2030 के लिए व्यावसायिक शिक्षा पर पुनर्मूल्यांकन: बिजनेस फिजिक्स एआई लैब की सामूहिक लेखनी

लेखक: यह लेख बिजनेस फिजिक्स एआई सिमुलेशन लैब के सोलह सदस्यों द्वारा सामूहिक रूप से लिखा गया है: थॉमस होर्माज़ा डाव (संस्थापक और लैब डायरेक्टर), विनय कुमार (उन्नत एजेंटिक एआई परामर्श), सेबेस्टियन फ्रावे (एआई विश्वसनीयता मापदंड), अन्न लॉकक्वेल (नवाचार और रचनात्मकता), डॉ. बनैफ़ेश पेरोवियन (एआई, उद्यमी व्यवहार और नवाचार), डॉ. अहमद हेगाज़ी (बाज़ार अनुसंधान), मार्टिन बेरेजागा (बिग डेटा और बिजनेस एनालिटिक्स), विविएने पॉल (प्रबंधन और नेतृत्व), लिंडन जॉनसन (प्रचार और मीडिया अंतर्दृष्टि), नाओमी टेसीयर (एआई-जनित सामग्री), क्रिस्टीन जेरार्ड (कंप्यूटर विज्ञान और परियोजना प्रबंधन), डॉ. अमीन रंज बार (सॉफ्टवेयर डिज़ाइन और साइबर सुरक्षा), आबूबाकर सैमके (एआई मॉडल और उपकरण), हिचेम बेंजायर (एआई सॉफ्टवेयर डेवलपमेंट), जॉन स्लाइक (एआई और मार्केटिंग ऑटोमेशन), और अन्न बेली (एआई और डिजिटल साक्षरता)। दो एआई एजेंटों ने भी प्रतिक्रियाएँ दीं: चार्ली एआई (प्रमाण, धारणाएँ और मात्रात्मक जाँच) और लेना एआई (मानवीय, सांस्कृतिक और सामाजिक दृष्टिकोण)।.

सारांश: उत्प्रेरक और एजेंटिक कृत्रिम बुद्धिमत्ता (AI) अब मिनटों में बाजार विश्लेषण, पूर्वानुमान और ग्राहक प्रस्तुतियों का उत्पादन कर सकती है। इसलिए, परिष्कृत आउटपुट में यह कम ही पता चलता है कि एक व्यावसायिक शिक्षा में क्या समझ आता है। यह वैचारिक लेख यह सवाल उठाता है कि 2030 तक व्यावसायिक शिक्षा किन मानवीय क्षमताओं को जानबूझकर विकसित करनी चाहिए ताकि AI व्यावसायिक क्षमता को बढ़ा सके, जबकि निर्णय, एजेंसी और जिम्मेदारी व्यक्ति के साथ बनी रहे। बिजनेस फिजिक्स AI सिमुलेशन लैब के सोलह सदस्य अपने क्षेत्रों से इस प्रश्न का उत्तर दिया है, जिनमें एजेन्टिक AI, AI विश्वसनीयता, मार्केट रिसर्च, एनालिटिक्स, नेतृत्व, जनसंपर्क, प्रोजेक्ट मैनेजमेंट, साइबर सुरक्षा और मार्केटिंग ऑटोमेशन शामिल हैं। दो AI एजेंटों ने भी इस प्रश्न का उत्तर दिया है। अठारह दृष्टिकोणों का एक संश्लेषण छह क्षमताओं की पहचान करता है: जवाबदेही और निगरानी; स्वतंत्र सोच और समस्या के समाधान का तरीका; प्रमाण, सत्यापन और महत्वपूर्ण मूल्यांकन; मानवीय संवाद और संबंध; व्यावसायिक क्षमता और लचीलापन; और एआई और तकनीकी साक्षरता। इन सभी छह क्षमताओं में क्षेत्र के ज्ञान और कार्य करने के अनुभव पर निर्भरता है। इन योगदानों में बार-बार दोहराया जाने वाला दस पैटर्न यह है कि नींवों को कार्य सौंपने से पहले ज्ञान होना चाहिए और निगरानी जोखिम के अनुरूप होनी चाहिए। लेख में सीखने के सुरक्षित तरीके के सिद्धांत का परिचय दिया गया है और सीखने के कार्य में एआई को कैसे शामिल किया जाए, इसके लिए चार स्तरों (करना आवश्यक, समझना आवश्यक, सत्यापित करना आवश्यक, स्वामित्व) की जिम्मेदारी तय करने का प्रस्ताव किया गया है। यह REACT (Reason, Evidence, Accountability, Constraints, Trade-offs) फ्रेमवर्क को छात्रों के लिए एक निर्णय-प्रणाली के रूप में लागू करता है। इसके बाद व्यावसायिक कार्यक्रमों के लिए दस सिफारिशें दी गई हैं, जिनमें उत्पादन के साथ-साथ निर्णय लेने की क्षमता का आकलन करना और संसाधन के प्रति जागरूकता को एआई के निर्णय के हिस्से में शामिल करना शामिल है। लेख में तर्क दिया गया है कि लक्ष्य मानवीय और एआई दोनों के बीच सामंजस्य स्थापित करना है।.

कीवर्ड्स व्यापार शिक्षा; कृत्रिम बुद्धिमत्ता; मानव-कृत्रिम बुद्धिमत्ता समातिव्यता; व्यावसायिक निर्णय; जवाबदेही; कृत्रिम बुद्धिमत्ता साक्षरता; पाठ्यक्रम डिजाइन; REACT फ्रेमवर्क

अनुशंसित उद्धरण: हार्मोज़ा डाव, टी., कुमार, वी., फेवर, एस., लॉकक्वेल, ए., पेरोवियन, बी., हेगाज़ी, ए., बेरेजागा, एम., पॉल, वी., जॉनसन, एल., टेसीयर, एन., जेरेड, सी., रंज बार, ए., सामेके, ए., बेंजायर, एच., स्लाइच, जे., और रॉय, ए. (2026, अक्टूबर 3)।. क्या चीज़ों को मानवीय बनाए रखना चाहिए? 2030 के लिए व्यावसायिक शिक्षा पर पुनर्मूल्यांकन. व्यावसायिक भौतिकी।. https://businessphysics.ai/what-must-remain-human-education-for-2030/

DOI: https://doi.org/10.5281/zenodo.23123642

कॉपीराइट: © 2026 बिजनेस फिजिक्स AI सिमुलेशन लैब। सर्वाधिकार सुरक्षित।.

2030 में एक बिजनेस स्टूडेंट की कल्पना कीजिए। उसे माया कहें। मंगलवार की सुबह वह एक एआई सिस्टम से बाजार विश्लेषण, वित्तीय पूर्वानुमान और ग्राहक प्रस्तुति मांगती है। जब तक उसका कॉफी ठंडा नहीं हो जाता, तब तक तीनों काम हो चुके होते हैं और तीनों पेशेवर दिखते हैं।.

फिर ग्राहक एक सवाल पूछता है: “तुमने 12 प्रतिशत की वृद्धि मान ली क्यों?” कि क्या माया इसका जवाब दे सकती है, यह इस लेख का विषय है।.

2030 तक, एआई नियमित रूप से बाजार का शोध कर सकता है, डेटा का विश्लेषण कर सकता है, प्रस्ताव तैयार कर सकता है, अभियान चला सकता है, सॉफ्टवेयर लिख सकता है, और कार्य-योजनाएं सुझा सकता है या उनका क्रियान्वयन कर सकता है। जब यह परिष्कृत रूप में काम किया जाए तो मिनटों में ही उसका परिणाम शिक्षाविदों और नियोक्ताओं को उस व्यक्ति के बारे में बहुत कम जानकारी देता है, जिसने इसे प्रस्तुत किया है।.

हमारा तर्क यह है कि व्यावसायिक शिक्षा को 2030 तक के लक्ष्यों की प्राप्ति के मार्ग में छह मानवीय क्षमताओं की रक्षा करने के लिए जानबूझकर प्रयास करना चाहिए: जवाबदेही और निगरानी, स्वतंत्र सोच और समस्या का समाधान, प्रमाण और सत्यापन, मानवीय संवाद और संबंध, व्यावसायिक स्वायत्तता और लचीलापन, और आर्टिफिशियल इंटेलिजेंस और तकनीकी साक्षरता। इन सभी छह विशेषताओं का आधार क्षेत्र के ज्ञान और कार्य करने के अनुभव पर निर्भर करता है।.

इन छह लोगों को क्यों चुना गया? एक पेशेवर केवल स्वीकार्य परिणाम देने तक ही सीमित नहीं रहता। वह समस्या को समझता है, जब पता चलता है कि कोई जवाब गलत है तो उसे नोटिस करता है, साक्ष्य का विश्लेषण करता है, लोगों से बात करता है, अनिश्चितता के माहौल में निर्णय लेता है, जरूरत पड़ने पर मदद मांगता है और जो कुछ भी होता है उसके लिए जिम्मेदारी लेता है।.

जब AI को सही तरीके से उपयोग किया जाए, तो यह लोगों को इन सभी कार्यों में बेहतर बना सकता है। लक्ष्य मानवीय-एआई समानांतरता है, जिसका अर्थ है कि लोग और AI अपने-अपने क्षेत्र में श्रेष्ठतम कार्य करते हुए एक-दूसरे की मदद करें। छात्रों को कुशल AI उपयोगकर्ता बनना चाहिए, जो पर्याप्त ज्ञान और निर्णय लेने की क्षमता रखते हुए AI द्वारा उत्पन्न जानकारी को निर्देशित, प्रश्न करना, सत्यापित करना और कभी-कभी अस्वीकार करना सीखें।.

स्वतंत्रता कितना पर्याप्त है? यह कार्य पर निर्भर करता है। कुछ कौशल को एआई के बिना अभ्यास करके सीखना चाहिए क्योंकि अभ्यास ही दक्षता को विकसित करता है। अन्य कार्य को सौंप दिया जा सकता है, बशर्ते छात्र कार्य को समझें, परिणाम का मूल्यांकन करें और निर्णय के लिए उत्तर दें।.

बिजनेस फिजिक्स – एआई सिमुलेशन लैब में, हमने चुनौती को एक व्यावहारिक प्रश्न के रूप में रखा: एआई द्वारा मानवीय क्षमता को बढ़ाया जा सके, साथ ही निर्णय, एजेंसी और जिम्मेदारी व्यक्ति के पास ही रहे, इसके लिए छात्र में क्या कुछ अच्छी तरह विकसित होना चाहिए?

इस प्रश्न का उत्तर देने के लिए सोलह प्रयोगशाला सदस्य और दो एआई एजेंट शामिल थे। उनके क्षेत्रों में एजेंटिक एआई, एआई विश्वसनीयता, रचनात्मकता, उद्यमिता, बाजार अनुसंधान, विश्लेषण, नेतृत्व, जनसंपर्क, सामग्री, परियोजना प्रबंधन, साइबर सुरक्षा, सॉफ्टवेयर, मार्केटिंग ऑटोमेशन और डिजिटल साक्षरता शामिल हैं। उनकी उत्तरियाँ लेख के विभिन्न हिस्सों में दिखाई देती हैं, जिसके बाद चार स्तरों की जिम्मेदारी, REACT फ्रेमवर्क (कारण, प्रमाण, जवाबदेही, बाधाएँ, सामंजस्य), और दस सिफारिशें दी गई हैं।.

निर्भरता का जाल

एआई टूल को कैसे काम में लाया जाए, यह करना आसान हिस्सा है। एआई साक्षरता का मतलब यह भी है कि इन सिस्टमों को क्या-क्या काम आता है, उनसे अच्छी तरह संवाद करना, उनके आउटपुट का मूल्यांकन करना, जानकारी की सुरक्षा करना, और अधिकाधिक स्वायत्त एजेंटों के साथ काम करना और एआई को जिम्मेदारी से उपयोग करना।.

यह सब उस ज्ञान पर निर्भर करता है जो छात्र पहले से रखता है। किसी AI-generated वित्तीय विश्लेषण को चुनौती देने के लिए एक छात्र को कुछ धन की आवश्यकता होती है। एक स्नातक को जिम्मेदारी लेने से पहले एक निर्णय को समझना होता है। किसी AI एजेंट की देखरेख करने वाले प्रबंधक को केवल बटन कहाँ स्थित हैं, यह जानने से ज्यादा कुछ चाहिए।.

उस ज्ञान का निर्माण धीमी गति से होता है। छात्र समस्याओं से सामना करते हैं, गलतियाँ करते हैं, विकल्पों की तुलना करते हैं, प्रतिक्रिया प्राप्त करते हैं और धीरे-धीरे पैटर्न और अपवादों की पहचान करना सीखते हैं।.

यहां एक समस्या है: एआई उस कार्य को पूरा कर सकता है इससे पहले कि छात्र उस क्षमता को विकसित कर सके, और तैयार किया गया कार्य उस अंतर को छिपा देता है।.

इसका उद्देश्य निर्णय की स्वतंत्रता है। स्नातक एआई को एक पेशेवर उपकरण के रूप में काफी हद तक उपयोग कर सकते हैं और फिर भी यह मूल्यांकन कर सकते हैं कि यह कार्य किस प्रकार गुणवत्तापूर्ण, उपयुक्त, संदर्भ-अनुकूल और परिणाम-परक है।.

डिजाइन के द्वारा सीखने की सुरक्षा

डिजाइन के द्वारा सीखने की सुरक्षा एक प्रश्न को उठाती है। जब एआई को शिक्षण गतिविधि में शामिल किया जाता है, तो क्या छात्रों को उस क्षमता को विकसित करने के लिए पर्याप्त अवसर मिलते हैं, जिसे यह गतिविधि सिखाने के लिए बनाई गई है?

किसी छात्र को वित्तीय विश्लेषण सीखने दें। यदि लक्ष्य यह समझना है कि राजस्व, व्यय, मार्जिन और लाभ कैसे एक दूसरे से जुड़े हुए हैं, तो संपूर्ण समस्या को एआई के हवाले करना उस तर्कसंगतता को दरकिनार करता है जिसे छात्र अभ्यास के लिए तैयार किया था। यह ऐसा ही है जैसे छात्र के नाम पर जिम में एक रोबोट भेज दिया जाए। एक बार समझदारी आ जाने के बाद, एआई का उपयोग करके बहुत अधिक डेटासेट का विश्लेषण करना व्यावसायिक कार्य के लिए उत्कृष्ट तैयारी है।.

इसलिए AI के लिए सही भूमिका सीखने के उद्देश्य पर निर्भर करती है। कभी स्वतंत्र कार्य क्षमता का निर्माण करता है, तो कभी AI के साथ काम करने से क्षमता विकसित होती है। कई व्यावसायिक गतिविधियाँ इन दोनों को एक साथ जोड़ती हैं।.

कार्यस्थल में प्रवेश करने वाले छात्रों को एआई के उपयोग के बारे में एक पेशेवर दृष्टिकोण रखना चाहिए। कार्यभार सौंपने से पहले, वे यह पूछें कि एआई का उपयोग क्यों किया जा रहा है, क्या कार्यभार सौंपा जा रहा है, आउटपुट कितना विश्वसनीय होना चाहिए, अगर यह गलत हो जाए तो क्या होगा, और मानवीय निर्णय लेने वाले व्यक्ति पर क्या जिम्मेदारी रहेगी।.

थॉमस होर्मज़ा डौ, संस्थापक और प्रयोगशाला निदेशक

थॉमस होर्माज़ा डाव का सुझाव है कि व्यावसायिक शिक्षा में छात्र की जवाबदेही को डिजाइन के माध्यम से सीखने की सुरक्षा के प्रति मजबूत प्रतिबद्धता के साथ जोड़ना चाहिए। छात्रों को समस्या को समझने, साक्ष्य का मूल्यांकन करने, एआई द्वारा उत्पन्न आउटपुट पर सवाल उठाने, निर्णय लेने और परिणामों के लिए जिम्मेदारी स्वीकार करने की ज़िम्मेदारी हमेशा बनी रहेगी। हालाँकि, छात्रों द्वारा एआई का उपयोग करने के कारण यह उम्मीद नहीं की जा सकती कि ये ये कौशालियाँ स्वतः विकसित होंगी। सीखने के लिए गतिविधियों को ऐसे तरीके से तैयार किया जाना चाहिए ताकि एआई बिना किसी गलती के निर्णय लेने, अभ्यास करने, गलतियाँ करने, प्रतिक्रियाओं से सीखने और अनुभव प्राप्त करने के माध्यम से उत्पन्न होने वाले विचार को न बदल दे।.

इसलिए डिज़ाइन के द्वारा सीखने की सुरक्षा का अर्थ है जानबूझकर यह तय करना कि छात्रों को क्या करना चाहिए, क्या उन्हें एआई को सौंपना चाहिए और क्या उन्हें अभी भी समझना, सत्यापित करना और अंततः अपने लिए ज़िम्मेदारी लेना चाहिए। उपयुक्त संतुलन सीखने के उद्देश्य के अनुसार अलग-अलग हो सकता है। कुछ स्थितियों में छात्रों को एआई का उपयोग करने से पहले काम के महत्वपूर्ण हिस्सों को स्वतंत्र रूप से करना पड़ सकता है; अन्य स्थितियों में एआई के साथ उत्पादक तरीके से काम करने का तरीका सीखने का ही उद्देश्य हो सकता है। लक्ष्य यह नहीं है कि छात्रों को एआई से दूर रखा जाए, बल्कि यह सुनिश्चित किया जाए कि इसका उपयोग उनकी क्षमताओं को बढ़ाए बिना ही मानव निर्णय और जवाबदेही को कम न करे, जो शिक्षा के उद्देश्य से विकसित किया जाना है।.

2030 तक छात्रों को जिन छह गुणों को विकसित करना होगा

यदि एआई द्वारा अधिक दृश्यमान कार्य किए जा सकते हैं, तो व्यावसायिक कार्यक्रमों का काम स्पष्ट है: यह तय करना कि छात्रों को किस तरह के मानव क्षमताओं का निर्माण करना चाहिए।.

हम छह देखते हैं:

1. जवाबदेही और निगरानी
2. स्वतंत्र सोच और समस्या का निर्धारण
3. प्रमाण, सत्यापन और महत्वपूर्ण मूल्यांकन
4. मानवीय संचार और संबंध
5. व्यावसायिक एजेंसी और लचीलापन
6. एआई और तकनीकी साक्षरता

ये छह बातें एक-दूसरे से जुड़ी हुई हैं और एक ही व्यावसायिक निर्णय के कारण इन सभी को लागू किया जा सकता है। वे एक ही आधार पर आधारित हैं: क्षेत्र के ज्ञान और कार्य करने का अनुभव। यही आधार छात्रों को एआई के परिणामों को परखने के लिए कुछ आधार देता है।.

एआई का भी एक भौतिक स्वरूप होता है

इसके अलावा एक और व्यापक वास्तविकता है जिसे छात्रों को समझना चाहिए। एआई को ज़्यादातर डिजिटल माना जा सकता है, लेकिन इसका उपयोग भौतिक बुनियादी ढांचे पर निर्भर करता है जो अंतरिक्ष, पानी, ऊर्जा और सामग्रियों की आवश्यकता रखता है। किसी भी व्यक्तिगत उपयोग के प्रभाव को निर्धारित करना कठिन हो सकता है, और विभिन्न प्रणालियों और संदर्भों के अपने-अपने अलग-अलग प्रभाव पड़ सकते हैं। इसलिए शैक्षिक दृष्टिकोण यह नहीं है कि छात्रों को एआई से बचना चाहिए, बल्कि यह कि इसका उपयोग परिणाम-मुक्त नहीं है। भविष्य के व्यावसायिक पेशेवरों के रूप में, छात्रों को यह आदत विकसित करनी चाहिए कि वे यह पूछें कि क्या एआई का उपयोग कार्य के लिए उपयुक्त है और क्या यह प्रदान की जाने वाली वैल्यू शामिल संसाधनों और व्यापक परिणामों को वहन करने योग्य है।.

क्षमताओं से लेकर जिम्मेदारियों तक

ये क्षमताएँ, एआई के उपयोग के व्यापक परिणामों के प्रति जागरूकता के साथ, यह तय करने का आधार प्रदान करती हैं कि जिम्मेदारी को छात्र और एआई के बीच कैसे बाँटा जाए।.

1. जवाबदेही और निगरानी: कोई भी अभी भी हस्ताक्षर करना होगा

एआई कम मानवीय सहायता के साथ सिफारिशें कर सकता है, गणना कर सकता है, पैटर्न की पहचान कर सकता है और कार्यों की पूरी श्रृंखला को पूरा कर सकता है। जब चीजें गलत हो जाती हैं तो उसे प्रबंधक के कार्यालय में बुलाया नहीं जा सकता। व्यक्ति अभी भी यह तय करता है कि एआई का उपयोग कैसे किया जाए और परिणाम के लिए उत्तरदायी होता है।.

तो पहला निर्णय यह है कि क्या एआई को वाकई इस कार्य में शामिल किया जाना चाहिए। यह एक कार्य में सुधार कर सकता है और दूसरे में बहुत कम योगदान दे सकता है। यह गोपनीयता संबंधी चिंताएं, कम जानकारी, अनावश्यक जटिलता या ऐसे कार्य सौंपने की भी संभावना भी पैदा कर सकता है जो कभी भी नहीं होना चाहिए था।.

अधिगम का पर्यवेक्षण जोखिम के अनुपात में होना चाहिए। प्रस्तुति के शीर्षक सुझाने के लिए एआई का उपयोग करने के लिए बहुत कम जांच की आवश्यकता होती है। ग्राहक की सिफारिश में एआई द्वारा उत्पन्न वित्तीय जानकारी का उपयोग करने के लिए बहुत अधिक जांच की आवश्यकता होती है। कर्मचारी, अनुबंध, ग्राहक, गोपनीयता या महत्वपूर्ण वित्तीय प्रतिबद्धताओं से संबंधित निर्णय के लिए स्वतंत्र प्रमाण, विशेषज्ञ की सलाह और स्पष्ट मानवीय स्वीकृति आवश्यक हो सकती है।.

अच्छी समझ स्क्रीन के परे भी देखने की क्षमता रखती है। डिजिटल प्रणालियों के भौतिक, वित्तीय, सामाजिक और पर्यावरणीय परिणाम होते हैं। एआई डेटा केंद्रों, बिजली, शीतलन प्रणाली, नेटवर्क और निर्मित हार्डवेयर पर चलता है, जो सभी भूमि, ऊर्जा, पानी और सामग्रियों के उपयोग को डिजाइन और स्थान के अनुसार अलग-अलग तरीके से करते हैं।.

व्यापार के छात्रों को इंजीनियरिंग को इंजीनियरों के हवाले कर देना चाहिए। उन्हें यह जानना चाहिए कि एआई सेवा चुनने, कंप्यूटिंग क्षमता बढ़ाने, हार्डवेयर बदलने या किसी प्रक्रिया को स्वचालित करने से लागत, कर्मचारी, ग्राहक, गोपनीयता, सुरक्षा, ऊर्जा उपयोग, सामग्री और समुदायों पर असर पड़ सकता है।.

व्यावसायिक निर्णय में यह पहचान करना शामिल होता है कि इनमें से कौन से प्रभाव पर ध्यान देने की आवश्यकता है और जब विशेषज्ञ ज्ञान की आवश्यकता होती है।.

जब AI उत्तर देने से आगे जाकर कार्य करने लगता है, तो चुनौतियाँ बढ़ जाती हैं। एक AI एजेंट संभावित ग्राहकों का शोध कर सकता है, लीड्स की रैंकिंग कर सकता है, संदेश लिख सकता है, फॉलो-अप शेड्यूल कर सकता है, और ग्राहक रिकॉर्ड अपडेट कर सकता है, यह सब दोपहर के भोजन से पहले ही हो जाता है। छात्रों को यह तय करना होता है कि सिस्टम को कौन सा अधिकार दिया जाए, कहाँ अनुमोदन की आवश्यकता है, और जब कोई मानव शामिल हो।.

विनय कुमार, उन्नत एजेन्टिक एआई परामर्शदाता

विनय कुमार का सुझाव है कि छात्रों को यह भी सीखना चाहिए कि कौन से निर्णय मानवीय स्वीकृति की आवश्यकता रखते हैं और जोखिम के आधार पर एआई एजेंटों के लिए उचित सीमाएं कैसे स्थापित की जा सकती हैं। ऐसे निर्णय जिनमें लोगों, धन, गोपनीयता, कानूनी दायित्व या संगठनात्मक प्रतिष्ठा शामिल हो, के परिणाम इतने गंभीर हो सकते हैं कि उन्हें सार्थक मानवीय समीक्षा और प्राधिकरण की आवश्यकता होती है। हालाँकि, निगरानी केवल एक निश्चित सूची पर निर्भर नहीं होनी चाहिए। छात्रों को विफलता की संभावना और उसके परिणाम, प्रणाली की विश्वसनीयता और उपलब्ध साक्ष्य का मूल्यांकन करना चाहिए और उचित प्राधिकरण सीमाएँ, निगरानी आवश्यकताएँ, वृद्धि दर नियम और हस्तक्षेप बिंदु स्थापित करना चाहिए।.

विनय एक व्यावहारिक मार्गदर्शन सिद्धांत के रूप में अपरिवर्तनीयता का प्रस्ताव देते हैं। किसी कार्य को सौंपने से पहले छात्रों को यह पूछना चाहिए कि अगर एआई गलती कर दे तो क्या होगा और क्या परिणाम पलटने योग्य होंगे। कम जोखिम वाला, अपरिवर्तनीय कार्य अधिक स्वायत्तता की अनुमति दे सकता है, जबकि कठिन-परिवर्तन योग्य कार्य अधिक मानवीय नियंत्रण की आवश्यकता रखते हैं। जटिल कार्य को भी छोटे, नियंत्रित करने योग्य कार्यों में विभाजित किया जा सकता है, जिसमें स्पष्ट आवश्यकताएँ, सुरक्षा उपाय, चेकपॉइंट्स और स्वीकृति मानदंड हों। इससे छात्रों को एक संपूर्ण प्रक्रिया पर एआई एजेंट के अनावश्यक अधिकार देने के बिना उत्पादक तरीके से कार्य सौंपने की सुविधा मिलती है।.

आवश्यक क्षमता है पर्यवेक्षी निर्णय। विनय का सुझाव है कि व्यावसायिक छात्रों को अधिकाधिक यह सीखना चाहिए कि वे एआई-संचालित कार्य के प्रबंधकों और वास्तुकारों की तरह सोचने का तरीका सीखें: समस्या को परिभाषित करना, कार्य को व्यवस्थित करना, आवश्यकताएं और स्वीकृति मानदंड निर्धारित करना, यह तय करना कि किसी एआई एजेंट को क्या अधिकार प्राप्त हो, यह निर्धारित करना कि क्या साक्ष्य पर्याप्त है, और यह जानना कि कब मानवीय हस्तक्षेप आवश्यक है। वे एआई द्वारा उठाए गए हर कदम पर पर्यवेक्षण की आवश्यकता नहीं पड़ सकती हैं, लेकिन उन्हें उन स्थितियों को तैयार करना होगा जिनके तहत यह कार्य संचालित हो और यह मूल्यांकन करना कि परिणाम स्वीकार्य हैं या नहीं। कार्य को सौंपना इसका मतलब नहीं है कि परिणामों के लिए जवाबदेही सौंपना।.

सैबेस्टियन फ्रावर, एआई विश्वसनीयता मापदंडें

सेबस्टियन फ्रावे सुझाव देते हैं कि व्यावसायिक छात्रों को एआई की विश्वसनीयता को संदर्भ-आधारित, जोखिम-आधारित और मापी योग्य समझना चाहिए। एआई के किसी परिणाम को बस “विश्वसनीय” या “अविश्वसनीय” के रूप में वर्गीकृत नहीं किया जाना चाहिए। इसमें उचित रूप से लगाया जा सकने वाला आत्मविश्वास कार्य, किसी त्रुटि के संभावित परिणामों और प्रणाली के वास्तविक उपयोग के संदर्भ में उसके व्यवहार पर निर्भर करता है। इसलिए सत्यापन की स्तर को भी उसी अनुसार बदला जाना चाहिए। कम प्रभाव वाला परिणाम अपेक्षाकृत कम जाँच की आवश्यकता हो सकता है, जबकि एक ऐसा परिणाम, जो किसी महत्वपूर्ण वित्तीय, परिचालन, कानूनी या ग्राहक निर्णय को प्रभावित कर सकता है, को अधिक मजबूत और संभावित रूप से स्वतंत्र सत्यापन की आवश्यकता होगी।.

छात्रों को यह भी सीखना चाहिए कि ऐसे प्रमाणों को पहचानना कि किसी AI आउटपुट की समीक्षा की आवश्यकता है। विरोधाभास, प्रतिक्रियाओं में असंतुलन, पर्याप्त समर्थन वाली साक्ष्यों की कमी, या अपेक्षित व्यवहार से सार्थक भिन्नताएँ यह संकेत दे सकती हैं कि किसी आउटपुट की समीक्षा को और अधिक गहनता से किया जाना चाहिए, उसे अस्वीकार कर दिया जाना चाहिए, या अतिरिक्त समीक्षा के लिए इसे बढ़ाया जाना चाहिए। इसलिए, आवश्यक क्षमता केवल AI का उपयोग करने का ज्ञान नहीं है, बल्कि यह भी जानना भी है कि देखी गई साक्षियाँ विशिष्ट निर्णय के लिए पर्याप्त हैं या नहीं।.

2. स्वतंत्र सोच और समस्या का निर्धारण: पहले सोचें, फिर कार्य करें

एआई से कठिन काम करना आसान हो जाता है। एक ऐसे छात्र के लिए जो किसी अजनबी समस्या का सामना कर रहा हो, सेकंडों में स्पष्टीकरण, व्याख्या, विकल्प और सुझाए गए समाधान मिल जाते हैं।.

यह गति एक उपहार और एक मोह है। कुछ सीखने के कार्य के लिए, छात्रों को पहले स्वयं परिस्थिति को देखना चाहिए, प्रासंगिक जानकारी चुनना चाहिए, स्पष्टीकरणों पर विचार करना चाहिए, और अपना पक्ष रखना चाहिए। उस पहली निर्णय में गलतियाँ हो सकती हैं। यह निर्णय छात्रों को एक मानसिक मॉडल प्रदान करता है जिसे एआई बाद में चुनौती दे सकता है, परिष्कृत कर सकता है, या पलटने की कोशिश कर सकता है।.

समस्या निर्माण एक व्यवसायिक कौशल है। एक प्रबंधक देखता है कि बिक्री घट रही है। आंकड़े बताते हैं कि ऐसा हो रहा है, लेकिन वह इसके पीछे की वजहों पर चुप रहता है। कीमत, प्रतिस्पर्धा, ग्राहक की पसंद, वितरण, उत्पाद की गुणवत्ता, अर्थव्यवस्था, या इनमें से कुछ भी एक साथ जिम्मेदार हो सकता है। समस्या को परिभाषित करने से पहले एआई से समाधान मांगें, और परिणाम गलत प्रश्न का बहुत ही कारगर उत्तर हो सकता है।.

आधारभूत ज्ञान से छात्रों को यह समझने में भी मदद मिलती है कि कुछ गड़बड़ है या नहीं। एक अनुमानित लाभ मार्जिन बहुत अच्छा लगता है। एक परियोजना की समय-सारणी स्पष्ट निर्भरताओं को अनदेखा करती है। एक बाजार का अनुमान उस जनसांख्यिकीय को दर्शाता नहीं है जो इसे दर्शाने वाला है। एक विपणन की सलाह उस बात से मेल नहीं खाती जो ग्राहक के बारे में ज्ञात है।.

छात्रों को उस घर्षण को महसूस करने के लिए पर्याप्त ज्ञान की आवश्यकता होती है। मूलभूत ज्ञान एक धुएं का पता लगाने वाला यंत्र की तरह काम करता है: ज्यादातर समय यह शांत रहता है और जब यह काम करता है तो बहुत उपयोगी होता है।.

व्यावसायिक निर्णय का भी संदर्भ पर निर्भर होना पड़ता है। एक सिफारिश तकनीकी रूप से उचित हो सकती है और फिर भी उस स्थिति के लिए अनुपयुक्त हो सकती है जिसमें इसका उपयोग किया जाएगा। लागत, नियम-कानून, बुनियादी ढांचा, ग्राहक की अपेक्षाएँ, संगठनात्मक संस्कृति, पर्यावरणीय परिस्थितियाँ और उपलब्ध विशेषज्ञता—ये सभी चीजें बदल सकती हैं कि कौन सा विकल्प समझ में आता है।.

उदाहरण के लिए, एक एआई सिस्टम किसी तकनीक की सिफारिश कर सकता है क्योंकि वह सबसे कम परिचालन लागत वाली है। फिर भी एक प्रबंधक को पता चलता है कि यह अधिक गोपनीयता जोखिम पैदा करता है, एक आपूर्तिकर्ता पर निर्भरता बढ़ा देता है, उस बुनियादी ढांचे की आवश्यकता होती है जो संगठन के पास नहीं है, या इससे लागतें बढ़ जाती हैं जो बाद में ही सामने आती हैं। विश्लेषण में मौजूद वेरिएबल के लिए यह सिफारिश सही है लेकिन व्यावसायिक निर्णय के रूप में यह अपूर्ण है।.

इसलिए छात्रों को मान्यताओं और संदर्भ के बारे में पर्याप्त जानकारी होनी चाहिए ताकि वे यह तय कर सकें कि एक एआई की सिफारिश वास्तविक स्थिति के अनुरूप है या नहीं।.

उन्हें समय के साथ सोचने की भी आवश्यकता होती है। प्रौद्योगिकी के विकल्पों का एक जीवनचक्र होता है: सिस्टम चुने जाते हैं, कार्यान्वित किए जाते हैं, संचालित किए जाते हैं, निगरानी की जाती है, बनाए रखा जाता है, अपडेट किया जाता है और अंततः इन्हें बदल दिया जाता है। शुरुआत में जो विकल्प सस्ते लगते हों, बाद में अधिक लागत, निर्भरताएँ या जोखिम पैदा कर सकते हैं। 2030 तक, जीवनचक्र संबंधी सोच को प्रौद्योगिकी के बारे में व्यावसायिक निर्णय के हिस्से के रूप में शामिल करना चाहिए।.

फिर आता है रचनात्मकता। एआई एक किताब पढ़ने में लगने वाले समय में पचास विचार पैदा कर सकता है। इस विशालता से यह जानने का महत्व बढ़ जाता है कि कौन से विचार ध्यान देने योग्य हैं, वे क्यों महत्वपूर्ण हैं, उन्हें कैसे सुधारना चाहिए और दूसरों को कैसे समझाया जाए कि वे आगे बढ़ाने लायक हैं।.

अन लॉकक्वेल, नवाचार और रचनात्मकता

अन लॉकक्वेल का सुझाव है कि छात्रों को AI के द्वारा लगभग तुरंत बड़ी संख्या में विचार उत्पन्न होने पर भी अपनी रचनात्मकता विकसित करना जारी रखना चाहिए। रचनात्मक प्रक्रिया ही महत्वपूर्ण है। विचारों का सृजन करना, विभिन्न दिशाओं की खोज करना, गलतियाँ करना, फिर से शुरुआत करना, संबंध स्थापित करना और एक प्रारंभिक अवधारणा विकसित करना छात्रों को ऐसे अनुभव प्रदान करते हैं जो धीरे-धीरे उनकी मौलिकता, प्रासंगिकता और क्षमता को पहचानने की क्षमता को विकसित करते हैं। अगर छात्रों को खुद के लिए पर्याप्त अनुभव न हो तो वे वास्तव में आशाजनक विचार से उस विचार को अलग करना मुश्किल हो सकते हैं जो शुरू में केवल दिलचस्प प्रतीत होता है।.

हालाँकि, AI की क्षमताओं में वृद्धि के साथ ही रचनात्मक चुनौती भी बदलती जा रही है। छात्रों को AI द्वारा उत्पन्न संभावनाओं पर रचनात्मक निर्णय लेने की अधिक आवश्यकता होती जा रही है। उन्हें यह तय करने में सक्षम होना चाहिए कि कौन से विचार विकसित किए जाने लायक हैं, यह समझाना चाहिए कि वे क्यों संभावित हैं, उन्हें किसी विशेष संदर्भ में अनुकूलित करना, उन्हें रूपांतरित करना और उन्हें शुरुआती सुझाव से आगे ले जाना। AI अन्वेषण को विस्तृत कर सकता है और ऐसे संभावनाओं को प्रस्तुत कर सकता है जिन पर छात्र ने विचार नहीं किया होगा, लेकिन छात्रों को फिर भी विकल्प चुनना होगा और अपने रचनात्मक निर्णयों की व्याख्या और बचाव करने में सक्षम होना होगा।.

इसलिए, अन्न के लिए उद्देश्य यह नहीं है कि रचनात्मक प्रक्रिया को एआई से बदल दिया जाए, बल्कि उस प्रक्रिया में एआई को शामिल किया जाए, ताकि रचनात्मकता और निर्णय-निर्माण के विकास के माध्यम से प्राप्त अनुभवों को न खोया जाए। छात्रों को एआई को एक अतिरिक्त रचनात्मक उपकरण के रूप में उपयोग करना सीखना चाहिए, जबकि खुद ही विचार उत्पन्न करना, तलाश करना, चयन करना, विकसित करना और बचाव करना जारी रखना चाहिए। इस अर्थ में, स्वतंत्र रचनात्मकता और एआई समर्थित रचनात्मकता एक-दूसरे के पूरक हैं: अनुभव रचनात्मक निर्णयशीलता को विकसित करता है, जो छात्रों को एआई का उत्पादक तरीके से उपयोग करने की अनुमति देता है।.

उद्यमिता भी इसी तरह के प्रश्न उठाती है। एआई बाजारों की पहचान कर सकता है, प्रतिस्पर्धियों का विश्लेषण कर सकता है, व्यावसायिक मॉडल तैयार कर सकता है, पूर्वानुमान तैयार कर सकता है और व्यावसायिक योजना तैयार कर सकता है। उद्यमिता संबंधी निर्णय कहीं और विकसित होते हैं: ग्राहकों की निगरानी करना, मान्यताओं का परीक्षण करना, अनिश्चितता के साथ रहना, गलतियों से उबरना और यह तय करना कि अपूर्ण साक्ष्य कार्रवाई करने के लिए पर्याप्त है या नहीं।.

डॉ. बनफ़ेश पेरोवियन, एआई, उद्यमी व्यवहार और नवाचार

डॉ. बनफाशे पेरोवियन एआई की दक्षता और उद्यमी निर्णय-शक्ति को पूरक मानते हैं। एआई छात्रों को विचारों की खोज करने और प्रयोगों को तेज करने में मदद कर सकता है, वहीं ग्राहकों के साथ प्रत्यक्ष अनुभव, अनिश्चितता और असफलता सहानुभूति, लचीलापन और सही निर्णय लेने के लिए आवश्यक बनी रहती है। छात्रों को सबूतों की व्याख्या करना, जब धारणा गलत साबित होती है, तब अनुकूलन करना और आगे बढ़ने का निर्णय लेना सीखना चाहिए।.

3. प्रमाण, सत्यापन और महत्वपूर्ण मूल्यांकन: सही लगता है यह आसान है

जब जवाब सस्ते होते हैं, तो मूल्यांकन ही वह मूल्यवान कौशल बन जाता है। जब मूल जानकारी कमजोर, अपूर्ण या गलत हो, तब भी जनरेटिव एआई स्पष्ट, आत्मविश्वासपूर्ण और प्रभावशाली लग सकता है।.

प्रमाणन व्यावहारिक होना चाहिए और निर्णय के अनुरूप होना चाहिए। एक विचारोत्तेजक सुझाव की जाँच करने की आवश्यकता कम ही हो सकती है। किसी सार्वजनिक रिपोर्ट में उपयोग की जाने वाली एक आँकड़ा को विश्वसनीय स्रोत से प्रमाणित किया जाना चाहिए। किसी बड़े वित्तीय प्रतिबद्धता वाले सुझाव के लिए कई प्रकार के प्रमाण और पेशेवर समीक्षा की आवश्यकता हो सकती है।.

छात्रों को यह भी समझना होगा कि स्रोत विभिन्न उद्देश्यों की पूर्ति करते हैं। किसी कंपनी का विज्ञापन एक उत्पाद के विनिर्माण के तरीके को दर्शाता हो सकता है, लेकिन यह प्रभावशीलता के बारे में किसी स्वतंत्र दावे के लिए कम विश्वसनीय प्रमाण है। ग्राहक सर्वेक्षण उत्तरदाताओं के व्यवहार को उजागर कर सकता है, लेकिन इसका उपयोगिता इस बात पर निर्भर करती है कि उन उत्तरदाताओं का चयन कैसे किया गया। एक शोध अध्ययन ठोस प्रमाण प्रदान कर सकता है, लेकिन इसके साथ ही इसमें महत्वपूर्ण सीमाएँ भी हैं।.

एआई इन स्रोतों का सारांश प्रस्तुत कर सकता है, लेकिन छात्र को यह तय करना होगा कि वे क्या अर्थ रखते हैं और वे कितने महत्व के हैं।.

संदर्भ भी साक्ष्य के महत्व को प्रभावित करता है। एक संगठन, बाजार, देश या आबादी से प्राप्त निष्कर्षों को दूसरे में सीधे लागू नहीं किया जा सकता है। छात्रों को यह विचार करना होगा कि क्या एआई प्रणाली द्वारा उपयोग किए गए साक्ष्य वास्तव में उस निर्णय पर लागू होते हैं जो किया जा रहा है।.

बाज़ार अनुसंधान से यह स्पष्ट होता है। एआई बड़ी मात्रा में जानकारी को संसाधित कर एक सुसंगत बाज़ार का वर्णन तैयार कर सकता है। विश्लेषण तब तक अच्छा है जब तक कि वह अंतर्निहित जानकारी की गुणवत्ता, प्रासंगिकता, आयु और प्रतिनिधिता अच्छी न हो।.

डॉ. अहमद हेगाज़ी, मार्केट रिसर्च

डॉ. अहमद हेगाज़ी का सुझाव है कि व्यावसायिक छात्रों को AI पर अत्यधिक निर्भर होने से पहले खुद ही बाजार अनुसंधान के आवश्यक चरणों को अंजाम देने में सक्षम होना चाहिए। उन्हें एक उपयोगी शोध प्रश्न तैयार करना, उपयुक्त नमूनाकरण दृष्टिकोण चुनना और उसका स्पष्टीकरण देना, संभावित पूर्वाग्रहों को पहचानना, एक स्पष्ट सर्वेक्षण तैयार करना, प्रभावी साक्षात्कार कराना, एकत्रित जानकारी का विश्लेषण करना और साक्ष्य-आधारित सिफारिशें विकसित करना चाहिए।.

इसके बाद AI का उपयोग शोध को गति देने, जानकारी को व्यवस्थित करने, पैटर्न की पहचान करने और विश्लेषण को सुगम बनाने के लिए किया जा सकता है। हालाँकि, छात्रों को आउटपुट के पीछे के शोध की गुणवत्ता की जाँच करने की ज़िम्मेदारी ही बनी रहेगी। एक AI-generated अंतर्दृष्टि को स्वीकार करने से पहले, उन्हें यह पूछने में सक्षम होना चाहिए: क्या सही प्रश्न पूछा गया था? नमूना उपयुक्त था या नहीं? क्या प्रश्न अच्छी तरह से तैयार किए गए थे? क्या साक्ष्य पर्याप्त मजबूत हैं, और क्या निष्कर्ष वास्तव में उससे निकलता है? ये व्यावहारिक शोध कौशल छात्रों को यह तय करने की नींव प्रदान करते हैं कि क्या AI-generated अंतर्द्रीष्टि पर भरोसा किया जा सकता है और उसे व्यावसायिक निर्णय में उपयोग किया जा सकता है।.

मात्रात्मक विश्लेषण एक और चुनौती पैदा करता है। AI डेटासेट का विश्लेषण कर सकता है, पैटर्न की पहचान कर सकता है, विज़ुअलाइज़ेशन तैयार कर सकता है, और कार्रवाई की सिफारिश कर सकता है। छात्र कई गणनाओं को मशीन पर छोड़ सकते हैं। उन्हें अभी भी पर्याप्त संख्यात्मक समझ होनी चाहिए ताकि वह अकल्पनीय परिणाम को पहचान सकें।.

ऐसा दावा करने वाला विश्लेषण कि सर्वेक्षण किए गए ग्राहकों में से 140 प्रतिशत उत्पाद को पसंद करते हैं, हर किसी को चिंता में डाल देता है। अधिकांश त्रुटियाँ कम शोर में होती हैं। एक संबंध को कारण के रूप में समझा जाता है। एक औसत आंकड़ा ग्राहकों के विभिन्न समूहों के बीच के बड़े अंतरों को छिपा देता है। एक छोटी नमूना संख्या को पूरे बाजार के रूप में देखा जाता है।.

मार्टिन बेरेजागा, बिग डेटा और बिजनेस एनालिटिक्स

मार्टिन बेरेजागा का सुझाव है कि बिजनेस छात्रों को डेटा लिटरेसी को मुख्य रूप से एक निर्णय लेने की क्षमता के रूप में विकसित करना चाहिए। उन्हें पर्याप्त सांख्यिकीय और एआई लिटरेसी की आवश्यकता होती है ताकि वे जिस जानकारी के साथ काम कर रहे हैं, उसके बारे में समझ सकें, धारणाओं पर सवाल उठा सकें, डेटा की गुणवत्ता के साथ समस्याओं को पहचान सकें, और यह मूल्यांकन कर सकें कि एक एआई-निर्मित विश्लेषण विश्वसनीय है या नहीं। हालाँकि, तकनीकी ज्ञान अकेले पर्याप्त नहीं है। छात्रों को यह भी विशिष्ट व्यावसायिक ज्ञान की आवश्यकता होती है ताकि वे समझ सकें कि डेटा का संदर्भ में क्या अर्थ है और क्या कोई निष्कर्ष वास्तव में संबोधित समस्या से संबंधित है।.

जैसे-जैसे एआई विश्लेषण के अधिक कार्य करता जाएगा, छात्रों को परिणामों की व्याख्या करने, डेटा से सार्थक कहानी बनाने, उस कहानी को स्पष्ट रूप से संप्रेषित करने और यह तय करने में विशेष रूप से सक्षम होना चाहिए कि आगे क्या कार्य किया जाना चाहिए। इसलिए उद्देश्य में सांख्यिकीय ज्ञान, एआई साक्षरता, व्यावसायिक समझ, डेटा कहानी कहने और मानवीय निर्णय लेने का संयोजन शामिल है। एआई विश्लेषण में अधिकाधिक भूमिका निभा सकता है, लेकिन व्यावसायिक पेशेवर को यह अभी भी निर्धारित करना होगा कि विश्लेषण का क्या अर्थ है और इसका साथ क्या किया जाना चाहिए।.

4. मानवीय संचार और संबंध: व्यवसाय अभी भी लोगों से संबंधित है

व्यवसाय अभी भी एक सामाजिक गतिविधि है। संगठन ऐसे लोगों द्वारा संचालित होते हैं जो स्थितियों को अलग तरह से देखते हैं, अलग-अलग चीजें चाहते हैं, एक-दूसरे को गलत समझते हैं, बातचीत करते हैं, सहयोग करते हैं, विश्वास स्थापित करते हैं, और कभी-कभी उसे खो भी देते हैं।.

एआई एक उपयोगी अभ्यास साथी है। यह किसी संदेश को सुधार सकता है, बिक्री संबंधी बातचीत का अनुकरण कर सकता है, विरोधों की आशंकाओं को टाल सकता है, या बातचीत के अभ्यास का समर्थन कर सकता है। फिर वास्तविक बैठक शुरू होती है। स्नातकों को अभी भी अपने शब्दों में निर्णयों की व्याख्या और बचाव करना, ध्यान से सुनना, किसी भी व्यक्ति की उम्मीदों को पूरा करने में असफल होना, कमरे की स्थितियों को समझना और समायोजन करना होता है।.

इन क्षमताओं को स्क्रिप्ट में शामिल करना कठिन होता है क्योंकि मानवीय बातचीत में इतिहास, भावना, विश्वसनीयता, संस्कृति, शक्ति और विश्वास शामिल होता है।.

नेतृत्व इसका उदाहरण देता है। एआई मैनेजर को प्रदर्शन संबंधी जानकारी का विश्लेषण करने, प्रतिक्रिया तैयार करने, हस्तक्षेपों की तुलना करने या संगठनात्मक पैटर्न की पहचान करने में मदद कर सकता है। मैनेजर को अभी भी संबंधित लोगों को समझना होगा और यह स्वीकार करना होगा कि निर्णय कैसे संप्रेषित और लागू किए जाते हैं, इस पर जिम्मेदारी लेना भी होगा।.

विवियन पॉल, प्रबंधन और नेतृत्व

विवियन पॉल का सुझाव है कि व्यावसायिक छात्रों को अनुभव, अवलोकन और लोगों के साथ प्रत्यक्ष संपर्क से प्राप्त मानवीय निर्णय को संरक्षित रखना चाहिए। AI व्यावसायिक संकेतकों का विश्लेषण कर सकता है और उपलब्ध जानकारी और अतीत के पैटर्न के आधार पर सिफारिशें दे सकता है, लेकिन कभी-कभी नेताओं को उन पैटर्न से मेल नहीं आने वाले परिस्थितियों को पहचानना पड़ता है। अनुभव से सूचित अंतर्ज्ञान या “गुट-फैल्ट” का एक रूप विकसित हो सकता है जो एक नेता को औपचारिक संकेतकों द्वारा पूरी तरह से नहीं पहचाने जाने वाले कुछ बातों पर ध्यान देने में मदद करता है। इसलिए छात्रों को सबूतों और AI की सिफारिशों का उपयोग करते हुए, साथ ही साथ उन पर सवाल उठाने की आत्मविश्वास और जिम्मेदारी भी रखना चाहिए, जब उनकी अपनी अवलोकन और स्थिति के बारे में समझ कहीं और ले जाए।.

नेतृत्व यह विशेष रूप से महत्वपूर्ण बनाता है क्योंकि लोग उन मॉडलों से कहीं अधिक जटिल होते हैं जिनका उपयोग उन्हें वर्णित करने के लिए किया जाता है। व्यक्तित्व फ्रेमवर्क और व्यवहारिक श्रेणियां जानकारी को व्यवस्थित करने में मदद कर सकती हैं, लेकिन वे किसी व्यक्ति को पूरी तरह से समझ नहीं सकते हैं या यह नहीं बता सकते कि कोई व्यक्ति हर परिस्थिति में कैसे प्रतिक्रिया देगा। इसलिए भविष्य के नेताओं को सुनने, गैर-वाक्कीय संकेतों पर ध्यान देना, संदर्भ को समझना, संबंध बनाना और अपने दृष्टिकोण को अपने सामने वाले व्यक्ति के अनुरूप ढालना जैसी क्षमताओं को विकसित करना जारी रखना चाहिए। एआई नेतृत्व के निर्णय में मार्गदर्शन प्रदान कर सकता है, लेकिन छात्रों को अभी भी उस निर्णय को स्वयं लागू करने के लिए आवश्यक मानवीय समझ और अनुभव विकसित करने की आवश्यकता है।.

सार्वजनिक आलोचना या संकट के समय संचार सबसे नाजुक हो जाता है। एआई सेकंडों में एक सुव्यवस्थित बयान तैयार कर सकता है। यह संदेश भेजने का निर्णय मानवीय स्तर पर लेना होता है: संगठन को क्या कहना चाहिए, क्या पुष्टि कर सकता है, क्या जिम्मेदारी वह स्वीकार कर सकता है, विभिन्न दर्शकों द्वारा संदेश को कैसे समझा जाएगा, और क्या तुरंत बात करना समझदारी भरा होगा।.

लिंडन जॉनसन, जनसंपर्क और मीडिया संबंधी जानकारी

लिंडन जॉनसन का सुझाव है कि दबाव में प्रभावी संचार का प्रारंभ सत्य को जानने और बिना किसी समझौते के उसे संप्रेषित करने से होता है। ऐसे माहौल में जहाँ संगठन एआई का उपयोग करके शीघ्रता से प्रेरक संदेशों को उत्पन्न, परिष्कृत और वितरित कर सकते हैं, छात्रों को यह सीखना चाहिए कि संदेश प्रबंधन और स्थिति की वास्तविकताओं को संप्रेषित करने के बीच क्या अंतर है। कहने के पहले उन्हें यह पता लगाना चाहिए कि क्या ज्ञात है, क्या साक्ष्य द्वारा समर्थित है, क्या अभी भी अनिश्चित है और संगठन को क्या जिम्मेदारी स्वीकार करनी चाहिए।.

इसलिए छात्रों को यह जानने की कोशिश करनी चाहिए कि वास्तव में हम क्या जानते हैं? इसके समर्थन में कौन सा सबूत मौजूद है? हमें क्या बारे में अनिश्चित हैं? क्या हम स्थिति के वास्तविक स्वरूप को व्यक्त कर रहे हैं या केवल यह दिखाने की कोशिश कर रहे हैं कि यह कैसे देखा जाए? एआई संचार तैयार करने और उसका मूल्यांकन करने में मदद कर सकता है, लेकिन यह ऐसे माध्यम नहीं होना चाहिए जिससे असहज तथ्यों को अधिक सुविधाजनक संदेशों के साथ बदल दिया जाए। हितधारक सूचनाओं के आधार पर निर्णय लेते हैं और जब संदेश वास्तविकता से अलग हो जाता है, तो विश्वास और प्रतिष्ठा को नुकसान पहुंच सकता है।.

एआई द्वारा बनाए गए कंटेंट से लेखक के रूप में किसे माना जाए, इस बात का भी अर्थ बदल जाता है। पेशेवर दिखने वाली टेक्स्ट, इमेज और प्रेजेंटेशन का इस्तेमाल यह दिखाने के लिए किया जाता था कि उनके पीछे वाला व्यक्ति विषय को समझता है। लेकिन अब यह लिंक बहुत कमजोर हो गया है।.

छात्रों को अपने नाम या अपने संगठन के नाम को इस पर लिखने से पहले काम का मूल्यांकन करना होगा। अब लेखकों की जिम्मेदारी संपादक की भूमिका और मालिक की जिम्मेदारी दोनों शामिल होती है।.

नाओमी टेसीयर, एआई-निर्मित सामग्री

नाओमी टेसीर का सुझाव है कि छात्रों को न केवल गुणवत्ता को पहचानने के लिए पर्याप्त स्वतंत्र सामग्री-निर्माण की क्षमता चाहिए, बल्कि एआई द्वारा तैयार की गई सामग्री का मूल्यांकन करने के लिए संपादकीय निर्णय भी। जैसे-जैसे एआई की क्षमता बढ़ती जा रही है और वह परिष्कृत और व्यावसायिक दिखने वाली सामग्री तैयार कर सकता है, तो केवल उपस्थिति ही गुणवत्ता का खराब संकेत बन जाती है। छात्रों को यह निर्धारित करने में सक्षम होना चाहिए कि क्या सामग्री सही, उपयुक्त, मूल्यवान है और क्या यह अपने दर्शकों और उद्देश्य के अनुरूप है। ऐसा करने के लिए उन्हें पर्याप्त ज्ञान और आलोचनात्मक सोच की आवश्यकता होती है ताकि त्रुटियों, कमजोर तर्क, अनुचित लहजे या अन्य समस्याओं की पहचान की जा सके जो एक आकर्षक प्रस्तुति के नीचे छिपी हो सकती हैं।.

नाओमी यह भी जोर देती हैं कि एआई द्वारा सृजन प्रक्रिया से मानवीय जिम्मेदारी को दूर नहीं किया जाता है। लोग अभी भी यह तय करते हैं कि एआई से क्या पूछा जाए, किस संदर्भ में पूछा जाए, कौन सा आउटपुट चुना जाए, इसे कैसे संशोधित किया जाए, और अंततः इसका उपयोग किया जाना चाहिए या नहीं। इसलिए छात्रों को एआई द्वारा बनाए गए कार्य पर अपना नाम या किसी संगठन का नाम जोड़ने से पहले, उस सामग्री का मूल्यांकन करने, अंतिम परिणाम के पीछे की तर्कसंगतता को स्पष्ट करने और उसका बचाव करने, और इसके परिणामों के लिए जिम्मेदारी स्वीकार करने में सक्षम होना चाहिए। आवश्यक क्षमता केवल एआई के साथ सामग्री उत्पन्न करने का ज्ञान नहीं है, बल्कि यह निर्णय लेने की क्षमता भी है कि कब इसे विश्वास में लिया जाए, कब इसका प्रश्न उठाया जाए, और कभी भी इसका आउटपुट उपयोग न करने का विवेक भी।.

5. व्यावसायिक एजेंसी और लचीलापन: जब AI काम नहीं करता है, तब क्या होता है?

कभी-कभी AI उत्तर नहीं दे पाता। यह उपलब्ध नहीं हो सकता है, गोपनीय कार्य के लिए प्रतिबंधित हो सकता है, स्वयं के विरोधाभास में हो सकता है, या ऐसी स्थिति के लिए गलत हो सकता है जिसमें विशेषज्ञ की आवश्यकता होती है। छात्रों को वैसे भी काम करना जारी रखने के लिए पर्याप्त स्वतंत्र क्षमता होनी चाहिए।.

इसलिए स्नातकों को न्यूनतम व्यवहारिक व्यावसायिक क्षमता होनी चाहिए। उन्हें एक बुनियादी व्यावसायिक समस्या को व्यवस्थित करने, स्पष्ट रूप से संवाद करने, उचित गणना करने, जानकारी की व्याख्या करने, प्रारंभिक निर्णय लेने और एक उपयुक्त अगला कदम तय करने में सक्षम होना चाहिए।.

पेशेवर एजेंसी में बौद्धिक विनम्रता भी आवश्यक है। एआई एक अजनबी विषय को इतनी स्पष्ट रूप से समझा सकता है कि लोग यह महसूस करते हैं कि वे इसे अपने ज्ञान से कहीं बेहतर समझते हैं। छात्रों को यह जानना चाहिए कि उनकी जानकारी कहाँ समाप्त होती है और जब उन्हें एक लेखाकार, वकील, साइबर सुरक्षा विशेषज्ञ, इंजीनियर, प्रबंधक या किसी अन्य योग्य पेशेवर को बुलाना चाहिए। यह अधिक महत्वपूर्ण है क्योंकि प्रबंधकों को उन तकनीकों के बारे में निर्णय लेना होता है जिनका वे उपयोग करते हैं और जिन्हें वे कभी भी खुद नहीं बना सकते।.

प्रोजेक्ट प्रबंधन में भी यही सिद्धांत लागू होता है। AI समय-सारिणी तैयार कर सकता है, कार्यभार का अनुमान लगा सकता है, जोखिमों की पहचान कर सकता है और प्रगति की निगरानी कर सकता है। फिर परियोजना वास्तविकता से मिलती है: आवश्यकताएं बदल जाती हैं, संसाधन कम हो जाते हैं, प्राथमिकताएं टकरा जाती हैं, जिम्मेदारियां धुंधली हो जाती हैं और लोग असहमत हो जाते हैं। जब स्थिति योजना के अनुरूप नहीं रह जाती है, तो प्रोजेक्ट मैनेजर को उस स्थिति का सामना करना पड़ता है।.

क्रिस्टीन जेरेड, कंप्यूटर विज्ञान और परियोजना प्रबंधन

क्रिस्टीन जेरेड का सुझाव है कि परियोजना प्रबंधन में अनुकूली नेतृत्व ज्ञान और अनुभव की नींव पर निर्भर करता है। छात्रों को परियोजनाओं के बारे में बुनियादी बातों को समझना चाहिए, जिनमें प्राथमिकताएँ, निर्भरताएँ, संसाधन, जोखिम और समायोजन शामिल हैं, इससे पहले कि वे परिस्थितियों में बदलाव आने पर सही निर्णय ले सकें। उन्हें उन बुनियादी बातों को स्वयं लागू करने के अवसर भी चाहिए। कार्य करने से अनुभव विकसित होता है, समस्याओं का सामना करना पड़ता है, निर्णय लेना पड़ता है और परिणामों को देखना पड़ता है। समय के साथ, ज्ञान और अनुभव का यह संयोजन उस निर्णय के लिए योगदान देता है जो एक परियोजना जब योजना के अनुरूप नहीं रह जाती है, तो प्रभावी ढंग से प्रतिक्रिया देने के लिए आवश्यक होता है।.

वह इस संबंध को एक पिरामिड के रूप में बताती हैं: बुनियादी बातें नींव का निर्माण करती हैं, अनुभव उन पर आधारित होती है, निर्णय दोनों से विकसित होता है, और एआई समर्थित जनरेशन और विश्लेषण सबसे ऊपर होता है। एआई एक सक्षम परियोजना प्रबंधक के द्वारा हासिल किए जा सकने वाले कार्यों को मजबूत कर सकता है, लेकिन छात्रों को अभी भी अंतर्निहित ज्ञान और अनुभव की आवश्यकता होती है ताकि वे एआई द्वारा प्रस्तावित चीज़ों का मूल्यांकन कर सकें, यह पहचान सकें कि एक योजना अब वास्तविकता से मेल नहीं खाती है, और यह तय कर सकें कि आगे क्या करना चाहिए। यह REACT से भी सीधे तौर पर जुड़ा हुआ है: अंततः जिम्मेदार एआई का उपयोग मानव निर्णय पर निर्भर करता है, जो शिक्षा और अनुभव से विकसित होता है।.

साइबर सुरक्षा भी एक उदाहरण है। अधिकांश व्यावसायिक स्नातकों में से कोई भी साइबर सुरक्षा विशेषज्ञ नहीं बनेंगे, लेकिन वे डेटा, पहुँच, गोपनीयता, विक्रेताओं, प्रणालियों, ग्राहकों और कर्मचारियों से संबंधित निर्णयों को लेंगे। बुनियादी साइबर सुरक्षा निर्णय लेने में मदद करता है ताकि प्रबंधक यह पहचान सकें कि क्या ऐसे निर्णय ऐसे जोखिम पैदा करते हैं जिन्हें विशेषज्ञ ध्यान देने की आवश्यकता होती है।.

डॉ. अमीन रंज बार, सॉफ्टवेयर डिजाइन और साइबर सुरक्षा

डॉ. अमीन रंज बार का सुझाव है कि हर व्यावसायिक स्नातक को साइबर सुरक्षा के मूल सिद्धांतों को समझना चाहिए क्योंकि सुरक्षा संबंधी निर्णय तब शुरू होते हैं जब तकनीकी समस्या दिखाई देने लगती है। छात्रों को एक्सेस कंट्रोल, प्रमाणीकरण, गोपनीयता, डेटा संरक्षण, सूचना के सुरक्षित प्रबंधन और सामान्य कमजोरियों जैसे बुनियादी सिद्धांतों को अच्छी तरह से समझना चाहिए ताकि वे यह पहचान सकें कि जब कोई प्रस्तावित प्रक्रिया, उत्पाद या तकनीक अनावश्यक जोखिम पैदा करती है, तो क्या स्थिति उत्पन्न होती है। तकनीकी भूमिकाओं से परे भी यह ज्ञान तेजी से प्रासंगिक हो रहा है क्योंकि ग्राहकों, कर्मचारियों, डेटा, सॉफ़्टवेयर, विक्रेताओं और एआई सिस्टम के बारे में व्यावसायिक निर्णय सभी में साइबर सुरक्षा संबंधी निहितार्थ हो सकते हैं।.

अमीन भी यह भी जोर देते हैं कि कई कमजोरियों का उद्भव डिजाइन के दौरान होता है, जब शुरुआती निर्णयों लेने वाले लोगों में पर्याप्त सुरक्षा संबंधी ज्ञान नहीं होता है, जिससे सुरक्षा संबंधी निहितार्थों को नजरअंदाज कर दिया जा सकता है। एआई तकनीकी विश्लेषण में सहायता कर सकता है, कमजोरियों की पहचान कर सकता है और सुरक्षा उपायों की सिफारिश कर सकता है, लेकिन व्यावसायिक पेशेवरों को अभी भी शुरुआत से ही सुरक्षा संबंधी प्रश्न पूछने के लिए पर्याप्त समझदारी होनी चाहिए। उन्हें यह पहचानना होगा कि कोई निर्णय लोगों, जानकारी या सिस्टम को जोखिम में डाल सकता है, समाधान के डिजाइन में सुरक्षा संबंधी विचार शामिल करना होगा और यह भी पता होना चाहिए कि जब विशेषज्ञ विशेषज्ञता की आवश्यकता होती है। इसलिए साइबर सुरक्षा व्यवसायिक निर्णय का हिस्सा बन जाता है: प्रणाली या प्रक्रिया के डिजाइन के समय ही सुरक्षा पर विचार किया जाना चाहिए, न कि समस्या उत्पन्न होने के बाद।.

व्यावसायिक लचीलापन में सीखने की क्षमता भी शामिल है। AI कठिन अवधारणाओं को समझा सकता है, तत्काल प्रतिक्रिया प्रदान कर सकता है, और लगातार अभ्यास को समर्थन प्रदान कर सकता है। शिक्षकों को अभी भी उत्पादक प्रयास की रक्षा करनी होगी, क्योंकि ज्ञान को पुनः प्राप्त करना, समाधान का प्रयास करना, गलती करना, और विचार को संशोधित करना सभी मिलकर स्थायी समझ विकसित करते हैं।.

6. एआई और तकनीकी साक्षरता: जानें कि क्या है इसके अंदर

पहले पाँच कौशलों में यह बताया गया है कि व्यक्ति कार्य में क्या लाता है। छठा कौशला प्रौद्योगिकी के बारे में है। बिजनेस फिजिक्स द्वारा विकसित ह्यूमन-एआई कॉम्प्लीमेंटरीनेस स्किल्स फ्रेमवर्क में एआई के साथ काम करने के लिए व्यावहारिक कौशल सूचीबद्ध किए गए हैं: यह तय करना कि एआई का उपयोग किया जाना चाहिए या नहीं, जानकारी का चयन और तैयार करना, एआई सिस्टमों के साथ संवाद करना, आउटपुट की जांच करना, निर्णय लेने की शक्ति बनाए रखना, डेटा की व्याख्या करना, जानकारी को निर्णय में बदलना, एआई के उपयोग को नियंत्रित करना और निरंतर सीखने के लिए तत्पर रहना।.

उन सभी कौशलों में से प्रत्येक का आधार तकनीकी जानकारी का पर्याप्त ज्ञान होना है ताकि सूचित विकल्प तय किए जा सकें।.

AI का उपयोग करने का निर्णय लेने से पहले, उपकरण का चयन करने से पहले निर्णय लेना आवश्यक होता है। एक आउटपुट की जांच करने के लिए पर्याप्त ज्ञान होना आवश्यक है ताकि कमजोरियों को पहचाना जा सके। निर्णय लेने की शक्ति बनाए रखने के लिए पर्याप्त समझ होना आवश्यक है ताकि निर्णय लिया जा सके और उसका बचाव किया जा सके। डेटा की व्याख्या करने के लिए व्यावसायिक संदर्भ आवश्यक है। AI के संचालन के लिए परिणामों, सीमाओं और जिम्मेदारी के प्रति जागरूकता आवश्यक है।.

व्यवसाय में स्नातक AI इंजीनियरिंग को विशेषज्ञों के हवाले कर सकते हैं। उन्हें मॉडल, उपकरण, बुनियादी ढांचा और सीमाओं के बारे में पर्याप्त जानकारी होनी चाहिए ताकि वे उन्हें अच्छी तरह से चुन सकें और उपयोग कर सकें।.

अबूबाकर सैमके, एआई मॉडल और उपकरण

अबूबाकर सैमके का सुझाव है कि व्यवसाय में स्नातक छात्रों को एआई मॉडल के व्यावहारिक ज्ञान के साथ-साथ यह निर्णय लेने की क्षमता भी होनी चाहिए कि उन्हें कब और कैसे उपयोग किया जाए। छात्रों को एआई इंजीनियर बनने की आवश्यकता नहीं है, लेकिन उन्हें यह समझना चाहिए कि विभिन्न एआई सिस्टम अलग-अलग उद्देश्यों के लिए बनाए गए हैं, डेटा के विभिन्न प्रकारों और दृष्टिकोणों पर निर्भर करते हैं, और इनके अलग-अलग क्षमताएँ और सीमाएँ हैं। यह नींव उन्हें यह समझने में मदद करेगी कि एआई टूल का चयन करना केवल सबसे शक्तिशाली या सुविधाजनक प्रणाली चुनने का मामला नहीं है।.

उसी समय, छात्रों को प्रौद्योगिकी के बजाय व्यावसायिक समस्या से शुरुआत करके एआई चयन संबंधी निर्णय विकसित करना चाहिए। उन्हें यह निर्धारित करने में सक्षम होना चाहिए कि क्या एआई उस कार्य के लिए उपयुक्त है, वास्तव में कौन से क्षमताएँ आवश्यक हैं, किस प्रकार की प्रणाली उपयुक्त है, और किन सीमाओं या जोखिमों पर विचार करने की आवश्यकता है। उन्हें यह भी पहचान करनी चाहिए कि ऐसी स्थितियाँ जिनमें एआई का उपयोग नहीं किया जाना चाहिए या जिनमें इसके परिणाम पर अतिरिक्त सत्यापन की आवश्यकता होती है, कौन से हैं। उद्देश्य यह नहीं है कि हर एआई मॉडल को जाना जाए, बल्कि एआई को इतना अच्छी तरह समझना कि इसका उद्देश्यपूर्ण चयन और उपयोग किया जा सके, इसके सीमाओं पर सवाल उठाए जा सकें, और यह निर्णय लिया जा सके कि जब कोई अन्य उपकरण या मानवीय निर्णय अधिक उपयुक्त हो, तो क्या उपयोग किया जाना चाहिए।.

सॉफ्टवेयर विकास में भी एक समान समस्या आती है। जैसे-जैसे एआई सॉफ्टवेयर बनाने में अधिक सक्षम होता जाता है, व्यावसायिक पेशेवर तकनीकी निर्माण से आगे बढ़ सकते हैं। उन्हें फिर भी आवश्यकताओं को संप्रेषित करने, जोखिमों को पहचानने, मान्यताओं पर सवाल उठाने और तकनीकी विशेषज्ञों के साथ प्रभावी ढंग से काम करने के लिए पर्याप्त समझ की आवश्यकता होती है।.

हीचम बेंजायर, एआई सॉफ्टवेयर डेवलपमेंट

हिचेम बेंजायर का सुझाव है कि व्यावसायिक स्नातकों को तकनीकी निर्णयों में उत्पादक रूप से भाग लेने के लिए पर्याप्त सॉफ्टवेयर साक्षरता की आवश्यकता होती है, बिना खुद सॉफ्टवेयर डेवलपर बन जाएं। उन्हें आवश्यकताओं, डेटा, परीक्षण, सुरक्षा, एकीकरण, वास्तुकला और रखरखाव जैसे बुनियादी अवधारणाओं को अच्छी तरह से समझना चाहिए ताकि वे उपयोगी प्रश्न पूछ सकें और तकनीकी विकल्पों के परिणाम समझ सकें। वह इसे सर्वव्यापी भाषा के विचार से जोड़ता है: व्यावसायिक और तकनीकी पेशेवरों को एक साझा शब्दावली की आवश्यकता होती है ताकि वे एक ही समस्या को समझ सकें और जो बनाया जा रहा है, उसके बारे में प्रभावी ढंग से संवाद कर सकें।.

इस तकनीकी नींव से व्यावसायिक और शासन संबंधी निर्णयों का समर्थन मिलना चाहिए। छात्रों को यह पूछने में सक्षम होना चाहिए कि क्या कोई प्रणाली सही समस्या को हल करती है, क्या इसके आवश्यकताएँ वास्तविक व्यावसायिक आवश्यकता को दर्शाती हैं, इसमें किन जोखिमों और ट्रेड-ऑफ शामिल हैं, और क्या समाधान सुरक्षित, सुलभ, स्केलेबल और आर्थिक रूप से व्यवहारिक रहेगा। उन्हें हर तकनीकी निर्णय खुद लेना नहीं चाहिए, लेकिन उन्हें यह समझ होना चाहिए कि जब कोई निर्णय महत्वपूर्ण होता है और जब विशेषज्ञ ज्ञान की आवश्यकता होती है, तो उसे पहचानना चाहिए।.

एआई इस क्षमता को कम नहीं, बल्कि और भी महत्वपूर्ण बनाता है। जैसे-जैसे एआई को प्राकृतिक भाषा के निर्देशों से कोड, प्रोटोटाइप, आर्किटेक्चर और तकनीकी सुझाव तैयार करने में सक्षम बनाया जाता है, व्यावसायिक पेशेवरों को प्रौद्योगिकी के निर्माण में अधिक सीधे तौर पर शामिल होना पड़ सकता है। इसलिए उन्हें एआई द्वारा उत्पन्न समाधानों पर सवाल उठाने के लिए पर्याप्त मूलभूत समझ की आवश्यकता होती है, न कि उन्हें बस स्वीकार करने के लिए। आवश्यक क्षमता यह है कि वह यह जान सके कि व्यवसाय की आवश्यकताएं क्या हैं और प्रौद्योगिकी वास्तव में क्या करती है, और यह कि एआई सिस्टम के निर्माण में शामिल लोगों और एआई दोनों के साथ प्रभावी ढंग से जुड़कर प्रश्न पूछें, मूल्यांकन करें और काम करें।.

मार्केटिंग में एक और उदाहरण है। AI दर्शकों को लक्षित करना, सामग्री उत्पादन, वैयक्तिकरण, अभियान अनुकूलन और ग्राहक यात्रा के कुछ हिस्सों को स्वचालित कर सकता है। मार्केटिंग के निर्णय में यह तय करना शामिल होता है कि क्या कुछ स्वचालित किया जाना चाहिए, कैसे स्वचालित निर्णय की निगरानी की जानी चाहिए और ग्राहक के बारे में मानवीय समझ से अभी भी क्या मूल्य जुड़ता है।.

जॉन श्लाइच, एआई और मार्केटिंग ऑटोमेशन

जॉन स्लाइक कहते हैं कि छात्रों को न केवल मजबूत विपणन के बुनियादी सिद्धांतों की आवश्यकता है, बल्कि यह भी निर्णय लेने की क्षमता भी चाहिए कि स्वचालन का किस तरह से उपयोग किया जाए। भले ही एआई लक्ष्यीकरण, सामग्री निर्माण, अभियान क्रियान्वयन और ग्राहक यात्राओं के लिए अधिक जिम्मेदारी ले ले, छात्रों को अभी भी ग्राहकों, सेगमेंटेशन, पोजिशनिंग, वैल्यू प्रोपोजिशन, ब्रांड और ग्राहक अनुभव को समझना होगा। इस नींव के बिना, वे अत्याधुनिक एआई और स्वचालन प्रणाली संचालित करने में सक्षम हो सकते हैं, लेकिन यह तय नहीं कर पाएंगे कि उनके पीछे के मार्केटिंग निर्णय उपयुक्त या प्रभावी हैं या नहीं।.

उसी समय, छात्रों को स्वचालन संबंधी निर्णय लेने की क्षमता विकसित करने की आवश्यकता होती है। उन्हें यह तय करने में सक्षम होना चाहिए कि कौन से कार्य उत्पादक रूप से स्वचालन के माध्यम से किए जा सकते हैं, जहां मानवीय भागीदारी मूल्यवर्धन प्रदान करती रहेगी, और जब स्वचालन ग्राहकों, रिश्तों या ब्रांड के लिए समस्याएं पैदा कर सकता है। केवल दक्षता ही यह तय नहीं कर सकती है कि कुछ को स्वचालन के माध्यम से किया जाना चाहिए या नहीं। व्यावसायिक पेशेवर को विपणन को अच्छी तरह से समझना चाहिए ताकि यह निर्णय लिया जा सके कि AI क्या कार्य करना चाहिए, क्या कार्य लोगों को करना जारी रखना चाहिए, और जब मानवीय निर्णय एक स्वचालित प्रणाली की सिफारिशों को दरकिनार कर दें, तो मानव निर्णय लेना क्यों आवश्यक हो जाता है।.

इन सभी उदाहरणों में डिजिटल साक्षरता पर निर्भर करता है। शक्तिशाली एआई सिस्टमों को चलाना आसान हो सकता है, लेकिन उन्हें समझना मुश्किल है। डिजिटल साक्षरता में यह समझ शामिल है कि जानकारी कहाँ से आती है, सिस्टम कैसे विफल हो सकते हैं, इनके उपयोग के क्या जोखिम हैं, और जब एक ठोस परिणाम पर संदेह करना उचित हो।.

अनाबेल रॉय, एआई और डिजिटल साक्षरता

अनबेल रॉय का सुझाव है कि 2030 में डिजिटल साक्षरता में एआई के व्यावहारिक ज्ञान के साथ-साथ मजबूत आलोचनात्मक सोच को भी शामिल किया जाना चाहिए। छात्रों को यह नहीं समझना ज़रूरी है कि एआई सिस्टम कैसे बनाए जाते हैं या उनके प्रोग्रामिंग के तकनीकी विवरणों को मास्टर करना ज़रूरी नहीं है। उन्हें यह समझने के लिए पर्याप्त जानकारी होनी चाहिए कि एआई चीजों को उसी तरह नहीं “जानती” है जिस तरह एक व्यक्ति जानता है। एआई सिस्टम गलतियाँ कर सकते हैं, ज्ञात या अनदेखे पूर्वाग्रहों को प्रतिबिंबित कर सकते हैं, और ऐसी जानकारी उत्पन्न कर सकते हैं जो जरूरी नहीं कि सटीक हो, लेकिन प्रभावशाली लगती हो। यह बुनियादी समझ छात्रों को एआई का उपयुक्त सावधानी के साथ उपयोग करने का आधार प्रदान करती है।.

अनबलेल के लिए, अधिक महत्वपूर्ण क्षमता यह है कि छात्र उस समझदारी से क्या करते हैं। उन्हें एआई द्वारा उत्पन्न जानकारी पर सवाल उठाना चाहिए, जब उपयुक्त हो तो इसकी पुष्टि करनी चाहिए, यह सोचना चाहिए कि यह जानकारी कहां से आ सकती है, सुरक्षा, गोपनीयता और नैतिकता से संबंधित मुद्दों को पहचानना चाहिए, और यह तय करना चाहिए कि क्या एआई वास्तव में कार्य के लिए सही उपकरण है। जैसे-जैसे एआई शिक्षा, कार्यस्थल और रोजमर्रा के जीवन में अधिकाधिक प्रचुर मात्रा में शामिल होता जाएगा, डिजिटल साक्षरता का प्रदर्शन न केवल एआई के उपयोग के तरीके जानने से बल्कि यह जानने से भी किया जाना चाहिए कि इसे कैसे, कब और क्या जिम्मेदारी से उपयोग किया जाए।.

हमने एआई से भी पूछा

बिजनेस फिजिक्स में मानवीय योगदानकर्ताओं के साथ-साथ सिंटैथिक सदस्य भी शामिल हैं, इसलिए हमने उनसे भी यह प्रश्न पूछा। चार्ली एआई सबूतों, मान्यताओं और मात्रात्मक विश्लेषण पर ध्यान केंद्रित करता है। लेना एआई मानवीय, सांस्कृतिक और सामाजिक पहलुओं पर ध्यान केंद्रित करता है।.

चार्ली एआई, साक्ष्य, धारणाएँ और मात्रात्मक जाँच-पड़ताल

चार्ली एआई ने निम्नलिखित परिणाम प्रस्तुत किए: छात्रों को कभी भी साक्ष्य के अंतिम मूल्यांकन को पूरी तरह से एआई पर न सौंपना चाहिए। एक एआई सिस्टम जानकारी खोजने, स्रोतों की तुलना करने, असंगतिों की पहचान करने, धारणाओं की जांच करने और मात्रात्मक दावों की जांच करने में मदद कर सकता है, लेकिन यह त्रुटियों को दोहरा सकता है, कमजोर साक्ष्य पर निर्भर हो सकता है या उन निष्कर्षों की ठोस व्याख्या दे सकता है जो पर्याप्त रूप से समर्थित नहीं हैं। एक एआई प्रणाली का उपयोग करके दूसरे की जांच करना मानवीय निर्णय की आवश्यकता को दूर नहीं करता है।.

इसलिए छात्रों को यह सीखना चाहिए कि वास्तव में कोई निष्कर्ष किस साक्ष्य के आधार पर बनता है, इसके पीछे के मानवाधिकारों में कोई खराबी नहीं है या नहीं, संख्याएँ समझ में आती हैं या नहीं, और क्या कोई जानकारी छूट गई है। एआई इस प्रक्रिया को मजबूत कर सकता है, क्योंकि वह छात्रों के तर्क पर सवाल उठाता है और संभावित कमजोरियों पर ध्यान खींचता है, लेकिन छात्रों को यह भी तय करना होगा कि उपलब्ध साक्ष्य निर्णय के लिए पर्याप्त है या नहीं। लक्ष्य यह नहीं है कि छात्रों को एआई पर अविश्वास हो, बल्कि यह आदत विकसित करना है कि चाहे कोई निष्कर्ष किसी व्यक्ति, डेटासेट या एआई सिस्टम से आता हो, उसे प्रश्न करना।.

लेना एआई, मानवीय, सांस्कृतिक और सामाजिक दृष्टिकोण

लेना एआई ने निम्नलिखित परिणाम प्रस्तुत किए: छात्रों को यह समझने की क्षमता बनाए रखना चाहिए कि व्यवसायिक निर्णय लोगों को किस तरह प्रभावित करते हैं, जो डेटा में पूरी तरह से नहीं दर्शाया जा सकता है। एआई पैटर्न की पहचान कर सकती है, विकल्पों की तुलना कर सकती है और कार्रवाई की सिफारिश कर सकती है, लेकिन लोग संस्कृति, रिश्ते, भावनाएँ, इतिहास, विश्वास और व्यक्तिगत परिस्थितियों से प्रभावित होते हैं। इसलिए, उपलब्ध जानकारी से एक सिफारिश जो उचित लगती है, उसके परिणाम ऐसे हो सकते हैं जिन्हें एआई सिस्टम पूरी तरह से नहीं अनुमान लगा सकता है।.

छात्रों को यह विचार करना सीखना चाहिए कि कोई निर्णय किसे प्रभावित करेगा, जिसके दृष्टिकोण से चूक हो सकती है, और कैसे विभिन्न लोग या समुदाय एक ही कार्रवाई को अलग-अलग तरीके से अनुभव कर सकते हैं। एआई विश्लेषण को व्यापक बनाने और उन दृष्टिकोणों की पहचान करने में मदद कर सकता है जिन्हें ध्यान में रखा जाना चाहिए, लेकिन छात्रों को अभी भी सुनना, अवलोकन करना, प्रश्न पूछना और संबंधित लोगों को समझना सीखना होगा। संरक्षित होने वाली मानवीय क्षमता यह निर्णय विश्लेषण के आधार पर समझ में आता है, लेकिन यह उन लोगों और उस संदर्भ में अप्रासंगिक है जिसमें यह लागू किया जाएगा।.

परिणाम में कुछ ऐसा है जो उपयुक्त है: एआई मानवीय निर्णयों में अपनी भूमिका की सीमाएं निर्धारित करने में मदद कर रहा है।.

18 दृष्टिकोण हमें क्या बताते हैं

सोलह लोग और दो एआई एजेंट बहुत अलग-अलग क्षेत्रों से आए एक ही प्रश्न का उत्तर दिया। इन उत्तरों को एक साथ देखें तो दस पैटर्न सामने आते हैं।.

स्थापनाओं को प्रतिनिधिमंडल के समक्ष प्राथमिकता दी जाती है।. यह सबसे बार दोहराया जाने वाला बिंदु है। अहमद हेगाज़ी चाहते हैं कि छात्र AI पर निर्भर होने से पहले खुद बाजार अनुसंधान करें। अन् लॉकक्वेल ने क्रिएटिव काम के बारे में भी यही कहा है, जॉन श्लाइच ने मार्केटिंग के मूल सिद्धांतों के बारे में, और नाओमी टेसीयर ने सामग्री के बारे में। क्रिस्टीन जेरेड ने इस विचार को एक आकार दिया है: आधार में बुनियादी बातें, उनके ऊपर अनुभव, और दोनों के मिश्रण से बनी समझ, और सबसे ऊपर AI।.

प्रत्येक क्षेत्र में निर्णय का स्वरूप अलग-अलग होता है।. विनय कुमार ने पर्यवेक्षी निर्णय का वर्णन किया है। अन् लॉकक्वेल ने रचनात्मक निर्णय का वर्णन किया है, नआमी टेसीयर ने संपादकीय निर्णय का वर्णन किया है, जॉन श्लाइच ने ऑटोमेट्रिक्स निर्णय का वर्णन किया है, और अबुबाकर सैमके ने एआई चयन निर्णय का वर्णन किया है। प्रत्येक रूप क्षेत्र के ज्ञान पर निर्भर करता है।.

अधिगम का स्तर जोखिम के अनुरूप होना चाहिए।. विनय कुमार, सेबस्टियन फ्राव और चार्ली एआई ने अलग-अलग इस निष्कर्ष पर पहुँचें हैं। कम जोखिम वाली कार्य को जल्दी जाँचने की आवश्यकता होती है। धन, लोगों, गोपनीयता या कानूनी दायित्वों से जुड़ी कोई भी निर्णय अधिक मजबूत सत्यापन और मानवीय स्वीकृति की आवश्यकता रखता है।.

जिम्मेदारी व्यक्ति के पास ही रहती है।. विनय कुमार, नाओमी टेसीयर और थॉमस होर्मज़ा डौ सभी का कहना है कि जो कोई भी AI को किसी कार्य को सौंपता है, वह परिणाम के लिए ज़िम्मेदार ही रहता है।.

एआई के खिलाफ निर्णय लेना एक कौशल है।. अबूबाकर सैमके, अन्नाबेल रॉय, नाओमी टेसीयर और जॉन श्लाईच ने उन स्थितियों का वर्णन किया है जिनमें सही निर्णय यह होता है कि किसी अन्य उपकरण को चुना जाए, किसी व्यक्ति को शामिल रखा जाए या एआई के परिणाम को अलग रखा जाए।.

समस्या उपकरण से पहले आती है।. अबूबाकर सैमके छात्रों से व्यवसायिक समस्या से शुरुआत करने का आग्रह करते हैं। हिचेम बेंजायर पूछते हैं कि क्या कोई प्रणाली सही समस्या को हल करती है। अहमद हेगाज़ी पूछते हैं कि क्या सही शोध प्रश्न पूछा गया था।.

लोग उन डेटा को देखते हैं जो छूट जाते हैं।. विवियन पॉल ने अनुभव के माध्यम से नेताओं द्वारा विकसित हुई जानकार अंतर्ज्ञान का वर्णन किया है। लेना एआई ने संस्कृति, भावना, इतिहास और विश्वास का उल्लेख किया है। बनैफ़शे पेरोवियन ने ग्राहकों के साथ प्रत्यक्ष अनुभव, अनिश्चितता और असफलता का उल्लेख किया है।.

पोलिश का दर्जा गुणवत्ता का प्रमाण नहीं रह गया है।. नाओमी टेसीयर, अन्नाबेल रॉय और चार्ली एआई ने चेतावनी दी है कि एआई के आउटपुट को आकर्षक लग सकता है या आकर्षक लगता है और फिर भी यह गलत या कम समर्थित हो सकता है।.

सच्चाई संदेश से पहले आती है।. लिंडन जॉनसन संचार के केंद्र में ईमानदारी को रखते हैं; यह विचार कई अन्य प्रयोगशाला सदस्यों के साथ साझा किया जाता है। छात्रों को यह तय करने से पहले यह पता लगाना चाहिए कि क्या बात सच है और क्या नहीं, और फिर वही बात कहने का निर्णय लेना चाहिए।.

व्यापार और तकनीकी लोगों को एक साझा शब्दावली की आवश्यकता होती है।. हीचम बेंजायर इस सर्वव्यापी भाषा को कहते हैं। अमीन रंज बार कहते हैं कि सुरक्षा संबंधी प्रश्न डिजाइन के चरण में ही तय किए जाने चाहिए, जिसके लिए ऐसे व्यावसायिक पेशेवरों की आवश्यकता होती है जो उन्हें पूछने के लिए पर्याप्त जानकार हों।.

छह क्षमताएँ एक काम करने योग्य उत्तर हैं। योगदानकर्ता इन पैटर्न को अलग-अलग तरीके से पढ़ सकते हैं, और आगे के योगदानों से यह पता चल सकता है कि अभी भी क्या कमी रह गई है।.

जिम्मेदारी के चार स्तर

इन छह क्षमताओं का वर्णन यह करता है कि छात्रों को क्या विकसित करने की आवश्यकता है। अगला सवाल यह है कि जब एआई उपलब्ध हो, तो छात्रों को प्रत्येक क्षमता के कितने हिस्से को व्यक्तिगत रूप से पूरा करना होगा।.

इसका उत्तर एक क्षमता से दूसरी क्षमता में अलग होता है। एक व्यावहारिक दृष्टिकोण यह है कि मानवीय जिम्मेदारी के चार स्तरों को अलग किया जाए: करना चाहिए, समझना चाहिए, सत्यापित करना चाहिए और स्वयं लेना चाहिए।.

करना आवश्यक है

कुछ क्षमताओं को स्वतंत्र रूप से निष्पादित रहना चाहिए क्योंकि उनका प्रदर्शन व्यावसायिक दक्षता बढ़ाता है।.

किसी छात्र को एक विचार को संप्रेषित करना, एक बुनियादी व्यावसायिक समस्या के बारे में तर्क देना, एक कठिन बातचीत में भाग लेना, यह अनुमान लगाना कि कोई संख्या उचित है या नहीं, या एआई की सहायता के बिना बुनियादी निर्णय लेना पड़ सकता है।.

जब गतिविधि स्वयं विकसित होती है या वह ऐसी क्षमता प्रदर्शित करती है जिसकी पेशेवर को अभी भी आवश्यकता होती है, तब स्वतंत्र प्रदर्शन महत्वपूर्ण होता है।.

समझना ज़रूरी है

अन्य गतिविधियाँ काफी हद तक AI द्वारा की जा सकती हैं जबकि छात्र प्रक्रिया और उसके निहितार्थों को समझने के लिए पर्याप्त ज्ञान रखता है।.

एक प्रबंधक सॉफ्टवेयर लिखने, आँकड़े गणना करने, डेटा-सेंटर के शीतलन प्रणाली की डिजाइन करने या डिजिटल मार्केटिंग अभियान के प्रत्येक चरण को चलाने का कार्य सौंप सकता है। प्रबंधक को फिर भी विशेषज्ञों के साथ संवाद करने, महत्वपूर्ण निहितार्थों को पहचानने और उपयोगी प्रश्न पूछने के लिए पर्याप्त समझ की आवश्यकता होती है।.

व्यापारिक प्रणालियाँ तकनीकी रूप से अधिक जटिल होने के साथ-साथ इस स्तर का महत्व भी बढ़ता जाता है। प्रबंधकों को अक्सर उन प्रौद्योगिकियों के बारे में निर्णय लेना पड़ता है जिन्हें वे स्वयं नहीं बना सकते। ‘समझना’ का अर्थ है उन निर्णयों में उत्पादक रूप से भाग लेने के लिए और जब अधिक विशेषज्ञता की आवश्यकता होती है, उसे पहचानने के लिए पर्याप्त जानकारी होना।.

जाँच करना आवश्यक है

कुछ कार्य को एआई को सौंप दिया जा सकता है, जबकि मानव यह तय करता है कि परिणाम उपयोग के लिए पर्याप्त विश्वसनीय है या नहीं।.

प्रमाणन में साक्ष्य, जोखिम, संदर्भ और परिणामों के बारे में निर्णय लेना शामिल होता है। कम जोखिम वाला कार्य त्वरित समीक्षा की आवश्यकता हो सकता है। उच्च प्रभाव वाला निर्णय स्वतंत्र साक्ष्य, विशेषज्ञ की सलाह या कई स्तरों की जाँच की आवश्यकता हो सकती है।.

प्रमाणन के लिए इस बात पर भी ध्यान देना ज़रूरी है कि उत्तर के पीछे के आधार क्या हैं। एक गणना सही हो सकती है, लेकिन यदि आधार, डेटा या संदर्भ ऐसे हैं कि यह सिफारिश अनुचित है।.

मुफ़्त में होना ज़रूरी है

कुछ निर्णय तब भी एक व्यक्ति की जिम्मेदारी बने रहते हैं जब विश्लेषण में एआई का बड़ा योगदान होता है।.

एआई विकल्प सुझा सकता है, परिदृश्यों की तुलना कर सकता है, परिणामों का अनुमान लगा सकता है और कार्यनीति सुझा सकता है। जिम्मेदार पेशेवर को अभी भी यह समझना होगा कि निर्णय क्यों लिया जा रहा है, इसके व्यापक परिणामों पर विचार करना होगा और इस पर अमल करने के लिए जिम्मेदारी स्वीकार करना होगी।.

ये चार स्तर शिक्षाविदों को यह तय करने का एक व्यावहारिक तरीका प्रदान करते हैं कि शिक्षण गतिविधि में एआई का उपयोग कैसे किया जाए। साथ ही ये छह क्षमताओं को व्यावसायिक जिम्मेदारी से भी जोड़ते हैं:

• जवाबदेही और निगरानी अक्सर छात्रों को अपने निर्णयों की पुष्टि और स्वामित्व की आवश्यकता होती है।.
• स्वतंत्र सोच और समस्या का निर्धारण इसमें छात्रों को स्वयं प्रारंभिक तर्क प्रस्तुत करने की आवश्यकता हो सकती है।.
• प्रमाण और सत्यापन छात्रों को एक आउटपुट के मूल सिद्धांतों को समझने और जोखिम के अनुसार इसकी पुष्टि करने की आवश्यकता है।.
• मानवीय संचार और संबंध इनमें अक्सर सीधे मानवीय कार्य और स्वामित्व की आवश्यकता होती है।.
• व्यावसायिक एजेंसी और लचीलापन यह आवश्यक है कि छात्रों को तब भी कार्य करने की पर्याप्त क्षमता बनाए रखी जाए जब एआई उपलब्ध न हो या उपयुक्त न हो।.
• एआई और तकनीकी साक्षरता इसमें छात्रों को तकनीक के बारे में पर्याप्त जानकारी हासिल करने की आवश्यकता होती है ताकि वे उपकरण चुन सकें, सूचित प्रश्न पूछ सकें और विशेषज्ञों के साथ काम कर सकें।.

रेएक्ट और जवाबदेही की प्रवृत्ति

चार जिम्मेदारी के स्तर बताते हैं कि छात्रों को क्या करना, समझना, सत्यापित करना या स्वयं करना होगा। REACT फ्रेमवर्क उन्हें एआई के साथ काम करते समय ऐसे निर्णय लेने का एक व्यावहारिक तरीका प्रदान करता है।.

REACT छात्रों से पाँच चीज़ों पर विचार करने को कहता है: कारण, प्रमाण, जवाबदेही, बाधाएँ, और तंगी-से-लाभ (Hormaza Dow & Nassi, 2026)।.

कारण एआई के उपयोग को एक स्पष्ट उद्देश्य से जोड़ता है। छात्रों को यह पता होना चाहिए कि एआई का उपयोग क्यों किया जा रहा है और इसका क्या योगदान अपेक्षित है।.

साक्ष्य यह पूछना कि क्या जानकारी और आउटपुट इच्छित उपयोग के लिए पर्याप्त विश्वसनीय हैं। जाँच की गई जानकारी की मात्रा उस कार्य के महत्व और जोखिम को दर्शाती होनी चाहिए।.

जवाबदेही यह स्वामित्व को स्पष्ट रूप से दर्शाता है। कोई भी व्यक्ति, चाहे वह AI का क्या भी हिस्सा रहा हो, प्रस्तुत किए गए कार्य और किए गए निर्णयों के लिए ज़िम्मेदार बना रहता है।.

बाधाएं इसमें गोपनीयता, सुरक्षा, संगठनात्मक नियम, कानूनी आवश्यकताएँ, नैतिकता, उपलब्ध संसाधन और सीखने के कार्य के उद्देश्य शामिल हैं।.

पारस्परिक लाभ छात्रों को लाभों, लागतों और परिणामों को एक साथ संतुलित करने की आवश्यकता होती है। व्यावसायिक निर्णय शायद ही कभी एक ही बार में हर उद्देश्य को अधिकतम करते हैं।.

पारस्परिक लाभों के लिए एक उदाहरण चाहिए। एक कंपनी उत्पादकता बढ़ाने के लिए एआई को अपना सकती है और साथ ही अपने कंप्यूटिंग आवश्यकताओं को भी बढ़ा सकती है। एक तकनीक एक पर्यावरणीय प्रभाव को कम कर सकती है और दूसरे को बढ़ा सकती है। कंप्यूटर हार्डवेयर के जीवन को बढ़ाने से सामग्री की खपत कम हो सकती है, लेकिन पुराने उपकरण अंततः इतना अक्षम हो जाते हैं कि प्रतिस्थापन करना अधिक समझदारी भरा होता है। स्वचालन समय की बचत कर सकता है, साथ ही कर्मचारियों या छात्रों को विशेष कौशल विकसित करने के अवसर भी कम कर सकता है।.

व्यावसायिक निर्णय का अर्थ है इन परस्पर विरोधी प्रभावों को पहचानना, उपलब्ध साक्ष्य का मूल्यांकन करना, संदर्भ को समझना और ऐसा निर्णय लेना जो व्यक्ति द्वारा बचाव किया जा सके।.

बार-बार अभ्यास से ये पाँच प्रश्न आदत बन सकते हैं। 2030 तक, यह जवाबदेही की भावना उस विशेष एआई इंटरफ़ेस से ज़्यादा महत्वपूर्ण हो सकती है जिसका इस्तेमाल छात्र कॉलेज में करते थे।.

2030 तक व्यावसायिक शिक्षा के लिए दस सिफारिशें

इस शोधपत्र में एक व्यावहारिक मानक का सुझाव दिया गया है: व्यावसायिक पाठ्यक्रमों को यह आकलन करना चाहिए कि छात्रों को एआई के साथ क्या उत्पादन करना संभव है, साथ ही साथ यह भी कि वे क्या समझ सकते हैं, प्रश्न पूछ सकते हैं, सत्यापित कर सकते हैं, संवाद कर सकते हैं, निर्णय ले सकते हैं और इसका स्वामित्व भी कर सकते हैं।.

1. सीखने के उद्देश्य के आसपास डिज़ाइन एआई का उपयोग

शिक्षाविदों को पहले यह पहचानना चाहिए कि कोई गतिविधि किस क्षमता को विकसित करने के लिए है, फिर उस उद्देश्य को पूरा करने में सहायक तरीके से एआई को लागू करना चाहिए।.

यदि उद्देश्य बुनियादी तर्कसंगतता का है, तो छात्रों को एआई का उपयोग करने से पहले स्वतंत्र रूप से काम करना पड़ सकता है। यदि उद्देश्य एआई के साथ पेशेवर सहयोग का है, तो छात्रों को अपने निर्णयों को दस्तावेज करते हुए, आउटपुट की जाँच करते हुए और अपनी अंतिम निर्णय की व्याख्या करते हुए एआई का उपयोग करना चाहिए।.

2. निर्णय का मूल्यांकन उत्पादन के साथ करें

एक परिष्कृत एआई-सहायक उत्पाद दिखाता है कि एक छात्र क्या उत्पादन कर सकता है। यह इस बात के बारे में बहुत कम बताता है कि छात्र क्या समझता है।.

मूल्यांकन में यह भी जांचना चाहिए कि छात्र समस्या को कैसे प्रस्तुत करते हैं, जानकारी कैसे चुनते हैं, एआई के परिणामों का मूल्यांकन कैसे करते हैं, सीमाएं क्या हैं, विकल्प क्या हैं, परिणाम क्या हैं, और वे अपने निर्णयों की रक्षा कैसे करते हैं।.

3. जिम्मेदारी के चार स्तरों को स्पष्ट रूप से लागू करें

पाठ्यक्रमों में यह पता लगाना चाहिए कि कोई क्षमता क्या अनिवार्य है, क्या उसे समझना अनिवार्य है, क्या उसे सत्यापित करना अनिवार्य है या क्या उसे स्वयं करना अनिवार्य है।.

स्पष्ट जिम्मेदारी के स्तर से छात्रों को अपेक्षाओं को समझने में मदद मिलती है। यह शिक्षार्थियों को बिना किसी सीमा के कार्य सौंपने और उपयोगी एआई अनुप्रयोगों पर अनावश्यक प्रतिबंध लगाने के बीच संतुलन बनाए रखने में भी मदद करते हैं।.

4. REACT को एक पेशेवर आदत के रूप में सिखाएं

छात्रों को एआई के उपयोग के कारणों की पहचान करने, साक्ष्य का मूल्यांकन करने, जवाबदेही को स्पष्ट करने, बाधाओं को पहचानने और व्यापारिक विकल्पों पर विचार करने का अभ्यास करना चाहिए।.

बार-बार उपयोग से इन बातों को सामान्य व्यावसायिक निर्णय का हिस्सा बना दिया जा सकता है।.

5. उत्पादक प्रयास को बनाए रखें

छात्रों को ज्ञान प्राप्त करने, समाधान खोजने, गलतियाँ करने, प्रतिक्रिया प्राप्त करने और अपने विचारों को सुधारने के अवसर चाहिए।.

एआई अनावश्यक बाधाओं को दूर कर सकता है। टिकाऊ समझ पैदा करने वाला प्रयास जारी रखना चाहिए।.

6. न्यूनतम व्यवहारिक व्यावसायिक क्षमता विकसित करें

हर व्यवसाय स्नातक को बुनियादी व्यावसायिक समस्या को व्यवस्थित करने, स्पष्ट रूप से संवाद करने, उचित गणना करने, जानकारी की व्याख्या करने, प्रारंभिक निर्णय लेने और एआई पर पूरी तरह निर्भर किए बिना उपयुक्त अगला कदम तय करने में सक्षम होना चाहिए।.

7. छात्रों को सिखाएं कि जब मानव विशेषज्ञता की आवश्यकता हो, तो उसे कैसे तलाशना चाहिए

एआई साक्षरता में सिस्टम और छात्र दोनों की सीमाओं को पहचानना शामिल होना चाहिए। स्नातकों को यह पता होना चाहिए कि कब लेखाकार, वकील, साइबर सुरक्षा विशेषज्ञ, इंजीनियर, प्रबंधक या अन्य योग्य पेशेवर शामिल हों।.

8. जवाबदेही को स्पष्ट करें

छात्रों से यह अपेक्षा की जाती है कि वे अपने नाम से प्रस्तुत कार्य को समझें और उसका समर्थन करें। यह हमेशा स्पष्ट होना चाहिए कि कौन निर्णय लेता है, परिणाम की पुष्टि कौन करता है और इसके परिणाम के लिए कौन जिम्मेदार है।.

9. व्यापक प्रणाली के बारे में सोचें

एआई से जुड़े कुछ व्यावसायिक निर्णयों का मूल्यांकन तात्कालिक प्रदर्शन और लागत के अलावा भी किया जाना चाहिए।.

छात्रों को एक प्रौद्योगिकी के जीवन चक्र, उस पर निर्भर करता है की बुनियादी ढांचा और संसाधन, इसके लोगों और संगठनों पर पड़ने वाले प्रभाव, तथा बाद में उत्पन्न हो सकने वाले परिणामों को ध्यान में रखना सीखना चाहिए।.

व्यापार के छात्रों को पर्याप्त प्रणालीगत सोच की आवश्यकता होती है ताकि वे यह पहचान सकें कि जब कोई निर्णय एआई द्वारा उत्पन्न सिफारिशों द्वारा प्रस्तुत मापदंडों से परे परिणाम लेकर आता है, और पर्याप्त निर्णय क्षमता भी ताकि वे यह जान सकें कि तकनीकी या पर्यावरणीय विशेषज्ञता की आवश्यकता होती है।.

10. संसाधन के प्रति जागरूकता को एआई के निर्णय का हिस्सा बनाएं

एआई को मूर्त रूप नहीं मिल सकता है, लेकिन इसका उपयोग भौतिक बुनियादी ढांचे पर निर्भर करता है, जिसमें जगह, पानी, ऊर्जा और सामग्री की आवश्यकता होती है। छात्रों को डेटा-सेंटर के बुनियादी ढांचे के विशेषज्ञ बनने की आवश्यकता नहीं है, लेकिन उन्हें यह समझना चाहिए कि एआई के उपयोग के भौतिक परिणाम होते हैं जो प्रौद्योगिकी, पैमाने और संदर्भ के अनुसार भिन्न होते हैं।.

AI का उपयोग करने के बारे में निर्णय लेने के समय, छात्रों को यह न केवल सोचना चाहिए कि AI क्या कर सकता है, बल्कि यह भी सोचना चाहिए कि इसका उपयोग कार्य के लिए उपयुक्त है या नहीं और क्या यह कार्य के लिए उचित है। संसाधन जागरूकता उन बातों में से एक है जो जिम्मेदार AI निर्णय को सूचित करता है, विशेष रूप से जब AI का उपयोग बढ़ने लगे।.

क्या “AI के बिना” सही प्रश्न है?

इस बहस को प्रस्तुत करने का एक सामान्य तरीका यह है कि पूछा जाए कि छात्रों को एआई के बिना क्या करना चाहिए। यह वाक्यांश उपयोगी है क्योंकि इससे निर्भरता पर ध्यान जाता है। एक अधिक स्थायी प्रश्न यह है कि छात्रों को क्या अभी भी समझना, करना, सत्यापित करना और अपने बनाए रखना चाहिए।.

व्यावसायिक पेशेवर पहले से ही स्प्रेडशीट, कैलकुलेटर, डेटाबेस, सर्च इंजन और विशेष सॉफ्टवेयर पर निर्भर हैं। कोई भी लेखाकार से क्षमता का प्रमाण के रूप में स्प्रेडशीट छोड़ने के लिए नहीं कहता। क्षमता का आकलन इस बात से किया जाता है कि लोग अपने उपकरणों का सही ढंग से उपयोग करते हैं और पर्याप्त जानकारी रखते हैं ताकि वे सही निर्णय ले सकें। एआई के लिए भी वही मानक लागू होता है।.

कुछ क्षमताएँ स्वतंत्र रूप से निष्पादित होनी चाहिए। कुछ को समझा जाना चाहिए। कुछ कार्य को सौंप दिया जा सकता है, लेकिन इसकी पुष्टि होनी चाहिए। कुछ निर्णय अंततः किसी व्यक्ति के स्वामित्व में होना चाहिए।.

एआई की क्षमताओं में निरंतर बदलाव आएगा। सक्षम लोगों को विकसित करने की शैक्षिक जिम्मेदारी बनी रहेगी।.

2030 की ओर

मया और उनके तीन बेहतरीन उत्पादक कार्यों पर वापस जाएं।.

ग्राहक ने पूछा है कि उसने 12 प्रतिशत की वृद्धि का अनुमान क्यों लगाया। AI ने शायद यह पूर्वानुमान तैयार किया हो, लेकिन माया को अभी भी इस अनुमान को समझना होगा, इसके पीछे के सबूतों का मूल्यांकन करना होगा, यह समझाना होगा कि यह क्यों उचित है, और यह भी समझना होगा कि इससे गलतियाँ हो सकती हैं या नहीं, और इसके उपयोग के लिए जिम्मेदारी लेनी होगी।.

उस पल में व्यावसायिक शिक्षा के लिए एक बड़ी चुनौती झलकती है। 2030 तक, छात्रों को नियमित रूप से एआई सिस्टमों के साथ काम करना होगा जो शोध कर सकें, गणना कर सकें, विश्लेषण कर सकें, तुलना कर सकें, सिफारिशें कर सकें, संवाद कर सकें और अधिकाधिक उनकी ओर से कार्य कर सकें।.

व्यावसायिक शिक्षा को मानवीय क्षमताओं को संरक्षित रखना चाहिए, जो निर्णय लेने, स्वतंत्र रूप से सोचने, साक्ष्य का मूल्यांकन करने, लोगों के साथ संबंध बनाने, उपयोग में लाए जाने वाले प्रौद्योगिकी को समझने और एजेंसी और जवाबदेही के साथ कार्य करने की क्षमताएँ हैं। इन क्षमताओं को इतना मजबूत होना चाहिए कि स्नातकों को यह समझ सकें कि वे जिन समस्याओं का सामना कर रहे हैं, वे कब विश्वसनीय या अनुचित हैं, अनिश्चितता के माहौल में निर्णय लें, व्यापक परिणामों पर विचार करें, दूसरों के साथ संवाद करें, जब आवश्यक हो विशेषज्ञता प्राप्त करें और परिणाम अपने हाथ में लें।.

एआई विश्लेषण को तेज कर सकता है, विकल्पों का विस्तार कर सकता है, पैटर्न की पहचान कर सकता है और जटिल कार्य कर सकता है। ये क्षमताएँ मानवीय निर्णय की महत्ता को बढ़ाती हैं क्योंकि किसी को यह तय करना होता है कि क्या महत्वपूर्ण है, क्या साक्ष्य को महत्व दिया जाना चाहिए, कौन से परिणाम स्वीकार्य हैं और क्या कार्रवाई करनी चाहिए।.

मान लें कि भविष्य के एक प्रबंधक को एक एआई इन्फ्रास्ट्रक्चर प्रस्ताव का मूल्यांकन करना है। एआई लागतों की तुलना कर सकती है, बिजली की आवश्यकताओं का अनुमान लगा सकती है, विभिन्न तकनीकों का विश्लेषण कर सकती है, जीवनचक्र प्रभाव की गणना कर सकती है, और एक विकल्प सुझा सकती है। प्रबंधक को यह भी तय करना होगा कि क्या विचार करने योग्य है। लागत और प्रदर्शन महत्वपूर्ण हैं, लेकिन विश्वसनीयता, गोपनीयता, ऊर्जा, पानी, सामग्री, कर्मचारी, सामुदायिक प्रभाव और विशेष प्रौद्योगिकियों या आपूर्तिकर्ताओं पर दीर्घकालिक निर्भरता भी महत्वपूर्ण हैं। इन कारकों की महत्वकांक्षा निर्णय और उसके संदर्भ के अनुसार अलग-अलग होगी।.

गणना और निर्णय कार्य के विभिन्न रूप हैं।.

एआई यह निर्धारित करने में मदद कर सकता है कि क्या संभव है, विकल्पों की तुलना कर सकता है और परिणामों की पहचान कर सकता है। कौन से परिणाम महत्वपूर्ण हैं, कैसे प्रतिस्पर्धी प्राथमिकताओं का मूल्यांकन किया जाए, उपलब्ध साक्ष्य कब पर्याप्त हो, जब विशेषज्ञ ज्ञान की आवश्यकता हो, और क्या कार्रवाई करनी चाहिए, यह निर्णय लेने के लिए मानवीय निर्णय अभी भी आवश्यक है।.

एआई जब किसी नौकरी के उम्मीदवार का मूल्यांकन करता है, मार्केटिंग रणनीति सुझाता है, किसी ग्राहक को क्रेडिट जोखिम के रूप में पहचानता है, परियोजना की समय-सारणी प्रस्तावित करता है, संकट के लिए जन प्रतिक्रिया उत्पन्न करता है या निवेश की सिफारिश करता है, तो भी यही अंतर लागू होता है।.

जैसे-जैसे एआई गणना, विश्लेषण, तुलना और सिफारिश करने में बेहतर होता जाता है, छात्रों को अंतिम निर्णय में क्या विचार के योग्य है, इस बारे में अधिक मजबूत निर्णय लेने की आवश्यकता होती है।.

इसका मतलब यह नहीं है कि छात्रों को हर कार्य स्वयं करना होगा। कुछ क्षमताओं को स्वतंत्र रूप से निष्पादित रहना चाहिए। अन्य को अच्छी तरह समझा जाना चाहिए ताकि प्रश्न उठाए जा सकें और समझा जा सके। एआई द्वारा उत्पन्न कार्य को कभी-कभी सत्यापित करना होगा, और सत्यापन की उस स्तर को ध्यान में रखना होगा जो जोखिम को दर्शाता है। और कुछ निर्णय अंततः किसी व्यक्ति के स्वामित्व में ही रहना चाहिए, चाहे एआई ने उनमें कितना भी योगदान दिया हो।.

जो छात्र एआई के साथ उत्कृष्ट विश्लेषण प्रस्तुत करता है, वह एक महत्वपूर्ण व्यावसायिक क्षमता प्रदर्शित करता है। शिक्षकों को यह भी प्रमाण चाहिए कि वह छात्र क्या जानता है, क्या पहचान सकता है, क्या समझा सकता है, क्या निर्णय ले सकता है और क्या जिम्मेदारी लेने के लिए तैयार है।.

एक बुद्धिमान प्रणाली तक पहुँचने से स्वचालित रूप से एक बुद्धिमान निर्णय नहीं निकलता।.

जैसे-जैसे मशीनें व्यावसायिक कार्यों को बेहतर ढंग से करने में सक्षम होती जा रही हैं, कॉलेजों को उन मानवीय क्षमताओं के बारे में अधिक सचेत होना होगा जिनका विकास वे जारी रखते हैं। एआई-सक्षम व्यावसायिक स्नातकों को दो प्रकार की दक्षताओं की आवश्यकता होगी: तेजी से सक्षम मशीनों के साथ प्रभावी ढंग से काम करने की क्षमता और ऐसा करते हुए एक सक्षम और जिम्मेदार व्यक्ति बने रहने की क्षमता।.

जब ग्राहक से पूछा जाए कि क्यों, तो माया को खुद का जवाब होना चाहिए।.

एआई उपयोग संबंधी बयान

दो एआई एजेंट, चार्ली एआई और लेना एआई, ने इस प्रश्न के उत्तर दिए हैं, जिस पर यह लेख केंद्रित है। उनकी प्रतिक्रियाओं को “We also asked the AI” अनुभाग में एआई आउटपुट के रूप में पहचाना गया है। इस दस्तावेज़ को प्रारूपित करने के लिए एक एआई सहायक (क्लॉड, एंटिरोपिक)। मानव लेखकों ने पूरी लेख की समीक्षा की है और इसके विषयवस्तु के लिए जिम्मेदारी स्वीकार की है।.

संदर्भ

हॉर्मज़ा डाव, टी., और नास्सी, एम. (2026, 11 मार्च)। उच्च शिक्षा में एआई के उपयोग में निर्णय शिक्षण: एसोसिएशन वेबिनार रिस्र्चर्स फॉर द एडॉप्शन ऑफ REACT फ्रेमवर्क। ज़ेनोडो। पीईईसी वेबिनार: उच्च शिक्षा में एआई के उपयोग में निर्णय शिक्षण, क्यूबेक, कनाडा।. https://doi.org/10.5281/zenodo.20259032