कृत्रिम बुद्धिमत्ता डेटा की त्रुटियों को सुधारने के बजाय उन्हें बढ़ा देती है
16 नवम्बर 2026 · 2 मिनट पठन
इन भाषाओं में भी प्रकाशित 한국어, 中文, Deutsch, Français, Italiano, Nederlands, Svenska, עברית, Indonesia
डेटा विशेषज्ञों के बीच यह चिंता बढ़ रही है कि कृत्रिम बुद्धिमत्ता डेटा की समस्याओं को ठीक नहीं करती, बल्कि उन्हें और अधिक बढ़ा देती है। Precisely और Drexel विश्वविद्यालय के LeBow College of Business द्वारा 565 डेटा पेशेवरों के बीच किए गए एक सर्वेक्षण के अनुसार, 88 प्रतिशत डेटा लीडर खुद को कृत्रिम बुद्धिमत्ता के लिए तैयार बताते हैं, लेकिन उनमें से 43 प्रतिशत स्वीकार करते हैं कि उनका डेटा वर्तमान में एक बाधा है।
वर्ष 2024 के आंकड़ों के अनुसार, केवल 12 प्रतिशत लोगों ने माना कि उनके डेटा में कृत्रिम बुद्धिमत्ता के लिए पर्याप्त गुणवत्ता और पहुंच थी, जबकि 67 प्रतिशत लोग निर्णय लेने के लिए अपने स्वयं के डेटा पर पूरी तरह भरोसा नहीं करते थे। जनवरी 2026 के अध्ययन से पता चलता है कि हालांकि आशावाद बढ़ा है, लेकिन तैयारी और विश्वास के बीच का अंतर बना हुआ है।
विशेषज्ञों का तर्क है कि दोषपूर्ण डेटा के साथ स्वचालित प्रक्रियाएं त्रुटियों को बड़े पैमाने पर फैलाती हैं। जहां एक इंसान त्रुटियों की समीक्षा और सुधार करता है, वहीं कृत्रिम बुद्धिमत्ता मॉडल त्रुटियों को सीखकर उन्हें प्रति सेकंड हजारों बार लागू कर सकते हैं। जब कृत्रिम बुद्धिमत्ता एजेंट केवल सिफारिश करने के बजाय सीधे कार्य निष्पादित करते हैं, तो त्रुटियां रिपोर्ट से निकलकर सीधे संचालन में चली जाती हैं।
Gartner के अनुसार, 63 प्रतिशत संगठनों के पास कृत्रिम बुद्धिमत्ता के लिए उचित डेटा प्रबंधन प्रथाएं नहीं हैं या उन्हें इसकी जानकारी नहीं है। यह अनुमान लगाया गया है कि 2026 के अंत तक, कंपनियां उन 60 प्रतिशत कृत्रिम बुद्धिमत्ता परियोजनाओं को छोड़ देंगी जो तैयार डेटा द्वारा समर्थित नहीं हैं, भले ही उन्होंने जनरेटिव और एजेंटिक कृत्रिम बुद्धिमत्ता में भारी निवेश किया हो।
डेटा लीडरों ने मॉडल के बजाय डेटा गवर्नेंस, प्रशिक्षण और अनुमान के लिए डेटा की गुणवत्ता, संदर्भ की कमी, गोपनीयता और पूर्वाग्रहों को रोकने के लिए पर्याप्त डेटा की कमी को मुख्य बाधाओं के रूप में पहचाना है। इसके विपरीत, LeBow के 2026 के अध्ययन के अनुसार, औपचारिक डेटा गवर्नेंस कार्यक्रम वाले 71 प्रतिशत संगठनों में अपने डेटा पर उच्च विश्वास है, जबकि बिना कार्यक्रम वाले संगठनों में यह केवल 50 प्रतिशत है। ऐसे संगठनों में से 32 प्रतिशत को 6 से 11 महीनों के भीतर सकारात्मक रिटर्न की उम्मीद है।
यूरोपीय कृत्रिम बुद्धिमत्ता विनियमन भी उच्च जोखिम वाले सिस्टम, जैसे ऋण अनुदान या कर्मियों के चयन के लिए डेटा गवर्नेंस और गुणवत्ता प्रथाओं की मांग करता है। Precisely का Data Integrity Suite जैसे प्लेटफॉर्म अब प्राकृतिक भाषा अनुरोधों के माध्यम से डेटा गवर्नेंस की अनुमति देते हैं, जहां कृत्रिम बुद्धिमत्ता एजेंट मानवीय अनुमोदन के साथ व्यक्तिगत डेटा की पहचान और गुणवत्ता नियमों का प्रस्ताव कर सकते हैं।