When the Interviewer Is a Bot: Behavior, Breakdowns, and Trust in MLLM-Led Interviews

मशीन में साक्षात्कारकर्ता

कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि लोग कैसे सोचते हैं, महसूस करते हैं या समस्याओं को हल करते हैं। दशकों से, वैज्ञानिक लोगों के साथ बैठकर उनसे "अर्ध-संरचित" (semi-structured) तरीके से सवाल पूछकर ऐसा करते आए हैं। इसे एक निर्देशित पदयात्रा (guided hike) की तरह समझें: शोधकर्ता के पास एक मानचित्र है (विषयों की एक रूपरेखा जिसे कवर करना है), लेकिन वे उस रास्ते से हटकर उन दिलचस्प रास्तों का भी अनुसरण कर सकते हैं जिन्हें हाइकर (पैदल यात्री) दिखाता है। यह विधि इसलिए शक्तिशाली है क्योंकि यह लचीली है, लेकिन यह थका देने वाली भी है। एक इंसान के लिए बहुत अधिक समय और ऊर्जा लगती है ताकि वह सुन सके, सही फॉलो-अप प्रश्न पूछ सके और बातचीत को स्वाभाविक रूप से बहने दे सके।

हाल ही में, एक नया उपकरण दृश्य में आया है: लार्ज मल्टीमॉडल मॉडल (MLLM)। आप इन्हें उन सुपर-स्मार्ट एआई चैटबॉट्स के रूप में जान सकते हैं जो बात कर सकते हैं, सुन सकते हैं और देख सकते हैं। वैज्ञानिकों ने सोचा: "क्या हम एआई को ही इंटरव्यू लेने दे सकते हैं?" यह दक्षता के लिए एक सपने के सच होने जैसा लगता है। लेकिन इसमें एक पेंच है। साक्षात्कार केवल डेटा निकालना नहीं है; ये विश्वास, आंखों के संपर्क और इस भावना पर बने सामाजिक नृत्य हैं कि कोई वास्तव में सुन रहा है। यदि हम इंसान को हटाकर एक बॉट रख देते हैं, तो क्या वह नृत्य अभी भी काम करेगा? या क्या संगीत रुक जाएगा? यह शोध पत्र ठीक इसी सवाल की जांच करता है, कि जब एक रोबोट वास्तविक बातचीत का नेतृत्व करता है तो क्या होता है।

---

वह बॉट जिसने इंसान बनने की कोशिश की

शोधकर्ताओं की एक टीम ने इंटरव्यूबॉट (InterviewBot) नामक एक प्रणाली बनाई ताकि यह पता लगाया जा सके कि जब एक एआई वास्तविक समय में, वॉयस-आधारित साक्षात्कार आयोजित करता है तो वास्तव में क्या होता है। उन्होंने कोई नया फैंसी रोबोटिक दिमाग नहीं बनाया; इसके बजाय, उन्होंने एक शक्तिशाली, तैयार (off-the-shelf) एआई मॉडल लिया और उसे एक सरल इंटरफ़ेस में लपेटा जिससे वे उसे विषयों की एक सूची दे सकें। वे यह देखना चाहते थे कि यह "डिफ़ॉल्ट" एआई अपने आप को छोड़ने पर कैसा व्यवहार करता है, जब वह 15 वास्तविक लोगों के लिए साक्षात्कारकर्ता की भूमिका निभा रहा हो।

सेटअप सरल था: एक प्रतिभागी बैठा, और इंटरव्यूबॉट ने उनसे एआई टूल्स के उनके अनुभवों के बारे में सवाल पूछे। बॉट के खत्म होने के बाद, एक मानव शोधकर्ता वापस आया और उसने प्रतिभागी से पूछा, "तो, आपको कैसा लगा?"

परिणाम आश्चर्यजनक गड़बड़ियों और मशीनों पर हमारे विश्वास के बारे में कुछ गहरी अंतर्दृष्टि का मिश्रण थे। यहाँ बताया गया है कि शोधकर्ताओं ने क्या खोजा।

बॉट की "बुरी आदतें"

जब शोधकर्ताओं ने बॉट के बातचीत के दौरों (उन विशिष्ट क्षणों को जब वह बोला) का विश्लेषण किया, तो उन्होंने पाया कि एआई के कुछ विशिष्ट स्वभाव थे।

सबसे पहले, बॉट सिर हिलाने (nodding) में बहुत अच्छा था लेकिन गहराई तक जाने में बहुत खराब था। यह "स्वीकृति-प्रधान लेकिन जांच-रहित" (acknowledgment-heavy but probe-light) था। बॉट द्वारा किए गए हर टर्न में से, उसने बहुत अधिक समय ऐसी बातें कहने में बिताया जैसे "यह दिलचस्प है" या "मैं समझता हूँ।" हालाँकि, जब बारी आई गहरे, फॉलो-अप प्रश्न पूछने की ताकि अधिक विवरण प्राप्त किया जा सके, तो उसने शायद ही कभी ऐसा किया। इसके टर्न्स में से केवल 4.9% ही गहरे प्रोब (गहन प्रश्न) थे। यह उस दोस्त की तरह था जो आपकी हर बात पर "वाह!" तो कहता है लेकिन कभी नहीं पूछता कि "क्यों?" या "और बताओ?"

दूसरा, बॉट को बातचीत के सबसे बुनियादी नियम को समझने में कठिनाई हुई: एक बार में एक प्रश्न। भले ही शोधकर्ताओं ने स्पष्ट रूप से बॉट को कहा था, "एक बार में एक ही प्रश्न पूछें," बॉट ने उन टर्न्स में से 28.7% में इस निर्देश को अनदेखा कर दिया जहाँ उसने प्रश्न पूछे। वह एक ही वाक्य में दो या तीन प्रश्न पैक कर देता था। परिणाम? प्रतिभागी अक्सर भ्रमित हो जाते थे और केवल पहले भाग का उत्तर देते थे, जिससे बाकी का डेटा छूट जाता था।

तीसरा, सिस्टम में कुछ तकनीकी खामियां थीं। शोधकर्ताओं ने देखा कि साक्षात्कार मुख्य रूप से चार तरीकों से टूटता था:

1. सूचना की हानि (Information Loss): क्योंकि बॉट एक साथ बहुत सारे प्रश्न पूछता था, लोग प्रॉम्प्ट के हिस्सों को मिस कर देते थे।
2. समय से पहले समाप्ति (Premature Termination): एक मामले में, बॉट तब चुप हो गया जब प्रतिभागी अभी भी अपने विचार के बीच में ही था।
3. विलंबता (Latency): कभी-कभी बॉट जवाब देने में इतना समय लेता था कि लोगों को लगता था कि वह क्रैश हो गया है या उन्हें भूल गया है।
4. व्यवधान (Interruption): बॉट ने लोगों को बीच में टोकने (एक फीचर जिसे "बर्ज-इन" कहा जाता है) की अनुमति देने की कोशिश की, लेकिन तकनीक पूरी तरह से सही नहीं थी। लोगों को बोलने देने के बजाय, बॉट अक्सर उन्हें बीच में ही काट देता था, जिससे बातचीत झटकेदार और असभ्य महसूस होती थी।

लोग कैसा महसूस करते थे: कमरे में मौजूद "भूत" (The Ghost in the Room)

अध्ययन का सबसे दिलचस्प हिस्सा बॉट की गलतियाँ नहीं थीं, बल्कि यह था कि इंसान उन पर कैसी प्रतिक्रिया देते थे। शोधकर्ताओं ने पाया कि रोबोट द्वारा साक्षात्कार लिए जाने के बारे में लोगों की भावनाओं में तीन बड़े विषय थे।

1. "सुरक्षित स्थान" बनाम "उथली बातचीत" का विरोधाभास
कुछ प्रतिभागियों को बॉट के साथ बात करने में आश्चर्यजनक रूप से सहजता महसूस हुई। क्योंकि वहाँ कोई इंसान उन्हें देख नहीं रहा था, न ही उनके लहजे या उनके विचारों का न्याय कर रहा था, इसलिए उन्हें कम दबाव महसूस हुआ। एक व्यक्ति ने कहा, "यह भ्रमित नहीं हुआ... इसने मेरी बात बहुत जल्दी स्पष्ट कर दी।" इस निर्णय-मुक्त वातावरण ने उन्हें सुरक्षित महसूस कराया।

हालाँकि, इसका एक दूसरा पहलू भी था। क्योंकि उन्हें किसी इंसान को प्रभावित करने के लिए सामाजिक दबाव महसूस नहीं हुआ, इसलिए उन्हें अपने विचारों को गहराई से समझाने के लिए प्रयास करने की आवश्यकता भी महसूस नहीं हुई। एक प्रतिभागी ने स्वीकार किया, "मुझे अपने सभी उत्तरों में गहराई तक जाने की आवश्यकता महसूस नहीं हुई।" बॉट ने एक ऐसा स्थान बनाया जहाँ बात शुरू करना आसान था, लेकिन गहराई तक जाना कठिन था। यह एक दर्पण से बात करने जैसा था: आप कुछ भी कह सकते हैं, लेकिन दर्पण आपको कुछ अधिक कहने के लिए प्रेरित नहीं करता है।

2. "संस्था" पर विश्वास, न कि "आवाज़" पर
जब लोगों ने यह तय किया कि साक्षात्कार निष्पक्ष या वैध था या नहीं, तो उन्होंने यह नहीं देखा कि बॉट कितनी अच्छी तरह बोलता है। उन्होंने यह देखा कि बॉट किसका प्रतिनिधित्व करता है। यदि बॉट का उपयोग एक मानकीकृत कार्य (जैसे एक त्वरित सर्वेक्षण) के लिए किया जा रहा था, तो लोगों को यह ठीक लगा। लेकिन यदि ऐसा लगा कि संगठन बॉट का उपयोग इसलिए कर रहा है क्योंकि वे उनसे बात करने के लिए बहुत व्यस्त थे, तो लोगों ने अपमानित महसूस किया।

एक प्रतिभागी ने कहा, "जब मैं एक एआई साक्षात्कार के बारे में सोचता हूँ, तो मुझे लगता है कि कंपनी के पास मुझसे बैठने का समय नहीं था।" बॉट केवल एक उपकरण नहीं था; यह एक संकेत था। यदि किसी कंपनी ने बॉट का उपयोग किया, तो यह संकेत था कि वे उस व्यक्ति में निवेश करने के लिए पर्याप्त समय नहीं देना चाहते थे। यह तब भी हुआ जब बॉट वास्तव में स्क्रिप्ट का पालन करने में काफी अच्छा था!

3. सुनना बनाम केवल सिर हिलाना
प्रतिभागी नकली सुनने (fake listening) को पकड़ने में बहुत तेज थे। बॉट ने "वाह, यह दिलचस्प है" या "मैं समझता हूँ" जैसे बहुत सारे सामान्य वाक्यांशों का उपयोग किया। प्रतिभागियों को यह पसंद नहीं आया। उन्होंने इसे "वाक्यांशों को दोहराना" कहा और इसे खोखला महसूस किया।

इसके बजाय, उन्हें वह बहुत पसंद आया जब बॉट ने वास्तव में उनके द्वारा कही गई बातों को पैराफ्रेस (Paraphrase/अपने शब्दों में कहना) किया। जब बॉट ने उनके विशिष्ट शब्दों को लिया और उन्हें इस तरह से फिर से लिखा जिससे यह पता चले कि वह सामग्री को समझता है, तो प्रतिभागियों को लगा कि उन्हें सुना गया है। यह स्पष्ट है कि एक रोबोट के लिए, "सक्रिय रूप से सुनना" (active listening) का अर्थ "मैं तुम्हारी भावना समझता हूँ" कहना नहीं है; इसका अर्थ तथ्यों को समझने का प्रमाण देना है।

मुख्य निष्कर्ष

अध्ययन यह निष्कर्ष निकालता है कि हालांकि एआई तकनीकी रूप से साक्षात्कार आयोजित कर सकता है, लेकिन यह पूरे सामाजिक तालमेल को बदल देता है। यह मानव साक्षात्कारकर्ता का केवल एक तेज़ संस्करण नहीं है; यह एक पूरी तरह से अलग तरह की अंतःक्रिया है।

शोधकर्ता सुझाव देते हैं कि यदि हम भविष्य में साक्षात्कारों के लिए एआई का उपयोग करना चाहते हैं, तो हम इसे बस बेतरतीब ढंग से नहीं छोड़ सकते। हमें ऐसे सिस्टम डिजाइन करने की आवश्यकता है जो:

• गहराई के लिए मजबूर करें: सुनिश्चित करें कि बॉट फॉलो-अप प्रश्न पूछे और केवल आगे न बढ़ जाए।
• पारदर्शी हों: स्पष्ट रूप से लोगों को बताएं कि बॉट का उपयोग क्यों किया जा रहा है ताकि वे उपेक्षित महसूस न करें।
• वास्तव में सुनें: बॉट को सारांश प्रस्तुत करने और पैराफ्रेस करने के लिए प्रोग्राम करें, न कि केवल "कूल" या "वाह" कहने के लिए।

अंततः, यह शोध पत्र सुझाव देता है कि एआई एक शक्तिशाली उपकरण है, लेकिन यह मानवीय जुड़ाव का जादुई विकल्प नहीं है। यदि हमें लोगों से समृद्ध, गहरी कहानियाँ चाहिए, तो हमें सावधान रहना होगा कि बॉट की दक्षता उस चीज़ को खत्म न कर दे जो एक बातचीत को मूल्यवान बनाती है: यह महसूस करना कि कोई वास्तव में सुन रहा है।