ਕੋਰਪੋਰੇਟ ਇੰਡੀਆ 'ਚ AI ਦਾ ਬੂਮ: ₹86,500 ਕਰੋੜ ਦੇ ਕਾਨੂੰਨੀ ਖਰਚਿਆਂ ਤੋਂ ਛੁਟਕਾਰਾ?

ਕਾਨੂੰਨੀ ਆਟੋਮੇਸ਼ਨ ਦੇ ਆਰਥਿਕ ਕਾਰਨ

ਭਾਰਤ ਦੀਆਂ ਟਾਪ-ਲਿਸਟਿਡ ਕੰਪਨੀਆਂ ਵੱਲੋਂ ਕਾਨੂੰਨੀ ਖਰਚਿਆਂ ਵਿੱਚ ਹੋਇਆ ਇਹ ਜ਼ਬਰਦਸਤ ਵਾਧਾ ਇੱਕ ਵੱਡਾ ਆਰਥਿਕ ਰੁਕਾਵਟ ਬਣ ਗਿਆ ਹੈ, ਜਿਸਨੂੰ ਰਵਾਇਤੀ ਤਰੀਕਿਆਂ ਨਾਲ ਹੁਣ ਹੱਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਗਿਆ ਹੈ। ਪਿਛਲੇ ਵਿੱਤੀ ਸਾਲ ਵਿੱਚ ਕੁੱਲ ਕਾਨੂੰਨੀ ਖਰਚੇ ₹86,500 ਕਰੋੜ ਤੋਂ ਟੱਪ ਗਏ ਹਨ। ਇਸ ਕਾਰਨ, ਹੁਣ ਕੰਪਨੀਆਂ ਦਾ ਮੁੱਖ ਧਿਆਨ ਮੈਨੂਅਲ ਨਿਗਰਾਨੀ ਤੋਂ ਹੱਟ ਕੇ ਐਲਗੋਰਿਦਮਿਕ ਰਿਸਕ ਮਿਟੀਗੇਸ਼ਨ (Algorithmic Risk Mitigation) ਵੱਲ ਹੋ ਗਿਆ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਸਿਰਫ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਬਾਰੇ ਨਹੀਂ ਹੈ; ਇਹ ਰੈਗੂਲੇਟਰੀ ਵਾਤਾਵਰਨ ਦੀ ਵਧਦੀ ਗੁੰਝਲਤਾ ਅਤੇ ਮਨੁੱਖੀ-ਕੇਂਦਰਿਤ ਕਾਨੂੰਨੀ ਖੋਜ ਦੀਆਂ ਵਧਦੀਆਂ ਲਾਗਤਾਂ ਦੇ ਖਿਲਾਫ ਇੱਕ ਰੱਖਿਆਤਮਕ ਕਦਮ ਹੈ।

ਸੰਚਾਲਨ ਲੀਵਰੇਜ ਵਿੱਚ ਢਾਂਚਾਗਤ ਬਦਲਾਅ

Aditya Birla Group ਦੁਆਰਾ ਮਿਨਰਵਾ ਇਨੋਵੇਸ਼ਨ ਸੈਂਟਰ (Minerva innovation center) ਦੀ ਸ਼ੁਰੂਆਤ ਇੱਕ ਵੱਡੇ ਉਦਯੋਗਿਕ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਕਾਨੂੰਨੀ ਵਿਭਾਗਾਂ ਨੂੰ ਰਵਾਇਤੀ ਸਹਾਇਤਾ ਫੰਕਸ਼ਨਾਂ ਦੀ ਬਜਾਏ ਟੈਕਨਾਲੋਜੀ-ਡਰਾਈਵਨ ਬਿਜ਼ਨਸ ਯੂਨਿਟਾਂ ਵਜੋਂ ਦੁਬਾਰਾ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ। ਡਾਟਾ-ਡ੍ਰਾਈਵਨ ਫੈਸਲਾ ਲੈਣ ਵਾਲੇ ਟੂਲਸ ਨੂੰ ਅੰਦਰੂਨੀ ਬਣਾ ਕੇ, ਕਾਰਪੋਰੇਸ਼ਨ ਆਮ ਕੰਟਰੈਕਟ ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਸਤੂ ਬਣਾ ਰਹੀਆਂ ਹਨ। ਇਹ ਕਦਮ ਇੱਕ ਸਥਾਈ ਤਬਦੀਲੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਮੁੱਖ ਉਦੇਸ਼ ਇਨ-ਹਾਊਸ ਕਾਨੂੰਨੀ ਟੀਮਾਂ ਦੇ ਵਿਸਥਾਰ ਨਾਲ ਜੁੜੇ ਰੇਖੀ ਲਾਗਤ ਵਾਧੇ ਤੋਂ ਬਿਨਾਂ ਕਾਰਜਕਾਰੀ ਗਤੀ (Operational Velocity) ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ ਹੈ।

ਰਵਾਇਤੀ ਬਿਲੇਬਲ ਮਾਡਲਾਂ ਦਾ ਖਾਤਮਾ

ਇਸ ਤੇਜ਼ ਤਕਨੀਕੀ ਏਕੀਕਰਨ ਕਾਰਨ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਅਤੇ ਬਾਹਰੀ ਵਕੀਲਾਂ (External Counsel) ਵਿਚਕਾਰ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਹੇ ਸਬੰਧਾਂ ਦੇ ਮਾਡਲ ਖਤਰੇ ਵਿੱਚ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਪਲੇਟਫਾਰਮ ਸੰਸਥਾਗਤ ਗਿਆਨ ਨੂੰ ਸੰਸ਼ਲੇਸ਼ਿਤ ਕਰਨ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਾਪਤ ਕਰ ਰਹੇ ਹਨ, ਰਵਾਇਤੀ ਕਾਨੂੰਨੀ ਫਰਮਾਂ ਦੇ ਮੁੱਲ ਪ੍ਰਸਤਾਵ 'ਤੇ ਦਬਾਅ ਆ ਰਿਹਾ ਹੈ। ਵਰਤਮਾਨ ਸੰਘਰਸ਼ ਪੇਸ਼ੇਵਰ ਜਿੰਮੇਵਾਰੀ (Professional Liability) ਦੇ ਆਲੇ-ਦੁਆਲੇ ਘੁੰਮਦਾ ਹੈ; ਜਦੋਂ ਐਲਗੋਰਿਦਮ ਕੰਟਰੈਕਟ ਰਣਨੀਤੀ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ, ਤਾਂ ਆਟੋਮੇਟਿਡ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਮਨੁੱਖੀ-ਪ੍ਰਮਾਣਿਤ ਨਿਰਣੇ ਵਿਚਕਾਰ ਅੰਤਰ ਗਾਹਕ-ਸੇਵਾ ਗੱਲਬਾਤ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਵਾਦ ਬਿੰਦੂ ਬਣ ਜਾਂਦਾ ਹੈ। ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਇਹਨਾਂ ਕੰਮਾਂ ਲਈ ਪ੍ਰੀਮੀਅਮ ਫੀਸਾਂ ਦੀ ਜ਼ਰੂਰਤ 'ਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਸਵਾਲ ਉਠਾ ਰਹੀਆਂ ਹਨ ਜੋ ਹੁਣ ਅੰਦਰੂਨੀ, AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਵਰਕਫਲੋਜ਼ ਦੁਆਰਾ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਸੰਸਥਾਗਤ ਜੋਖਮ ਮੈਟ੍ਰਿਕਸ

ਜਦੋਂ ਕਿ ਕੁਸ਼ਲਤਾ ਲਈ ਧੱਕਾ ਸਪੱਸ਼ਟ ਹੈ, ਮਲਕੀਅਤ ਵਾਲੇ ਜਾਂ ਤੀਜੀ-ਧਿਰ AI ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ (Data Sovereignty) ਅਤੇ ਐਲਗੋਰਿਦਮਿਕ ਪੱਖਪਾਤ (Algorithmic Bias) ਵਿੱਚ ਗੁਪਤ ਜੋਖਮ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਆਟੋਮੇਟਿਡ ਕੰਪਲਾਇੰਸ ਮਾਡਿਊਲਾਂ ਵਿੱਚ ਵਿਵਸਥਾਪਕ ਗਲਤੀਆਂ ਦੀ ਸੰਭਾਵਨਾ ਵੱਡੇ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ, ਹਾਲਾਂਕਿ ਘੱਟ-ਰਿਪੋਰਟ ਕੀਤੀ ਗਈ, ਕਮਜ਼ੋਰੀ ਬਣੀ ਹੋਈ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਬੈਂਕਿੰਗ ਅਤੇ ਵਿੱਤੀ ਸੇਵਾ ਖੇਤਰਾਂ ਦੁਆਰਾ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਾਨੂੰਨੀ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਕੋਈ ਵੀ ਤਕਨੀਕੀ ਅਸਫਲਤਾ IPO ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਡਿਊ ਡਿਲਿਜੈਂਸ ਵਰਗੇ ਸੰਵੇਦਨਸ਼ੀਲ ਖੇਤਰਾਂ ਵਿੱਚ ਗੜਬੜੀ ਵਾਲੇ ਪ੍ਰਭਾਵ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। ਮਨੁੱਖੀ-ਲੀਡ ਸਮੀਖਿਆ ਤੋਂ AI-ਡਰਾਈਵਨ ਨਤੀਜਿਆਂ ਤੱਕ ਤਬਦੀਲੀ ਲਈ ਤਕਨੀਕੀ ਆਡਿਟ ਅਤੇ ਨਿਗਰਾਨੀ ਦੇ ਪੱਧਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜਿਸ ਲਈ ਬਹੁਤ ਸਾਰੇ ਕਾਰਪੋਰੇਟ ਕਾਨੂੰਨੀ ਵਿਭਾਗ ਵਰਤਮਾਨ ਵਿੱਚ ਕਾਫ਼ੀ ਲੈਸ ਨਹੀਂ ਹਨ।