अपनी सोच को एआई में आउटसोर्स करें, और यह आपकी जगह ले लेगा

माइक्रोसॉफ्ट में एआई के प्रमुख, मुस्तफा सुलेमान, ने हाल ही में एक डरावनी भविष्यवाणी साझा की है: अगले 12 से 18 महीनों के भीतर, अधिकांश या सभी सफेदपोश कार्य पूरी तरह से कृत्रिम बुद्धिमत्ता द्वारा स्वचालित हो जाएगा। श्री सुलेमान ऐसा करने वाले पहले व्यक्ति नहीं हैं (हाँ, मैं डारियो अमोदेई और उनके 5 साल के एआई वाक्य की बात कर रहा हूं), और निश्चित रूप से आखिरी नहीं होंगे। लेकिन मैं एक विवादास्पद बात साझा करना चाहता हूं: एआई, चाहे 18 महीनों में या पांच साल में, सफेदपोश श्रमिकों की जगह नहीं ले सकता है। लेकिन अगर हम सोचना बंद कर देते हैं, तो यह करेगा।

और मैं यह नहीं कह रहा हूं कि यह अधिकांश प्रक्रियाओं में एकीकृत नहीं होगा, या यह लोगों को उनके कार्यभार में मदद नहीं कर सकता है। यह पहले से ही हो रहा है। लेकिन मानव विचार को हटाना, मानव इनपुट को समाप्त करना, यह एक ऐसा कार्य है जो एआई के लिए संभव नहीं है (जब तक कि हम मानव होने के नाते अपने निर्णय लेने वाले इंजन को एआई से बदलने का फैसला नहीं करते)।

मानव सोच को आउटसोर्स क्यों नहीं किया जा सकता और नहीं किया जाना चाहिए

मैं तीन विशिष्ट कारणों के बारे में बात करता रहता हूं जब कोई मुझे बताता है कि एआई हर किसी की जगह लेने वाला है। प्रत्येक एक ऐसा कार्य है जो मानव मस्तिष्क स्वाभाविक रूप से करता है, और प्रत्येक एक ऐसा कार्य है जो एआई, चाहे कितना भी उन्नत हो, पुनरुत्पादित नहीं कर सकता है।

एआई मानव मस्तिष्क के संदर्भ को नहीं रख सकता है

जब कोई व्यक्ति एक निर्णय लेता है, तो वे केवल सामान्य संभावना के आधार पर अगले शब्द की भविष्यवाणी नहीं कर रहे हैं, जैसे कि एक भाषा मॉडल। वे एक पूरे जीवन के अनुभव को संग्रहीत कर रहे हैं जो एक साथ कई प्रणालियों में एन्कोडेड होता है: हमारी व्यक्तिगत स्मृतियां, हमारी सीखी हुई आदतें, और उन क्षणों के भावनात्मक हिस्से। यह सामूहिक अतीत मस्तिष्क को लगातार यह अनुमान लगाने की अनुमति देता है कि आगे क्या होगा, और केवल तभी अपने दृष्टिकोण को अपडेट करता है जब वास्तविकता इसे गलत साबित करती है। संदर्भ, दूसरे शब्दों में, हर धारणा के लिए आधार है।

एक बड़ा भाषा मॉडल अलग तरह से काम करता है। इसके वजन एक सीमित पाठ कॉर्पस से आते हैं जिस पर यह एक बार प्रशिक्षित किया गया था और अब इसकी पहुंच नहीं है। इसके पास कोई धारणा लूप नहीं है, कोई भविष्यवाणी त्रुटि नहीं है जो इसे एक दुनिया में रहने की आवश्यकता है। “संदर्भ” जो इसके लिए उपलब्ध है वह केवल वह है जो प्रॉम्प्ट विंडो में है। यह कभी भी कमरे में नहीं गया है। इसलिए, जब हम एक निर्णय लेते हैं जो यह जानने पर निर्भर करता है कि यहां क्या सामान्य है, क्या पहले आया था, और क्या दांव पर है, तो हम एक जीवन भर के बंधे अनुभव के खिलाफ भविष्यवाणियां चला रहे हैं – व्यक्तिगत और हमसे पहले आने वाली पीढ़ियों की। मॉडल पाठ डेटाबेस में पैटर्न मिलान कर रहा है। दो बहुत अलग ऑपरेशन, और संदर्भ विंडो के स्केलिंग से यह अंतर नहीं भरा जा सकता है।

नाम जानना कुछ जानने जैसा नहीं है

यह ज्ञान नोबेल पुरस्कार विजेता भौतिक विज्ञानी रिचर्ड फ़ेमैन (या उनके पिता से अधिक विशिष्ट रूप से) से आ रहा है। उन्हें विश्वास था कि लेबल या परिभाषाओं को केवल याद रखना ज्ञान को जानने के समान नहीं है। वास्तविक समझ अनुभव और समझ से आती है।

चार्ली मुंगर, एक अमेरिकी व्यवसायी और निवेशक, ने ऐसे सतही ज्ञान के लिए एक शब्द सुझाया – “चौफ़र ज्ञान”। इसके पीछे की कहानी मैक्स प्लांक के एक वास्तविक चौफ़र के बारे में है, जिसने अपनी क्वांटम मैकेनिक्स पर व्याख्यान इतनी बार सुना कि उसने इसे दिल से सीख लिया। फिर उसने म्यूनिख में प्लांक की जगह व्याख्यान देने की पेशकश की, जो उसने सफलतापूर्वक किया। लेकिन जब दर्शकों से प्रश्नों की बात आई, तो उसने आश्चर्य की बात नहीं की कि वह उत्तर नहीं दे सका। और यही अंतर है सतही “चौफ़र” ज्ञान और व्यापक, वर्षों के काम और संघर्ष के माध्यम से अर्जित “प्लांक” ज्ञान के बीच।

आज के बड़े भाषा मॉडल हमने कभी बनाए सबसे परिष्कृत चौफ़र हैं। वे क्वांटम मैकेनिक्स को सुना सकते हैं, दर्शनशास्त्र को सारांशित कर सकते हैं, एक अनुबंध तैयार कर सकते हैं, और कुछ शब्दों को तुकबंदी कर सकते हैं। लेकिन जो अनुभव की आवश्यकता होती है, न कि पैटर्न को पहचानने की आवश्यकता होती है, जैसे कि यह जानना कि एक ब्रांड स्थिति जो एक बाजार में काम करती है दूसरे में विफल क्यों होगी, यह मानवों के लिए अद्वितीय है, और यही वास्तव में निर्णयों को चलाता है।

लेकिन यह जानना कि एक ब्रांड स्थिति जो एक बाजार में काम करती है दूसरे में विफल क्यों होगी, यह सरल पैटर्न मान्यता से प्राप्त नहीं किया जा सकता है। अनुभव मानवों के लिए अद्वितीय है, और यही वास्तव में निर्णयों को चलाता है।

हम और एआई के बीच मुख्य अंतर डेटा प्रोसेसिंग नहीं है – यह स्वामित्व है

लोगों (या कम से कम कुछ लोगों) की क्षमता कार्रवाइयों के लिए जिम्मेदारी लेने के लिए, परिणामों का मालिक होने के लिए, शर्म को महसूस करने के लिए, सीखने के लिए और स्थिति को फिर से नहीं होने देने के लिए सब कुछ करने के लिए – यही वह है जो हमारी सोच और हमारे निर्णय लेने को एआई से इतना अलग बनाता है।

एआई शर्मिंदा नहीं होता है। या दोषी। यह एक गलत निर्णय के परिणामस्वरूप नींद नहीं खोता है। यह एक सौदे की हानि की याद नहीं रखता है, जिसने काम नहीं किया था, एक रणनीति जिसने मूल्य को धीरे-धीरे नष्ट कर दिया था। मॉडल एक उत्तर देता है, उत्तर गलत निकलता है, और मॉडल अगले प्रॉम्प्ट पर चलता है जैसे कि कुछ भी नहीं हुआ था (क्योंकि उनके लिए कुछ भी नहीं हुआ है)। गलत होने में कोई आंतरिक लागत नहीं है, और इसलिए अगली बार सही होने का कोई दबाव नहीं है – जो वास्तव में मानवों को विकसित और सुधारने के लिए प्रेरित करता है।

दस साल पहले, मैंने वेंचर कैपिटल में काम किया, शुरुआती चरण के स्टार्टअप का विश्लेषण किया, और हमने स्वायत्त ड्राइविंग सौदों को देखा। तब भी रोबो-टैक्सी प्रोटोटाइप मानव चालकों की तुलना में सांख्यिकीय रूप से सुरक्षित थे। प्रौद्योगिकी काम करती थी। यह 2026 में अभी भी काम करती है। तो क्यों हमारे शहर अभी भी स्वायत्त वाहनों से भरे नहीं हैं? क्योंकि स्वायत्त वाहन की जिम्मेदारी पर्याप्त रूप से स्पष्ट नहीं है। जब दुर्घटना होती है, तो कानूनी प्रणाली वास्तव में नहीं जानती कि किसे दोष देना है – स्विच फ्लिप करने वाला व्यक्ति, निर्माता, या सॉफ्टवेयर डेवलपर। जब तक यह प्रश्न का उत्तर नहीं मिलता है, हम फंसे हुए हैं। प्रौद्योगिकी खाता है जो खाता है जिम्मेदारी के लिए वहां होना चाहिए।

एआई के युग में अपने दिमाग (और नौकरी) को कैसे न खोएं

मैं वास्तव में मानता हूं कि एआई मानव विचार को प्रतिस्थापित नहीं कर सकता है, लेकिन मैं यह भी देख सकता हूं कि लोग परिणामों के लिए शॉर्टकट के लिए गिरने के पैटर्न में। इतिहास में पहली बार, आपको उत्तर प्राप्त करने के लिए मस्तिष्क की आवश्यकता नहीं है। आपको केवल एक प्रश्न टाइप करने की आवश्यकता है। जो घर्षण जो हमें सोचने के लिए मजबूर करता था, वह हटा दिया गया है, जो महान लगता है, जब तक आप महसूस नहीं करते कि घर्षण ही पूरी बात थी। यह मस्तिष्क का निर्माण करने का तरीका था।

और यहीं पर नौकरी का प्रश्न भी वापस आ जाता है। एआई सफेदपोश श्रमिकों को एक श्रेणी के रूप में प्रतिस्थापित नहीं करेगा। लेकिन यह उन विशिष्ट लोगों को प्रतिस्थापित करेगा जिन्होंने अपनी सभी सोच को इसे आउटसोर्स कर दिया है। यदि आप निर्णय, संदर्भ और स्वामित्व के लिए त्वरित उत्तरों के साथ चैट विंडो का व्यापार करते हैं, तो आप वह व्यक्ति बनना बंद कर देते हैं जो कुछ लाता है। उस बिंदु पर, आपको आपके नियोक्ता की आवश्यकता नहीं है। वे सीधे मॉडल से बात कर सकते हैं।

एआई के युग में अपनी नौकरी और अपने दिमाग को बनाए रखना एक ही प्रश्न पर निर्भर करता है। और नीचे चार आदतें हैं जिन्हें आपको इसे संबोधित करने की आवश्यकता है।

एआई को उत्सुकता बढ़ानी चाहिए

एआई का आपके मस्तिष्क पर प्रभाव पूरी तरह से इस बात पर निर्भर करता है कि आप इसका उपयोग कैसे करते हैं। यदि आप उत्सुक हैं और खोदने के लिए तैयार हैं, तो एआई सबसे अच्छा सीखने वाला साथी बन जाता है जो आपके पास कभी भी रहा है। विकिपीडिया से बेहतर, किसी भी पुस्तक से बेहतर, क्योंकि यह एक ही विचार को पांच अलग-अलग तरीकों से समझा सकता है जब तक कि एक आपके लिए काम नहीं करता, और आपको किसी भी खरगोश के छेद में ले जा सकता है जिसे आप चाहते हैं। या आप इसे आपको जानकारी को बेहतर ढंग से बनाए रखने में मदद करने के लिए प्रोत्साहित कर सकते हैं – जैसे कि अंतराल पुनरावृत्ति का अभ्यास करना जब तक कि आप वास्तव में अवधारणा को प्राप्त नहीं कर लेते।

जो कोई उत्सुक नहीं है, एआई विपरीत करता है। यह सोच को वहन करता है जो वे स्वयं करने वाले थे। वे बिना काम के आउटपुट प्राप्त करते हैं, और काम ही पूरी बात थी। समय के साथ, यह मांसपेशी क्षय हो जाती है। औद्योगिक क्रांति के बाद, जब मशीनों ने शारीरिक श्रम को कम प्रचलित बना दिया, तो हमने अपने शरीर को चुनौती देने और बनाए रखने के लिए जिम बनाए। और यही कुछ हमें करने की आवश्यकता होगी: मानसिक जिम हमारे दिमाग को फिट रखने के लिए।

2025 में, एमआईटी मीडिया लैब ने एक अध्ययन चलाया जिसमें 54 प्रतिभागियों ने चार महीनों में निबंध लिखे, जिन्हें तीन समूहों में विभाजित किया गया था: चैटजीपीटी, सर्च इंजन, और मस्तिष्क केवल। जब वे लिख रहे थे, तो इलेक्ट्रोएन्सेफ्लोग्राम उनकी मस्तिष्क गतिविधि को ट्रैक कर रहा था। अंत में, चैटजीपीटी समूह ने लगातार सबसे कम तंत्रिका जुड़ाव दिखाया और शिक्षकों द्वारा “निर्जीव” के रूप में वर्णित निबंध प्रस्तुत किए। मस्तिष्क-केवल समूह, इसके विपरीत, पूरे दौरान सबसे मजबूत मस्तिष्क गतिविधि दिखाया।

लेकिन सबसे बताने वाला हिस्सा अंतिम सत्र में आया, जब शोधकर्ताओं ने समूहों को स्विच किया। मस्तिष्क-केवल लोग, जिन्हें एक बार चैटजीपीटी दिया गया था, ने सभी को पीछे छोड़ दिया। उन्होंने पहले सोच की मांसपेशी बनाई और फिर इसके ऊपर एआई का उपयोग किया। दूसरे समूह को पकड़ने में असमर्थ थे, क्योंकि उन्होंने मांसपेशियों को बनाने वाले हिस्से को छोड़ दिया था।

सीखना एक क्रिया है, इसलिए यह निष्क्रिय नहीं हो सकता

सीखने के लिए चिपके रहने के लिए, सिद्धांत को अभ्यास के साथ जोड़ा जाना चाहिए। किसी विचार के बारे में पढ़ना एक प्रकार का इनपुट है; उस विचार के साथ कुछ करना दूसरा है। टैपिंग, उत्तर देना, लागू करना, कुछ गलत करना और फिर से कोशिश करना – ये गतिविधियां आपके दिमाग के विभिन्न हिस्सों को शामिल करती हैं जो निष्क्रिय उपभोग से अलग हैं, और वे आपको सामग्री पर ध्यान केंद्रित रखती हैं।

सोक्रेट्स पहले से ही इसके बारे में जानते थे: उन्होंने अपने छात्रों को कभी भी सीधे उत्तर नहीं दिया, बल्कि उन्हें पहले गलत उत्तर (अक्सर) देने के लिए मजबूर किया, और फिर सुधार किया। और मैंने स्वयं एक गणित के प्रमुख के रूप में इस दर्शन के लाभों का अनुभव किया: हमें केवल सिद्धांत को याद रखने के लिए आधा क्रेडिट मिला, जबकि दूसरा आधा इसका प्रमाण देने की आवश्यकता थी। यह मूलभूत समझ पर ध्यान केंद्रित करने की यही बात थी जिसने हमें बेहतर याद रखने और अवधारणाओं को लागू करने की अनुमति दी।

विषय को सिखाना आपके ज्ञान को अगले स्तर पर ले जाता है, और आपको भ्रम के खतरे से बचाता है जिसे भ्रम का भ्रम कहते हैं, और विषय की बेहतर समझ प्रदान करता है। जब आपको स्पष्ट रूप से और कई बार विभिन्न तरीकों से एक विचार को समझाने की आवश्यकता होती है, तो आपके पास यह नहीं हो सकता है कि आप इसे स्वयं समझें और याद रखें। रिचर्ड फ़ेमैन ने एक बार ठीक ही कहा था: “यदि आप इसे सरल तरीके से नहीं समझा सकते हैं, तो आप इसे नहीं समझते हैं।”

संख्याएं इसे पूरी तरह से समर्थन करती हैं। सुरक्षा प्रशिक्षण अध्ययन में, सक्रिय शिक्षार्थियों ने 93.5% जानकारी को बनाए रखा, जबकि निष्क्रिय शिक्षार्थियों ने 79% (Engageli, 2025)। व्यापक लर्निंग पिरामिड नेशनल ट्रेनिंग लेबोरेटरीज़, बेथेल, मेन से भी हर स्तर पर यही पैटर्न दिखाता है:

विश्वसनीय स्रोतों के बिना डेटा अफवाह है

हाँ, लोगों को एआई से मिलने वाले उत्तरों पर सवाल उठाना चाहिए। उन्हें स्रोतों के लिए पूछना चाहिए, और जब कोई स्रोत नहीं होते हैं, तो उन्हें संदेह होना चाहिए।

लेकिन इसके पीछे एक बड़ी समस्या है, और यह तथ्य है कि एआई के आउटपुट को मान्य करना越 और越 मुश्किल हो रहा है। मॉडल ऐसे स्रोतों का हवाला देते हैं जो मौजूद नहीं हैं, वे वास्तविक स्रोतों को ऐसे तरीके से पैराफ्रेज करते हैं जो अर्थ को विकृत करते हैं, वे एक ही अनुच्छेद में सटीक जानकारी के साथ आविष्कृत जानकारी मिलाते हैं, और यह स्पष्ट नहीं है कि कौन सा क्या है।

इसके अलावा, इंटरनेट का अधिक से अधिक हिस्सा स्वयं एआई द्वारा उत्पन्न होता है, जिसका अर्थ है कि मॉडल अब अन्य मॉडल के आउटपुट से सीख रहे हैं। मानव-लिखित मूल स्रोत उन पर स्वचालित रूप से उत्पन्न सभी चीजों के नीचे दफन हो रहे हैं।

यही कारण है कि मुझे लगता है कि विश्वसनीय ज्ञान अभी भी लोगों से आना चाहिए। यदि हम मॉडल पर पूरी तरह से विश्वास नहीं कर सकते हैं, और हम स्रोतों पर विश्वास नहीं कर सकते हैं जो मॉडल के पीछे हैं, तो मानव अनुभव वह एक चीज है जिस पर हम भरोसा कर सकते हैं।

जैसा कि टोनी रॉबिंस ने एक बार कहा था: “यदि आप सफल होना चाहते हैं, तो किसी ऐसे व्यक्ति को ढूंढें जिसने वह परिणाम प्राप्त किया है जो आप चाहते हैं और वही करें जो वे करते हैं, और आप समान परिणाम प्राप्त करेंगे।” जिस व्यक्ति ने वास्तव में वह काम किया है जो वे सिखा रहे हैं, जिसने वर्षों के काम के लिए भुगतान किया है, जिसने अपने ज्ञान का निर्माण वास्तविक परिणामों के साथ किया है – यही वह स्रोत है जो खड़ा रहता है।

संदर्भ के बिना, विवरण गायब हैं

एआई के साथ सीखने में मदद करने वाली एक और आदत यह है कि विशिष्ट प्रश्न पर कूदने के लिए प्रतिरोध करना। अधिकांश लोग, जब वे कुछ जानना चाहते हैं, तो वे सीधे चैटबॉट में सटीक संकीर्ण प्रश्न टाइप करते हैं और उत्तर को उसके चेहरे पर लेते हैं। समस्या यह है कि वे पूरे पृष्ठभूमि को याद करते हैं जिसमें उत्तर बैठता है। एक विशिष्ट टुकड़ा जानकारी जो अपने संदर्भ से अलग है, बहुत आसानी से गलत व्याख्या की जा सकती है।

मैं एक इतिहास का भक्त हूं, इसलिए मैं एक इतिहास का उदाहरण दूंगा। गेटिसबर्ग भाषण अमेरिकी गृह युद्ध के सबसे खूनी लड़ाइयों में से एक की साइट पर लिंकन द्वारा 1863 में दिया गया एक छोटा सा भाषण है। कल्पना कीजिए कि आपको इसके बारे में एक निबंध लिखने की आवश्यकता है। आप एआई से विश्लेषण मांगते हैं और शब्दों, संरचना, और वक्तृत्व उपकरणों का साफ तोड़ पाते हैं।

लेकिन क्या आप वास्तव में गृह युद्ध के बारे में कुछ भी न जानने के साथ निबंध लिख सकते हैं? आप नहीं जान पाएंगे कि यह विशेष लड़ाई क्यों मायने रखती थी, या कि इस मैदान पर दिया गया भाषण इतना महत्वपूर्ण क्यों था। आप नहीं देख पाएंगे कि युद्ध यूनियन को बनाए रखने से लेकर गुलामी को समाप्त करने तक बदल गया था, और भाषण लिंकन का देश के लिए लड़ने के लिए अपने अर्थ को फिर से परिभाषित करने का तरीका था। आप नहीं देख पाएंगे कि प्रत्येक पंक्ति के पीछे राजनीतिक तनाव, क्योंकि आपके लिए वे केवल एक दुखद घटना के बारे में अच्छे वाक्य होंगे।

गृह युद्ध के संदर्भ के बिना, भाषण एक छोटी सी श्रद्धांजलि की तरह पढ़ता है। इसके साथ, आप एक राष्ट्र के स्वयं को समझने के एक मोड़ को पढ़ रहे हैं। और यही वह सूक्ष्मता है जो एआई आपको तभी देगा जब आप पहले से ही पर्याप्त जानते हैं कि इसके लिए पूछना है।

यह सिद्धांत लगभग किसी भी चीज़ पर लागू होता है जिसके लिए आप एआई का उपयोग कर सकते हैं। चौड़ाई से शुरू करें। सामान्य तस्वीर प्राप्त करें। फिर विशिष्ट विवरणों में गोता लगाएं। वे तब तक कुछ नहीं करेंगे जब तक कि उनके पास एक संदर्भ न हो जिसमें वे उतर सकें।

नीचे की रेखा: एआई एक उपकरण है, और उपकरणों को हाथों की आवश्यकता होती है

मानव इतिहास में हर प्रमुख प्रौद्योगिकी छलांग ने उसी प्रकार के आतंक को ट्रिगर किया है। कैलकुलेटर हमें गणित भूलने वाले थे। इंटरनेट हमें सोचने की क्षमता खोने वाला था। सर्च इंजन हमारी स्मृति को मार डालेंगे। और फिर भी हम यहां हैं, अभी भी गणना कर रहे हैं, अभी भी सोच रहे हैं, अभी भी याद रख रहे हैं, बस बेहतर उपकरणों के साथ।

एआई इस श्रृंखला में अगला है, और शायद सबसे शक्तिशाली है जो हमने कभी बनाया है। यह लिख सकता है, सारांशित कर सकता है, विश्लेषण कर सकता है, मसौदा तैयार कर सकता है, अनुवाद कर सकता है, कोड कर सकता है, और यह सब कुछ हमसे तेजी से कर सकता है। लेकिन यह कुछ नहीं चाहता है। यह परिणाम की परवाह नहीं करता है। यह गलत होने के परिणामों के साथ नहीं रह सकता है। यह काम के वे हिस्से अभी भी हमारे लिए हैं, और वे हिस्से हैं जो निर्धारित करते हैं कि काम अंत में कैसा है।

अगले दशक में पनपने वाले लोग वे होंगे जो उत्सुक रहते हैं, जो बेहतर प्रश्न पूछते हैं, और जो एआई का उपयोग तेजी से सीखने और गहराई से सोचने के लिए करते हैं, इसका उपयोग सोच को छोड़ने के लिए नहीं करते हैं। वे वही होंगे जो कुछ ऐसा लाएंगे जो कोई मॉडल दोहरा नहीं सकता है: निर्णय, संदर्भ, और एक निर्णय का मालिक होने की इच्छा।

तो नहीं, एआई आपकी जगह नहीं लेगा या आपकी नौकरी नहीं खोएगा। लेकिन जो संस्करण आप सोचना बंद कर देते हैं वह कर सकता है।