Whalesbook
હોમ સર્વિસિસમાં પ્રાઈવસીનો મુદ્દો
હોમ સર્વિસિસ ઇન્ડસ્ટ્રીમાં ઘરની અંદર AI ના ઉપયોગને લઈને મોટી ચર્ચા ચાલી રહી છે. Bengaluru સ્થિત કંપની Pronto દ્વારા AI અને રોબોટિક્સ સિસ્ટમ્સને ટ્રેન કરવા માટે ઘરની અંદરના વીડિયો રેકોર્ડિંગનો ઉપયોગ કરવાના અહેવાલો બાદ, મુખ્ય સ્પર્ધકો Snabbit અને Urban Company એ જાહેર કર્યું છે કે તેઓ સમાન ડેટા કલેક્શન પદ્ધતિઓનો ઉપયોગ કરતી નથી. આ પ્રતિક્રિયા ઓટોમેશન તરફ ઉદ્યોગના પ્રયાસો અને ઘરની અંદર ગોપનીયતા (privacy) અંગે ગ્રાહકોની અપેક્ષાઓ વચ્ચેના તણાવને દર્શાવે છે.
Pronto નો દાવો છે કે તેનો પાઇલટ પ્રોગ્રામ 'opt-in' હતો, જેમાં blurred identifiers નો ઉપયોગ કરાયો હતો અને ડેટા 48 કલાકમાં ડિલીટ કરવામાં આવ્યો હતો. જોકે, જાહેર પ્રતિસાદ ઘરગથ્થુ વાતાવરણમાં દેખરેખ (surveillance) અંગે નોંધપાત્ર ચિંતા દર્શાવે છે. હવે સાર્વજનિક રીતે ટ્રેડ થતી Urban Company અને Snabbit, બ્રાન્ડ વિશ્વાસ વધારવા માટે આવી ટેકનોલોજીનો અસ્વીકાર એ મુખ્ય ભેદભાવ તરીકે રજૂ કરી રહ્યા છે. ઘરોની અંદર રેકોર્ડિંગ ન કરવાનો નિર્ણય લઈને, આ કંપનીઓ અનૌપચારિક શ્રમ બજાર (informal labor market) ના ડેટાના શોષણ અંગે વધી રહેલી ટીકાઓને ટાળવાનો પ્રયાસ કરી રહી છે.
રેગ્યુલેટરી અને ટેક અનિશ્ચિતતાઓ
આ વિવાદ ભારતના ડેટા સુરક્ષા કાયદાઓમાં રહેલી ખામીઓને ઉજાગર કરે છે. જ્યારે Digital Personal Data Protection Act of 2023 ડેટાના ઉપયોગ માટે સ્પષ્ટ સંમતિ (consent) ની જરૂરિયાત દર્શાવે છે, નિષ્ણાતો નોંધે છે કે પર્સનલ ડેટા અને ટ્રેનિંગ માટે anonymized ડેટા વચ્ચેની રેખા અસ્પષ્ટ છે. ફિઝિકલ AI સિસ્ટમ્સને ટ્રેન કરવા માટે માનવ ક્રિયાઓના વિગતવાર વિઝ્યુઅલ ડેટાની જરૂર પડે છે, જેના માટે મોટા પાયે અસરકારક રીતે સંચાલિત કરવી મુશ્કેલ એવી સંમતિની જરૂર પડે છે. Pronto જેવી કંપનીઓ કે જેઓ દરરોજ હજારો સર્વિસ ઓર્ડર પર પ્રક્રિયા કરે છે, તેમના માટે અનન્ય વાસ્તવિક-વિશ્વ ડેટા એકત્રિત કરવાની ક્ષમતા મૂલ્યવાન છે, પરંતુ ડેટા ખરેખર 'non-identifiable' છે તેની ખાતરી કરવામાં નોંધપાત્ર ઓપરેશનલ જોખમો રહેલા છે.
સ્કેલ, કમ્પ્લાયન્સ અને પ્રતિષ્ઠા
રેકોર્ડિંગ સામે મજબૂત વલણ હોવા છતાં, આ ક્ષેત્રની કંપનીઓ સતત પડકારોનો સામનો કરી રહી છે. Urban Company, એક માર્કેટ લીડર, તેના gig workers ની નીતિઓ અને નફાના માર્જિન અંગે તપાસ હેઠળ છે. વૈવિધ્યસભર અને ઘણીવાર અનૌપચારિક કાર્યબળ પર નિર્ભર રહેવાનો અર્થ છે કે જટિલ ડેટા કલેક્શન તરફનું કોઈપણ પગલું, ભલે સુરક્ષિત હોય, નોંધપાત્ર પ્રતિષ્ઠાકીય જોખમ ઊભું કરે છે. ફિઝિકલ AI અપનાવનાર સ્પર્ધકો રેગ્યુલેટરી અવરોધોને પાર કરી શકે તો રોબોટિક્સમાં લાંબા ગાળાનો ફાયદો મેળવી શકે છે. તેનાથી વિપરીત, જે કંપનીઓ ઓપ્ટ આઉટ કરે છે તેઓ ભવિષ્યમાં 'ડેટાની અછત' નો સામનો કરી શકે છે. હાલ પૂરતું, ઉદ્યોગ જોખમ ટાળવા પર ધ્યાન કેન્દ્રિત કરી રહ્યું છે, જેમાં Ministry of Electronics and Information Technology જેવી સંસ્થાઓ તરફથી સંભવિત રેગ્યુલેટરી કાર્યવાહી ઘરગથ્થુ દેખરેખના સામાન્યીકરણને રોકી શકે છે.
આગળનો માર્ગ
ઉદ્યોગના ખેલાડીઓ સાવચેત રહે છે. રોકાણકારો અને નિયમનકારો નજીકથી નજર રાખી રહ્યા હોવાથી, ધ્યાન ફક્ત ડેટા મેળવવાને બદલે મજબૂત સંમતિ વ્યવસ્થાપન તરફ જવાની અપેક્ષા છે. હાલ માટે, Snabbit અને Urban Company તેમના પરંપરાગત સર્વિસ મોડેલો પર ધ્યાન કેન્દ્રિત કરી રહ્યા છે, આ દાવ પર કે ગ્રાહક વિશ્વાસ અને અ-નિરીક્ષિત ઘરની ગોપનીયતા ડિજિટલ અર્થતંત્રમાં તેમની સૌથી મૂલ્યવાન સંપત્તિ રહે છે.