வணிக நிறுவனங்கள் பயன்படுத்தும் AI கருவிகளில், ஆதாரங்களை சரியாக மேற்கோள் காட்டியும், தகவல்களை தவறாக புரிந்துகொள்ளும் புதிய 'வெரிஃபிகேஷன் கேப்' (Verification Gap) சிக்கல் எழுந்துள்ளது. இது நிறுவனங்களின் உற்பத்தித்திறனை (Productivity) பாதிக்கும் அபாயத்தை உருவாக்கியுள்ளது.
நிறுவனங்கள் தங்களின் செயல்பாடுகளில் செயற்கை நுண்ணறிவை (AI) மிக வேகமாக புகுத்தி வரும் நிலையில், ஒரு புதிய தொழில்நுட்ப சவால் எழுந்துள்ளது. ஏஐ-யின் கற்பனைத் திறனை (Hallucination) கட்டுப்படுத்த, நிறுவனங்கள் தற்போது RAG (Retrieval-Augmented Generation) என்ற தொழில்நுட்பத்தைப் பயன்படுத்துகின்றன. இது ஏஐ-யை உள்நாட்டு தரவுத்தளங்களில் உள்ள ஆவணங்களைச் சரிபார்த்து பதிலளிக்க வைக்கிறது.
எங்கே தவறு நடக்கிறது?
தற்போதைய பிரச்சனை என்னவென்றால், ஏஐ சரியான ஆவணத்தை கண்டறிந்து மேற்கோள் காட்டுகிறது (Citation), ஆனால் அந்த ஆவணத்தில் உள்ள உண்மையான அர்த்தத்தை தவறாகப் புரிந்துகொள்கிறது. ஏஐ நம்பிக்கையுடன் பதில் அளிப்பதாலும், ஆதார இணைப்புகளை (Source Link) வழங்குவதாலும், மனித ஆய்வாளர்கள் இந்தத் தவறுகளைக் கண்டறிவது கடினமாகிவிட்டது. இது தவறான தரவுகளின் அடிப்படையில் முடிவுகளை எடுக்க வழிவகுக்கும்.
உற்பத்தித்திறன் முரண்பாடு (Productivity Paradox)
ஏஐ மூலம் மனித உழைப்பைக் குறைக்கலாம் என்று முதலீடு செய்த நிறுவனங்களுக்கு, இப்போது ஒரு கூடுதல் சுமை ஏற்பட்டுள்ளது. ஏஐ தரும் பதில்களை மனிதர்கள் மீண்டும் மீண்டும் சரிபார்க்க வேண்டியிருப்பதால், நேர விரயம் ஏற்படுகிறது. ஒரு பதிலை உருவாக்க செகண்டுகள் ஆகிறது, ஆனால் அதைச் சரிபார்க்க 20 நிமிடங்கள் மனித உழைப்பு தேவைப்படுகிறது என்றால், அங்கு உற்பத்தித்திறன் அதிகரிப்பு என்பது கேள்விக்குறியாகிறது.
அடுத்த கட்டம் என்ன?
இனி வரும் காலங்களில் ஏஐ-யின் வேகம் மட்டும் முக்கியமல்ல, அதன் துல்லியம் (Accuracy) மற்றும் ஆதாரங்களை உறுதிப்படுத்தும் திறன் (Traceability) தான் மிக முக்கியம். இனி வரும் மென்பொருள் நிறுவனங்கள், வெறும் பதில்களை மட்டும் தராமல், அந்தப் பதில் எப்படி வந்தது என்பதற்கான தர்க்கத்தை (Verified Logic) வெளிப்படையாகக் காட்டும் 'Auditable AI' தொழில்நுட்பத்திற்கு முக்கியத்துவம் கொடுக்கும் என எதிர்பார்க்கப்படுகிறது.