पाकिस्तान की अदालत में हुए ट्रायल से पता चला कि प्रशिक्षण पहले हो तो AI न्यायाधीशों को मामलों का बोझ कम करने में मदद करती है

केवल पहुंच नहीं, प्रशिक्षण ने तय किया कि अदालतों में AI ने परिणाम दिए या नहीं

पाकिस्तान की न्यायपालिका में किए गए एक बड़े यादृच्छिक फील्ड प्रयोग से संकेत मिलता है कि कृत्रिम बुद्धिमत्ता सार्वजनिक क्षेत्र की उत्पादकता बढ़ा सकती है, लेकिन केवल तभी जब संस्थान लोगों को इसका सही उपयोग सिखाने में निवेश करें। ETH Zurich, Imperial College London, और New Economic School के शोधकर्ताओं द्वारा किए गए इस अध्ययन में JudgeGPT नामक एक AI सहायक को 1,559 न्यायाधीशों और 118 अदालतों में परखा गया, जो पाकिस्तान के ट्रायल-कोर्ट न्यायाधीशों का लगभग आधा हिस्सा है।

मुख्य निष्कर्ष केवल यह नहीं था कि AI ने मदद की। बात यह थी कि केवल पहुंच देने से बहुत कम फर्क पड़ा। जिन न्यायाधीशों को सिस्टम तक पहुंच के साथ लक्षित प्रशिक्षण भी मिला, उन्होंने इसका कहीं अधिक उपयोग किया और मामलों के निपटारे में मापनीय लाभ से जुड़े पाए गए। स्रोत सामग्री में दिए गए अध्ययन सारांश के अनुसार, प्रशिक्षित न्यायाधीशों के मध्यम संपर्क वाले जिलों ने प्रति वर्ष लगभग 1,848 अतिरिक्त मामलों का निपटारा किया, जो 6.3 प्रतिशत वृद्धि के बराबर है।

इस वजह से यह प्रयोग पाकिस्तान से परे भी उल्लेखनीय है। दुनिया भर की सरकारें कानूनी शोध, केस प्रबंधन, दस्तावेज़ मसौदा तैयार करने, और प्रशासनिक सहायता के लिए बड़े भाषा मॉडलों की जांच कर रही हैं। यह परीक्षण एक स्पष्ट परिचालन सबक जोड़ता है: तैनाती की रणनीति मॉडल जितनी ही महत्वपूर्ण है।

दबाव में चल रही न्यायपालिका ने एक कठिन परीक्षण-क्षेत्र दिया

पाकिस्तान की अदालत प्रणाली ऐसा परिवेश थी जहां उत्पादकता में मामूली सुधार भी महत्वपूर्ण हो सकता था। शोधकर्ताओं ने कहा कि देश में प्रति 100,000 आबादी पर दो से भी कम न्यायाधीश हैं, जबकि यूरोपीय संघ में यह संख्या 22 और इंग्लैंड एवं वेल्स में 30 है। 2024 के अंत में 22.6 लाख मामले लंबित थे, जिनमें से 82 प्रतिशत ट्रायल अदालतों में थे।

ये आंकड़े एक ऐसे सिस्टम की ओर संकेत करते हैं जो भारी दबाव में काम कर रहा है, जहां स्टाफिंग सीमित है और तकनीकी सहायता भी कम है। प्रयोग से पहले, केवल लगभग एक चौथाई न्यायाधीशों ने कभी ChatGPT जैसे किसी बड़े भाषा मॉडल का उपयोग किया था। यह महत्वपूर्ण है, क्योंकि इसका मतलब है कि अध्ययन किसी डिजिटल रूप से परिपक्व नौकरशाही में या तकनीक के भारी उपयोगकर्ताओं के बीच AI का परीक्षण नहीं कर रहा था। यह जांच रहा था कि क्या एक विशेष सहायक समय, जनशक्ति, और तकनीकी परिचय की कमी वाले वास्तविक अदालत-तंत्र में फर्क डाल सकता है।

JudgeGPT खुद OpenAI के GPT-4 पर आधारित था और retrieval-augmented generation के जरिए पाकिस्तानी ट्रायल अदालतों के लिए अनुकूलित किया गया था। स्रोत पाठ के अनुसार, इसने 129,235 दस्तावेज़ों वाले डेटाबेस में खोज की, जिनमें 128,292 अदालत के फैसले और 943 पाकिस्तानी कानून शामिल थे। हर क्वेरी के लिए सिस्टम ने 10 सबसे प्रासंगिक अंश चुने और उद्धरण सहित उत्तर तैयार किया।

यह डिज़ाइन महत्वपूर्ण है क्योंकि यह मॉडल के काम को सीमित करता है। सामान्य-उद्देश्य मॉडल से स्मृति के आधार पर कानूनी विश्लेषण गढ़ने के बजाय, सिस्टम ने जवाबों को स्थानीय कानूनी सामग्री के एक परिभाषित संग्रह पर आधारित किया। व्यवहार में, इसका मतलब है कि उपकरण को स्वायत्त न्यायाधीश के रूप में नहीं, बल्कि शोध और मसौदा तैयार करने के सहायक के रूप में रखा गया था।

सबसे बड़े लाभ संरचित निर्देश से आए

शोधकर्ताओं ने न्यायाधीशों को तीन समूहों में बांटा। एक समूह को JudgeGPT की पहुंच के साथ लक्षित प्रशिक्षण मिला, जिसमें तीन सप्ताह में छह 90-मिनट के व्याख्यान शामिल थे। इन सत्रों में यह बताया गया कि किन कार्यों के लिए उपकरण उपयुक्त है, इसकी सीमाएं कहां हैं, और इसके आउटपुट की जांच कैसे करनी है। दूसरे समूह को वही AI सिस्टम इस्तेमाल करने की पहुंच मिली, लेकिन उन्हें केवल तकनीक और कानून पर एक सामान्य संगोष्ठी दी गई। नियंत्रण समूह ने JudgeGPT की पहुंच के बिना सिर्फ वह संगोष्ठी अटेंड की।

इन समूहों के बीच का अंतर ही इस अध्ययन का केंद्रीय निष्कर्ष है। जिन न्यायाधीशों को लक्षित प्रशिक्षण मिला, उन्होंने सिर्फ सामान्य संगोष्ठी पाने वालों की तुलना में सिस्टम का लगभग चार गुना उपयोग किया। 40 हफ्तों के बाद, प्रशिक्षित समूह ने औसतन लगभग 60 लॉगिन और 200 से अधिक प्रॉम्प्ट दिए। तुलना समूह ने औसतन लगभग 20 लॉगिन और 50 से कम प्रॉम्प्ट दिए।

उपयोग में यह अंतर सिस्टम-स्तर के अलग परिणामों में बदला। प्रशिक्षित न्यायाधीशों की संख्या अधिक वाले जिलों ने काफी अधिक मामलों का निपटारा किया। रिपोर्ट किए गए परिणामों के अनुसार, संपर्क के निचले चतुर्थांश वाले जिलों ने भी प्रति वर्ष लगभग 616 अतिरिक्त मामलों का निपटारा किया।

निष्कर्ष सीधा है। संस्थानों में AI अपनाना केवल सॉफ़्टवेयर तैनाती की समस्या नहीं है। यह कार्यप्रवाह और क्षमता की समस्या भी है। व्यावहारिक प्रशिक्षण के बिना, उपयोगकर्ता सिस्टम का कम उपयोग कर सकते हैं, यह गलत समझ सकते हैं कि यह कहां मदद करता है, या महत्वपूर्ण काम के लिए इस पर भरोसा करने से बच सकते हैं। प्रशिक्षण के साथ, वही मॉडल रोजमर्रा के निर्णय-सहायता का हिस्सा बन सकता है।

गुणवत्ता में गिरावट नहीं दिखी

अगर अदालतों में उत्पादकता बढ़े लेकिन निर्णय की गुणवत्ता या निष्पक्षता की कीमत पर हो, तो ऐसे लाभ का कोई अर्थ नहीं होगा। स्रोत पाठ के अनुसार, फैसलों की गुणवत्ता स्थिर रही या मामूली रूप से बेहतर हुई। निपटाए गए मामलों के प्रति 1,000 पर अपील दर थोड़ी घटी, जबकि न्यायाधीशों के काम के घंटे और कार्य-जीवन संतुलन में कोई महत्वपूर्ण बदलाव नहीं आया।

ये निष्कर्ष न्यायिक AI से जुड़ी हर चिंता का समाधान नहीं करते, लेकिन वे एक सामान्य आशंका को संबोधित करते हैं: कि तेज़ आउटपुट का मतलब अनिवार्य रूप से अधिक लापरवाह निर्णय है। इस प्रयोग में, रिपोर्ट किए गए लाभ लंबे घंटों या गुणवत्ता में स्पष्ट गिरावट से नहीं आए। इसके बजाय, वे अधिक कुशल शोध और मामलों के संचालन से आए प्रतीत होते हैं।

यह अंतर उन नीति-निर्माताओं के लिए महत्वपूर्ण है जो अधिक बोझ से दबी अदालतों, एजेंसियों, या सार्वजनिक रक्षकों के कार्यालयों में ऐसे उपकरणों पर विचार कर रहे हैं। यदि AI का उपयोग प्रासंगिक नज़ीरें सामने लाने, अभिलेखों का सार बनाने, और सहायता सामग्री का मसौदा तैयार करने के लिए किया जाए, तो यह अंतिम कानूनी ज़िम्मेदारी न्यायाधीशों से हटाए बिना बाधाओं को कम कर सकता है।

अर्थशास्त्र इस नतीजे को अनदेखा करना कठिन बनाते हैं

अध्ययन ने अनुमान लगाया कि निवेश किए गए प्रत्येक डॉलर पर लगभग 38.50 डॉलर की बचत होगी, यह समान केस-निपटान वृद्धि पाने के लिए अतिरिक्त न्यायाधीशों को नियुक्त करने की समकक्ष लागत पर आधारित है। इस आंकड़े को गारंटीकृत बजटीय परिणाम के बजाय एक अनुमान के रूप में पढ़ा जाना चाहिए, लेकिन यह समझने में मदद करता है कि सार्वजनिक संस्थान ऐसे सिस्टमों का परीक्षण जारी क्यों रखेंगे।

कई देशों में, न्यायाधीशों, क्लर्कों, या कानूनी शोधकर्ताओं को जोड़ना महंगा और धीमा होता है। मौजूदा न्यायाधीशों को एक संकीर्ण रूप से डिज़ाइन किए गए AI सहायक का उपयोग करना सिखाना सस्ता और तेज़ हो सकता है, खासकर तब जब मामलों का बोझ राजनीतिक रूप से महत्वपूर्ण और संस्थागत रूप से नुकसानदायक हो। ऐसा उपकरण जो काम की रफ्तार बढ़ाए, काम के घंटे न बढ़ाए, और अपीलों को न बिगाड़े, वह पाकिस्तान से कहीं आगे भी ध्यान आकर्षित करेगा।

फिर भी, स्रोत सामग्री एक सावधानी भी बताती है जिसे सामान्यीकृत किया जा सकता है। यह हस्तक्षेप इसलिए सफल हुआ क्योंकि इसमें मॉडल तक पहुंच, क्यूरेटेड कानूनी पुनर्प्राप्ति, और सीमाओं तथा सत्यापन के बारे में जानबूझकर दिया गया निर्देश एक साथ शामिल थे। इन हिस्सों को अलग कर दें, तो उत्पादकता लाभ का मामला बहुत कमजोर हो जाता है।

अदालत कक्ष से परे यह अध्ययन क्यों महत्वपूर्ण है

इस प्रयोग का व्यापक महत्व यह नहीं है कि AI कानूनी निर्णय का स्थान ले सकता है। महत्व यह है कि सीमित दायरे वाले AI सिस्टम पर्याप्त परिचालन अनुशासन के साथ पेश किए जाएं तो दबाव में चल रहे संस्थानों के प्रदर्शन में सुधार कर सकते हैं। यह सबक अदालतों पर लागू होता है, लेकिन कर एजेंसियों, लाभ प्रणालियों, अस्पतालों, स्कूलों, और नियामकों पर भी: मानव अपनाना एक केंद्रीय चर है, बाद की बात नहीं।

जनरेटिव AI पर सार्वजनिक बहस का बड़ा हिस्सा अब भी अतिशयोक्ति और खारिज करने के बीच झूलता रहता है। यह अध्ययन एक अधिक उपयोगी स्थान पर खड़ा है। यह सुझाता है कि यह तकनीक एक कठिन सार्वजनिक वातावरण में वास्तविक लाभ दे सकती है, लेकिन केवल उन परिस्थितियों में जो उन लाभों को संभव बनाती हैं: डोमेन-विशिष्ट पुनर्प्राप्ति, स्पष्ट सुरक्षा उपाय, और ऐसा प्रशिक्षण जो उपयोगकर्ताओं को सिखाए कि उपकरण क्या कर सकता है और किन बातों के लिए उस पर अकेले भरोसा नहीं किया जाना चाहिए।

AI को उच्च-जोखिम वाली प्रशासनिक प्रणालियों में जगह देनी चाहिए या नहीं, यह तय कर रही सरकारों के लिए शायद यही सबसे महत्वपूर्ण निष्कर्ष है। लाभ केवल एक मॉडल तैनात करने और परिवर्तन की प्रतीक्षा करने से नहीं आया। लाभ इस बात से आया कि AI को एक संस्थागत क्षमता के रूप में देखा गया, जिसे सिखाना, एकीकृत करना, और जांचना जरूरी था।

यह लेख The Decoder की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.