KPMG की AI रिपोर्ट में बड़ा घपला! झूठे केस स्टडीज के कारण कंपनी ने वापस ली रिपोर्ट

KPMG ने अपनी "Redefining Excellence in the Age of Agentic AI" नाम की रिपोर्ट वापस ले ली है। जांच में पता चला है कि रिपोर्ट में झूठे केस स्टडीज (fabricated case studies) का इस्तेमाल किया गया था। UBS और NHS जैसी संस्थाओं ने भी रिपोर्ट में किए गए दावों को सिरे से खारिज कर दिया है।

क्या हुआ?

KPMG ने एक बड़ी ग्लोबल रिपोर्ट, जिसका नाम "Redefining Excellence in the Age of Agentic AI" था, उसे आधिकारिक तौर पर वापस ले लिया है। इसका कारण यह है कि रिपोर्ट में झूठे डेटा (fabricated data) का इस्तेमाल किया गया था। इस रिपोर्ट का मकसद यह दिखाना था कि कैसे बड़ी कंपनियां एडवांस्ड AI सिस्टम का इस्तेमाल कर रही हैं। लेकिन, रिपोर्ट में जिन संस्थाओं के नाम थे, जैसे स्विस बैंकिंग ग्रुप UBS, UK की नेशनल हेल्थ सर्विस (NHS) Greater Manchester, Swiss Federal Railways, और Transport for London, उन्होंने रिपोर्ट के दावों को सार्वजनिक रूप से नकार दिया। इन संस्थाओं ने पुष्टि की कि वे ऐसे AI सिस्टम का इस्तेमाल नहीं कर रही हैं या KPMG द्वारा बताए गए तरीके से काम नहीं कर रही हैं। इन खुलासों के बाद, कंसल्टिंग फर्म को रिपोर्ट वापस लेनी पड़ी और अब वह रिपोर्ट बनाने की प्रक्रिया और AI इस्तेमाल की नीतियों की जांच कर रही है।

क्यों Reputation ही असली संपत्ति है?

प्रोफेशनल सर्विसेज सेक्टर, जिसमें कंसल्टिंग, अकाउंटिंग और एडवाइजरी फर्म्स शामिल हैं, में भरोसा (trust) ही सबसे बड़ी संपत्ति है। मैन्युफैक्चरिंग कंपनियों के विपरीत, जो फिजिकल प्रोडक्ट बनाती हैं, KPMG जैसी फर्म्स अपनी विशेषज्ञता, सटीकता और स्ट्रेटेजिक सलाह बेचती हैं। जब एक हाई-प्रोफाइल रिपोर्ट में "hallucinations" (AI द्वारा बनाई गई झूठी, लेकिन विश्वसनीय लगने वाली जानकारी) पाई जाती है, तो यह एक बड़ा रेपुटेशनल रिस्क (reputational risk) पैदा करता है। क्लाइंट्स महत्वपूर्ण बिजनेस फैसलों के लिए इन फर्म्स की सटीकता पर भरोसा करते हैं। अगर वह सटीकता सवालों के घेरे में आती है, तो फर्म की ब्रांड वैल्यू, जिसे बनाने में दशकों लगते हैं, तुरंत खराब हो सकती है। इन्वेस्टर्स (investors) और स्टेकहोल्डर्स (stakeholders) के लिए, यह घटना दिखाती है कि बड़ी कंसल्टिंग फर्म्स भी नई टेक्नोलॉजी के जोखिमों से अछूती नहीं हैं, खासकर जब आंतरिक निगरानी (internal oversight) फेल हो जाती है।

AI गवर्नेंस का जोखिम

यह घटना एक बढ़ते चलन पर रोशनी डालती है: कंसल्टिंग फर्म्स पर जेनरेटिव AI (generative AI) में अपनी विशेषज्ञता साबित करने का दबाव। जबकि फर्में इस टेक्नोलॉजी में भारी निवेश कर रही हैं ताकि वे क्लाइंट्स को दिखा सकें कि वे सबसे आगे हैं, KPMG का मामला AI को मानवीय तथ्य-जांच (human fact-checking) से आगे बढ़ने देने के खतरे को दिखाता है। असली मुद्दा AI खुद नहीं है, बल्कि कंटेंट बनाने की प्रक्रिया में कठोर मानवीय सत्यापन (rigorous human verification) की कमी है। जैसे-जैसे सभी इंडस्ट्री की कंपनियां एफिशिएंसी बढ़ाने और लागत कम करने के लिए वर्कफ़्लो को ऑटोमेट (automate) करना चाहती हैं, यह घटना सख्त गवर्नेंस (governance) की आवश्यकता के बारे में चेतावनी देती है। मजबूत ह्यूमन-इन-द-लूप (human-in-the-loop) वेरिफिकेशन के बिना, ऑटोमेटेड टूल्स पर निर्भरता से गलत, भ्रामक या पूरी तरह से काल्पनिक आउटपुट (fictitious outputs) मिल सकते हैं, जिससे सार्वजनिक शर्मिंदगी और विश्वसनीयता का नुकसान हो सकता है।

कंसल्टिंग इंडस्ट्री के लिए संदर्भ

यह पहली बार नहीं है जब किसी बड़ी कंसल्टिंग फर्म को AI-संबंधित गलतियों के लिए जांच का सामना करना पड़ा हो। इंडस्ट्री में ऐसी ही विवादास्पद घटनाएं पहले भी हुई हैं, जिसमें EY की एक रिपोर्ट भी शामिल है, जिसे कथित तौर पर AI-जनरेटेड गलतियों के कारण वापस लेना पड़ा था। ये घटनाएं प्रोफेशनल सर्विसेज सेक्टर के भीतर एक व्यवस्थित चुनौती का संकेत देती हैं: AI टूल्स का उपयोग करके थॉट लीडरशिप कंटेंट (thought leadership content) तैयार करने की जल्दी, इससे पहले कि उन्हें मैनेज करने के लिए आंतरिक सुरक्षा उपाय (internal safeguards) विकसित किए जा सकें। जब इन्वेस्टर कंसल्टिंग और टेक्नोलॉजी सर्विसेज स्पेस में कंपनियों का मूल्यांकन करते हैं, तो सटीकता से समझौता किए बिना AI कार्यान्वयन (AI implementation) का प्रबंधन करने की क्षमता, ऑपरेशनल मैच्योरिटी (operational maturity) और जोखिम प्रबंधन क्षमता (risk management capability) का एक प्रमुख संकेतक बन रही है।

आगे क्या देखें इन्वेस्टर?

इन्वेस्टर्स और ऑब्जर्वर्स को यह देखना चाहिए कि ऐसी घटनाओं के बाद कंसल्टिंग फर्म अपने आंतरिक नियंत्रण ढांचे (internal control frameworks) को कैसे समायोजित करती हैं। ध्यान देने योग्य मुख्य संकेतक हैं: पहला, बाहरी दस्तावेजों और रिसर्च रिपोर्ट्स के लिए जेनरेटिव AI के उपयोग के संबंध में आधिकारिक नीतियों में बदलाव। दूसरा, AI मॉडल द्वारा उत्पन्न किसी भी डेटा के लिए मानव हस्ताक्षर (human sign-off) की आवश्यकता वाले नए वेरिफिकेशन प्रोटोकॉल (verification protocols) का विकास। तीसरा, हाई-प्रोफाइल AI विवादों में शामिल फर्मों के लिए क्लाइंट रिटेंशन (client retention) या नए प्रोजेक्ट जीत में कोई भी बदलाव, क्योंकि क्लाइंट स्वचालित अनुसंधान (automated research) पर भरोसा करने में अधिक सतर्क हो सकते हैं। अंततः, बाजार उन फर्मों की तलाश करेगा जो अपनी बिजनेस मॉडल की नींव बनाने वाले सटीकता और विश्वास से समझौता किए बिना कुशलता के लिए AI का सफलतापूर्वक लाभ उठा सकें।