ప్రభుత్వ డేటాబేస్ లు ఒకదానితో ఒకటి అనుసంధానం కాకపోవడం వల్ల ఏటా **4-7%** సంక్షేమ నిధులు వృథా అవుతున్నాయని Tony Blair Institute తాజా నివేదిక హెచ్చరించింది. ఇది భారతదేశం ప్రతిష్టాత్మకంగా చేపట్టిన AI వ్యూహానికి కూడా పెద్ద సవాలుగా మారింది.
డిజిటల్ ఇన్‌ఫ్రాస్ట్రక్చర్ విషయంలో భారత్ దూసుకుపోతున్నప్పటికీ, 'డేటా సైలోస్' (Data Silos) రూపంలో ఒక కొత్త సమస్య తెరపైకి వచ్చింది. Aadhaar మరియు Unified Payments Interface (UPI) వంటి వ్యవస్థలు భారీ విజయాన్ని సాధించినప్పటికీ, ఆ డేటా మాత్రం వేర్వేరు ప్రభుత్వ శాఖలకే పరిమితమైపోయింది. ఈ అసమర్థత ఇప్పుడు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ప్రయాణానికి ఆటంకంగా మారింది.
నిధుల వృథా ఎంతంటే?
డేటా సరిగ్గా నిర్వహించకపోవడం వల్ల వార్షిక సంక్షేమ ఖర్చులో 4 నుంచి 7 శాతం వరకు లీకేజీ జరుగుతోందని నివేదిక అంచనా వేస్తోంది. గతంలో డేటా క్లెన్సింగ్ ద్వారా ప్రభుత్వం సాధించిన ఫలితాలను చూస్తే ఈ లీకేజీ తీవ్రత అర్థమవుతుంది:
- PM-KISAN పథకంలో అనర్హులను తొలగించడం ద్వారా ₹9,000 కోట్ల ఆదా.
- ఎల్పీజీ (LPG) సబ్సిడీలో మోసాలను అరికట్టడం ద్వారా సుమారు ₹21,000 కోట్ల ఆదా.
- రేషన్ కార్డ్ రికార్డుల ద్వారా మరో ₹10,000 కోట్ల మేర ప్రభుత్వ ఖజానాకు ప్రయోజనం.
AI కి డేటా పవర్ కీలకం
కేవలం డిజిటల్ సౌలభ్యం ఉంటే సరిపోదు, ఆ డేటా నాణ్యతగా ఉండాలి. వివిధ శాఖల మధ్య డేటా షేరింగ్ లేకపోతే, అవే తప్పులు AI వ్యవస్థల్లోకి వెళ్లి మరిన్ని సమస్యలను సృష్టిస్తాయి. ఇప్పుడు మనం 'Digital Scale' నుంచి 'Data Power' దిశగా అడుగులు వేయాల్సిన సమయం ఆసన్నమైంది.
DPI 3.0 వైపు భారత్
ఈ సమస్యను పరిష్కరించడానికి నిపుణులు 'State Data Balance Sheet' అనే మోడల్‌ను సూచిస్తున్నారు. దీని ద్వారా అన్ని శాఖలకు ఒకే విధమైన డేటా క్వాలిటీ ప్రమాణాలు వర్తిస్తాయి. ప్రభుత్వం ఈ 'DPI 3.0' వ్యూహాన్ని అమలు చేస్తే, భవిష్యత్తులో సాఫ్ట్‌వేర్-యాజ్-ఏ-సర్వీస్ (SaaS), డేటా అనలిటిక్స్ రంగాలు మరింత వృద్ధి చెందుతాయి. ప్రభుత్వ శాఖల మధ్య గోడలు కూలితేనే, భారత్ AI పవర్‌హౌస్‌గా మారుతుంది.