विचार नेता
एआई की घटिया सामग्री अब उद्यमों तक पहुँच रही है

मुख्य बिंदुसामान्य AI उपकरण उद्यमों को अपुष्ट डेटा से निम्न-गुणवत्ता वाले आउटपुट से भरने का जोखिम…
और देखें
- सामान्य AI उपकरण उद्यमों को अपुष्ट डेटा से निम्न-गुणवत्ता वाले आउटपुट से भरने का जोखिम उठाते हैं।
- क्यूरेटेड डेटा पर क्षेत्र-विशिष्ट AI सामान्य मॉडलों की तुलना में निर्णय-योग्य अंतर्दृष्टि प्रदान करता है।
- AI स्लॉप एक फीडबैक लूप बनाता है जहाँ निम्न-गुणवत्ता वाले इनपुट और आउटपुट उद्यम निर्णय लेने की क्षमता को खराब करते हैं।
एआई के सामने बड़े पैमाने पर तैयार होने वाली घटिया सामग्री की समस्या है, जिसे “एआई स्लोप” कहा जाता है। कुछ लोगों को रोज़ सोशल मीडिया देखते समय यह एआई से बने वीडियो के रूप में मिलती है। इंटरनेट की गहराइयों में जाने पर एआई से बनाए गए फलों को इंसानों की तरह पेश करते हुए रियलिटी टीवी जैसा नाटकीय घटनाक्रमभी दिख सकता है। ऐसे उदाहरण शायद नुकसानरहित मनोरंजन हों, लेकिन उद्यमों जैसे अधिक गंभीर और जोखिम से बचने वाले माहौल में एआई से बनी सामग्री के इस्तेमाल की सीमा कहाँ तय की जाए?
उद्यमों में एआई स्लोप सधे हुए और पूरे आत्मविश्वास से प्रस्तुत विश्लेषण के रूप में सामने आता है, जबकि उसका आधार सतही, पहुँच से बाहर या गलत डेटा होता है। कंपनियाँ इसकी कीमत महसूस करने लगी हैं। AlphaSense का डेटा इस बदलाव को दर्शाता है: समाचार और मीडिया कवरेज में एआई स्लोप का उल्लेख 2025 की चौथी तिमाही से 2026 की पहली तिमाही तक पिछली तिमाही की तुलना में 20% बढ़ा।
सामान्य उपयोग वाले एआई उपकरणों के कई उपयोगकर्ता सुरक्षित, उच्च गुणवत्ता वाले स्रोतों तक पहुँच न होना एक कमी मानते हैं। हर निर्णय वेब के स्रोतों पर आधारित नहीं हो सकता और न ही होना चाहिए। जब महत्वपूर्ण निर्णयों के लिए पर्याप्त भरोसेमंद जानकारी चाहिए, तब सतही जवाब देने वाले उपकरणों और किसी खास क्षेत्र की गहरी समझ प्रदान करने वाले उपकरणों के बीच स्पष्ट अंतर उभरता है।
समस्या यह है कि एआई से बनी सामग्री की बाढ़ कम गुणवत्ता वाले इनपुट और उससे भी खराब आउटपुट के एक विशाल चक्र को बढ़ावा दे रही है। जो संगठन इस चक्र को तोड़कर भरोसेमंद, क्षेत्र-विशेष के इनपुट पर ध्यान देंगे, वे उद्यमों में एआई के अगले चरण को आकार देंगे और वास्तविक समझ को कृत्रिम शोर से अलग कर पाएँगे।
उद्यमों में एआई की सबसे बड़ी सीमा उसे दिया जाने वाला डेटा है
सामान्य उपयोग वाले एआई उपकरण ऐसे सिस्टम हैं जो कई क्षेत्रों में समझ सकते हैं, सीख सकते हैं और तर्क कर सकते हैं। वे तर्क और सीखने जैसी बुनियादी क्षमताओं पर ध्यान देते हैं, इसलिए काम की प्रक्रियाओं को सरल बनाने और उत्पादकता बढ़ाने में सहायक होते हैं। लेकिन इन मॉडलों को प्रशिक्षित करने के लिए इस्तेमाल होने वाला सामान्य डेटा उतना ही सामान्य आउटपुट पैदा कर सकता है, जिससे बड़े पैमाने पर इस्तेमाल में एआई स्लोप बनता है।
प्रौद्योगिकी उद्योग की कई कंपनियाँ अलग-अलग कार्यप्रवाहों और समय की बचत के लिए पहले से इन सामान्य उपयोग वाले एआई उपकरणों और बड़े भाषा मॉडलों पर निर्भर हैं।
कंपनियाँ अब केवल मॉडलों का परीक्षण नहीं कर रही हैं, बल्कि उन्हें एआई एजेंटों वाले कार्यप्रवाहों में शामिल कर रही हैं। इनमें एआई सिस्टम उद्यम के डेटा, एपीआई और बाहरी अनुप्रयोगों के साथ स्वायत्त रूप से काम करके कार्य शुरू से अंत तक पूरा करते हैं। इससे उद्यम ऐसे डेटा तक सीमित हो जाते हैं जिसकी पुष्टि करना अक्सर कठिन या असंभव होता है, और नतीजे में बेकार आउटपुट मिलता है।
सामान्य उपयोग वाले एआई उपकरण कई समस्याएँ पैदा करते हैं जो उद्यमों में एआई स्लोप बढ़ाती हैं:
- एआई से बनी सामग्री अक्सर आंतरिक ज्ञान भंडारों को भर देती है, जिससे उन पर भरोसा करना और उनका इस्तेमाल करना कठिन हो जाता है।
- फीडबैक चक्रों में बार-बार लौटने वाली गलतियाँ सामग्री को सामान्य और अप्रासंगिक जानकारी से भर देती हैं।
- एआई सामग्री तैयार करने की प्रक्रिया सरल बनाता है, लेकिन साथ ही उसमें आम तौर पर शामिल गुणवत्ता जाँचों को कम कर देता है।
इसके विपरीत, क्षेत्र-विशेष का एआई व्यापकता के बजाय गहराई पर ध्यान देता है और किसी खास क्षेत्र की सीमित दायरे वाली, अधिक मूल्यवान समस्याएँ हल करने के लिए सिस्टम बनाता है। व्यापक और सार्वजनिक रूप से उपलब्ध प्रशिक्षण डेटा के बजाय ये उपकरण निजी स्वामित्व वाले तथा सावधानी से चुने गए डेटासेट पर आधारित होते हैं। इससे वे कहीं बेहतर गुणवत्ता और संदर्भ के अनुकूल आउटपुट दे सकते हैं। सामान्य डेटा के बजाय क्षेत्रीय विशेषज्ञता पर आधारित अनुप्रयुक्त एआई ऐसी समझ प्रदान करता है जो उद्यमों की सटीकता और जवाबदेही की आवश्यकताओं को पूरा करती है। पारदर्शी स्रोत, संदर्भों से समर्थित आउटपुट और गहन शोध की क्षमताएँ सुनिश्चित करती हैं कि जानकारी का स्रोत पता लगाया जा सके तथा वह सत्यापित और भरोसेमंद हो।
बड़े पैमाने पर काम करने वाले उद्यमों के लिए इतनी सटीकता वैकल्पिक नहीं है, क्योंकि एआई स्लोप का जोखिम गंभीर गलतियों में बदल सकता है।
गिरती गुणवत्ता के चक्र को तोड़ना
खराब इनपुट और आउटपुट समय के साथ जवाबों को प्रभावित कर सकते हैं, एआई स्लोप की समस्या बढ़ा सकते हैं और हानिकारक फीडबैक चक्र बना सकते हैं।
मिसाल के लिए, सामान्य मॉडलों वाले माहौल में एआई से बनी सामग्री ने गिरती गुणवत्ता का ऐसा चक्र बनाया है जो खुद को मजबूत करता है। एआई सिस्टम अक्सर अपनी पहुँच वाली आंतरिक जानकारी से सीखते हैं, जिसमें पहले के आउटपुट भी शामिल हैं, और मौजूदा गलतियों को अपनाकर दोहराते हैं। यदि सामग्री में गलतियाँ हों तो वे फिर चलन में आ जाती हैं और सामान्य ढर्रे खुद को मजबूत करते हैं। बात सरल है: प्रशिक्षण का आधार बनने वाला डेटा कम गुणवत्ता का होगा तो मॉडल के आउटपुट में भी वही स्तर दिखेगा।
मनुष्यों की भागीदारी कम होने पर मौलिक सोच भी घटती है। प्रक्रियाएँ जारी रहने पर चक्र दोहराता है और आउटपुट की गुणवत्ता घातीय दर से गिरती रहती है। एआई उपकरण अक्सर सटीकता जाँचने को प्राथमिकता नहीं देते और सामग्री की खाली जगह भरते समय शब्दों का चयन भी सावधानी से नहीं करते। इस तरह एआई स्लोप लगातार बढ़ती गति से सामग्री को कृत्रिम शोर से भर देता है।
यह रुझान बड़ी कंपनियों के संचार में साफ दिखता है। हाल में प्रकाशित Barron’s के एक लेख ने AlphaSense के डेटा के आधार पर एआई की पहचान बन चुके “यह नहीं, बल्कि वह” ढाँचे के इस्तेमाल का अध्ययन किया। यह अभिव्यक्ति कंपनियों के बाहरी संचार के चौंका देने वाले अनेक माध्यमों में दिखी। लेख के अनुसार इसका इस्तेमाल 2024 और 2025, दोनों वर्षों में अलग-अलग लगभग दोगुना हुआ।
संचार के अलावा एआई स्लोप का जोखिम कंपनी के कई कार्यों को गंभीर रूप से प्रभावित कर सकता है, खासकर जब निर्णय लेने के कार्यप्रवाहों में एआई का इस्तेमाल बढ़ रहा हो। यदि महत्वपूर्ण निर्णय गलत या यहाँ तक कि अनावश्यक रूप से दोहराई गई जानकारी से प्रभावित हों, तो टीमें अपने आउटपुट पर भरोसा नहीं कर सकतीं और उन्हें करना भी नहीं चाहिए।
सबसे कुशल एआई सिस्टम निर्णयों का आधार बनने योग्य जानकारी देते हैं
उद्यम जब एआई का इस्तेमाल बढ़ाएँगे और निवेश पर प्रतिफल का आकलन करेंगे, तब मूल्यवान समझ और एआई स्लोप के बीच अंतर करना निर्णायक प्रतिस्पर्धी बढ़त बनेगा। जो संगठन डेटा की गुणवत्ता और क्षेत्रीय संदर्भ सुनिश्चित किए बिना केवल सामान्य उपयोग वाले एआई उपकरणों पर निर्भर रहते हैं, उनके कामकाज के भर जाने और समय बर्बाद होने का खतरा रहता है। इसकी वजह है अविश्वसनीय आउटपुट।
अनुप्रयुक्त एआई अधिक सुरक्षित और गहरी समझ देने वाला रास्ता प्रस्तुत करता है। लेकिन एआई स्लोप पहचानने के लिए संगठनों को इन उपकरणों के साथ स्पष्ट मानवीय निगरानी, सत्यापन मानक और कार्यप्रवाहों तथा आउटपुट का निरंतर मूल्यांकन भी जोड़ना होगा। ऐसा कोई एक तरीका नहीं है जो सभी के लिए उपयुक्त हो।
जो कंपनियाँ यह सही ढंग से करेंगी, वे बेहतर और अधिक जानकारी पर आधारित निर्णय लेंगी। एआई से लगातार अधिक प्रभावित होते बाज़ार में यह अंतर पहले से प्रतिस्पर्धी बढ़त बन रहा है।












