हर तेजी के दौर में एक पल ऐसा आता है जब संगीत अब भी बज रहा होता है, रोशनियां अब भी टिमटिमा रही होती हैं, और तभी किसी की नजर मेज पर पड़े उस बिल पर जाती है जिसे कोई चुकाना भूल गया है। आज एंटरप्राइज AI की हालत कुछ ऐसी ही दिखती है।
पैलेंटिर के एलेक्स कार्प ने यह बात अपने चिर-परिचित बेहद बेबाक अंदाज में कही, लेकिन इस तीखी शैली के नीचे एक गंभीर चिंता दबी है। बड़ी AI लैब्स ने असाधारण मशीनें बना दी हैं, इस पर समझदार लोगों में कोई बहस नहीं। असली सवाल यह है कि जो कंपनियां इन मशीनों को किराए पर ले रही हैं, वे सचमुच अपने कारोबार के लिए कोई बढ़त बना रही हैं, या फिर किसी और के मीटर में सिक्के डालती जा रही हैं।
कार्प की शिकायत यह नहीं है कि AI काम नहीं करता। उनका कहना है कि इसका अर्थशास्त्र अब एक ऐसे कसीनो जैसा दिखने लगा है, जहां चिप्स, टेबल, कैमरे और शायद आपके खेले हर पत्ते की कॉपी तक, सब कुछ हाउस यानी मालिक के पास है।
ज्यादा AI का मतलब हमेशा ज्यादा फायदा नहीं
कंपनियों से कहा जा रहा है कि वे टोकन के इस्तेमाल को गले लगाएं, हर वर्कफ्लो में मॉडल जोड़ें, एजेंट बनाएं, फैसले अपने आप कराएं, प्रयोगों का दायरा बढ़ाएं और प्रतिस्पर्धियों से आगे निकलें। यह वादा बड़ा लुभावना है। जितना ज्यादा AI इस्तेमाल करेंगे, उतने ज्यादा उत्पादक बनेंगे, और जितने उत्पादक बनेंगे, कारोबार उतना ही कीमती हो जाएगा।
लेकिन हर बार जब कोई कंपनी अपना निजी डेटा, अंदरूनी प्रक्रिया की समझ, ग्राहकों की जानकारी और सालों में जमा हुई संस्थागत सूझबूझ को किसी बाहरी मॉडल से गुजारती है, तो वह सिर्फ AI का इस्तेमाल नहीं कर रही होती। वह अपनी कामकाजी याददाश्त का एक हिस्सा बाहर भेज रही होती है।
यही वजह है कि कार्प का AI सॉवरेनटी यानी AI संप्रभुता वाला तर्क सुर्खियों की नाटकीयता से कहीं ज्यादा मायने रखता है। वे एक ऐसा सवाल उठा रहे हैं जिसका कई बोर्ड अब तक ठीक से सामना नहीं कर पाए हैं, कि जब आप किसी और के मॉडल, किसी और के क्लाउड, किसी और के वेट्स और किसी और की कीमत तय करने की व्यवस्था पर अपना कारोबार खड़ा करते हैं, तो भविष्य का यह कारोबार असल में कितना आपका अपना है।
टोकन का मॉडल और घूमता हुआ मीटर
इसी तनाव के केंद्र में टोकन का मॉडल बैठा है। कागज पर यह बड़ा सुंदर लगता है। जितना इस्तेमाल, उतना पैसा। कुछ टोकन यहां, कुछ लाख टोकन वहां। ऐसा लगता है मानो किसी उपयोगी सेवा का स्विच ऑन कर दिया हो। लेकिन आम तौर पर ऐसी सेवाएं जितना पैमाना बढ़ता है, उतनी सस्ती होती जाती हैं। AI का मामला अकसर इसका उल्टा लगता है। कंपनी जितनी गहराई से इसे रिसर्च, कोडिंग, ग्राहक सेवा, कंप्लायंस, ट्रेडिंग, कानूनी काम, लॉजिस्टिक्स और अंदरूनी फैसलों में उतारती है, उतनी ही तेजी से मीटर घूमने लगता है।
डेमो चंद पैसों में हो जाता है। असली बिल तो प्रोडक्शन में आता है।
किसी कॉरपोरेट सिस्टम पर चलने वाला AI एजेंट एक सवाल और एक जवाब भर नहीं होता। वह कई मॉडल को बुला सकता है, दस्तावेज खींच सकता है, डेटा खंगाल सकता है, टूल चला सकता है, कोड लिख सकता है, फिर उस कोड की जांच कर सकता है, कोई और मॉडल चला सकता है, नतीजे का ऑडिट कर सकता है और फिर यही पूरी प्रक्रिया दोबारा शुरू कर सकता है। पूरे उद्यम में इसे कई गुना कर दीजिए, तो टोकन का यह मर्तबान सब्सक्रिप्शन सेवा से ज्यादा भारी ट्रैफिक में मीटर चालू रखे खड़ी टैक्सी जैसा लगने लगता है।
हलचल को मालिकाना हक समझने की गलती
कार्प का कहना है कि कंपनियां शायद हलचल को ही मालिकाना हक समझ बैठी हैं। डैशबोर्ड पर AI का इस्तेमाल बढ़ता दिखता है। टोकन की खपत ऊपर चढ़ती है। अंदरूनी टीमें ज्यादा पायलट, ज्यादा प्रॉम्प्ट, ज्यादा ऑटोमेशन और ज्यादा प्रयोगों की खबर देती हैं। सब कुछ हिलता-डुलता दिख रहा है, इसलिए यह तरक्की जैसा लगता है।
असली सवाल यह है कि यह सारी गतिविधि जुड़कर एक मालिकाना बुद्धिमत्ता बनती है, या फिर सिर्फ मॉडल देने वाली कंपनी का बिल और मोटा करती जाती है।
डेटा ईंधन नहीं, संस्था की याददाश्त है
यहीं डेटा का मुद्दा केंद्र में आ जाता है। डेटा सिर्फ ईंधन नहीं है, यह संस्था की याददाश्त है। यह इस बात का रिकॉर्ड है कि क्या कारगर रहा, क्या नाकाम हुआ, ग्राहक कैसा व्यवहार करते हैं, जोखिम कहां छिपा है, किन कीमतों के फैसलों से अच्छे नतीजे मिले और कौन से पैटर्न सालों की बार-बार दोहराई गई घटनाओं के बाद ही नजर आते हैं।
किसी कंपनी की बढ़त शायद ही कभी किसी तिजोरी में रखा एक बड़ा राज होती है। ज्यादातर यह हजारों छोटे-छोटे फैसलों, नन्ही-नन्ही कामकाजी आदतों, ग्राहकों के रिश्तों, पुराने अपवादों और वक्त के साथ बने अनुभव के निशानों का जोड़ होती है। इतना सब किसी बाहरी सिस्टम से गुजार दीजिए, तो खतरा यह नहीं है कि कोई रातोंरात पूरी तिजोरी लूट ले जाएगा। खतरा यह है कि आपकी सुरक्षा की खाई धीरे-धीरे एक सार्वजनिक सड़क में बदल जाएगी।
वेट्स पर नियंत्रण यानी अपनी किस्मत पर नियंत्रण
कार्प की यह पंक्ति कि अपने वेट्स पर नियंत्रण रखना ही अपनी किस्मत पर नियंत्रण रखना है, जानबूझकर नाटकीय है, पर पूरी तरह गलत नहीं। वेट्स ही वह जगह हैं जहां सीख बसती है। ये डेटा, ट्रेनिंग, फाइन-ट्यूनिंग और बार-बार के लेन-देन का निचोड़ा हुआ अवशेष हैं। अगर कोई कंपनी इस बुद्धिमत्ता की परत पर नियंत्रण छोड़ देती है, तो एक दिन उसे वही प्रतिस्पर्धी बढ़त किराए पर वापस लेनी पड़ सकती है, जिसे बनाने में उसका अपना योगदान था।
किसी भी गंभीर उद्यम के लिए यह मुश्किल स्थिति है। सरकारों, रक्षा संगठनों और अहम बुनियादी ढांचा चलाने वालों के लिए यह और भी कठिन है।
आप किसी युद्धपोत का कमांड रूम उस विक्रेता को नहीं सौंप देंगे जिसकी उस तिमाही की बिक्री की प्रस्तुति सबसे चमकदार हो। आप किसी तीसरे पक्ष को नक्शा, रडार, रेडियो और संचालन नियमावली का मालिक नहीं बनने देंगे, और फिर हर बार क्षितिज पर तूफान उठने पर वह आपसे हर संदेश के हिसाब से पैसे वसूले।
राष्ट्रीय सुरक्षा को लेकर कार्प जो सवाल उठा रहे हैं, वह इससे बहुत दूर नहीं है। अगर AI खुफिया जानकारी, लॉजिस्टिक्स, रणभूमि के फैसलों, साइबर रक्षा और अहम प्रणालियों में रच-बस जाए, तो डेटा, मॉडल और तैनाती के ढांचे पर नियंत्रण कोई खरीद का मामूली ब्योरा नहीं रह जाता। वह राष्ट्रीय क्षमता का हिस्सा बन जाता है।
चीन के ओपन-वेट मॉडल में बढ़ती दिलचस्पी
यही वजह है कि चीन के ओपन-वेट मॉडल में बढ़ती दिलचस्पी महज एक कौतूहल नहीं है। यह बदलाव जरूरी नहीं कि यह ऐलान हो कि चीनी मॉडल हर मामले में बेहतर हैं। अमेरिका की अग्रणी लैब्स अब भी कई क्षेत्रों में आगे हैं, खासकर तर्कशक्ति, कोडिंग और मल्टीमॉडल क्षमता की सबसे अगली कतार में। लेकिन उद्यम अब समझदार खरीदारों की तरह बर्ताव करने लगे हैं। वे प्रदर्शन, लागत, भरोसेमंदी, तैनाती में लचीलापन और सिस्टम को अपने पास रखने की सहूलियत, सबकी तुलना कर रहे हैं।
कुछ कामों के लिए दुनिया का सबसे उन्नत मॉडल जरूरी नहीं कि उस इमारत का सबसे उपयोगी मॉडल भी हो। एक सस्ता ओपन-वेट मॉडल, जिसे अंदर ही होस्ट किया जा सके, अपने निजी डेटा पर ढाला जा सके और उद्यम खुद नियंत्रित करे, महंगे मीटर वाले पाइप से मिलने वाले किसी शानदार अग्रणी मॉडल के मुकाबले बेहतर आर्थिक नतीजा दे सकता है। इसका मतलब यह नहीं कि प्रीमियम मॉडल हार गया। मतलब यह है कि बाजार वही सवाल पूछने लगा है जो वह आखिरकार हमेशा पूछता है, कि इस कीमत के बदले मुझे मिल क्या रहा है।
AI बूम का बदलता चरित्र
यहीं से AI बूम का मिजाज बदलने लगा है। पहला चरण था विस्मय का, कि देखो ये मॉडल क्या-क्या कर सकते हैं। दूसरा चरण था डर का, कि अगर हम पीछे रह गए तो क्या होगा। अगला चरण है हिसाब-किताब का, कि सिस्टम का मालिक कौन है, डेटा का मालिक कौन, वेट्स का मालिक कौन, ग्राहक के रिश्ते का मालिक कौन और मुनाफा किसके हाथ लगता है।
यह चक्र का वही हिस्सा है जहां नारों की परख बहीखातों की कसौटी पर होती है। पैलेंटिर का जवाब एनवीडिया के साथ एक सॉवरेन तैनाती मॉडल को आगे बढ़ाना है, जिसमें ग्राहक कंप्यूट, मॉडल, डेटा और वेट्स पर नियंत्रण अपने पास रखता है, बजाय इसके कि किसी अग्रणी API के जरिए बुद्धिमत्ता को बस किराए पर ले। यह सिर्फ एक तकनीकी ढांचा नहीं, यह मूल्य किसके हाथ लगे वाले सवाल का एक अलग जवाब है।
अग्रणी लैब्स वैश्विक अर्थव्यवस्था की बुद्धिमत्ता की परत बनना चाहती हैं। पैलेंटिर का कहना है कि किसी भी गंभीर संस्था को इतनी आसानी से चाबियां नहीं सौंप देनी चाहिए।
असली दौड़ किसके बीच है
अग्रणी लैब्स ने सचमुच असाधारण क्षमता वाले उत्पाद बनाए हैं। वे धुआं नहीं बेच रहीं। लेकिन अकेली क्षमता अर्थशास्त्र का फैसला नहीं करती। कोई मॉडल शानदार होने के बावजूद बहुत महंगा हो सकता है। ताकतवर होने के बावजूद उस पर बाहरी नियंत्रण बहुत ज्यादा हो सकता है। वह किसी विभाग का वक्त बचा सकता है और साथ ही चुपके से लंबे समय का मूल्य उद्यम से बाहर खिसका सकता है।
यही इस कहानी का असहज पहलू है। AI की असली दौड़ शायद ओपनएआई, एंथ्रोपिक, गूगल, मेटा, डीपसीक और बाकियों के बीच नहीं है। यह शायद उन कंपनियों के बीच है जो AI का इस्तेमाल अपनी संस्थागत बुद्धिमत्ता को कई गुना करने में करती हैं, और उन कंपनियों के बीच जो AI के जरिए किसी और पर अपनी निर्भरता बढ़ाती जाती हैं।
यह फर्क पहली तिमाही में नजर नहीं आएगा। यह शायद सालों बाद ही साफ होगा, जब एक कंपनी के पास पूरी फैक्ट्री होगी और दूसरी अब भी मशीन में सिक्के डाल रही होगी। कार्प चीन की प्रगति को कम आंकने के खिलाफ पहले भी चेता चुके हैं, और ये उदाहरण इस रुझान को हमारी आंखों के सामने साकार होते दिखा रहे हैं।
