अहवालातील त्रुटी समोर आल्यानंतर Western Australia वसुलीची मागणी करत आहे
राज्यातील तीन प्रमुख विद्यापीठांच्या संभाव्य विलिनीकरणांचा अभ्यास करणाऱ्या व्यवहार्यता अहवालात त्रुटी आढळल्यानंतर Western Australian सरकार Deloitteकडून तातडीने पैसे परत मागत आहे. University of Western Australia, Curtin University आणि Murdoch University यांच्याशी संबंधित कामासाठी सरकारने consultancyला 166,000 डॉलर दिले होते.
AIने तयार केलेले संदर्भ आणि खर्चाच्या गणनेतील मोठ्या विसंगती असलेल्या अहवालाभोवती हा वाद आहे. या अपयशांमुळे “अत्यंत निराश” झाल्याचे सरकारने सांगितले असून Deloitteकडून खर्च वसूल करण्याचा प्रयत्न सुरू केला आहे.
अभ्यासात विलिनीकरणाचे तीन पर्याय आणि कमी, मध्यम व जास्त खर्चाची दृश्ये विचारात घेतली होती. प्रस्तावित विलिनीकरणाच्या पहिल्या दिवसापर्यंत होणारा खर्च आणि त्यानंतरच्या पाच वर्षांतील अपेक्षित खर्च appendixमध्ये दिला होता. किमान दोन दृश्यांमध्ये लिखित एकूण रक्कम अहवालातील घटक आकड्यांशी जुळत नव्हती.
आकडे आणि एकूण रकमांमध्ये शेकडो दशलक्ष डॉलरचे अंतर
Curtin आणि University of Western Australia यांच्या विलिनीकरणाच्या जास्त-खर्चाच्या दृश्यात Deloitteने day oneपर्यंतचा खर्च 514 million डॉलर आणि पुढील पाच वर्षांतील post-day-one खर्च 145 million डॉलर दिला. या दोन्ही रकमा मिळून 659 million डॉलर होतात. मात्र अहवालात एकूण 399 million डॉलर नमूद केले गेले, ज्यामुळे 260 million डॉलरची तफावत निर्माण झाली.
Curtin, UWA आणि Murdoch यांचा समावेश असलेल्या कमी-खर्चाच्या दृश्यात आणखी एक चूक होती. day oneपर्यंत 396 million डॉलर आणि पुढील पाच वर्षांसाठी 116 million डॉलर खर्च असल्याचे अभ्यासात म्हटले होते. ही बेरीज 512 million डॉलर होते, परंतु अहवालात एकूण 823 million डॉलर दिले होते—311 million डॉलरचा फरक.
या किरकोळ मांडणीतील चुका नाहीत. तीन विद्यापीठांची रचना बदलू शकणाऱ्या राजकीयदृष्ट्या महत्त्वाच्या प्रस्तावाशी हे अंदाज संबंधित आहेत. मूलभूत एकूण रक्कम अहवालातील स्वतःच्या घटक आकड्यांशी जुळत नसेल, तर व्यापक विश्लेषणाच्या विश्वासार्हतेवरच प्रश्न उपस्थित होतात.
AIच्या वापरामुळे छाननी वाढली
माध्यमांच्या वृत्तांकनात काल्पनिक संदर्भ आढळल्यानंतर अहवालाकडे अधिक लक्ष गेले. Deloitteने कामासाठी generative AI वापरल्याचे अहवालात मान्य केले. राज्यातील विरोधकांनी या परिणामाला “AI slop” म्हटले, तर सरकारने केलेला खर्च परत मिळवण्यासाठी पावले उचलली.
एखाद्या firmने generative AI वापरले की नाही, हा एकमेव मुद्दा नाही. विश्वासार्ह स्रोत आणि अंतर्गतरीत्या सुसंगत आकडे असलेले योग्यरीत्या तपासलेले विश्लेषण ग्राहकाला मिळाले का, ही तातडीची चिंता आहे. या प्रकरणात उच्च-जोखमीच्या सार्वजनिक धोरण निर्णयासाठी तयार केलेल्या कामात बनावट संदर्भ आणि अंकगणितीय विसंगती दोन्ही आढळल्या.

University of Canberraमधील public-sector governance तज्ज्ञ Stephen Bartos यांनी या त्रुटींमुळे अहवालाची विश्वासार्हता नष्ट झाल्याचे सांगितले. अहवाल पुन्हा तयार करावा लागेल किंवा किमान AIशिवाय सुरुवातीपासून हाताने पुन्हा काम करावे लागेल, असे ते म्हणाले.
विलिनीकरणाच्या चर्चेला धक्का
संस्थात्मक बदल पुढे न्यावा की नाही हे ठरवण्यापूर्वी सरकारांसमोरील आर्थिक आणि कार्यकारी पर्याय व्यवहार्यता अभ्यासांमधून स्पष्ट केले जातात. Deloitteच्या विश्लेषणातील त्रुटी स्वतःहून कोणतेही विलिनीकरण फायदेशीर किंवा परवडणारे असेल की नाही हे ठरवत नाहीत. मात्र मोठ्या दुरुस्ती व पुनरावलोकनाशिवाय हा अहवाल विश्वासार्ह मार्गदर्शक मानता येणार नाही.
तीन विद्यापीठांच्या अनेक संयोजनांचे मूल्यमापन करून संभाव्य खर्च मोजणारी दृश्ये अहवालात दिली होती, त्यामुळे हे निष्कर्ष विशेष महत्त्वाचे आहेत. या अंदाजांमागील गणनांवर विश्वास असणे आवश्यक आहे. घोषित एकूण रकमा मूलभूत रकमांपासून शेकडो million डॉलरने दूर गेल्या तर धोरणकर्ते आणि जनतेकडे पर्यायांची तुलना करण्यासाठी भक्कम आधार उरत नाही.
सरकारची परतफेडीची मागणी commissioned adviceसाठीच्या उत्तरदायित्वावर लक्ष केंद्रित करते. व्यवहार्यता अभ्यास देण्यासाठी Deloitteला पैसे देण्यात आले होते; समोर आलेल्या त्रुटींमुळे त्यांचे quality controls, verification process आणि विश्वासार्ह दिसणारे पण खोटे citations तयार करू शकणाऱ्या toolsच्या वापराबाबत प्रश्न उपस्थित झाले आहेत.
AI-सहाय्यित consultingसाठी व्यापक धडा
Generative AI drafting आणि research tasksमध्ये मदत करू शकते; मात्र अशा systemsच्या outputला verified analysis मानण्याच्या मर्यादा या घटनेतून दिसतात. विश्वासार्ह वाटणारा reference अस्तित्वात नसू शकतो. व्यावसायिक पद्धतीने मांडलेल्या documentमध्येही साध्या numerical checkने उघड होणाऱ्या चुका असू शकतात.
Public bodiesसाठी धडा व्यावहारिक आहे. मोठ्या सार्वजनिक खर्चाशी किंवा प्रमुख संस्थांच्या भवितव्याशी संबंधित निर्णयांवर बाह्य अहवालांचा परिणाम होत असेल, तर निष्कर्षांवर अवलंबून राहण्यापूर्वी reviewersनी sources, calculations आणि assumptions तपासले पाहिजेत. AI tools वापरले गेले असोत वा नसोत, ही गरज कायम असते; मात्र hallucinated references आढळल्याने verification obligation अधिक स्पष्ट होते.
166,000 डॉलरची देय रक्कम परत मिळवण्यासाठी Western Australia करत असलेला प्रयत्न हा अहवालातील दोषांना दिलेला थेट प्रतिसाद आहे. मोठा परिणाम असा होऊ शकतो की consultanciesनी AI-सहाय्यित काम ग्राहकापर्यंत पोहोचण्यापूर्वी कसे तपासले जाते हे स्पष्ट करावे आणि अंतिम उत्पादन तथ्ये व गणिताच्या साध्या छाननीत टिकले पाहिजे, अशी अपेक्षा पुन्हा दृढ होईल.
हा लेख The Guardianच्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.
Originally published on theguardian.com


