सरकारचा 'DEPA for AI Training' हा नवीन फ्रेमवर्क AI विकासाला चालना देण्यासाठी आणला असला तरी, तो आता टीकेचा धनी ठरत आहे. वैयक्तिक डेटा हक्कांकडे दुर्लक्ष करून हा अधिकार आता संस्थात्मक संस्थांकडे (institutional fiduciaries) सोपवला जात असल्याने डेटा प्रायव्हसी आणि कॉर्पोरेट गव्हर्नन्सवर अनिश्चिततेचे सावट निर्माण झाले आहे.
भारत सरकारच्या इलेक्ट्रॉनिक्स आणि माहिती तंत्रज्ञान मंत्रालयाने (MeitY) अलीकडेच 'Data Empowerment and Protection Architecture (DEPA) for AI Training' नावाचा एक नवीन फ्रेमवर्क आणला आहे. भारताच्या $500 अब्ज डॉलर्सच्या GDP मध्ये AI द्वारे योगदान देण्याचे उद्दिष्ट गाठण्यासाठी ही प्रणाली एक महत्त्वाची पायरी असल्याचे सरकारचे म्हणणे आहे. मात्र, कायदेशीर तज्ञ आणि प्रायव्हसी अ‍ॅडव्होकेट्सनी या धोरणावर गंभीर आक्षेप नोंदवले आहेत.
निर्णय घेण्याच्या अधिकाराचे हस्तांतरण
या वादाचा मुख्य केंद्रबिंदू म्हणजे युजर्सच्या डेटावर कोणाचे नियंत्रण असणार हा प्रश्न आहे. पारंपरिक DEPA मॉडेलमध्ये, डेटावर मालकी हक्क त्या संबंधित व्यक्तीचा (data principal) असायचा. परंतु, नवीन AI ट्रेनिंग फ्रेमवर्कमध्ये निर्णय घेण्याचा अधिकार आता बँकिंग आणि हेल्थकेअर यांसारख्या 'institutional fiduciaries' कडे सरकताना दिसत आहे. टीकाकारांच्या मते, वैयक्तिक संमतीऐवजी संस्थात्मक अधिकार लादणे हे मोठ्या प्रमाणावर AI ट्रेनिंगसाठी कितपत योग्य आहे, हा मोठा प्रश्न आहे.
संस्थात्मक जबाबदारी आणि आव्हाने
बँकिंग आणि फायनान्स क्षेत्रातील कंपन्यांसाठी हा फ्रेमवर्क अधिक गुंतागुंतीचा ठरणार आहे. जर या संस्थांना AI ट्रेनिंगसाठी डेटा तयार करण्याची जबाबदारी दिली, तर त्यांना कडक नियामक छाननीला सामोरे जावे लागेल. यामध्ये डेटा प्रायव्हसीचे धोके आणि RBI च्या FREE-AI फ्रेमवर्कचे पालन करण्यासारखी आव्हाने आहेत. विशेषतः, निनावी डेटा पुन्हा ओळखण्यायोग्य (re-identification) होण्याचा धोका वाढला आहे.
गुंतवणूकदारांसाठी काय महत्त्वाचे?
गुंतवणूकदारांच्या दृष्टीने, सरकार या टीकेला कसे उत्तर देते आणि 'युजर कंट्रोल' व 'संस्थात्मक ताबा' यामध्ये काय ताळमेळ बसवते, हे पाहणे महत्त्वाचे ठरेल. कंपन्यांच्या AI गव्हर्नन्स पॉलिसींवर आता नियामक आणि सार्वजनिक अशा दोन्ही बाजूंनी नजर असेल. तसेच, डेटा मालकांना त्यांच्या माहितीच्या बदल्यात काही मोबदला (royalties) मिळणार का, यावर भविष्यात वाद होऊ शकतात, ज्यामुळे कंपन्यांच्या विश्वासार्हतेवर परिणाम होऊ शकतो.