एमआईटी और प्रिंसटन एआई लैब के शोधकर्ताओं द्वारा arXiv के माध्यम से प्रकाशित एक नया अध्ययन, उस बात के पीछे कठोर संख्याएँ प्रस्तुत करता है जिसके बारे में हम में से कई ने चुपचाप संदेह किया है। लोग न केवल यह अनुमान लगा रहे हैं कि वे AI पर कितनी बार निर्भर होते हैं, बल्कि यह भी अत्यधिक अनुमान लगा रहे हैं कि वे इससे क्या प्राप्त करते हैं। शोधकर्ता इसे “दक्षता-लाभ कल्पना” कहते हैं, और यह एक ऐसा संज्ञानात्मक जाल है जो हमारे AI के उत्पादकता में वास्तविक योगदान के बारे में सोचने के तरीके को पुनर्गठित कर सकता है।
प्रतिबिंब के पीछे के अंक
अध्ययन, जिसका शीर्षक “दि एफिशिएंसी-गेन इल्यूजन: लोग एआई के उपयोग की दर को कम आंकते हैं और सरल कार्यों पर इसके लाभों को अधिक आंकते हैं,” में 2,691 प्रतिभागियों के साथ तीन पूर्व-पंजीकृत प्रयोग किए गए। कार्य जानबूझकर साधारण थे: अंकगणित, वर्तनी जांच, ऐसे कार्य जिन्हें अधिकांश लोग पसीना बहाए बिना कर सकते हैं।
भागीदारों ने लगातार विश्वास किया कि AI इन सरल कार्यों पर उन्हें महत्वपूर्ण समय और प्रयास बचा रहा है, भले ही वास्तविक लाभ सीमित हों। एक मॉडलिंग विश्लेषण में, AI के साथ कॉपी-पेस्ट कार्य का उपयोग करने से औसत पूरा करने का समय 102.0 सेकंड से घटकर 66.2 सेकंड हो गया। भागीदारों ने इस लाभ को 35 सेकंड के वास्तविक समय से कहीं अधिक बड़ा महसूस किया। उनकी आंतरिक दक्षता की भावना वास्तविकता से अधिक थी, जिससे AI की उपयोगिता का एक विकृत चित्र बना, जिसने भविष्य में इसे कब लागू करना है, इसके उनके निर्णयों को प्रभावित किया।
फीडबैक लूप समस्या
शोधकर्ताओं ने एक प्रतिक्रिया चक्र की पहचान की, जिसमें सरल कार्यों के लिए AI पर प्रारंभिक निर्भरता ने और अधिक निर्भरता को प्रोत्साहित किया, जिससे उत्पादकता के बारे में गलत निर्णय गहरे हो गए। हर बार जब कोई भागीदार AI का उपयोग करता और महसूस करता कि यह मदद कर रहा है, तो वह फिर से इसे उपयोग करने की संभावना बढ़ जाता। इसका कारण यह नहीं था कि ऐसा करने के लिए सबूत मौजूद थे, बल्कि यह था कि कुशलता की महसूस किया गया भावना स्वयं-पुष्टिकरण हो गई।
शोधकर्ताओं ने पाया कि प्रतिभागियों के बीच AI के उपयोग की दरों का व्यवस्थित रूप से अवमूल्यन किया जा रहा था। लोगों ने केवल लाभों का अतिआकलन ही नहीं किया। उन्होंने यह भी कम आकलन किया कि वे पहले से ही AI की ओर कितनी बार रुख कर रहे थे, जिससे प्रतिक्रिया चक्र को तोड़ना और भी कठिन हो जाता है।
उत्पादकता का विरोधाभास, पुनः विचार
MIT और प्रिंसटन के शोध द्वारा इस अंतर के एक हिस्से के लिए व्यवहारिक स्पष्टीकरण जोड़ा गया है। यदि व्यक्तिगत उपयोगकर्ता नियमित कार्यों पर AI के लाभों का व्यवस्थित रूप से अतिआकलन कर रहे हैं, तो सामूहिक उत्पादकता डेटा सामूहिक उत्साह के साथ कभी मेल नहीं खाएगा। लाभ व्यक्तिगत स्तर पर वास्तविक महसूस होते हैं, लेकिन वे संख्याओं में पूरी तरह से प्रकट नहीं होते।