An Error Taxonomy for AI-Copilot Assisted Spreadsheet and Analytics Work

दशकों से, स्प्रेडशीट आधुनिक दुनिया का एक शांत इंजन रही है, वह डिजिटल बहीखाता जहाँ व्यवसाय लाभ की गणना करते हैं, इन्वेंट्री को ट्रैक करते हैं और बजट की योजना बनाते हैं। यह एक ऐसा उपकरण है जो इतना व्यापक है कि अधिकांश लोग इसके काम करने के तरीके के बारे में सोचे बिना इसका उपयोग करते हैं, फिर भी शोधकर्ताओं को लंबे समय से पता है कि यह नाजुक है। 1990 के दशक से चल रहे अध्ययन बताते हैं कि इन स्प्रेडशीट्स में से विशाल बहुमत में कम से कम एक गंभीर गलती होती है, जो अक्सर एक ऐसे एकल फॉर्मूले में छिपी होती है जो सही दिखता है लेकिन गलत संख्या की गणना करता है। वर्षों तक, धारणा सरल थी: ये त्रुटियाँ इसलिए होती हैं क्योंकि किसी इंसान से हाथ की चूक या तर्क में गलती हुई है, जैसे कि गलत नंबर टाइप करना या फॉर्मूले को गलत सेल में खींच देना। विशेषज्ञों की नज़र में समाधान हमेशा मानवीय समीक्षा था—काम को पकड़ने के लिए किसी अन्य व्यक्ति द्वारा उसे जांचना ताकि नुकसान होने से पहले उसे रोका जा सके।

लेकिन पिछले कुछ वर्षों में इन स्प्रेडशीट्स को बनाने के तरीके का परिदृश्य नाटकीय रूप से बदल गया है। लगभग 2023 से, इन उपकरणों के भीतर एक नए प्रकार का सहायक प्रकट हुआ है: एक कृत्रिम बुद्धिमत्ता (AI) सहायक जो केवल एक इंसान की सामान्य भाषा में की गई रिक्वेस्ट को सुनकर फॉर्मूले लिख सकता है और जटिल रिपोर्ट बना सकता है। यह तकनीक काम को तेज करने का वादा करती है, लेकिन यह एक नई अनिश्चितता भी पैदा करती है। हम जानते हैं कि ये AI सिस्टम गलतियाँ करते हैं, कभी-कभी गणित को गलत कर देते हैं भले ही परिणाम विश्वसनीय लगे। महत्वपूर्ण प्रश्न जो अब तक अनुत्तरित है वह यह है कि क्या एक मानव समीक्षक एक AI की गलती को उतनी ही आसानी से पकड़ सकता है जितनी आसानी से वह एक मानव की गलती को पकड़ सकता है। यदि एक AI एक ऐसी संख्या उत्पन्न करता है जो थोड़ी गलत है लेकिन तर्कसंगत दिखती है, तो क्या एक थका हुआ कर्मचारी इसे देख पाएगा, या वे पॉलिश किए हुए आउटपुट पर भरोसा करेंगे और एक खतरनाक त्रुटि को निकल जाने देंगे?

एक नया अध्ययन इस प्रश्न का उत्तर देने का एक तरीका प्रस्तावित करता है, जो मानव समीक्षक को केवल एक सुरक्षा जाल के रूप में नहीं, बल्कि स्वयं प्रयोग के विषय के रूप में देखता है। बांग्लादेश नेशनल यूनिवर्सिटी और ईस्ट वेस्ट यूनिवर्सिटी के शोधकर्ता एक नियंत्रित तुलना डिजाइन करते हैं ताकि यह देखा जा सके कि क्या त्रुटि का स्रोत यह बदल देता है कि उसे पकड़ने की संभावना कितनी है। वे केवल कंप्यूटरों को गणित की समस्याओं को हल करने के लिए नहीं कहते और यह नहीं देखते कि वे कितनी बार विफल होते हैं; इसके बजाय, वे एक ऐसी स्थिति प्रस्तावित करते हैं जहाँ वास्तविक विश्लेषक दो अलग-अलग तरीकों से स्प्रेडशीट्स बनाते हैं। एक समूह अपना काम मैन्युअल रूप से बनाएगा, प्रत्येक फॉर्मूला खुद टाइप करेगा। दूसरा समूह उन्हीं निर्देशों के आधार पर फॉर्मूले उत्पन्न करने के लिए एक AI सहायक का उपयोग करेगा। दोनों समूहों को समान कार्य दिए जाएंगे, जैसे कि बजट रिपोर्ट बनाना या बिक्री डेटा का सारांश तैयार करना, जिससे यह सुनिश्चित हो सके कि काम की कठिनाई सभी के लिए बिल्कुल समान है।

एक बार जब स्प्रेडशीट्स बन जाती हैं, तो शोधकर्ता एक कठोर ऑडिट करने की योजना बनाते हैं। वे प्रत्येक फ़ाइल की जांच करेंगे और त्रुटियों को विशिष्ट प्रकारों में वर्गीकृत करेंगे। वे "लाउड" (स्पष्ट) त्रुटियों को देखेंगे, जो स्पष्ट गलतियाँ हैं जैसे कि टूटा हुआ लिंक या एक कुल योग जो स्पष्ट रूप से मेल नहीं खाता, और "साइलेंट" (मौन) त्रुटियों को देखेंगे, जो अधिक पेचीदा हैं। एक साइलेंट एरर वह है जहाँ कंप्यूटर एक ऐसी संख्या उत्पन्न करता है जो पूरी तरह से सामान्य दिखती है लेकिन वास्तव में गलत होती है क्योंकि उसने गलत डेटा का उपयोग किया या किसी नियम को गलत समझा। शोधकर्ताओं का अनुमान है कि जबकि AI सहायक स्पष्ट टाइपो से बचने में अच्छे हो सकते हैं, वे अक्सर इन साइलेंट त्रुटियों को उत्पन्न करते हैं। वे अक्सर फॉर्मूले की संरचना को सही रखते हैं लेकिन डेटा के विभिन्न हिस्सों के बीच सूक्ष्म संबंधों को गलत समझ लेते हैं, जिसके परिणामस्वरूप एक विश्वसनीय दिखने वाला लेकिन गलत उत्तर प्राप्त होता है।

अध्ययन का सबसे महत्वपूर्ण हिस्सा परीक्षण का दूसरा स्तर है, जो मानव समीक्षकों पर केंद्रित है। विश्लेषकों का एक अलग पैनल, जो यह नहीं जानता कि कौन सी स्प्रेडशीट्स मनुष्यों द्वारा बनाई गई हैं और कौन सी AI द्वारा, सामान्य, समय-दबाव वाली स्थितियों में फाइलों की समीक्षा करेगा। उन्हें यह नहीं बताया जाएगा कि त्रुटियाँ मौजूद हैं; उनसे बस काम की जांच करने के लिए कहा जाएगा जैसा कि वे एक वास्तविक नौकरी में करते हैं। शोधकर्ता यह देखना चाहते हैं कि क्या समीक्षक किसी त्रुटि को पकड़ने की अधिक संभावना रखते हैं यदि वह AI से आती है। इस अध्ययन को चलाने वाली परिकल्पना यह है कि मनुष्य स्वचालित आउटपुट को देखते समय एक प्रकार के 'ट्रस्ट बायस' (विश्वास पूर्वाग्रह) से ग्रस्त होते हैं। क्योंकि AI-जनित कार्य अक्सर साफ-सुथरा और पेशेवर दिखता है, एक समीक्षक इसके प्रति अधिक आश्वस्त महसूस कर सकता है और विवरणों की बारीकी से जांच करने में कम समय बिता सकता है, जिससे वे उन गलतियों को अनदेखा कर सकते हैं जिन्हें वे आसानी से पकड़ लेते यदि उन्हें पता होता कि किसी इंसान ने उन्हें किया है।

अध्ययन में अभी तक अंतिम आंकड़े नहीं हैं, क्योंकि यह पूर्ण परिणामों की रिपोर्ट करने के बजाय एक नियंत्रित प्रयोग की रूपरेखा प्रस्तुत करता है। हालाँकि, डिज़ाइन एक विशिष्ट और चिंताजनक संभावना का परीक्षण करने के लिए बनाया गया है: कि AI द्वारा उत्पन्न त्रुटियाँ मनुष्यों द्वारा की गई त्रुटियों की तुलना में पकड़ना कठिन हैं, भले ही गलतियाँ समान गंभीरता की हों। यदि अध्ययन इसकी पुष्टि करता है, तो यह सुझाव देता है कि कंपनियों द्वारा उनके काम की जांच करने का वर्तमान तरीका अपर्याप्त है। यह संकेत देता है कि केवल एक इंसान का स्क्रीन को देखना पर्याप्त नहीं है यदि वह इंसान मशीन से अधिक, एक व्यक्ति से अधिक अनजाने में भरोसा कर रहा है। शोधकर्ता तर्क देते हैं कि यदि AI त्रुटियाँ वास्तव में पकड़ने में कठिन हैं, तो इन उपकरणों को अपनाने वाले संगठन गलत निर्णय लेने के अपने जोखिम को बढ़ा रहे हैं, भले ही कागज पर AI तकनीकी रूप से तेज या अधिक सटीक हो।

यह शोध दो ऐसे क्षेत्रों के बीच के अंतर को पाटने का प्रयास करता है जिन्होंने शायद ही कभी एक-दूसरे से बात की हो। एक तरफ, स्प्रेडशीट त्रुटियों पर दशकों का शोध है, जिसने मनुष्यों द्वारा गलतियाँ करने के तरीके का एक स्पष्ट मानचित्र स्थापित किया है। दूसरी ओर, डेटा का एक सैलाब है जो दिखाता है कि AI मॉडल इन्हीं कार्यों में कैसे विफल होते हैं। जो गायब था वह एक सीधी तुलना है जो दोनों के प्रति मानवीय प्रतिक्रिया को मापती है। मनुष्यों और मशीनों द्वारा की गई त्रुटियों के लिए एक ही वर्गीकरण प्रणाली का उपयोग करके, और यह मापकर कि तीसरे पक्ष द्वारा उन त्रुटियों को कितनी बार पाया जाता है, अध्ययन एक स्पष्ट, साक्ष्य-आधारित उत्तर देने का प्रयास करता है। यह केवल यह पूछने से आगे बढ़ता है कि "AI कितनी बार गलत होता है?" बल्कि यह पूछने की ओर बढ़ता है कि "AI कितनी बार बच निकलता है?"

इस कार्य के निहितार्थ केवल स्प्रेडशीट तक ही सीमित नहीं हैं। यह एक व्यापक मुद्दे को छूता है कि उच्च-जोखिम वाले वातावरण में मनुष्य बुद्धिमान मशीनों के साथ कैसे बातचीत करते हैं। यदि अध्ययन यह पाता है कि हम AI के काम की समीक्षा करते समय कम सतर्क हो जाते हैं, तो यह सुझाव देता है कि जिन उपकरणों का उपयोग हम निर्णय लेने के लिए करते हैं, वे हमारे अपने निर्णय लेने की क्षमता में एक 'ब्लाइंड स्पॉट' (अंध बिंदु) पैदा कर रहे हैं। शोधकर्ता न केवल यह मापने की योजना बना रहे हैं कि त्रुटियाँ पाई गईं या नहीं, बल्कि यह भी कि समीक्षक कितनी आश्वस्त महसूस करते हैं जब वे कहते हैं कि एक फ़ाइल सही है। यह "कैलिब्रेशन" (अंशांकन) महत्वपूर्ण है; यदि समीक्षक AI-जनित कार्य के प्रति उतने ही आश्वस्त हैं जितने कि वे मानव कार्य के प्रति होते हैं, लेकिन वास्तव में वे अपने निर्णय में कम सटीक हैं, तो यह जानकारी को सत्यापित करने के हमारे तरीके में एक मौलिक बदलाव की ओर इशारा करता है।

अंततः, यह पेपर एक ऐसी दुनिया में एक आवश्यक प्रयोग का प्रस्ताव है जो हमारे सुरक्षा अभ्यासों की तुलना में तेजी से बदल रही है। यह पहचानता है कि जब काम एक मशीन द्वारा लिखा जा रहा हो, तो काम की जांच करने के पुराने नियम अब लागू नहीं हो सकते। एक निष्पक्ष, नियंत्रित परीक्षण स्थापित करके, लेखक व्यवसायों और विश्लेषकों को उनके सामने मौजूद जोखिमों की एक स्पष्ट तस्वीर देने की आशा करते हैं। वे यह नहीं कह रहे हैं कि AI बेकार है या इसे प्रतिबंधित किया जाना चाहिए; बल्कि, वे सुझाव दे रहे हैं कि हमें अपने सबसे महत्वपूर्ण नंबरों पर भरोसा करने से पहले इसकी विफलताओं की विशिष्ट प्रकृति को समझने की आवश्यकता है। लक्ष्य यह सुनिश्चित करना है कि जैसे-जैसे हम मशीनों को अधिक लेखन सौंपते हैं, हम सत्य को देखने की अपनी क्षमता न खो दें जब वह प्रत्यक्ष रूप से सामने छिपा हो।