व्यवसायांमध्ये वापरल्या जाणाऱ्या एआय (AI) साधनांमध्ये एक नवीन 'व्हेरिफिकेशन गॅप' निर्माण झाला आहे. एआय योग्य संदर्भ (Source) देते पण माहितीचा चुकीचा अर्थ लावत आहे, ज्यामुळे उत्पादकतेवर परिणाम होत आहे.
आर्टिफिशियल इंटेलिजन्सचा (AI) वापर करणाऱ्या कंपन्यांसमोर एक मोठे तांत्रिक आव्हान उभे राहिले आहे. एआयने चुकीची माहिती देऊ नये (Hallucination) यासाठी अनेक कंपन्या 'Retrieval-Augmented Generation' (RAG) या तंत्रज्ञानाचा वापर करत आहेत. याचा मुख्य उद्देश एआयने अंतर्गत डेटाबेस तपासून अधिकृत माहिती द्यावी हा आहे.nn### 'व्हेरिफिकेशन गॅप' म्हणजे काय?
एआय आता योग्य कागदपत्रे शोधून त्यांचे रेफरन्स (Citation) तर देत आहे, पण त्या कागदपत्रातील मजकुराचा अर्थ लावताना एआय अनेकदा चुकत आहे. एआय आत्मविश्वासाने आणि अधिकृत लिंक देऊन माहिती सादर करत असल्याने, मानवी परीक्षकांना त्यातील चुका शोधणे कठीण जात आहे. याचा थेट फटका बँकिंग आणि कायदेशीर क्षेत्रातील कंपन्यांना बसत आहे, जिथे अचूकता अत्यंत महत्त्वाची असते.nn### उत्पादकतेचे आव्हान (Productivity Paradox)
कंपन्यांनी एआयमध्ये गुंतवणूक केली होती ती मानवी श्रम कमी करण्यासाठी. मात्र, एआयने दिलेल्या प्रत्येक माहितीची पुन्हा मानवी तपासणी (Audit) करावी लागत असल्याने, एआयमुळे मिळणारा वेग आणि कार्यक्षमता यांचा समतोल बिघडत आहे. जर २० मिनिटांच्या मानवी तपासणीनंतर एआयचे उत्तर बरोबर निघत असेल, तर एकूण उत्पादकतेत वाढ होण्याऐवजी ती घटत आहे.
भविष्यातील दिशा
आता गुंतवणूकदार आणि कंपन्या केवळ एआयच्या वेगाकडे न पाहता त्याच्या 'अॅक्युरेसी' आणि 'ट्रेसेबिलिटी'कडे लक्ष देत आहेत. भविष्यात अशाच एआय प्रणालींना मागणी असेल, ज्या उत्तरासोबतच पुराव्यांची साखळी (Verifiable Logic) जोडतील. एआय क्षेत्रातील कंपन्या आता अशा स्वयंचलित 'क्लेम-चेकिंग' (Claim-checking) प्रणाली विकसित करण्यावर भर देत आहेत.