ਭਾਰਤੀ ਨਿਆਂ ਪ੍ਰਣਾਲੀ ਨੂੰ ਡਿਜੀਟਲ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰ ਰਹੀ ਨਾਨ-ਪ੍ਰੋਫਿਟ ਸੰਸਥਾ Adalat AI ਨੂੰ Y Combinator ਦੇ F26 ਬੈਚ ਲਈ ਚੁਣਿਆ ਗਿਆ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ ਸਪੀਚ ਰੈਕੋਗਨੀਸ਼ਨ ਅਤੇ ਕੇਸ ਮੈਨੇਜਮੈਂਟ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਭਾਰਤ ਭਰ ਵਿੱਚ ਅਦਾਲਤੀ ਕੰਮ-ਕਾਜ ਵਿੱਚ ਆ ਰਹੀ ਦੇਰੀ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਸ ਸਾਂਝੇਦਾਰੀ ਦਾ ਉਦੇਸ਼ ਇਸਦੇ ਟੂਲਜ਼ ਦੀ ਪਹੁੰਚ ਨੂੰ 11 ਰਾਜਾਂ ਤੋਂ ਹੋਰ ਅੱਗੇ ਵਧਾਉਣਾ ਹੈ, ਜਿਸ ਨਾਲ ਨਿਆਂਇਕ ਕਾਰਜਾਂ ਨੂੰ ਪੇਪਰ ਰਹਿਤ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਤੇਜ਼ ਹੋਵੇਗੀ।
ਭਾਰਤੀ ਨਿਆਂ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸੁਧਾਰਨ ਲਈ ਟੈਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੀ ਭਾਰਤੀ ਨਾਨ-ਪ੍ਰੋਫਿਟ ਸੰਸਥਾ Adalat AI ਨੂੰ Y Combinator ਦੇ F26 ਬੈਚ ਲਈ ਚੁਣਿਆ ਗਿਆ ਹੈ। ਇਹ ਇੱਕ ਅਸਾਧਾਰਨ ਕਦਮ ਹੈ ਕਿਉਂਕਿ ਪਿਛਲੇ ਲਗਭਗ ਪੰਜ ਸਾਲਾਂ ਵਿੱਚ ਇਹ ਪਹਿਲੀ ਵਾਰ ਹੈ ਕਿ ਕਿਸੇ ਨਾਨ-ਪ੍ਰੋਫਿਟ ਸੰਸਥਾ ਨੂੰ ਇਸ ਪ੍ਰੋਗਰਾਮ ਲਈ ਚੁਣਿਆ ਗਿਆ ਹੈ, ਅਤੇ ਇਹ Y Combinator ਦੇ ਇਤਿਹਾਸ ਵਿੱਚ ਪਹਿਲੀ ਭਾਰਤੀ-ਸਥਾਪਿਤ ਨਾਨ-ਪ੍ਰੋਫਿਟ ਹੈ ਜਿਸ ਨੇ ਇਸ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਹਿੱਸਾ ਲਿਆ ਹੈ। Utkarsh Saxena ਅਤੇ Arghya Bhattacharya ਦੁਆਰਾ ਸਥਾਪਿਤ, ਇਹ ਸੰਸਥਾ ਅਦਾਲਤਾਂ ਨੂੰ ਮੁਫਤ ਵਿੱਚ AI-ਪਾਵਰਡ ਸੌਫਟਵੇਅਰ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜਿਸ ਦਾ ਉਦੇਸ਼ ਕਾਨੂੰਨੀ ਬਦਲਾਵਾਂ ਦੀ ਬਜਾਏ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾਵਾਂ (operational inefficiencies) ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ।
ਨਿਆਂਇਕ ਟੈਕਨਾਲੋਜੀ ਦਾ ਵਿਸਥਾਰ
ਸੰਸਥਾ ਦਾ ਪਲੇਟਫਾਰਮ ਭਾਰਤ ਵਿੱਚ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੰਬਿਤ ਪਏ ਕੇਸਾਂ (case backlog) ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਦਸਤੀ ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸਦੇ ਟੂਲਜ਼ ਵਿੱਚ ਆਟੋਮੈਟਿਕ ਸਪੀਚ ਰੈਕੋਗਨੀਸ਼ਨ ਸ਼ਾਮਲ ਹੈ, ਜੋ 15 ਤੋਂ ਵੱਧ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਅਤੇ ਡਿਜੀਟਲ ਕੇਸ ਮੈਨੇਜਮੈਂਟ ਸੌਫਟਵੇਅਰ ਜੋ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਪ੍ਰਵਾਹ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਟੂਲਜ਼ ਵਰਤਮਾਨ ਵਿੱਚ 11 ਰਾਜਾਂ ਵਿੱਚ 6,000 ਤੋਂ ਵੱਧ ਅਦਾਲਤੀ ਕਮਰਿਆਂ ਵਿੱਚ ਸਰਗਰਮ ਹਨ। ਖਾਸ ਤੌਰ 'ਤੇ, ਸਿੱਕਮ ਰਾਜ ਨੇ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੀ ਨਿਆਂਪਾਲਿਕਾ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਿਜੀਟਾਈਜ਼ ਕੀਤਾ ਹੈ, ਅਤੇ ਕੇਰਲ ਨੇ ਰਾਜ ਪੱਧਰ 'ਤੇ ਇਸ ਪਲੇਟਫਾਰਮ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ। ਸੰਸਥਾ ਇਸ ਅਕਤੂਬਰ ਵਿੱਚ ਆਂਧਰਾ ਪ੍ਰਦੇਸ਼ ਵਿੱਚ ਵੀ ਰਾਜ ਪੱਧਰੀ ਲਾਂਚ ਦੀ ਤਿਆਰੀ ਕਰ ਰਹੀ ਹੈ।
Y Combinator ਪ੍ਰੋਗਰਾਮ, ਜੋ ਸਤੰਬਰ ਤੋਂ ਦਸੰਬਰ ਤੱਕ ਚੱਲਦਾ ਹੈ, ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਕੇ, ਸੰਸਥਾਪਕ ਆਪਣੀ ਵਿਸਥਾਰ ਰਣਨੀਤੀ (scaling strategy) ਨੂੰ ਹੋਰ ਬਿਹਤਰ ਬਣਾਉਣ ਦਾ ਇਰਾਦਾ ਰੱਖਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਦਾ ਟੀਚਾ ਮੌਜੂਦਾ ਲਾਗੂਕਰਨ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਭਾਰਤ ਦੇ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ, ਅਤੇ ਸੰਭਵ ਤੌਰ 'ਤੇ ਗਲੋਬਲ ਸਾਊਥ (Global South) ਦੇ ਹੋਰ ਦੇਸ਼ਾਂ ਵਿੱਚ ਵੀ ਆਪਣੇ ਸੌਫਟਵੇਅਰ ਦੀ ਮੌਜੂਦਗੀ ਦਾ ਵਿਸਥਾਰ ਕਰਨਾ ਹੈ, ਜਿੱਥੇ ਅਦਾਲਤੀ ਦੇਰੀਆਂ ਅਤੇ ਪੁਰਾਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ (outdated infrastructure) ਵਰਗੀਆਂ ਸਮਾਨ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।
ਕਾਰਜਕਾਰੀ ਚੁਣੌਤੀਆਂ ਅਤੇ ਜੋਖਮ
ਜਦੋਂ ਕਿ ਜਨਤਕ ਖੇਤਰ ਵਿੱਚ AI ਨੂੰ ਅਪਣਾਉਣ ਨਾਲ ਕੁਸ਼ਲਤਾ ਦੀ ਸੰਭਾਵਨਾ ਹੈ, ਨਾਨ-ਪ੍ਰੋਫਿਟ ਮਾਡਲ ਨੂੰ ਕਈ ਖਾਸ ਰੁਕਾਵਟਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਰਵਾਇਤੀ ਲਾਭ-ਮੁਖੀ ਸੰਸਥਾ (for-profit entity) ਵਜੋਂ ਕੰਮ ਨਹੀਂ ਕਰਦੀ, Adalat AI ਆਪਣੇ ਕਾਰਜਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਅਤੇ ਅਦਾਲਤਾਂ ਨੂੰ ਮੁਫਤ ਸੌਫਟਵੇਅਰ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਗ੍ਰਾਂਟਾਂ ਅਤੇ ਪਰਉਪਕਾਰੀ ਫੰਡਿੰਗ (philanthropic funding) 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਹ ਲੰਬੇ ਸਮੇਂ ਲਈ ਮਾਲੀਆ ਪੈਦਾ ਕਰਨ ਦੀ ਬਜਾਏ ਲਗਾਤਾਰ ਬਾਹਰੀ ਫੰਡਿੰਗ 'ਤੇ ਨਿਰਭਰਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸੰਸਥਾ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਭੌਤਿਕ (physical) ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਜੋਖਮਾਂ (regulatory risks) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਭਾਰਤ ਦੇ ਵਿਭਿੰਨ ਭੂਗੋਲਿਕ ਲੈਂਡਸਕੇਪ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਪਲੇਟਫਾਰਮ ਨੂੰ ਸੀਮਤ ਇੰਟਰਨੈਟ ਕਨੈਕਟੀਵਿਟੀ (internet connectivity) ਅਤੇ ਪੁਰਾਣੇ ਹਾਰਡਵੇਅਰ (aging hardware) ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ (data sovereignty) ਦਾ ਵੀ ਇੱਕ ਗੰਭੀਰ ਮੁੱਦਾ ਹੈ; ਕਿਉਂਕਿ ਸਿਸਟਮ ਸੰਵੇਦਨਸ਼ੀਲ ਨਿਆਂਇਕ ਰਿਕਾਰਡਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ, ਸੰਸਥਾ ਨੂੰ ਡਾਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨਾਂ (data protection laws) ਦੀ ਸਖ਼ਤ ਪਾਲਣਾ ਯਕੀਨੀ ਬਣਾਉਣੀ ਪਵੇਗੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਜਿਹੀ ਟੈਕਨਾਲੋਜੀ ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਅਪਣਾਉਣਾ ਸਰਕਾਰੀ ਨੀਤੀ (government policy) ਅਤੇ ਸਥਾਨਕ ਨਿਆਂਇਕ ਸੰਸਥਾਵਾਂ (local judicial bodies) ਦੀ ਰਵਾਇਤੀ, ਕਾਗਜ਼-ਆਧਾਰਿਤ ਕੰਮ-ਕਾਜ ਤੋਂ ਦੂਰ ਜਾਣ ਦੀ ਇੱਛਾ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਇਸ ਪਹਿਲਕਦਮੀ ਦੀ ਸਫਲਤਾ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਸੰਸਥਾ ਉੱਚ ਸੁਰੱਖਿਆ ਮਾਪਦੰਡਾਂ (security standards) ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਕਿੰਨੀ ਸਫਲ ਹੁੰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਟੈਕਨਾਲੋਜੀ ਸੀਮਤ ਸਰੋਤਾਂ ਵਾਲੇ ਵਾਤਾਵਰਣ (resource-constrained environments) ਵਿੱਚ ਪਹੁੰਚਯੋਗ ਰਹੇ।