பொருளாதார ஆய்வுகளில் AI கருவிகள் பயன்படுத்தப்படும்போது ஏற்படும் பிழைகள், மனிதர்களின் நேரடி கண்காணிப்பு அவசியத்தை வலியுறுத்துகின்றன. AI துறையில் முதலீடு செய்துள்ளவர்கள், 'Explainable AI' மற்றும் மனித-இயந்திர கூட்டு செயல்பாட்டிற்கு (Human-in-the-loop) முன்னுரிமை அளிக்கும் நிறுவனங்களை கவனிப்பது அவசியம்.
தரவுகளை ஆய்வு செய்வதிலும், பொருளாதார ஆராய்ச்சிகளிலும் AI-ன் பயன்பாடு தற்போது அதிகரித்துள்ளது. ஆனால், இந்த வேகம் சில நேரங்களில் பெரிய சிக்கல்களை உருவாக்குகிறது. சமீபத்தில் Emmanuel Saez மற்றும் Gabriel Zucman ஆகியோரின் பொருளாதார ஆய்வுகளில், AI கருவிகள் செய்த தவறுகள் பெரும் விவாதத்தை ஏற்படுத்தியுள்ளன.
'Black Box' எனும் ஆபத்து
AI தளங்கள் தரவுகளை மிக வேகமாக கையாளும் திறன் கொண்டவை. ஆனால், ஒரு முடிவு ஏன் எடுக்கப்பட்டது என்பதை விளக்கும் 'Explainability' இதில் இருப்பதில்லை. சாதாரணமான தரவு வேறுபாட்டிற்கும், முக்கியமான பிழைகளுக்கும் இடையிலான வித்தியாசத்தை பல AI மாடல்களால் கண்டறிய முடிவதில்லை. இதனால், தவறான தரவுகளை அடிப்படையாகக் கொண்ட நிறுவனங்கள் பெரிய அளவிலான நற்பெயர் இழப்பைச் சந்திக்க நேரிடுகிறது.
மனித-இயந்திர கூட்டு மாற்றம் (Human-AI Hybridization)
ஆட்டோமேஷன் மட்டுமே போதும் என்ற மனநிலை மாறி, தற்போது 'Human-in-the-loop' எனும் முறைக்கு சந்தை முக்கியத்துவம் அளிக்கிறது. அதாவது, கடினமான தரவு வேலைகளை AI பார்த்தாலும், இறுதிச் சரிபார்ப்பை (Audit) மனித நிபுணர்கள் செய்யும் நிறுவனங்களுக்குத்தான் இப்போது மதிப்பு அதிகம்.
முதலீட்டாளர்கள் கவனிக்க வேண்டியவை
AI சார்ந்த நிறுவனங்களின் பங்குகளில் முதலீடு செய்யும் முன், அந்த நிறுவனங்கள் கீழ்க்கண்டவற்றில் எவ்வளவு கவனம் செலுத்துகின்றன என்பதை கவனிக்கவும்:
- Explainable AI (XAI): முடிவுகளுக்கான காரணங்களை விளக்கக்கூடிய தொழில்நுட்பத்தில் முதலீடு செய்கின்றனவா?
- Governance Frameworks: பிழைகள் மற்றும் சார்புத் தன்மையை (Bias) தவிர்க்க முறையான கண்காணிப்பு அமைப்புகள் உள்ளதா?
- Hybrid Models: வெறும் வேகத்தை மட்டும் நம்பாமல், மனித சரிபார்ப்பையும் உள்ளடக்கிய தளங்களை வாடிக்கையாளர்கள் ஏற்றுக்கொள்கிறார்களா?
எதிர்காலத்தில், தொழில்நுட்பத் திறனை விட, நம்பகத்தன்மையை (Trust) நிலைநாட்டும் நிறுவனங்களே சந்தையில் நீண்ட காலம் நீடிக்கும்.