक सरल सत्य को उजागर करते हैं: सत्यापन के साथ तेजी से आगे बढ़ने पर जोखिम बढ़ जाता है।

यही कारण है कि सत्यापन के लिए अतिरिक्त समय लेना विलंब नहीं है; यह विश्वसनीयता में निवेश है। डेटा की पुष्टि करने, संदर्भ को परिष्कृत करने, या कथा को दबाव परीक्षण करने में बिताया गया एक दिन अक्सर ऐसे अंतर्दृष्टि का खुलासा करता है जिसे हम अन्यथा याद कर देंगे। यह एक शीर्षक के बीच का अंतर हो सकता है जो फीका पड़ जाता है और एक कहानी जो वास्तविक बातचीत को चलाती है। धीमा करना प्रौद्योगिकी का विरोध नहीं है; यह मानव निर्णय को बनाए रखने के बारे में है जो जानकारी को ऐसी चीज में बदल देता है जिस पर श्रोता वास्तव में भरोसा कर सकते हैं।

लूप में मानवों को रखें

एआई परिणाम उत्पन्न करने में बहुत अच्छा है। लेकिन यह यह जानने में इतना अच्छा नहीं है कि वे परिणाम कोई अर्थ रखते हैं या नहीं। यह मूल समस्या है। मॉडल सर्वेक्षण प्रतिक्रियाएं उत्पन्न कर सकते हैं, हजारों लेखों का सारांश कर सकते हैं, और यहां तक कि कागज पर वात्तृत आइटम के रूप में दिखने वाले अंतर्दृष्टि का संश्लेषण भी कर सकते हैं। लेकिन एआई मॉडल संदर्भ, इरादा, या परिणाम को नहीं समझते हैं। एक मानव कर सकता है।

यह असंगति सिद्ध है एआई नैतिकता और विश्वसनीयता विवाद में। “हॉलुसिनेशन” घटना को अक्सर यह देखा जाता है कि कैसे एलएलएम प्रशिक्षण डेटा से पैटर्न सीखते हैं, न कि पहले सिद्धांतों से, जिसका अर्थ है कि वे आत्मविश्वास से ऐसी चीजें कह सकते हैं जिनका कोई आधार नहीं है। पीआर डोमेन में, जोखिम विशेष रूप से तीव्र है: इंटरफेस आउटपुट पूर्वाग्रह या दावों को ऐसे ढंग से फ्रेम कर सकते हैं जो तथ्यों की तुलना में कथाओं को पसंद करते हैं।

यह देखना आसान है कि एक गलत “तथ्य” कैसे नियंत्रण से बाहर हो सकता है। कल्पना कीजिए कि एक एआई-जनित डेटा बिंदु एक पिच डेक में अपना रास्ता बना रहा है; एक प्रतिशत जो सही लगता है और कहानी का समर्थन करता है। ग्राहक इसे पसंद करता है। एक रिपोर्टर इसका उद्धरण देता है। फिर कोई यह जांचता है और महसूस करता है कि यह कभी वास्तविक नहीं था। अचानक, जो एक ब्रांड को सोच-समझकर स्थिति में लाने के लिए डिज़ाइन किया गया था, वह विश्वसनीयता की आग का कारण बन जाता है।

तो “लूप में मानवों को रखना” बस एक पावरपॉइंट स्लाइड में एक पंक्ति नहीं हो सकता – यह वास्तव में कैसे काम हो रहा है इसका हिस्सा होना चाहिए। संपादकों, विश्लेषकों, और डोमेन विशेषज्ञों को वहां होने की जरूरत है ताकि वे असहज प्रश्न पूछ सकें जो अंतिम उत्पाद को विश्वसनीय बनाते हैं। वे पूर्वाग्रह को पकड़ सकते हैं, कमजोर फ्रेमिंग को झंडा दे सकते हैं, और सुनिश्चित कर सकते हैं कि जो हम प्रकाशित करते हैं वह वास्तविकता को दर्शाता है। दूसरे शब्दों में: एआई तेजी से आगे बढ़ सकता है, लेकिन यह अभी भी एक ड्राइवर की जरूरत है जो जानता है कि जब ब्रेक लगाना है। उस निर्णय के बिना, हम प्रक्रिया में सुधार नहीं कर रहे हैं; हम सिर्फ गलतियों को स्वचालित कर रहे हैं।

निर्णय के लिए प्रशिक्षण

जैसा कि एआई काम को फिर से आकार देता है, हमें इसके साथ प्रशिक्षण का तरीका बदलना होगा। आज के अधिकांश संचार पेशेवर पहले से ही सीखने से परे हैं कि बेहतर प्रॉम्प्ट कैसे लिखना है। जो कौशल हमें अब सभी को चाहिए वह निर्णय है – यह जानना कि कब आउटपुट पर भरोसा करना है, कब इस पर प्रश्न उठाना है, और कब इसे पूरी तरह से खारिज करना है।

जब मैं छोटे पीआर पेशेवरों को प्रशिक्षित करता हूं, तो मैं जोर देता हूं कि एआई दस सेकंड में एक पिच के दस संस्करण लिख सकता है। उनका काम सबसे चमकदार एक को चुनना नहीं है; यह है कि वास्तव में उनके ग्राहक की तरह लगता है, और फिर इसे मजबूत बनाना। इसका मतलब हो सकता है तर्क को कस लेना, इसे वास्तविक डेटा में जमीन पर उतारना, या आवाज और स्वर जोड़ना जो इसे विश्वसनीय बनाता है। एक एआई मॉडल प्रतिलिपि बना सकता है, लेकिन हमारा निर्णय इसे ऐसी संचार में बदल देता है जिसे पढ़ने लायक है।

यह परिवर्तन पहले से ही हो रहा है। कुछ एजेंसियां “प्रॉम्प्ट इंजीनियरिंग” से “विश्वसनीयता संपादन” में बदल रही हैं, दावों की जांच, स्रोतों को मान्य करने, और संदेश को ब्रांड आवाज के साथ संरेखित करने के आसपास आदतें बना रही हैं। अभ्यासों में अब यह पूछना शामिल है: क्या मैं एक रिपोर्टर से यह कहूंगा? क्या मैं अपना नाम इस पर रखूंगा?

वे सरल प्रश्न विश्वसनीयता और प्रतिष्ठा दोनों की रक्षा करने वाली प्रतिक्रियाओं का निर्माण करते हैं। और यही एआई के पीआर में वास्तविक लक्ष्य है। तेजी से प्रतिलिपि नहीं, बल्कि तेज निर्णय। निर्णय के लिए प्रशिक्षण सोच के मानक को बढ़ाता है और विश्वास को मजबूत करता है जो गति को टिकाऊ बनाता है।

विश्वास को मापें, न कि मोड़

पीआर पेशेवर आमतौर पर प्रदर्शन को वितरण गति, कवरेज की मात्रा, और प्रति स्थान पर लागत जैसे मेट्रिक्स के माध्यम से मापते हैं। लेकिन एआई-संचालित उद्योग में, वे मेट्रिक्स पूरी कहानी नहीं बताते हैं। आउटपुट को मापना आसान है; विश्वसनीयता नहीं। और फिर भी, यही वह है जो ग्राहक और पत्रकार अब तक के सबसे भारी तराजू में तौलते हैं।

मात्रा और विश्वसनीयता के बीच का अंतर डेटा में दिखाई देता है। एक माप अध्ययन में, मानव भावना विश्लेषण ने 85 प्रतिशत सटीकता हासिल की, एआई-आधारित तरीकों के लिए 59 प्रतिशत की तुलना में – एक अंतर जो महत्वपूर्ण समीक्षा की भूमिका को मापता है। यह नहीं है कि मानव तेजी से काम करते हैं, लेकिन वे संदर्भ की व्याख्या करते हैं, और यह वही वृत्ति है जिस पर ग्राहक विश्वसनीयता का मूल्यांकन करते समय भरोसा करते हैं। यदि हम सटीकता में उस अंतर को माप सकते हैं, तो हम मानव पर्यवेक्षण के मूल्य को भी माप सकते हैं।

नया आरओआई को वास्तव में संबंधों को बनाए रखने वाली चीजों को मापना चाहिए: विश्वसनीयता, सत्यापन दर, और कितनी देर तक कमाई गई कवरेज सगाई को चलाती है। बढ़ते हुए, ग्राहक नहीं पूछ रहे हैं, “क्या हम आज इसे प्रकाशित कर सकते हैं?” लेकिन “क्या हम इसके पीछे खड़े हो सकते हैं?” गति महत्वपूर्ण है, लेकिन सटीकता और आत्मविश्वास ही वह है जो रहता है।

एआई हमें दोनों करने का मौका देता है: तेजी से आगे बढ़ना और गहराई से सोचना। वास्तविक मूल्य यह नहीं है कि एआई कितनी तेजी से सामग्री बनाता है, बल्कि यह कि यह हमें स्मार्टर, अधिक रक्षात्मक निर्णय लेने में कैसे मदद करता है। जो काम रहता है वह सबसे तेज नहीं होगा; यह वह काम होगा जिस पर लोग भरोसा करते हैं। जो टीमें उस विश्वास को सफलता के उपाय में बनाती हैं, वे भविष्य के मालिक होंगे।

विश्वसनीयता का लाभ

पीआर में विश्वसनीयता संकट अनिवार्य नहीं है। यह एक प्रबंधन समस्या है, न कि एक तकनीकी, और समाधान हमारी पहुंच में है: सत्यापन के लिए धीमा करें, लूप में मानवों को रखें, निर्णय के लिए प्रशिक्षण दें, और विश्वास को मापें, न कि केवल गति। एआई हमारे काम करने की गति को बदल रहा है, लेकिन यह हमें यह भी याद दिला सकता है कि हम क्यों काम करते हैं – सटीकता और अखंडता के साथ सूचित करने के लिए। असली अवसर अब सांस्कृतिक है: विश्वसनीयता को वह माप बनाना जो सबसे ज्यादा मायने रखता है।