Whalesbook
होम सर्विसेज में प्राइवेसी पर छिड़ी बहस
होम सर्विसेज इंडस्ट्री में ग्राहकों के घरों के अंदर AI के इस्तेमाल को लेकर बड़ी बहस छिड़ गई है। बेंगलुरु की फर्म Pronto द्वारा अपने AI और रोबोटिक्स सिस्टम को ट्रेन करने के लिए घर के अंदर वीडियो रिकॉर्डिंग का उपयोग करने की रिपोर्टों के बाद, प्रमुख प्रतिद्वंद्वियों Snabbit और Urban Company ने सार्वजनिक रूप से कहा है कि वे इसी तरह के डेटा संग्रह तरीकों का उपयोग नहीं करते हैं। यह प्रतिक्रिया ऑटोमेशन की ओर इंडस्ट्री के झुकाव और घरों के अंदर प्राइवेसी की ग्राहकों की अपेक्षाओं के बीच तनाव को उजागर करती है।
Pronto का दावा है कि उसका पायलट प्रोग्राम 'ऑप्ट-इन' था, इसमें धुंधले पहचानकर्ता (blurred identifiers) का इस्तेमाल किया गया था, और डेटा को 48 घंटों के भीतर डिलीट कर दिया गया था। हालांकि, घरेलू सेटिंग्स में निगरानी को लेकर जनता की प्रतिक्रिया में काफी चिंता दिखाई गई है। अब सार्वजनिक रूप से कारोबार करने वाली Urban Company और Snabbit, ब्रांड विश्वास बनाने के लिए इस तरह की तकनीक को अस्वीकार करके खुद को अलग दिखाने की कोशिश कर रही हैं। घरों के अंदर रिकॉर्डिंग न करने की पुष्टि करके, ये कंपनियां इस बात की आलोचना से बचना चाहती हैं कि कैसे फर्म डेटा के लिए अनौपचारिक श्रम बाजार का शोषण करती हैं।
रेगुलेटरी और टेक अनिश्चितताएं
यह विवाद भारत के डेटा संरक्षण कानूनों में एक गैप को उजागर करता है। जबकि डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट, 2023 डेटा उपयोग के लिए स्पष्ट सहमति की आवश्यकता बताता है, विशेषज्ञों का कहना है कि ट्रेनिंग के लिए व्यक्तिगत डेटा और गुमनाम डेटा (anonymized data) के बीच की रेखा स्पष्ट नहीं है। फिजिकल AI सिस्टम को ट्रेन करने के लिए मानव क्रियाओं के विस्तृत विजुअल डेटा की आवश्यकता होती है, जिसके लिए सहमति की एक ऐसी सीमा की आवश्यकता होती है जिसे बड़े पैमाने पर प्रभावी ढंग से प्रबंधित करना मुश्किल है। Pronto जैसी कंपनियों के लिए, जो हर दिन हजारों सर्विस ऑर्डर प्रोसेस करती हैं, यूनिक रियल-वर्ल्ड डेटा एकत्र करने की क्षमता मूल्यवान है, लेकिन डेटा की वास्तव में गैर-पहचान योग्य (non-identifiable) सुनिश्चित करना महत्वपूर्ण ऑपरेशनल जोखिम प्रस्तुत करता है।
स्केल, अनुपालन और प्रतिष्ठा
रिकॉर्डिंग के खिलाफ एक मजबूत रुख अपनाने के बावजूद, इस क्षेत्र की कंपनियों को लगातार चुनौतियों का सामना करना पड़ता है। मार्केट लीडर Urban Company, अपने गिग वर्कर नीतियों और प्रॉफिट मार्जिन को लेकर जांच के दायरे में है। विविध और अक्सर अनौपचारिक वर्कफोर्स पर निर्भर रहने का मतलब है कि किसी भी जटिल डेटा संग्रह की ओर बढ़ने से, भले ही वह सुरक्षित हो, महत्वपूर्ण प्रतिष्ठा संबंधी जोखिम (reputational risk) होता है। फिजिकल AI अपनाने वाले प्रतिस्पर्धी यदि रेगुलेटरी बाधाओं से निपट सकते हैं तो रोबोटिक्स में दीर्घकालिक लाभ प्राप्त कर सकते हैं। इसके विपरीत, बाहर निकलने वाली फर्मों को भविष्य में 'डेटा की कमी' (data deficit) का सामना करना पड़ सकता है। फिलहाल, इंडस्ट्री जोखिम से बचने को प्राथमिकता दे रही है, जिसमें मिनिस्ट्री ऑफ इलेक्ट्रॉनिक्स एंड इन्फॉर्मेशन टेक्नोलॉजी जैसे निकायों से संभावित रेगुलेटरी कार्रवाई इन-होम सर्विलांस के सामान्यीकरण को रोक सकती है।
आगे का रास्ता
इंडस्ट्री के खिलाड़ी सतर्क बने हुए हैं। जैसे-जैसे निवेशक और रेगुलेटर बारीकी से नजर रख रहे हैं, उम्मीद है कि फोकस केवल डेटा प्राप्त करने के बजाय मजबूत सहमति प्रबंधन (robust consent management) की ओर बढ़ेगा। फिलहाल, Snabbit और Urban Company अपने पारंपरिक सर्विस मॉडल पर ध्यान केंद्रित करती दिख रही हैं, यह दांव लगाते हुए कि ग्राहक विश्वास और बिना निगरानी वाले घर की प्राइवेसी तेजी से डिजिटल अर्थव्यवस्था में उनकी सबसे मूल्यवान संपत्ति बनी रहेगी।