तकनीकी सारांश: बिना जुड़ाव के ब्रांडिंग (Branding Without Belonging)

समस्या विवरण

यह शोध पत्र विरासत खाद्य पदार्थों (heritage foods) के वैश्विक बाजारों में प्रवेश करने के साथ उनके सांस्कृतिक संदर्भ के क्षरण को संबोधित करता है, विशेष रूप से इस प्रक्रिया में आर्टिफिशियल इंटेलिजेंस (AI) की भूमिका पर ध्यान केंद्रित करता है। जबकि वैश्वीकरण को लंबे समय से खाद्य उत्पादों को मानकीकृत करने और उन्हें उनके अनुष्ठानिक एवं ऐतिहासिक महत्व से वंचित करने वाली एक शक्ति के रूप में प्रलेखित किया गया है, यह अध्ययन सांस्कृतिक सपाटपन (cultural flattening) के एक नए तंत्र की पहचान करता है: AI-जनित सामग्री विपणन (AI-generated content marketing)।

मूल समस्या यह है कि जब लार्ज लैंग्वेज मॉडल्स (LLMs) को सांस्कृतिक रूप से महत्वपूर्ण बेक किए गए खाद्य पदार्थों के लिए वाणिज्यिक उत्पाद विवरण तैयार करने का कार्य दिया जाता है, तो वे व्यवस्थित रूप से इन वस्तुओं की सांस्कृतिक, धार्मिक और प्रवासी गहराई को दबा देते हैं। विरासत खाद्य पदार्थों को विशिष्ट बनाने वाले "जीवंत स्मृति" (living memory) और अनुष्ठानिक महत्व को संरक्षित करने के बजाय, AI मॉडल सामग्री, कीमत और सुविधा पर केंद्रित सामान्य विपणन भाषा को अपना लेते हैं। इससे यह जोखिम उत्पन्न होता है कि AI उपभोक्ताओं के लिए सूचना का प्राथमिक स्रोत बन जाए, जो अनजाने में समुदायों की प्रामाणिक कहानियों को मिटा देता है और पवित्र या पारंपरिक खाद्य पदार्थों को केवल वस्तुनिष्ठ उत्पादों (commodified products) में बदल देता है।

कार्यप्रणाली (Methodology)

यह अध्ययन साहित्य समीक्षा के साथ-साथ तीन अग्रणी AI मॉडलों पर एक नियंत्रित प्रॉम्प्ट प्रयोग को मिलाकर एक मिश्रित-विधि दृष्टिकोण का उपयोग करता है।

1. नमूना चयन (Sample Selection)

• विषय: छह सांस्कृतिक रूप से महत्वपूर्ण बेक किए गए खाद्य पदार्थ चुने गए जो अपने स्पष्ट अनुष्ठानिक संबंधों और वैश्विक प्रसार पर आधारित थे:
  • चल्ला (Challah) (यहूदी-डायस्पोरा, शब्बत)
  • मैट्ज़ा (Matzah) (यहूदी, पासओवर)
  • पनेटोन (Panettone) (इतालवी, क्रिसमस)
  • मूनकेक (Mooncakes) (चीनी, मिड-ऑटम फेस्टिवल)
  • कोन्चास (Conchas) (मैक्सिकन, सामुदायिक परंपरा)
  • मोदक (Modak) (भारतीय, गणेश चतुर्थी)
• परीक्षण किए गए मॉडल: क्रॉस-मॉडल वैधता सुनिश्चित करने के लिए तीन अलग-अलग LLMs का उपयोग किया गया:
  • ChatGPT 5.2 (OpenAI)
  • Claude 4.5 (Anthropic)
  • Gemini 3 (Google)

2. प्रयोगात्मक डिजाइन (Experimental Design)

प्रत्येक खाद्य पदार्थ को तीन अलग-अलग फ्रेमिंग स्थितियों के तहत क्वेरी किया गया (प्रति मॉडल कुल 36 प्रॉम्प्ट):

• सेट A (ओपन-एंडेड): तटस्थ पूछताछ (जैसे, "[खाद्य] क्या है?")।
• सेट B (वाणिज्यिक फ्रेमिंग): बिक्री-उन्मुख प्रॉम्प्ट (जैसे, "ऑनलाइन ग्रोसरी स्टोर के लिए एक उत्पाद विवरण लिखें")।
• सेट C (संरक्षण फ्रेमिंग): संदर्भ-केंद्रित प्रॉम्प्ट (जैसे, "धार्मिक अर्थ की व्याख्या करें...")।

3. स्कोरिंग ढांचा (Scoring Framework)

प्रतिक्रियाओं का मूल्यांकन छह विषयगत श्रेणियों के आधार पर एक सांस्कृतिक गहराई स्कोर (Cultural Depth Score - CDS) का उपयोग करके किया गया:

1. पीढ़ियों से चली आ रही परंपराएं: अंतर-पीढ़ीगत स्मृति।
2. अनुष्ठानिक जड़ें: धार्मिक और अनुष्ठानिक जुड़ाव।
3. घर से दूर संस्कृति: प्रवासी संरक्षण।
4. उत्पाद मोड: मार्केटिंग भाषा की ओर बदलाव (वस्तुकरण)।
5. आधुनिक रीमिक्स: फ्यूजन और नवाचार।
6. अर्थ का सपाट होना: समरूपीकरण का जोखिम।

स्कोर 0 (उल्लेख नहीं किया गया) से 2 (विशिष्ट प्रासंगिक विवरण) तक था। CDS की गणना पहली तीन श्रेणियों और "अर्थ का सपाट होना" श्रेणी के योग द्वारा की गई थी (अधिकतम स्कोर 8)।

मुख्य परिणाम

अध्ययन ने तीनों परिकल्पनाओं की पुष्टि की, जो वाणिज्यिक और सांस्कृतिक फ्रेमिंग के बीच एक महत्वपूर्ण अंतर को प्रदर्शित करती है।

• H1 पुष्ट (वाणिज्यिक दमन): वाणिज्यिक प्रॉम्प्ट के परिणामस्वरूप सांस्कृतिक गहराई में भारी कमी आई। संरक्षण प्रॉम्प्ट के लिए औसत CDS 4.8/8 था, जबकि वाणिज्यिक प्रॉम्प्ट का औसत केवल 0.8/8 रहा। जब बेचने के लिए कहा गया, तो AI मॉडलों ने लगभग सभी सांस्कृतिक, धार्मिक और प्रवासी अर्थों को हटा दिया।
• H2 पुष्ट (धार्मिक विलोपन): "अनुष्ठानिक जड़ें" सबसे संवेदनशील आयाम थे। वाणिज्यिक संदर्भों में, धार्मिक अर्थ के संदर्भ संरक्षण प्रॉम्प्ट में 67% से गिरकर केवल 8% रह गए। कई मामलों में, धार्मिक खाद्य पदार्थों को बिना किसी पवित्र मूल के उल्लेख के केवल "मीठे डंपलिंग" या "ब्रेड" के रूप में वर्णित किया गया।
• H3 पुष्ट (अनुष्ठानिक लचीलापन): औपचारिक धार्मिक कानूनों वाले खाद्य पदार्थों (चल्ला, मैट्ज़ा) ने रोजमर्रा के अभ्यास (कोन्चास) की तुलना में थोड़ा अधिक सांस्कृतिक गहराई बनाए रखा। हालांकि, सबसे अधिक अनुष्ठानिक खाद्य पदार्थ भी वाणिज्यिक फ्रेमिंग के तहत महत्वपूर्ण स्कोर गिरावट से गुजरे।
• मोदक केस स्टडी: मोदक में सबसे अधिक विलोपन देखा गया। सांस्कृतिक प्रॉम्प्ट में, इसे भगवान गणेश के पवित्र भोग के रूप में वर्णित किया गया था। वाणिज्यिक प्रॉम्प्ट में, इसका सांस्कृतिक गहराई स्कोर (CDS) 0.0 तक गिर गया, जिसमें इसका भक्तिपूर्ण अर्थ पूरी तरह से अनुपस्थित था।
• क्रॉस-मॉडल निरंतरता: हालांकि ChatGPT 5.2 ने Claude 4.5 या Gemini 3 की तुलना में थोड़ा अधिक सांस्कृतिक सामग्री बनाए रखी, सभी तीन मॉडलों ने एक ही दिशात्मक पैटर्न का पालन किया: वाणिज्यिक फ्रेमिंग ने लगातार सांस्कृतिक गहराई को कम कर दिया।
• प्रतिक्रिया लंबाई सहसंबंध: वाणिज्यिक प्रतिक्रियाएं काफी छोटी थीं (औसत 139 शब्द) तुलनात्मक रूप से संरक्षण प्रतिक्रियाओं (औścić 282 शब्द) के, जिससे पता चलता है कि मार्केटिंग संदर्भों में संक्षिप्तता का दबाव बारीकियों के नुकसान में योगदान देता है।

मुख्य योगदान

1. सांस्कृतिक सपाटपन के तंत्र के रूप में AI की पहचान: यह शोध पत्र स्थापित करता है कि AI न केवल मौजूदा बाजार रुझानों को दर्शाता है, बल्कि प्रामाणिकता के बजाय दक्षता और पूर्वानुमान की अनुकूलन (optimization) के माध्यम से सांस्कृतिक विरासत के "मैकडोनाल्डीकरण" (McDonaldization) को सक्रिय रूप से तेज करता है।
2. सांस्कृतिक गहराई का परिमाणीकरण: यह अध्ययन सांस्कृतिक गहराई स्कोर (CDS) और एक विशिष्ट रूपरेखा पेश करता है कि कैसे AI मॉडल विरासत सामग्री को संभालते हैं, जो भविष्य के अनुसंधान के लिए एक मानकीकृत मीट्रिक प्रदान करता है।
3. ज्ञान की कमी नहीं, बल्कि प्रासंगिक स्टीयरिंग का प्रमाण: परिणाम दर्शाते हैं कि AI मॉडल्स के पास आवश्यक सांस्कृतिक ज्ञान मौजूद है (जैसा कि संरक्षण प्रॉम्प्ट में उच्च स्कोर से सिद्ध होता है), लेकिन वे वाणिज्यिक इरादे के साथ शिफ्ट होने पर इसे चुनिंदा रूप से दबा देते हैं। यह इस धारणा को चुनौती देता है कि AI में सांस्कृतिक जागरूकता की कमी है; बल्कि, यह "प्रासंगिक रूप से मौन" (contextually silent) है।
4. शमन के लिए रणनीतिक ढांचा: यह शोध पत्र विपणक और AI डेवलपर्स के लिए छह विशिष्ट रणनीतियां प्रस्तावित करता है, जिसमें "सांस्कृतिक संदर्भ लेबलिंग", "सांस्कृतिक गहराई ऑडिटिंग", और "सामुदायिक-लिखित प्रशिक्षण डेटा" शामिल हैं, ताकि AI-जनित सामग्री में विरासत के विलोपन को कम किया जा सके।

महत्व और दावे

शोध पत्र का दावा है कि इन निष्कर्षों के ब्रांड प्रामाणिकता और सामग्री विपणन रणनीति के लिए महत्वपूर्ण निहितार्थ हैं। जैसे-जैसे व्यवसाय उत्पादों के विवरण और ब्रांड नैरेटिव उत्पन्न करने के लिए तेजी से AI पर निर्भर हो रहे हैं, अनजाने में विरासत उत्पादों को समरूप (homogenize) करने का जोखिम है, जिससे अद्वितीय सांस्कृतिक कलाकृतियां सामान्य वस्तुओं में बदल जाती हैं।

अध्ययन तर्क देता है कि:

• सांस्कृतिक ज्ञान उपलब्ध है लेकिन दबा दिया गया है: समस्या मॉडल्स में डेटा की कमी नहीं है, बल्कि वाणिज्यिक संदर्भों में इसके उपयोग में विफलता है।
• AI वैश्वीकरण के नकारात्मक प्रभावों को तेज करता है: जबकि भौतिक वैश्वीकरण सांस्कृतिक अर्थ को कम करने में समय लेता है, AI हजारों डिजिटल टचपॉइंट्स पर तुरंत इस प्रकार के सपाटपन को पुनरुत्पादित कर सकता है।
• संरक्षण के लिए इरादापूर्ण फ्रेमिंग की आवश्यकता है: डिजिटल युग में विरासत खाद्य पदार्थों की प्रामाणिकता बनाए रखने के लिए, विपणक को केवल सामान्य प्रॉम्प्ट से आगे बढ़कर स्पष्ट रूप से AI को उत्पत्ति की कहानियों, अनुष्ठानिक महत्व और सामुदायिक अर्थ को शामिल करने का निर्देश देना चाहिए।

शोध पत्र निष्कर्ष निकालता है कि भोजन में सांस्कृतिक अर्थ की रक्षा के लिए न केवल भौतिक आपूर्ति श्रृंखलाओं पर, बल्कि उन डिजिटल प्रणालियों पर भी ध्यान देने की आवश्यकता है जो इन उत्पादों के बारे में उपभोक्ताओं को सीखने और समझने के लिए प्राथमिक इंटरफ़ेस बन रहे हैं।