जिस वर्ष AI बबल वास्तविकता से मिला
मात्र कुछ वर्षों में, कृत्रिम बुद्धिमत्ता एक आला अनुसंधान क्षेत्र से आधुनिक इतिहास का सबसे अधिक प्रचारित प्रौद्योगिकी बन गई। ट्रिलियन डॉलर की बाजार पूंजीकरण, अरबों में उद्यम निधि, और कृत्रिम सामान्य बुद्धिमत्ता के बारे में बेहिसाब भविष्यवाणियों का एक प्रवाह एक तर्कहीन उत्साह का माहौल बनाता है जो डॉट-कॉम युग से प्रतिद्वंद्विता करता है। फिर 2025 आया, और बिल आ गया।
MIT Technology Review ने एक नई ई-बुक में अपना व्यापक मूल्यांकन संकलित किया है कि क्या गलत हुआ, AI कंपनियों ने जो वादा किया और जो वास्तव में प्रदान किया के बीच की असंगति को दस्तावेज़ करते हुए। इस प्रकाशन की "हाइप सुधार" श्रृंखला तर्क देती है कि उद्योग एक आवश्यक पोस्ट-हाइप चरण में प्रवेश कर गया है, जिसके लिए प्रौद्योगिकी की प्रामाणिक क्षमताओं और इसकी समान रूप से प्रामाणिक सीमाओं के साथ ईमानदार सामना करने की आवश्यकता है।
यह ई-बुक उस समय आता है जब AI उद्योग एक पहचान संकट से जूझ रहा है। वह क्रांतिकारी प्रौद्योगिकी जो हर उद्योग को बदलना था, लाखों नौकरियों को खत्म करना था, और संभवतः अत्यधिक मानवीय बुद्धिमत्ता तक पहुंचना था, इसके बजाय उपयोगी लेकिन सीमित उपकरणों की एक अधिक विनम्र वास्तविकता का उत्पादन किया है जो सबसे अच्छा काम करते हैं जब सावधानीपूर्वक मौजूदा मानव वर्कफ़्लो में एकीकृत किया जाता है।
95 प्रतिशत विफलता दर
इस निपटान में शायद सबसे कठोर आंकड़ा MIT की अपनी "GenAI Divide" रिपोर्ट से आता है, जो जुलाई 2025 में प्रकाशित हुई थी। अध्ययन में पाया गया कि पचानवे प्रतिशत एंटरप्राइज AI परिनियोजन ने कोई मापने योग्य व्यावसायिक मूल्य प्रदान नहीं किया। यह संदेहवादियों या आलोचकों का आंकड़ा नहीं है। यह कई उद्योगों में वास्तविक कॉर्पोरेट कार्यान्वयन के कठोर विश्लेषण से उभरा।
विफलता दर को संदर्भ की आवश्यकता है। 2023 और 2024 के दौरान, सभी क्षेत्रों की कंपनियां बोर्ड, निवेशकों, और मीडिया आख्यानों के दबाव में उत्पन्न AI को अपनाने के लिए जल्दबाजी कर रही थीं, जो AI कार्यान्वयन को अस्तित्वसंबंधी माना जाता था। मुख्य कार्यकारी जो एक AI रणनीति को स्पष्ट नहीं कर सकते थे, शेयरधारकों से नुकीले सवालों का सामना करना पड़ा। परिणाम जल्दबाजी में, खराब योजना वाली परिनियोजन की लहर थी जो प्रामाणिक व्यावसायिक आवश्यकता से अधिक लापता होने के डर से संचालित था।
इनमें से कई कार्यान्वयन एक अनुमानित पैटर्न का पालन करते थे। एक कंपनी एक बड़े भाषा मॉडल को लाइसेंस करेगी, एक प्रोटोटाइप चैटबॉट या दस्तावेज़ सारांश उपकरण बनाएगी, इसे एक नियंत्रित सेटिंग में कार्यकारी को प्रदर्शित करेगी, और फिर खोज करेगी कि जब असली उपयोगकर्ताओं को असली काम के साथ असली डेटा को संभालने के लिए तैनात किया जाता है तो प्रदर्शन नाटकीय रूप से गिरता है। डेमो और उत्पादन के बीच अंतराल विक्रेताओं द्वारा सुझाए गए से बहुत व्यापक था।
स्वायत्त एजेंट: वह वादा जो ध्वस्त हुआ
AI उद्योग के किसी भी खंड ने स्वायत्त एजेंटों की तुलना में अधिक नाटकीय प्रचार सुधार का अनुभव नहीं किया। 2024 और 2025 के शुरुआत में, प्रमुख AI कंपनियों ने सॉफ़्टवेयर एजेंटों की एक दृष्टि को बढ़ावा दिया जो स्वतंत्र रूप से जटिल कार्यस्थल कार्यों को पूरा कर सकते थे, यात्रा बुकिंग से रिपोर्ट लिखने से परियोजना प्रबंधन तक, न्यूनतम मानव निरीक्षण के साथ।
Upwork के शोधकर्ताओं द्वारा किए गए अध्ययन ने इस प्रस्ताव का व्यवस्थित रूप से परीक्षण किया, OpenAI, Google DeepMind और Anthropic के प्रमुख बड़े भाषा मॉडल द्वारा संचालित एजेंटों को मानक कार्यस्थल कार्यों की एक श्रृंखला पर तैनात किया। परिणाम निराशाजनक थे। ये एजेंट अपने दम पर कई सरल कार्यों को पूरा नहीं कर सकते थे। GPT-5 और Gemini जैसे मॉडल ने साधारण सूचना पुनर्प्राप्ति से अधिक की आवश्यकता वाले कार्यों पर केवल 20% का समापन दर प्राप्त किया।
सांस्कृतिक सूक्ष्मता की आवश्यकता वाले कार्य विशेष रूप से समस्याग्रस्त साबित हुए। विपणन प्रतिलिपि पीढ़ी, भाषा अनुवाद, वेबसाइट लेआउट डिजाइन, और कोई भी काम जिसमें दर्शकों, संदर्भ, या सौंदर्य निर्णय की समझ की आवश्यकता होती है, पूरी तरह से विफल हो गया। एजेंट सतही रूप से सक्षम काम जैसा दिखने वाली पाठ उत्पन्न कर सकते थे लेकिन कड़ी जांच के तहत अलग हो गए, सामान्य, सांस्कृतिक रूप से टोन-बधिर, या तथ्यात्मक रूप से अविश्वसनीय परिणाम उत्पन्न करते थे।
कोडिंग विरोधाभास
प्रचार सुधार में सबसे आश्चर्यजनक निष्कर्षों में से एक बड़े भाषा मॉडल के सबसे प्रशंसित और व्यापक रूप से अपनाए गए अनुप्रयोगों में से एक, AI कोडिंग सहायकों के बारे में था। 2025 में जारी किए गए कई अध्ययन एक अप्रत्याशित निष्कर्ष पर अभिसरित हुए: AI कोडिंग सहायकों का उपयोग करने वाले डेवलपर्स ने वास्तव में उन कार्यों को उन लोगों की तुलना में 19% धीमी गति से पूरा किया जो उनके बिना काम कर रहे थे।
व्याख्या AI-सहायता प्राप्त कोडिंग की छिपी लागतों में शामिल प्रतीत होती है। जबकि उपकरण ने शुरुआती कोड पीढ़ी को तेज किया, डेवलपर्स ने AI के आउटपुट की समीक्षा, परीक्षण और सुधार करने में काफी अतिरिक्त समय बिताया। मॉडल ने अक्सर सूक्ष्म बग पेश किए, अप्रचलित API का उपयोग किया, या कोड उत्पन्न किया जो तकनीकी रूप से संकलित किया गया लेकिन स्थापत्य सम्मेलन या सुरक्षा सर्वोत्तम प्रथाओं का उल्लंघन किया। लिखने में बचाया गया समय सत्यापन और सुधार में बिताए गए समय से अधिक उपभोग किया गया था।
यह निष्कर्ष सीधे AI कंपनियों के दावों के विरुद्ध काम करता है, जिन्होंने कोडिंग सहायकों से विशाल उत्पादकता लाभ का अनुमान लगाया था। AI कंपनियों द्वारा स्वयं द्वारा आयोजित कई प्रमुख अध्ययन नाटकीय समय बचत दिखाए थे, लेकिन ये आमतौर पर सरल, अच्छी तरह से परिभाषित कार्यों के साथ नियंत्रित सेटिंग्स में आयोजित किए गए थे न कि गन्दे, अस्पष्ट काम जो वास्तविक सॉफ़्टवेयर विकास को दर्शाता है।
AGI का मरीचिका
AI प्रचार के अधिकांश को कृत्रिम सामान्य बुद्धिमत्ता का वादा या खतरा, एक काल्पनिक प्रणाली जो सभी डोमेन में मानव संज्ञानात्मक क्षमताओं के साथ मेल खाने या अधिक हो सकती है। 2023 और 2024 के दौरान, प्रमुख AI कंपनियों के नेताओं ने सक्रिय रूप से उम्मीदें पैदा कीं कि AGI आसन्न है या लगभग आसन्न है, दो से पाँच साल की श्रेणी में समय सीमा के साथ।
2025 के अंत तक, यह आख्यान बड़े पैमाने पर ध्वस्त हो गया। प्रमुख AI शोधकर्ताओं ने सार्वजनिक रूप से कहना शुरू कर दिया कि सीमा-तोड़ने वाली प्रगति का युग समाप्त हो गया है और यह कि बड़े भाषा मॉडल, वर्तमान पीढ़ी के AI सिस्टम को चलाने वाली प्रौद्योगिकी, AGI के लिए एक रास्ता नहीं है। स्केलिंग कानून जिसने मॉडल प्रदर्शन में तेजी लाई थी, एक संज्ञानात्मक स्केलिंग दीवार को हिट करने के संकेत दिखा रहे थे, जहां बस मॉडल को बड़ा बनाना और उन्हें अधिक डेटा पर प्रशिक्षित करना कम रिटर्न पैदा करता है।
तकनीकी कारण तेजी से समझे जाते हैं। बड़े भाषा मॉडल मानव द्वारा उत्पन्न पाठ पर प्रशिक्षित परिष्कृत पैटर्न मिलान प्रणाली हैं। वे प्रभावशाली तरीकों से पैटर्न को पुनः संयोजित और इंटरपोलेट कर सकते हैं, लेकिन वास्तविक सामान्य बुद्धिमत्ता की विशेषता होगी कि कारणात्मक तर्क, विश्व मॉडल, और प्रामाणिक समझ की कमी है। सरल पाठ का उत्पादन करने और समझने के बीच अंतराल कि पाठ का क्या अर्थ है, मॉडल स्केल की परवाह किए बिना पहले जितना व्यापक बना हुआ है।
प्रचार की मानव लागत
AI प्रचार सुधार विशुद्ध रूप से प्रौद्योगिकी आकलन का एक अमूर्त मामला नहीं था। फूले हुए अपेक्षाओं से वास्तविक परिणाम आए। कंपनियों जिन्होंने AI-संचालित स्वचालन के लिए समय से पहले प्रतिबद्धताएं बनाई थीं, महंगे उलटफेरों का सामना करना पड़ा। कर्मचारी जिन्हें कहा गया था कि उनकी नौकरियां AI द्वारा समाप्त कर दी जाएंगी, लंबे समय तक चिंता का अनुभव किया केवल यह खोज करने के लिए कि उनकी भूमिकाएं बड़े पैमाने पर अपरिवर्तित रहीं। छात्र जिन्होंने AI-आसन्न कौशल के आसपास अपनी शिक्षा को पुनर्संरचित किया था, अब सवाल उठा रहे हैं कि क्या उन्हें वादा किया गया बाजार सामने आएगा।
शायद सबसे महत्वपूर्ण, प्रचार चक्र के दौरान AI को समर्पित संसाधन अवसर लागतों का प्रतिनिधित्व करते थे। पूंजी, इंजीनियरिंग प्रतिभा और संगठनात्मक ध्यान न्यूनतम रिटर्न के साथ AI परियोजनाओं के लिए निर्देशित किया गया, अन्य प्रौद्योगिकियों में निवेश किया गया हो सकता है या गैर-तकनीकी समस्याओं को संबोधित करने के लिए।
सुधार जो बचता है
सुधार का मतलब कृत्रिम बुद्धिमत्ता व्यर्थ है। इसके विपरीत, अवास्तविक अपेक्षाओं को हटाकर, यह स्पष्ट करता है कि प्रौद्योगिकी वास्तव में कहां उत्कृष्ट है। AI उपकरण विशिष्ट, अच्छी तरह से परिभाषित कार्यों के लिए प्रभावी हैं: दस्तावेजों को सारांशित करना, मानव समीक्षा के साथ भाषाओं का अनुवाद करना, बड़े डेटा सेट के माध्यम से खोज में तेजी लाना, पहली ड्राफ्ट बनाना जो मनुष्य तब परिष्कृत करते हैं, और संरचित डेटा में पैटर्न की पहचान करना।
सफल अनुप्रयोगों में सामान्य धागा मानव पर्यवेक्षण है। AI स्वायत्त एजेंट के रूप में नहीं बल्कि एक उपकरण के रूप में सबसे अच्छा काम करता है जो मानव निर्णय को बढ़ाता है, दिनचर्या और दोहराव वाले को संभालते हुए जबकि मनुष्य संदर्भ, रचनात्मकता और महत्वपूर्ण सोच प्रदान करते हैं जो प्रौद्योगिकी में कमी है। यह AGI की तुलना में कम नाटकीय दृष्टि है, लेकिन यह एक यथार्थवादी है, और यह सैकड़ों अरब डॉलर के मूल्य वाले बाजार का वर्णन करता है।
MIT Technology Review की ई-बुक तर्क देती है कि पोस्ट-हाइप चरण, जबकि सबसे महत्वाकांक्षी अनुमानों पर भारी शर्त लगाने वालों के लिए दर्दनाक, प्रौद्योगिकी के दीर्घकालीन विकास के लिए अंत में स्वस्थ है। यथार्थवादी अपेक्षाएं बेहतर कार्यान्वयन की ओर ले जाती हैं, जो प्रामाणिक मूल्य की ओर ले जाती हैं, जो आगे के अनुसंधान के लिए आवश्यक निवेश को बनाए रखती है। 2025 का महान AI प्रचार सुधार अंततः प्रौद्योगिकी की विफलता के बाद नहीं बल्कि इसे बनाने वाले उद्योग के आवश्यक परिपक्वता के रूप में याद किया जा सकता है।
यह आलेख MIT Technology Review की रिपोर्टिंग पर आधारित है। मूल आलेख पढ़ें.
