KPMG ਦੀ AI ਰਿਪੋਰਟ 'ਤੇ ਵੱਡਾ ਘਪਲਾ! ਝੂਠੇ ਕੇਸ ਸਟੱਡੀਜ਼ ਕਾਰਨ ਕੰਪਨੀ ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਵਾਪਸ

KPMG ਨੇ ਆਪਣੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਗਲੋਬਲ ਰਿਪੋਰਟ "Redefining Excellence in the Age of Agentic AI" ਨੂੰ ਝੂਠੇ ਕੇਸ ਸਟੱਡੀਜ਼ (fabricated case studies) ਹੋਣ ਦੀ ਪੁਸ਼ਟੀ ਤੋਂ ਬਾਅਦ ਵਾਪਸ ਲੈ ਲਿਆ ਹੈ। UBS ਅਤੇ NHS ਵਰਗੀਆਂ ਕਈ ਵੱਡੀਆਂ ਸੰਸਥਾਵਾਂ ਨੇ ਰਿਪੋਰਟ ਵਿੱਚ ਕੀਤੇ ਦਾਅਵਿਆਂ ਨੂੰ ਜਨਤਕ ਤੌਰ 'ਤੇ ਖਾਰਜ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਸ ਘਟਨਾ ਨੇ ਪ੍ਰੋਫੈਸ਼ਨਲ ਸਰਵਿਸਿਜ਼ ਫਰਮਾਂ ਲਈ ਜਨਰੇਟਿਵ AI ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਵਿੱਚ ਗਵਰਨੈਂਸ ਦੇ ਵੱਡੇ ਖਤਰਿਆਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ।

ਕੀ ਹੋਇਆ?

KPMG ਨੇ ਹੁਣ ਆਪਣੀ ਇੱਕ ਵੱਡੀ ਗਲੋਬਲ ਰਿਪੋਰਟ, ਜਿਸਦਾ ਨਾਮ "Redefining Excellence in the Age of Agentic AI" ਸੀ, ਨੂੰ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਵਾਪਸ ਲੈ ਲਿਆ ਹੈ। ਇਸਦਾ ਕਾਰਨ ਇਹ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ ਰਿਪੋਰਟ ਵਿੱਚ ਝੂਠੇ ਡਾਟਾ (fabricated data) ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ। ਇਸ ਰਿਪੋਰਟ ਦਾ ਮਕਸਦ ਇਹ ਦਿਖਾਉਣਾ ਸੀ ਕਿ ਕਿਵੇਂ ਪ੍ਰਮੁੱਖ ਸੰਸਥਾਵਾਂ ਐਡਵਾਂਸਡ AI ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। ਪਰ, ਰਿਪੋਰਟ ਵਿੱਚ ਜ਼ਿਕਰ ਕੀਤੀਆਂ ਗਈਆਂ ਕਈ ਸੰਸਥਾਵਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸਵਿਸ ਬੈਂਕਿੰਗ ਗਰੁੱਪ UBS, ਯੂ.ਕੇ. ਦੀ ਨੈਸ਼ਨਲ ਹੈਲਥ ਸਰਵਿਸ (NHS) ਗ੍ਰੇਟਰ ਮੈਨਚੈਸਟਰ, ਸਵਿਸ ਫੈਡਰਲ ਰੇਲਵੇਜ਼, ਅਤੇ ਟ੍ਰਾਂਸਪੋਰਟ ਫਾਰ ਲੰਡਨ ਸ਼ਾਮਲ ਹਨ, ਨੇ ਜਨਤਕ ਤੌਰ 'ਤੇ ਰਿਪੋਰਟ ਦੇ ਦਾਅਵਿਆਂ ਤੋਂ ਇਨਕਾਰ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਹਨਾਂ ਸੰਸਥਾਵਾਂ ਨੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ ਕਿ ਉਹਨਾਂ ਨੇ ਇਹਨਾਂ AI ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਅਤੇ ਨਾ ਹੀ ਉਹਨਾਂ ਨੇ ਅਜਿਹੀਆਂ ਗਤੀਵਿਧੀਆਂ ਕੀਤੀਆਂ ਜਿਨ੍ਹਾਂ ਦਾ ਜ਼ਿਕਰ KPMG ਨੇ ਕੀਤਾ ਸੀ। ਇਹਨਾਂ ਇਨਕਾਰਾਂ ਤੋਂ ਬਾਅਦ, ਕੰਸਲਟਿੰਗ ਫਰਮ ਨੂੰ ਇਹ ਪ੍ਰਕਾਸ਼ਨ ਵਾਪਸ ਲੈਣਾ ਪਿਆ ਹੈ ਅਤੇ ਇਸ ਰਿਪੋਰਟ ਦੀ ਸਿਰਜਣਾ ਅਤੇ AI ਵਰਤੋਂ ਨੀਤੀਆਂ ਦੀ ਪਾਲਣਾ ਬਾਰੇ ਅੰਦਰੂਨੀ ਜਾਂਚ ਸ਼ੁਰੂ ਕੀਤੀ ਗਈ ਹੈ।

ਸਾਖ ਹੀ ਅਸਲ ਸੰਪਤੀ ਹੈ

ਪ੍ਰੋਫੈਸ਼ਨਲ ਸਰਵਿਸਿਜ਼ ਸੈਕਟਰ, ਜਿਸ ਵਿੱਚ ਕੰਸਲਟਿੰਗ, ਅਕਾਊਂਟਿੰਗ, ਅਤੇ ਐਡਵਾਈਜ਼ਰੀ ਫਰਮਾਂ ਸ਼ਾਮਲ ਹਨ, ਵਿੱਚ ਵਿਸ਼ਵਾਸ (Trust) ਸਭ ਤੋਂ ਵੱਡੀ ਸੰਪਤੀ ਹੈ। ਨਿਰਮਾਣ ਕੰਪਨੀਆਂ ਜੋ ਭੌਤਿਕ ਵਸਤੂਆਂ ਦਾ ਉਤਪਾਦਨ ਕਰਦੀਆਂ ਹਨ, ਦੇ ਉਲਟ, KPMG ਵਰਗੀਆਂ ਫਰਮਾਂ ਮਹਾਰਤ (Expertise), ਸ਼ੁੱਧਤਾ (Accuracy), ਅਤੇ ਰਣਨੀਤਕ ਸਲਾਹ (Strategic Advice) ਵੇਚਦੀਆਂ ਹਨ। ਜਦੋਂ ਇੱਕ ਉੱਚ-ਪ੍ਰੋਫਾਈਲ ਰਿਪੋਰਟ ਵਿੱਚ "hallucinations" (ਯਾਨੀ AI ਦੁਆਰਾ ਗਲਤ ਜਾਣਕਾਰੀ ਬਣਾਉਣਾ ਜੋ ਸਹੀ ਲੱਗਦੀ ਹੈ) ਪਾਈ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਹ ਇੱਕ ਵੱਡਾ ਸਾਖ ਦਾ ਖ਼ਤਰਾ (Reputational Risk) ਪੈਦਾ ਕਰਦਾ ਹੈ। ਗਾਹਕ ਕ੍ਰਿਟੀਕਲ ਵਪਾਰਕ ਫੈਸਲੇ ਲੈਣ ਲਈ ਇਹਨਾਂ ਫਰਮਾਂ ਦੀ ਸ਼ੁੱਧਤਾ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਇਹ ਸ਼ੁੱਧਤਾ ਸ਼ੱਕ ਦੇ ਘੇਰੇ ਵਿੱਚ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਫਰਮ ਦੀ ਬ੍ਰਾਂਡ ਇਕੁਇਟੀ, ਜਿਸ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਦਹਾਕੇ ਲੱਗ ਜਾਂਦੇ ਹਨ, ਇੱਕੋ ਦਮ ਨੁਕਸਾਨਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਹਿੱਸੇਦਾਰਾਂ ਲਈ, ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨਵੀਂ ਟੈਕਨਾਲੋਜੀ ਦੇ ਖਤਰਿਆਂ ਤੋਂ ਵੱਡੀਆਂ ਕੰਸਲਟਿੰਗ ਫਰਮਾਂ ਵੀ ਬਚ ਨਹੀਂ ਸਕਦੀਆਂ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਅੰਦਰੂਨੀ ਨਿਗਰਾਨੀ (Internal Oversight) ਅਸਫਲ ਹੋ ਜਾਂਦੀ ਹੈ।

AI ਗਵਰਨੈਂਸ ਦਾ ਖ਼ਤਰਾ

ਇਹ ਘਟਨਾ ਇੱਕ ਵੱਧ ਰਹੇ ਰੁਝਾਨ 'ਤੇ ਰੌਸ਼ਨੀ ਪਾਉਂਦੀ ਹੈ: ਕੰਸਲਟਿੰਗ ਫਰਮਾਂ 'ਤੇ ਜਨਰੇਟਿਵ AI ਵਿੱਚ ਆਪਣੀ ਮੁਹਾਰਤ ਦਿਖਾਉਣ ਦਾ ਦਬਾਅ। ਜਦੋਂ ਕਿ ਫਰਮਾਂ ਗਾਹਕਾਂ ਨੂੰ ਇਹ ਦਿਖਾਉਣ ਲਈ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ ਕਿ ਉਹ ਇਸ ਟੈਕਨਾਲੋਜੀ ਵਿੱਚ ਸਭ ਤੋਂ ਅੱਗੇ ਹਨ, KPMG ਦਾ ਮਾਮਲਾ AI ਨੂੰ ਮਨੁੱਖੀ ਤੱਥ-ਜਾਂਚ (Human Fact-Checking) ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦੇਣ ਦੇ ਖਤਰੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਮੁੱਖ ਮੁੱਦਾ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ AI ਨਹੀਂ ਹੈ, ਬਲਕਿ ਸਮੱਗਰੀ ਸਿਰਜਣ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਕਠੋਰ ਮਨੁੱਖੀ ਤਸਦੀਕ (Rigorous Human Verification) ਦੀ ਘਾਟ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਸਾਰੀਆਂ ਉਦਯੋਗਾਂ ਦੀਆਂ ਕੰਪਨੀਆਂ ਕਾਰਜਕੁਸ਼ਲਤਾ ਵਧਾਉਣ ਅਤੇ ਲਾਗਤਾਂ ਘਟਾਉਣ ਲਈ ਵਰਕਫਲੋ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨਾ ਚਾਹੁੰਦੀਆਂ ਹਨ, ਇਹ ਘਟਨਾ ਸਖ਼ਤ ਗਵਰਨੈਂਸ ਦੀ ਜ਼ਰੂਰਤ ਬਾਰੇ ਇੱਕ ਚੇਤਾਵਨੀ ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ। ਮਜ਼ਬੂਤ ਹਿਊਮਨ-ਇਨ-ਦ-ਲੂਪ ਵੈਰੀਫਿਕੇਸ਼ਨ (Human-in-the-loop verification) ਤੋਂ ਬਿਨਾਂ, ਆਟੋਮੇਟਿਡ ਸਾਧਨਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਗਲਤ, ਗੁੰਮਰਾਹਕੁੰਨ, ਜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕਾਲਪਨਿਕ ਨਤੀਜੇ ਦੇ ਸਕਦੀ ਹੈ ਜਿਸ ਨਾਲ ਜਨਤਕ ਸ਼ਰਮਿੰਦਗੀ ਅਤੇ ਸਾਖ ਦਾ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ।

ਕੰਸਲਟਿੰਗ ਉਦਯੋਗ ਲਈ ਸੰਦਰਭ

ਇਹ ਪਹਿਲੀ ਵਾਰ ਨਹੀਂ ਹੈ ਜਦੋਂ ਕਿਸੇ ਵੱਡੀ ਕੰਸਲਟਿੰਗ ਫਰਮ ਨੂੰ AI-ਸਬੰਧਤ ਗਲਤੀਆਂ ਲਈ ਜਾਂਚ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ ਹੋਵੇ। ਉਦਯੋਗ ਵਿੱਚ ਅਜਿਹੀਆਂ ਹੀ ਵਿਵਾਦਗ੍ਰਸਤ ਘਟਨਾਵਾਂ ਸਾਹਮਣੇ ਆਈਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਪਿਛਲੇ ਇੱਕ ਮਾਮਲੇ ਵਿੱਚ EY ਨੇ ਵੀ AI-ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਗਲਤੀਆਂ ਕਾਰਨ ਇੱਕ ਅਧਿਐਨ ਵਾਪਸ ਲੈ ਲਿਆ ਸੀ। ਇਹ ਘਟਨਾਵਾਂ ਪ੍ਰੋਫੈਸ਼ਨਲ ਸਰਵਿਸਿਜ਼ ਸੈਕਟਰ ਦੇ ਅੰਦਰ ਇੱਕ ਪ੍ਰਣਾਲੀਗਤ ਚੁਣੌਤੀ ਦਾ ਸੁਝਾਅ ਦਿੰਦੀਆਂ ਹਨ: AI ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਚਾਰ-ਮੁਖੀ ਸਮੱਗਰੀ (Thought Leadership Content) ਤਿਆਰ ਕਰਨ ਦੀ ਕਾਹਲੀ, ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਲਈ ਅੰਦਰੂਨੀ ਸੁਰੱਖਿਆ ਉਪਾਅ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾਣ। ਜਿਵੇਂ-ਜਿਵੇਂ ਨਿਵੇਸ਼ਕ ਕੰਸਲਟਿੰਗ ਅਤੇ ਟੈਕਨਾਲੋਜੀ ਸਰਵਿਸਿਜ਼ ਸਪੇਸ ਵਿੱਚ ਕੰਪਨੀਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਨ, ਸ਼ੁੱਧਤਾ ਦੀ ਕੁਰਬਾਨੀ ਕੀਤੇ ਬਿਨਾਂ AI ਲਾਗੂਕਰਨ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਕਾਰਜਕਾਰੀ ਪਰਿਪੱਕਤਾ (Operational Maturity) ਅਤੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਸਮਰੱਥਾ (Risk Management Capability) ਦਾ ਇੱਕ ਮੁੱਖ ਸੂਚਕ ਬਣ ਰਹੀ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ

ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਨਿਰੀਖਕਾਂ ਨੂੰ ਅਜਿਹੀਆਂ ਘਟਨਾਵਾਂ ਤੋਂ ਬਾਅਦ ਕੰਸਲਟਿੰਗ ਫਰਮਾਂ ਆਪਣੇ ਅੰਦਰੂਨੀ ਨਿਯੰਤਰਣ ਢਾਂਚੇ (Internal Control Frameworks) ਨੂੰ ਕਿਵੇਂ ਵਿਵਸਥਿਤ ਕਰਦੀਆਂ ਹਨ, ਇਸ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਦੇਖਣਯੋਗ ਮੁੱਖ ਸੂਚਕਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ, ਪਹਿਲਾਂ, ਬਾਹਰੀ-ਮੁਖੀ ਦਸਤਾਵੇਜ਼ਾਂ (External-facing documents) ਅਤੇ ਖੋਜ ਰਿਪੋਰਟਾਂ ਲਈ ਜਨਰੇਟਿਵ AI ਦੀ ਵਰਤੋਂ ਸੰਬੰਧੀ ਅਧਿਕਾਰਤ ਨੀਤੀਆਂ ਵਿੱਚ ਬਦਲਾਅ। ਦੂਜਾ, ਨਵੇਂ ਤਸਦੀਕ ਪ੍ਰੋਟੋਕੋਲ (Verification Protocols) ਦਾ ਵਿਕਾਸ ਜਿਸ ਵਿੱਚ AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਕਿਸੇ ਵੀ ਡਾਟਾ ਲਈ ਮਨੁੱਖੀ ਦਸਤਖਤ (Human Sign-off) ਦੀ ਲੋੜ ਹੋਵੇ। ਤੀਜਾ, ਉੱਚ-ਪ੍ਰੋਫਾਈਲ AI ਵਿਵਾਦਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਫਰਮਾਂ ਲਈ ਗਾਹਕਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ (Client Retention) ਜਾਂ ਨਵੇਂ ਪ੍ਰੋਜੈਕਟ ਜਿੱਤਣ (New Project Wins) ਵਿੱਚ ਕੋਈ ਵੀ ਬਦਲਾਅ, ਕਿਉਂਕਿ ਗਾਹਕ ਆਟੋਮੇਟਿਡ ਖੋਜ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਤੋਂ ਵਧੇਰੇ ਸਾਵਧਾਨ ਹੋ ਸਕਦੇ ਹਨ। ਅੰਤ ਵਿੱਚ, ਬਾਜ਼ਾਰ ਉਹਨਾਂ ਫਰਮਾਂ ਦੀ ਤਲਾਸ਼ ਕਰੇਗਾ ਜੋ ਆਪਣੇ ਕਾਰੋਬਾਰੀ ਮਾਡਲਾਂ ਦੀ ਨੀਂਹ ਬਣਨ ਵਾਲੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਵਿਸ਼ਵਾਸ ਨਾਲ ਸਮਝੌਤਾ ਕੀਤੇ ਬਿਨਾਂ ਕੁਸ਼ਲਤਾ (Efficiency) ਲਈ AI ਦਾ ਸਫਲਤਾਪੂਰਵਕ ਲਾਭ ਉਠਾ ਸਕਦੀਆਂ ਹਨ।