कल्पना कीजिए कि आप एक विशाल, अदृश्य खेल के रेफरी हैं जो व्यापार और स्कूलों की दुनिया में खेला जा रहा है। इस खेल में, खिलाड़ी (जैसे पर्यावरण के अनुकूल बनने की कोशिश करने वाली कंपनियाँ या कॉलेज में प्रवेश पाने की कोशिश करने वाले छात्र) अपने प्रदर्शन को सुधारने के लिए छिपे हुए कार्य करते हैं। एक रेफरी (जैसे कि कोई रेटिंग एजेंसी या टेस्ट स्कोरर) खिलाड़ी के प्रयास का एक शोर भरा संकेत (noisy clue) देखता है, लेकिन वास्तविक दर्शक (निवेशक या विश्वविद्यालय) केवल रेफरी का अंतिम स्कोर देखते हैं। पेचीदा बात यह है कि खिलाड़ी चतुर हैं; वे जानते हैं कि रेफरी के नियम क्या हैं और वे उच्च स्कोर प्राप्त करने के लिए वास्तविक अच्छा काम करने के बजाय केवल दिखावा करने या सिस्टम को "गेम" करने की कोशिश कर सकते हैं। यह सूचना डिज़ाइन (information design) और नैतिक जोखिम (moral hazard) की दुनिया है। "नैतिक जोखिम" बस एक फैंसी तरीका है यह कहने का कि "लोग ढिलाई बरत सकते हैं या धोखाधड़ी कर सकते हैं यदि उन्हें लगता है कि वे पकड़े नहीं जाएंगे," जबकि "सूचना डिज़ाइन" यह तय करने की कला है कि सबको निष्पक्ष खेलने के लिए कितनी सच्चाई प्रकट करनी चाहिए। बड़ा सवाल यह है: क्या रेफरी को प्रदर्शन का हर एक विवरण दिखाना चाहिए, या खिलाड़ियों को प्रेरित रखने के लिए कुछ हिस्सों को छिपा लेना चाहिए?

यह शोध पत्र, जिसका शीर्षक "ऑप्टिमल रेटिंग डिज़ाइन अंडर मोरल हेज़र्ड" (Optimal Rating Design under Moral Hazard) है, इसी प्रश्न की गहराई में जाता है। इसके लेखक, मैरीयम साएदी और अली शोराइड, मास्टर गेम डिज़ाइनर की तरह यह पता लगाने की कोशिश करते हैं कि रेटिंग सिस्टम के लिए एकदम सही नियम पुस्तिका क्या होनी चाहिए। वे खोजते हैं कि इसका कोई एक-आकार-सभी-के-लिए-उपयुक्त (one-size-fits-all) उत्तर नहीं है। कभी-कभी, सब कुछ दिखाना सबसे अच्छा होता है। लेकिन अक्सर, सबसे समझदारी भरा कदम जानकारी को सेंसर (censor) करना होता है—यानी, जानबूझकर कुछ परिणामों के बीच की रेखाओं को धुंधला करना। वे पाते हैं कि सेंसर करने का सबसे अच्छा तरीका पूरी तरह से इस बात पर निर्भर करता है कि खिलाड़ी का प्रयास सफलता की संभावनाओं को कैसे बदलता है। यदि अधिक प्रयास करने से "होम रन" की संभावना बढ़ती है लेकिन साथ ही "स्ट्राइकआउट" की संभावना भी बढ़ जाती है, तो सबसे अच्छा रेटिंग सिस्टम खराब परिणामों को छिपा देगा (कम सेंसरशिप)। इसके विपरीत, यदि अधिक प्रयास करने से परिणाम केवल अधिक सुसंगत और कम जोखिम भरे हो जाते हैं, तो सबसे अच्छा सिस्टम शानदार परिणामों को छिपा देगा (उच्च सेंसरशिप)। वे यह भी दिखाते हैं कि जटिल स्थितियों में जहाँ खिलाड़ी बिना वास्तविक काम किए उच्च स्कोर पाने के लिए दिखावा कर सकते हैं (जिसे "विंडो ड्रेसिंग" कहा जाता है), वहाँ रेफरी को कभी-कभी बीच के स्कोर को पूरी तरह से छिपा देना चाहिए ताकि धोखेबाजों को रोका जा सके।

छिपे हुए प्रयास और शोर भरे संकेतों का खेल

इस शोध पत्र को समझने के लिए, आइए एक सरल कहानी से शुरुआत करें। कल्पना कीजिए कि एक बेकर (ब्रेड बनाने वाला) है जो शहर की सबसे अच्छी ब्रेड बेचना चाहता है। बेकर या तो कड़ी मेहनत कर सकता है (प्रीमियम आटा उपयोग करना और घंटों तक गूंथना) या शॉर्टकट ले सकता है (सस्ता आटा और मशीन का उपयोग करना)। शहर के ग्राहक (बाजार) बेहतरीन ब्रेड चाहते हैं, लेकिन वे बेकर के हाथों को नहीं देख सकते; वे केवल अंतिम लोफ (loaf) का स्वाद ले सकते हैं। एक रेटिंग एजेंसी (मध्यस्थ) बेकर को देखती है और एक "संकेत" देखती है—शायद रसोई की खुशबू या क्रस्ट का रंग। यह संकेत शोर भरा (noisy) है; एक अच्छी खुशबू का मतलब यह गारंटी नहीं है कि ब्रेड बेहतरीन ही होगी, और एक बुरी खुशबू का मतलब यह गारंटी नहीं है कि ब्रेड खराब ही होगी।

रेटिंग एजेंसी के पास एक विकल्प है: ग्राहकों को ठीक-ठीक बताना कि संकेत क्या कहता है, या उन्हें "अच्छा," "ठीक," या "बुरा" जैसा एक अस्पष्ट सारांश देना। बेकर एजेंसी के नियमों को जानता है। यदि एजेंसी बहुत सख्त है, तो बेकर हार मान सकता है। यदि एजेंसी बहुत उदार है, तो बेकर कड़ी मेहनत करना बंद कर सकता है और केवल अच्छा दिखने की कोशिश कर सकता है। एजेंसी एक ऐसा रेटिंग सिस्टम डिज़ाइन करना चाहती है जो बेकर को यथासंभव कड़ी मेहनत करने के लिए प्रेरित करे, या शायद गरीब बेकरों को जीवित रहने में मदद करे, या बेकरों को "अच्छा" रेटिंग पाने के लिए दिखावा करने से रोके।

शोध पत्र का मुख्य पैंतरा यह समझना है कि रेटिंग सिस्टम केवल एक स्कोर नहीं देता; यह बेकर के प्रयास के लिए एक कीमत (price) निर्धारित करता है। यदि रेटिंग "अच्छा" है, तो बेकर को अपनी ब्रेड के लिए उच्च कीमत मिलती है। यदि यह "बुरा" है, तो उसे कम कीमत मिलती है। बेकर यह तय करता है कि वह कितनी मेहनत करेगा इस आधार पर कि वह अधिक प्रयास करने से कितना अतिरिक्त पैसा कमाने की उम्मीद करता है। लेखक एक चतुर अवधारणा पेश करते हैं जिसे इंटरिम प्राइसेस (interim prices) कहा जाता है। इसे बेकर के "अनुमानित विश्वास" के रूप में सोचें। अंतिम रेटिंग आने से पहले, बेकर सोचता है, "यदि मुझे एक अच्छी खुशबू आती है, तो ग्राहक अंततः मेरे बारे में क्या सोचेंगे?" शोध पत्र सिद्ध करता है कि यदि रेटिंग सिस्टम निष्पक्ष है (अर्थात उच्च खुशबू हमेशा उच्च अपेक्षित कीमतों की ओर ले जाती है), तो संभावित रेटिंग सिस्टम उन प्रणालियों तक सीमित है जो कच्चे संकेतों के उतार-चढ़ाव को "स्मूथ" (smooth out) करती हैं। आप एक ऐसा रेटिंग सिस्टम नहीं बना सकते जो कच्चे संकेतों की तुलना में कीमतों को अधिक नाटकीय रूप से बदल दे; आप केवल उन्हें औसत (average) कर सकते हैं।

सच्चाई को छिपाने का जादू

इस शोध पत्र का सबसे रोमांचक हिस्सा यह है कि यह इस प्रश्न का उत्तर कैसे देता है: "हमें सच्चाई कब छिपानी चाहिए?" लेखक पाते हैं कि उत्तर इस बात पर निर्भर करता है कि बेकर का प्रयास परिणामों के स्वरूप को कैसे बदलता है। वे तीन मुख्य परिदृश्यों की पहचान करते हैं, जिन्हें वे MLRP, ELRP, और CLRP कहते हैं।

1. मानक मामला (MLRP): सब कुछ दिखाएं!
क्लासिक पाठ्यपुस्तक की दुनिया में, यदि बेकर कड़ी मेहनत करता है, तो ब्रेड बस हर स्तर पर बेहतर हो जाती है। एक मेहनती बेकर के लिए हमेशा एक शानदार लोफ होने की संभावना अधिक होती है और एक खराब लोफ होने की संभावना कम होती है, चाहे आप कहीं भी देखें। शोध पत्र पुष्टि करता है कि इस साधारण, अनुमानित दुनिया में, सबसे अच्छा रेटिंग सिस्टम पूर्ण प्रकटीकरण (full disclosure) है। आपको ग्राहकों को सब कुछ बताना चाहिए। क्यों? क्योंकि यदि आप खराब ब्रेड को छिपाते हैं, तो आप अनजाने में यह भी छिपा सकते हैं कि बेकर वास्तव में कड़ी मेहनत कर रहा है। यदि आप अच्छी ब्रेड को छिपाते हैं, तो आप उनके प्रयास के लिए इनाम छीन लेते हैं। इसलिए, इस मानक मामले में, पारदर्शिता ही सर्वोपरि है।

2. जोखिम भरा नवाचारकर्ता (ELRP): आपदाओं को छिपाएं!
अब, कल्पना कीजिए कि बेकर एक नवाचारकर्ता (innovator) है। वह एक नए, अनोखे नुस्खे (recipe) को आज़मा रहा है। यदि वह कड़ी मेहनत करता है, तो वह एक महान, विश्व प्रसिद्ध ब्रेड बना सकता है (एक बड़ी जीत), लेकिन वह पूरा बैच जला भी सकता है (एक बड़ी आपदा)। यदि वह प्रयास नहीं करता है, तो उसे केवल एक औसत लोफ मिलेगी। यहाँ, कड़ी मेहनत करने से "पूंछ" (tails) का विस्तार होता है: यह सबसे अच्छे परिणामों को और सबसे खराब परिणामों को भी अधिक संभावित बनाता है। यह एक्सपैंडिंग लाइकलीहुड रेश्यो प्रॉपर्टी (ELRP) है।

शोध पत्र सुझाव देता है कि इस मामले में, सबसे अच्छा रेटिंग सिस्टम लोअर सेंसरशिप (lower censorship) है। इसका अर्थ है कि एजेंसी को वास्तव में खराब परिणामों को छिपा देना चाहिए। यदि बेकर ब्रेड जला देता है, तो एजेंसी को बस यह कहना चाहिए, "खैर, यह बहुत अच्छी नहीं है," लेकिन उस विशिष्ट आपदा को प्रकट नहीं करना चाहिए। क्यों? क्योंकि यदि बेकर को पता चलता है कि पूर्ण विफलता के लिए सार्वजनिक रूप रूप से शर्मिंदा किया जाएगा, तो वह उस जोखिम भरी नई रेसिपी को आज़माने से डर सकता है। खराब परिणामों को एक साथ मिलाकर उन्हें एक "सुरक्षित" औसत रेटिंग देने से, एजेंसी बेकर को नुकसान के जोखिम से सुरक्षा प्रदान करती है। यह बेकर को जोखिम लेने और कड़ी मेहनत करने के लिए प्रोत्साहित करता है, इस उम्मीद में कि वह महान ब्रेड बना सकेगा। यह एक माता-पिता की तरह है जो बच्चे से कहता है, "यदि तुम यह रॉकेट बनाने की कोशिश करते हो और यह फट जाता है, तो हम बस कहेंगे कि यह एक सीखने का अनुभव था," ताकि बच्चा फ्यूज जलाने से न डरे।

3. सतर्क रक्षक (CLRP): चमत्कारों को छिपाएं!
दूसरी ओर, एक ऐसे बेकर की कल्पना करें जो बस यह सुनिश्चित करना चाहता है कि ब्रेड सुसंगत (consistent) रहे। यदि वह कड़ी मेहनत करता है, तो वह गलतियाँ करना बंद कर देता है। वह अधिक महान लोफ नहीं बनाता, लेकिन वह जली हुई ब्रेड बनाना बंद कर देता है। कड़ी मेहनत वितरण को बीच की ओर संकुचित (compress) करती है। यह कंप्रेसिंग लाइकलीहुड रेश्यो प्रॉपर्टी (CLRP) है।

यहाँ, शोध पत्र अपर सेंसरशिप (upper censorship) के लिए तर्क देता है। एजेंसी को वास्तव में बहुत अच्छी परिणामों को छिपा देना चाहिए। यदि बेकर गलती से एक आदर्श लोफ बना देता है, तो एजेंसी को बस यह कहना चाहिए कि "यह अच्छी है," बिना यह बताए कि यह एक चमत्कार था। क्यों? क्योंकि यदि बेकर को पता चलता है कि एक आदर्श लोफ के लिए भारी इनाम मिलेगा, तो वह शॉर्टकट लेने और भाग्य के भरोसे रहने के लिए प्रलोभित हो सकता है। लेकिन यदि एजेंसी शीर्ष पुरस्कारों को छिपा देती है, तो बेकर को एहसास होता है कि "अच्छा" रेटिंग पाने का एकमात्र तरीका सुसंगत होना और "खराब" रेटिंग से बचना है। शीर्ष स्कोर को छिपाकर, एजेंसी बेकर को निष्क्रियता या असंगति के लिए दंडित करती है, क्योंकि यदि वे निष्क्रिय हैं, तो वे गलती से एक खराब लोफ बना सकते हैं, और उस खराब लोफ को प्रकट किया जाएगा और दंडित किया जाएगा। यह एक शिक्षक की तरह है जो "A+" को छिपा देता है लेकिन "F" को दिखाता है, जिससे छात्र भाग्यशाली ब्रेक की उम्मीद करने के बजाय असफल न होने पर ध्यान केंद्रित करते हैं।

विंडो ड्रेसिंग का जाल

शोध पत्र एक चालाक समस्या को भी संबोधित करता है: विंडो ड्रेसिंग (window dressing)। यह तब होता है जब एक खिलाड़ी कुछ ऐसा कर सकता है जो रेटिंग में अच्छा दिखता है लेकिन वास्तव में बाजार की मदद नहीं करता है। उदाहरण के लिए, एक कंपनी अपने ESG स्कोर को शानदार दिखाने के लिए एक तड़क भड़क वाला विज्ञापन अभियान (विंडो ड्रेसिंग) चला सकती है, जबकि वास्तविक पर्यावरणीय नुकसान को अनदेखा कर सकती है। या एक छात्र बिना सामग्री सीखे परीक्षा के उत्तर याद कर सकता है।

लेखक पाते हैं कि भले ही रेटिंग सिस्टम प्रयास को मापने में पूर्ण हो, फिर भी यह गलत हो सकता है यदि खिलाड़ी "नकली संकेत" (fake signal) बना सकता है। वे एक नियम पेश करते हैं जिसे मोनोटोन रिलेटिव इन्फॉर्मेटिवनेस (MRIP) कहा जाता है। यह एक फैंसी तरीका है यह कहने का कि: "क्या उच्च स्कोर का मतलब है कि खिलाड़ी ने वास्तविक काम किया है, या केवल नकली काम किया है?"

यदि उच्च स्कोर हमेशा नकली काम से आने की अधिक संभावना रखते हैं, तो सबसे अच्छा रेटिंग सिस्टम अपर सेंसरशिप (उच्च स्कोर छिपाना) है। यह धोखेबाज को उनके छल के लिए बड़ा इनाम पाने से रोकता है। यदि उच्च स्कोर हमेशा वास्तविक काम से आने की अधिक संभावना रखते हैं, तो सबसे अच्छा सिस्टम लोअर सेंसरशिप (कम स्कोर छिपाना) है ताकि वास्तविक कार्यकर्ता को प्रोत्साहित किया जा सके। यहाँ मुख्य अंतर्दृष्टि यह है कि आपको पूरे सिस्टम को बदलने की आवश्यकता नहीं है; आपको बस स्कोर के उस विशिष्ट हिस्से को सेंसर करने की आवश्यकता है जिसमें धोखेबाज कुशल हैं। यह एक शिक्षक की तरह है जो महसूस करता है कि एक छात्र बहुविकल्पीय प्रश्नों (multiple-choice) का अनुमान लगाने में अच्छा है लेकिन निबंध लिखने में बुरा है। शिक्षक बहुविकल्पीय स्कोर को छिपाने और केवल निबंध स्कोर दिखाने का निर्णय ले सकता है ताकि छात्र के ज्ञान की सच्ची तस्वीर मिल सके।

मध्य मार्ग: पुनर्वितरण परीक्षण (Redistributive Tests)

अंत में, शोध पत्र एक अलग लक्ष्य को देखता है: पुनर्वितरण (redistribution)। कल्पना कीजिए कि एक स्कूल प्रणाली है जो वंचित छात्रों की मदद करना चाहती है। स्कूल जानता है कि कुछ छात्रों के लिए चीजें कठिन होती हैं (शायद उनके पास अध्ययन के लिए शांत जगह नहीं है), इसलिए उन्हें समान स्कोर प्राप्त करने के लिए दोगुनी मेहनत करनी पड़ती है। स्कूल एक ऐसा परीक्षण डिजाइन करना चाहता है जो सभी को प्रयास करने के लिए प्रोत्साहित करे, लेकिन साथ ही संघर्ष कर रहे छात्रों को बढ़ावा भी दे।

लेखक पाते हैं कि इस मामले में, अनुकूल परीक्षण में मिड-सेंसरशिप (mid-censorship) का उपयोग हो सकता है। यह एक अजीब मध्य मार्ग है जहाँ परीक्षण बीच के स्कोर को छिपा देता है लेकिन बहुत उच्च और बहुत निम्न स्कोर को प्रकट करता है। क्यों? क्योंकि यदि आप बीच के हिस्से को छिपा देते हैं, तो आप संघर्ष कर रहे छात्रों को एक "औसत" स्कोर से हतोत्साहित होने से रोकते हैं जो उनकी कड़ी मेहनत को प्रतिबिंबित नहीं करता है। साथ ही, आप शीर्ष प्रदर्शन करने वालों को पुरस्कृत करने के लिए उच्च स्कोर को दृश्यमान रखते हैं और निम्न स्कोर को दृश्यमान रखते हैं ताकि सभी को प्रेरित रखा जा सके। यह एक संतुलन है: आप "ठीक-ठाक" परिणामों को मिलाने के लिए उन्हें जोड़ देते हैं ताकि दयालुता दिखाई जा सके, लेकिन आप चरम सीमाओं को तीव्र रखते हैं ताकि सर्वश्रेष्ठ करने के प्रोत्साहन को बनाए रखा जा सके।

व्यापक चित्र

शोध पत्र निष्कर्ष निकालता है कि कोई एक "सर्वश्रेष्ठ" रेटिंग सिस्टम नहीं है। पूर्ण डिज़ाइन पूरी तरह से उस काम की प्रकृति पर निर्भर करता है जिसका मूल्यांकन किया जा रहा है।

• यदि काम नियमित और अनुमानित है, तो सब कुछ दिखाएं।
• यदि काम जोखिम भरा और अभिनव है, तो साहस को प्रोत्साहित करने के लिए विफलताओं को छिपाएं।
• यदि काम निरंतरता और सुरक्षा के बारे में है, तो निष्क्रियता को रोकने के लिए चमत्कारों को छिपाएं।
• यदि इसमें धोखाधड़ी (faking) शामिल है, तो उन स्कोर को छिपाएं जिन्हें धोखेबाज हेरफेर कर सकते हैं।
• यदि लक्ष्य निष्पक्षता है, तो कमजोरों की रक्षा के लिए मध्य भाग को छिपाएं।

लेखक इन परिणामों को गणितीय रूप से सिद्ध करते हैं, यह दिखाते हुए कि ये "सेंसरशिप" रणनीतियाँ केवल अनुमान नहीं हैं बल्कि जटिल समीकरणों से प्राप्त अनुकूल समाधान हैं। वे दिखाते हैं कि सबसे अच्छे रेटिंग सिस्टम अक्सर सरल, नियत नियम होते हैं: "यदि स्कोर X से नीचे है, तो 'बुरा' कहें; यदि यह X और Y के बीच है, तो 'औसत' कहें; यदि यह Y से ऊपर है, तो 'अच्छा' कहें।" लेकिन जादू यह है कि आप उन रेखाओं को कहाँ खींचते हैं। यह समझकर कि प्रयास सफलता की संभावनाओं को कैसे बदलता है, हम ऐसे रेटिंग सिस्टम डिज़ाइन कर सकते हैं जो केवल प्रदर्शन को मापते ही नहीं, बल्कि वास्तव में बेहतर प्रदर्शन बनाते हैं।

दुनिया में रेटिंग्स से भरी इस दुनिया में—Amazon समीक्षाओं से लेकर कॉलेज प्रवेश और ESG स्कोर तक—यह शोध पत्र नियामकों और डिजाइनरों के लिए एक टूलकिट प्रदान करता है। यह सुझाव देता है कि जब हम एक ऐसी रेटिंग प्रणाली देखते हैं जो सच्चाई को छिपाती हुई प्रतीत होती है, तो यह कोई गलती या साजिश नहीं हो सकती। यह सबसे स्मार्ट संभव निर्णय हो सकता है।