Adalat AI, જે ભારતીય ન્યાયિક પ્રક્રિયાઓને ડિજિટાઇઝ કરવા માટે કાર્યરત એક નોન-પ્રોફિટ સંસ્થા છે, તેને Y Combinator ના F26 બેચ માટે પસંદ કરવામાં આવી છે. આ પ્લેટફોર્મ સ્પીચ રેકગ્નિશન (Speech Recognition) અને કેસ મેનેજમેન્ટ (Case Management) માટે AI નો ઉપયોગ કરીને સમગ્ર ભારતમાં કોર્ટના પેન્ડિંગ કેસો ઘટાડવાનું લક્ષ્ય ધરાવે છે. આ ભાગીદારીનો ઉદ્દેશ તેના ટૂલ્સનો વ્યાપ 11 રાજ્યોથી આગળ વધારીને વધુ વિસ્તૃત કરવાનો છે, જેનાથી પેપરલેસ ન્યાયિક કામગીરી તરફનું પરિવર્તન ઝડપી બનશે.
ભારતીય ન્યાય પ્રણાલીમાં ટેકનોલોજીનું વિસ્તરણ
Adalat AI, જે ભારતીય ન્યાય પ્રણાલીને ટેકનોલોજી દ્વારા સુધારવા પર ધ્યાન કેન્દ્રિત કરતી નોન-પ્રોફિટ સંસ્થા છે, તેને Y Combinator ના F26 બેચ માટે પસંદ કરાઈ છે. આ એક દુર્લભ ઘટના છે કારણ કે છેલ્લા લગભગ પાંચ વર્ષમાં આ પ્રથમ વખત છે કે જ્યારે કોઈ નોન-પ્રોફિટ સંસ્થાને આ પ્રતિષ્ઠિત એક્સિલરેટર પ્રોગ્રામમાં સ્થાન મળ્યું હોય. આ પ્રોગ્રામમાં પસંદ થયેલી તે પ્રથમ ભારતીય નોન-પ્રોફિટ સંસ્થા પણ છે. Utkarsh Saxena અને Arghya Bhattacharya દ્વારા સ્થાપિત આ સંસ્થા, કોર્ટના ઓપરેશનલ કાર્યક્ષમતા વધારવા માટે AI-સંચાલિત સોફ્ટવેર મફતમાં પૂરી પાડે છે.
પેન્ડિંગ કેસોનો ઉકેલ
આ સંસ્થાનું પ્લેટફોર્મ ભારતમાં કેસોના વિશાળ બેકલોગ (Backlog) ને પહોંચી વળવા માટે રચાયેલું છે. તે મેન્યુઅલ કાર્યોને ઓટોમેટ (Automate) કરે છે. તેના ટૂલ્સમાં ઓટોમેટિક સ્પીચ રેકગ્નિશન (Automatic Speech Recognition) નો સમાવેશ થાય છે, જે 15 થી વધુ ભારતીય ભાષાઓને સપોર્ટ કરે છે, અને ડિજિટલ કેસ મેનેજમેન્ટ સોફ્ટવેર (Digital Case Management Software) જે ડોક્યુમેન્ટ ફ્લો (Document Flow) ને સરળ બનાવે છે. આ ટૂલ્સ હાલમાં 11 રાજ્યોમાં 6,000 થી વધુ કોર્ટરૂમમાં સક્રિય છે. ખાસ કરીને, સિક્કિમ રાજ્યે આ સિસ્ટમનો ઉપયોગ કરીને તેની ન્યાયતંત્રને સંપૂર્ણપણે ડિજિટાઇઝ કર્યું છે, અને કેરળમાં આ પ્લેટફોર્મ રાજ્યવ્યાપી લાગુ કરવામાં આવ્યું છે. સંસ્થા આંધ્ર પ્રદેશમાં પણ ઓક્ટોબરથી રાજ્યવ્યાપી રોલઆઉટ (Rollout) ની તૈયારી કરી રહી છે.
Y Combinator પ્રોગ્રામ (જે સપ્ટેમ્બરથી ડિસેમ્બર સુધી ચાલે છે) માં જોડાવાથી, સ્થાપકો તેમની સ્કેલિંગ સ્ટ્રેટેજી (Scaling Strategy) ને વધુ સુધારવા માંગે છે. તેમનો ધ્યેય વર્તમાન અમલીકરણોથી આગળ વધીને ભારતના વધુ વિસ્તારોમાં અને સંભવિતપણે ગ્લોબલ સાઉથ (Global South) ના અન્ય દેશોમાં જ્યાં ન્યાયિક વિલંબ અને જૂની ઇન્ફ્રાસ્ટ્રક્ચર (Infrastructure) જેવી સમાન સમસ્યાઓ છે, ત્યાં સોફ્ટવેરનો વ્યાપ વધારવાનો છે.
પડકારો અને જોખમો
જાહેર ક્ષેત્રમાં AI અપનાવવાથી કાર્યક્ષમતા વધી શકે છે, પરંતુ નોન-પ્રોફિટ મોડેલ (Non-profit Model) પોતાના આગવા પડકારો ધરાવે છે. પરંપરાગત ફોર-પ્રોફિટ એન્ટિટી (For-profit Entity) ન હોવાને કારણે, Adalat AI તેના કાર્યો ચાલુ રાખવા અને કોર્ટને મફત સોફ્ટવેર પ્રદાન કરવા માટે અનુદાન (Grants) અને પરોપકારી ભંડોળ (Philanthropic Funding) પર આધાર રાખે છે. આનાથી આવક સર્જનને બદલે સતત બાહ્ય ભંડોળ પર લાંબા ગાળાની નિર્ભરતા ઊભી થાય છે.
વધુમાં, સંસ્થાએ નોંધપાત્ર ભૌતિક અને નિયમનકારી જોખમો (Regulatory Risks) નો સામનો કરવો પડે છે. ભારતના વૈવિધ્યસભર ભૌગોલિક લેન્ડસ્કેપ (Geographical Landscape) નો અર્થ છે કે પ્લેટફોર્મે મર્યાદિત ઇન્ટરનેટ કનેક્ટિવિટી (Internet Connectivity) અને જૂના હાર્ડવેર (Hardware) ધરાવતા વિસ્તારોમાં વિશ્વસનીય રીતે કાર્ય કરવું પડશે. ડેટા સાર્વભૌમત્વ (Data Sovereignty) નો ગંભીર મુદ્દો પણ છે; કારણ કે સિસ્ટમ સંવેદનશીલ ન્યાયિક રેકોર્ડ્સનું સંચાલન કરે છે, સંસ્થાએ ડેટા સુરક્ષા કાયદાઓનું સખત પાલન સુનિશ્ચિત કરવું પડશે. આ ઉપરાંત, આવી ટેકનોલોજીનો વ્યાપકપણે અપનાવવો એ સરકારી નીતિ અને સ્થાનિક ન્યાયિક સંસ્થાઓની પરંપરાગત, કાગળ-આધારિત વર્કફ્લો (Paper-based Workflows) થી દૂર જવાની ઇચ્છા પર ખૂબ આધાર રાખે છે. આ પહેલની સફળતા મોટાભાગે સંસ્થાની ઉચ્ચ સુરક્ષા ધોરણો જાળવી રાખવાની ક્ષમતા પર નિર્ભર રહેશે, જ્યારે સંસાધન-પ્રતિબંધિત વાતાવરણમાં ટેકનોલોજી સુલભ રહે તેની ખાતરી પણ કરવી પડશે.