આર્ટિફિશિયલ ઇન્ટેલિજન્સ (Artificial Intelligence) ની આસપાસનું વાતાવરણ આશ્ચર્યજનક ગતિએ બદલાયું છે. વધુ પડતી AI અપેક્ષાઓ પર વધતી ચિંતાએ Nasdaq માં તીવ્ર વેચાણને વેગ આપ્યો છે, જેનાથી ખાનગી શંકાઓ જાહેર ગભરાટમાં ફેરવાઈ ગઈ છે. એક તાજેતરના MIT અભ્યાસે એન્ટરપ્રાઇઝ જનરેટિવ AI ને મોટાભાગે નિરાશાજનક જાહેર કર્યું છે, જેનાથી આ ચિંતાઓ વધી ગઈ છે.
આ બજારની ભાવના અમલીકરણમાં (implementation) ખામીઓ અને નબળી રીતે ઘડવામાં આવેલી અપેક્ષાઓને ટેકનોલોજીકલ નિષ્ફળતા તરીકે ગેરસમજ કરી રહી છે. આ વર્ણન માનવજાતના સૌથી શક્તિશાળી સાધનોમાંના એકને, તેના વ્યવહારુ ઉપયોગો સમજવામાં આવી રહ્યા હોય ત્યારે જ ફેંકી દેવાનું જોખમ ધરાવે છે. AI નિષ્ફળ ગયું નથી, પરંતુ તેને શરૂઆતમાં કેવી રીતે રજૂ અને અમલમાં મૂકવામાં આવ્યું તે નિષ્ફળ ગયું.
પ્રાથમિક ભૂલ AI ને માનવ શ્રમ માટે જાદુઈ વિકલ્પ (replacement) તરીકે ગણવી હતી, એવી સિસ્ટમ તરીકે નહીં જે માનવ ક્ષમતાને વધારવા માટે ડિઝાઇન કરવામાં આવી હોય. એવી અપેક્ષા કે મશીનો આપણા માટે વિચારશે, તેના બદલે આપણે વધુ સારી રીતે વિચારી શકીએ, તેણે પ્રતિક્રિયાને જન્મ આપ્યો છે.
આ પ્રતિક્રિયા AI ને છોડી દેવાનો સંકેત નથી, પરંતુ તેની ભૂમિકાને ફરીથી કલ્પના કરવા માટેનું આમંત્રણ છે. AI નું સૌથી ઊંડું મૂલ્ય માત્ર ઓટોમેશન (automation) માં નથી, પરંતુ ઓગમેન્ટેશન (augmentation) માં છે - માનવીઓને વધુ સક્ષમ, સ્વ-જાગૃત, અને વિરોધાભાસી રીતે, વધુ માનવીય બનાવવું. AI અરીસા તરીકે સેવા આપી શકે છે, અંધ સ્થાનો (blind spots) ને ઉજાગર કરી શકે છે, અને કોચ તરીકે, કૌશલ્ય વિકાસ (skill development) ને સક્ષમ કરી શકે છે.
સંસ્થાકીય AI અપનાવવામાં (adoption) ભારે વધારો થયો છે, જે 2017 માં લગભગ 20% થી વધીને આજે કેટલાક સ્વરૂપમાં 75% થઈ ગયું છે. Gartner આગાહી કરે છે કે 2030 સુધીમાં, તમામ IT કાર્યમાં AI સામેલ થશે, પરંતુ માત્ર 25% સંપૂર્ણપણે ઓટોમેટેડ (automated) હશે, જ્યારે બાકીના 75% AI એજન્ટો (agents) સાથે કામ કરતા માનવીઓ દ્વારા કરવામાં આવશે.
અભ્યાસો ઉત્પાદકતા (productivity) અને ગુણવત્તા પર AI ની અસર દર્શાવે છે. ઉદાહરણ તરીકે, જનરેટિવ AI એ ગ્રાહક સેવા એજન્ટો (customer service agents) માં ઉત્પાદકતામાં 15% વધારો કર્યો, જેમાં ઓછા અનુભવી કર્મચારીઓ માટે નોંધપાત્ર લાભ થયો. નાના વ્યવસાયોના સર્વેક્ષણો પણ સૂચવે છે કે AI કાર્યની ગુણવત્તા અને સ્પર્ધાત્મકતા (competitiveness) માં સુધારો કરે છે.
નોકરી ગુમાવવાની (job displacement), પક્ષપાત (bias), અને અસમાનતા (inequality) સંબંધિત ચિંતાઓ વાજબી છે. જોકે, સંશોધન સૂચવે છે કે જ્યારે AI માનવીઓને પૂરક બને છે, ત્યારે પરિણામો વિનાશક થવાને બદલે સ્થિર રહે છે. જ્યારે સંસ્થાઓ કાર્યને ફરીથી ડિઝાઇન કર્યા વિના અથવા સ્ટાફને ફરીથી તાલીમ આપ્યા વિના અવેજીકરણ (substitution) નો પીછો કરે છે ત્યારે સમસ્યાઓ ઊભી થાય છે.
માનવીઓ, ખાસ કરીને સહાનુભૂતિ (empathy), નૈતિક નિર્ણય (moral judgment), અથવા સંદર્ભ સમજ (contextual understanding) ની જરૂર હોય તેવા કાર્યોમાં, અભિન્ન (integral) રહેવા જોઈએ. AI સાક્ષરતા (literacy) ને પ્રોત્સાહન આપવું, નિષ્પક્ષતા (fairness) અને પારદર્શિતા (transparency) જેવા માનવ-કેન્દ્રિત મૂલ્યોને સમાવિષ્ટ કરવા, અને AI નીતિને માનવ કાર્યને વધારવા પર ધ્યાન કેન્દ્રિત કરવું, તેના જવાબદાર ઉપયોગ (deployment) માટે નિર્ણાયક છે. ધ્યેય માનવ ક્ષમતાને વધારવાનો છે, સામાજિક ભેદભાવને વધારવાનો નહીં.