Tony Blair Institute ਦੀ ਇੱਕ ਤਾਜ਼ਾ ਰਿਪੋਰਟ ਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਸਰਕਾਰੀ ਡੇਟਾਬੇਸ ਆਪਸ ਵਿੱਚ ਨਾ ਜੁੜੇ ਹੋਣ ਕਾਰਨ ਭਾਰਤ ਨੂੰ ਸਾਲਾਨਾ **4% ਤੋਂ 7%** ਤੱਕ ਦੇ ਵਿੱਤੀ ਨੁਕਸਾਨ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਇਹ ਸਮੱਸਿਆ ਨਾ ਸਿਰਫ਼ ਵੈਲਫੇਅਰ ਫੰਡਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਰਹੀ ਹੈ, ਸਗੋਂ ਦੇਸ਼ ਦੇ ਨੈਸ਼ਨਲ AI ਮਿਸ਼ਨ ਲਈ ਵੀ ਵੱਡਾ ਖਤਰਾ ਬਣ ਗਈ ਹੈ।
ਭਾਰਤ ਨੇ ਡਿਜੀਟਲ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਵਿੱਚ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਤਰੱਕੀ ਕੀਤੀ ਹੈ, ਪਰ ਹੁਣ ਸਾਹਮਣੇ ਇੱਕ ਨਵੀਂ ਚੁਣੌਤੀ ਆ ਖੜ੍ਹੀ ਹੋਈ ਹੈ: 'ਡੇਟਾ ਸਾਈਲੋਜ਼'। ਅਕਤੂਬਰ 2026 ਵਿੱਚ ਆਈ Tony Blair Institute for Global Change ਦੀ ਰਿਪੋਰਟ ਦੱਸਦੀ ਹੈ ਕਿ Aadhaar ਅਤੇ Unified Payments Interface (UPI) ਵਰਗੇ ਸਿਸਟਮ ਸਫਲ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਸਰਕਾਰੀ ਵਿਭਾਗਾਂ ਦਾ ਡੇਟਾ ਅਜੇ ਵੀ ਆਪਸ ਵਿੱਚ ਨਹੀਂ ਜੁੜਿਆ ਹੈ। ਇਹ ਟੁੱਟਿਆ ਹੋਇਆ ਸਿਸਟਮ ਭਾਰਤ ਦੇ ਨਕਲੀ ਬੁੱਧੀ (Artificial Intelligence) ਦੇ ਸੁਪਨਿਆਂ ਲਈ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਹੈ।
ਵਿੱਤੀ ਨੁਕਸਾਨ ਦਾ ਅੰਕੜਾ
ਰਿਪੋਰਟ ਮੁਤਾਬਕ, ਵਿਭਾਗਾਂ ਦੇ ਆਪਸ ਵਿੱਚ ਨਾ ਗੱਲ ਕਰਨ ਕਾਰਨ ਹਰ ਸਾਲ ਵੈਲਫੇਅਰ ਖਰਚਿਆਂ ਵਿੱਚ 4 ਤੋਂ 7 ਫੀਸਦੀ ਦੀ ਲੀਕੇਜ ਹੋ ਰਹੀ ਹੈ। ਪੁਰਾਣੇ ਡੇਟਾ-ਕਲੀਨਿੰਗ ਅਭਿਆਨਾਂ ਨੇ ਇਹ ਸਾਬਤ ਕੀਤਾ ਹੈ ਕਿ ਇਸ ਨੂੰ ਠੀਕ ਕਰਨ ਨਾਲ ਕਿੰਨੀ ਵੱਡੀ ਬਚਤ ਹੋ ਸਕਦੀ ਹੈ:
- PM-KISAN ਸਕੀਮ: ਅਯੋਗ ਲਾਭਪਾਤਰੀਆਂ ਨੂੰ ਹਟਾ ਕੇ ਲਗਭਗ ₹9,000 ਕਰੋੜ ਦੀ ਬਚਤ।
- LPG ਅਤੇ ਰਾਸ਼ਨ ਕਾਰਡ: ਫਰਜ਼ੀ ਰਿਕਾਰਡਾਂ ਨੂੰ ਰੱਦ ਕਰਕੇ ਕ੍ਰਮਵਾਰ ₹21,000 ਕਰੋੜ ਅਤੇ ₹10,000 ਕਰੋੜ ਦੀ ਬਚਤ।
AI ਲਈ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ ਬਿਹਤਰ ਡੇਟਾ?
AI ਸਿਸਟਮ ਉਨਾ ਹੀ ਚੰਗਾ ਕੰਮ ਕਰਦੇ ਹਨ ਜਿੰਨਾ ਵਧੀਆ ਉਨ੍ਹਾਂ ਨੂੰ ਡੇਟਾ ਮਿਲਦਾ ਹੈ। ਜੇਕਰ ਸਰਕਾਰੀ ਵਿਭਾਗਾਂ ਦਾ ਡੇਟਾ ਇੱਕ-ਦੂਜੇ ਨਾਲ ਨਹੀਂ ਜੁੜੇਗਾ, ਤਾਂ AI ਮਾਡਲ ਗਲਤੀਆਂ ਨੂੰ ਹੀ ਹੋਰ ਵਧਾ ਦੇਣਗੇ। ਦੇਸ਼ ਹੁਣ 'Digital Scale' ਤੋਂ 'Data Power' ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ, ਜਿਸ ਲਈ ਇੱਕ ਅਜਿਹੀ ਇੰਟੈਲੀਜੈਂਸ ਲੇਅਰ ਦੀ ਲੋੜ ਹੈ ਜੋ ਸਾਰੇ ਸਿਸਟਮਾਂ ਨੂੰ ਇੱਕਜੁੱਟ ਕਰ ਸਕੇ।
DPI 3.0 ਵੱਲ ਵਧਦੇ ਕਦਮ
ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਮਾਹਿਰ 'State Data Balance Sheet' ਮਾਡਲ ਅਪਣਾਉਣ ਦਾ ਸੁਝਾਅ ਦੇ ਰਹੇ ਹਨ। ਇਹ 'DPI 3.0' ਵੱਲ ਵਧਣ ਦਾ ਸਮਾਂ ਹੈ, ਜਿੱਥੇ ਟੀਚਾ ਸਿਰਫ਼ ਡਿਜੀਟਲ ਪਹੁੰਚ ਦੇਣਾ ਨਹੀਂ, ਸਗੋਂ ਰੀਅਲ-ਟਾਈਮ ਫੈਸਲੇ ਲੈਣ ਅਤੇ ਸਮਾਰਟ AI ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਰਾਹੀਂ ਜਨਤਕ ਸੇਵਾਵਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣਾ ਹੈ। ਆਉਣ ਵਾਲੇ ਸਮੇਂ ਵਿੱਚ ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਟੈਕ ਸੈਕਟਰ ਦੀ ਨਜ਼ਰ ਇਸ ਗੱਲ 'ਤੇ ਰਹੇਗੀ ਕਿ ਕਿਵੇਂ ਸਰਕਾਰ ਇਨ੍ਹਾਂ ਵਿਭਾਗੀ ਕੰਧਾਂ ਨੂੰ ਢਾਹ ਕੇ ਇੱਕ ਇੰਟੀਗ੍ਰੇਟਿਡ ਡਿਜੀਟਲ ਈਕੋਸਿਸਟਮ ਤਿਆਰ ਕਰਦੀ ਹੈ।