एआई निर्णय ढांचा विश्लेषण: श्नाइयर का कौशल परीक्षण

पिछले हफ्ते मैंने खुद को सोचने का एक बहुत छोटा-सा काम बाहर सौंपते हुए पकड़ा। कोई बड़ा बौद्धिक काम नहीं, बस एक ईमेल का अटपटा पहला वाक्य, जिसे मैं लिखना नहीं चाहता था। मज़ेदार बात यह थी कि ईमेल में ज़्यादा समय लग गया, क्योंकि मुझे यह तय करना था कि AI से पूछना समझदारी है, आलस है, दक्षता है, या किसी तरह तीनों ही हैं। यही छोटी-सी झिझक आधुनिक काम का असली इंटरफ़ेस बनती जा रही है—प्रॉम्प्ट से ठीक पहले का वह पल, जब हम तय करते हैं कि कोई काम हमें किस तरह का व्यक्ति बनाने वाला है।

फोर्कलिफ्ट और वेट रूम ब्रूस श्नाइयर इस झिझक को समझने का एक उपयोगी तरीका देते

हैं। Schneier on Security पर लिखे एक निबंध में, जो मूल रूप से The Guardian में प्रकाशित हुआ था, श्नाइयर हार्वर्ड केनेडी स्कूल और यूनिवर्सिटी ऑफ टोरंटो के मंक स्कूल में सार्वजनिक नीति पढ़ाने के अपने अनुभव से लिखते हैं, जहाँ छात्र नियमित रूप से लेखन असाइनमेंट के लिए AI का इस्तेमाल करते हैं। उनका मुद्दा यह नहीं है कि AI लिख नहीं सकता। मुद्दा यह है कि शायद लिखना ही वह अभ्यास है जिसे करने के लिए छात्र स्कूल आया है। श्नाइयर AI शोधकर्ता डैनियल मेइस्लर को उस फर्क का श्रेय देते हैं जो पूरी बहस को कम नैतिक भाषण जैसा बनाता है: काम बनाम जिम। अगर काम कमरे के एक कोने से दूसरे कोने तक भारी चीज़ें ले जाना है, तो ठेला, फोर्कलिफ्ट, या AI-संचालित रोबोट इस्तेमाल करें। अगर काम वेटलिफ्टिंग है, तो रोबोट का लिफ्ट करना पूरे उद्देश्य को ही हरा देता है। The Guardian संस्करण इस विचार को एक तीखी पंक्ति में पकड़ता है: "मैं अपने छात्रों को जो लेखन असाइनमेंट देता हूँ, वे जिम वाले काम हैं, कामकाजी काम नहीं।" यही मोड़ है। सवाल यह नहीं है कि क्या AI यह कर सकता है? बेशक, वह हर महीने और ज़्यादा कर सकता है। बेहतर सवाल है: यह काम खुद करके मैं कौन-सा कौशल बनाना या बचाए रखना चाहता हूँ?

कौशल का हिसाब श्नाइयर

का ढाँचा उपयोगी है क्योंकि यह कौशल को एक संपत्ति मानता है, कोई अस्पष्ट भावना नहीं। एक सीखने वाला व्यक्ति, जूनियर विश्लेषक, संस्थापक, या मैनेजर उन कामों का निजी हिसाब रख सकता है जो निर्णय-क्षमता को मजबूत करते हैं। कोई तर्क तैयार करना, किसी उलझी हुई धारणा को डीबग करना, घनी रिपोर्ट पढ़ना, या अनिश्चितता के साथ बैठना—ये सब जानबूझकर धीमे हो सकते हैं। ये वर्कफ़्लो में देरी नहीं हैं, ये कसरत हैं। The Guardian इस दुविधा को परिणाम बनाम प्रक्रिया के रूप में रखता है, यह बताते हुए कि कभी-कभी महत्वपूर्ण बात तैयार उत्पाद नहीं होती, बल्कि वह होता है जो व्यक्ति उसे बनाने की प्रक्रिया में लगाता है। यह फर्क इसलिए मायने रखता है क्योंकि AI तैयार उत्पाद को उसके पीछे की मानवीय क्षमता से धोखे से अलग दिखा सकता है। एक सहज बहता मेमो एक अनप्रशिक्षित मन को छिपा सकता है। एक चमकदार स्लाइड इस सच को ढक सकती है कि कमरे में किसी ने यह नहीं सीखा कि उत्तर बना कैसे। इसलिए व्यावहारिक कदम सरल है: चैटबॉट खोलने से पहले, मांसपेशी का नाम लो। अगर काम ऐसा कौशल प्रशिक्षित करता है जो आप चाहते हैं कि आपके भविष्य के पास हो, तो पहले उसका एक अर्थपूर्ण हिस्सा खुद करें। अगर काम सिर्फ जानकारी को एक जगह से दूसरी जगह ले जाता है, या पहले से ज्ञात इरादे को नियमित रूप में बदलता है, तो मशीन को शामिल करें।

जब गति ही उद्देश्य हो यहीं पर AI-विरोधी उपदेश टूट जाता है, और अच्छा

ही है। MIT Sloan Management Review के स्तंभकार बेंजामिन लेकर का तर्क है कि AI काम को तेज़ कर सकता है, लेकिन मूल्यों, रिश्तों, या भरोसे से जुड़ी संचार और निर्णय प्रक्रियाओं में मानवीय निर्णय-क्षमता की जगह नहीं लेनी चाहिए। इससे AI के लिए यांत्रिक कामों में मदद करने की काफी जगह बचती है, खासकर वे दोहराए जाने वाले, कम अर्थ वाले काम जो ध्यान तो खा जाते हैं पर बहुत बुद्धिमत्ता विकसित नहीं करते। बात रुकावट को रोमांटिक बनाने की नहीं है। कुछ रुकावटें बस खराब पाइपलाइन जैसी होती हैं। कोई भी व्यक्ति वही नोट्स छह बार फिर से फ़ॉर्मैट करके, तैयारशुदा औपचारिक भाषा साफ करके, या खाली टेम्पलेट को घूरकर बेहतर रणनीतिकार नहीं बनता, जबकि असली काम यह तय करना है कि क्या मायने रखता है। श्नाइयर की भाषा में, ये फोर्कलिफ्ट वाले पल हैं। उपकरण का इस्तेमाल करें, फिर बचा हुआ ध्यान काम के उस हिस्से पर लगाएँ जहाँ सचमुच निर्णय-क्षमता रहती है। सीमा पदनाम से तय नहीं होती। वही काम सोमवार को जिम वाला काम हो सकता है और शुक्रवार को फोर्कलिफ्ट वाला काम। लिखना सीख रहे छात्र को शायद पैराग्राफ से जूझना चाहिए। कोई नीति विशेषज्ञ, जो किसी स्थिति को पहले से समझता है और उसका दसवाँ नियमित सारांश लिख रहा है, वह उचित रूप से AI से पहला मसौदा बनवाकर फिर सटीकता, लहजे, और जिम्मेदारी के लिए संपादन कर सकता है।

प्रयास की संस्कृति

The Atlantic में लिखते हुए डेविड ब्रूक्स इस सवाल को स्कूल और दफ़्तर के शिष्टाचार से आगे ले जाते हैं। उनका तर्क है कि AI के युग में लोगों को अलग पहचान देने वाली चीज़ सिर्फ बुद्धिमत्ता नहीं होगी, बल्कि मानसिक प्रयास से उनका रिश्ता होगा। यह बात थोड़ी पुराने ज़माने की लग सकती है, जब तक आप यह न देख लें कि AI कितनी जल्दी प्रयास को उपभोक्ता की पसंद में बदल देता है। अब हम हर काम के लिए चुन सकते हैं कि वजन महसूस करना है या नहीं। यह चुनाव चुपचाप करियरों को आकार देगा। जो लोग हर कठिनाई से बचने के लिए AI का इस्तेमाल करते हैं, वे सतही चीज़ें बनाने में तेज़ हो सकते हैं और सहज समझ बनाने में कमजोर। जो लोग हर जगह AI से इनकार करते हैं, वे उन छोटे-मोटे कामों की रक्षा में ऊर्जा बर्बाद कर सकते हैं जो कभी उनकी निष्ठा के योग्य थे ही नहीं। मूल्यवान रास्ता इन दोनों गलतियों के बीच है: जिम को सुरक्षित रखें, ढुलाई को स्वचालित करें, और जैसे-जैसे आपके कौशल परिपक्व हों, सीमा को फिर से देखें। पाठकों के लिए अगला प्रयोग शानदार रूप से कम-तकनीकी है। अगली बार जब आप AI की ओर हाथ बढ़ाएँ, तो इतना रुकें कि एक वाक्य लिख सकें: यह काम काम है, या यह काम जिम है। फिर उसी के अनुसार आगे बढ़ें। अगर वह छोटा-सा वाक्य यह बदल देता है कि आप मशीन से क्या करने को कहते हैं, तो आपके दिन के और कौन-से हिस्से गलत श्रेणी में रखे गए हैं?