एक आभासी कार्यस्थल के अध्ययन में, ज्ञान-आधारित काम करने वाले 189 कर्मियों ने एक ही मूल भाषा मॉडल वाले AI सहायकों को अलग-अलग रेटिंग और मौद्रिक पुरस्कार दिए। ज़्यूरिख विश्वविद्यालय के शोधकर्ताओं के 14 अक्टूबर के विवरण के अनुसार, मानवसदृश अवतारों को मेज़ पर रखे रोबोट की तुलना में अधिक भरोसा, योगदान का श्रेय और पैसा मिला। Johan नाम के अवतार को Johanna से भी अधिक पैसा मिला, लेकिन शोधकर्ता आगाह करते हैं कि इस अंतर की व्याख्या केवल लिंग से नहीं की जा सकती।

यह परिणाम आभासी वास्तविकता में किए गए एक नियंत्रित कार्य से संबंधित है। हर सहयोग के बाद प्रतिभागी अधिकतम चार स्विस फ़्रैंक बाँट सकते थे और बची रकम अपने पास रख सकते थे। यह लोगों को दिए जाने वाले वेतन, AI की कीमतों या पूरे कार्यस्थल में अवतारों के इस्तेमाल के प्रभावों को नहीं मापता।

बड़ा बदलाव

  • क्या बदला: एक अध्ययन में सहायक का भाषा मॉडल और संवाद की प्रक्रिया समान रखी गई, जबकि प्रतिभागियों के सामने आने वाला उसका रूप बदला गया। अध्ययन के खास मानवसदृश अवतारों को उसमें इस्तेमाल किए गए मेज़ पर रखे रोबोट से बेहतर रेटिंग और अधिक पुरस्कार मिले।
  • यह क्यों मायने रखता है: AI सहायक को किस रूप में पेश किया जाता है, इससे लोग उसके योगदान को कैसे आँकते और पुरस्कृत करते हैं, यह प्रभावित हो सकता है, भले ही पीछे का तंत्र समान हो। डिज़ाइनर यह नहीं मान सकता कि सबसे अच्छी रेटिंग पाने वाला रूप ही कर्मियों की पसंद भी है।
  • किस पर नज़र रखें: अवतारों की विशेषताओं में अधिक व्यवस्थित बदलाव और लंबे इस्तेमाल वाले अध्ययन, लिंग के संकेतों, महसूस की गई मानवसदृशता और अन्य डिज़ाइन विशेषताओं के प्रभाव अलग कर सकते हैं। यह प्रयोग नहीं बताता कि सामान्य कामकाज में ये कारक कैसे असर डालेंगे।

एक ही सहायक, अलग-अलग रूप

प्रतिभागियों ने कार्यस्थल के विषयों पर तीन दौर में विचार-मंथन किया: टेक्स्ट चैट, मेज़ पर रखा रोबोट, और Johan या Johanna में से कोई एक। ये पुरुष और महिला जैसे दिखने वाले दो मानवसदृश आभासी सहायक थे। शोधकर्ताओं के अनुसार, चारों रूपों में एक ही बड़ा भाषा मॉडल और संवाद की प्रक्रिया इस्तेमाल की गई। हर दौर के बाद प्रतिभागियों ने मानवसदृशता, भरोसे और योगदान के श्रेय की रेटिंग दी, फिर चार फ़्रैंक के पुरस्कार का कुछ हिस्सा सहायक को दे सकते थे। टीम ने 34 प्रतिभागियों के साक्षात्कार भी किए।

लेखकों की रिपोर्ट के अनुसार, दोनों मानवसदृश अवतारों को मेज़ पर रखे रोबोट से अधिक मानवसदृश माना गया, उन पर अधिक भरोसा किया गया, अधिक श्रेय दिया गया और बड़े पुरस्कार मिले। रिपोर्ट में दी गई तुलना में ये अंतर सांख्यिकीय रूप से सार्थक थे। साक्षात्कार में कुछ लोगों ने अवतारों को अधिक मिलनसार या सहकर्मी जैसा बताया, और कुछ ने इस धारणा को अपनी रेटिंग या पुरस्कार से जोड़ा। फिर भी साक्षात्कारों में मानवसदृश सहायक के लिए कोई स्पष्ट पसंद नहीं मिली। कई प्रतिभागियों ने कहा कि वे ऐसा सहायक इस्तेमाल करना चाहेंगे जिसका रूप साफ़ तौर पर गैर-मानवीय हो।

यह अंतर कार्यस्थल के लिए AI डिज़ाइन करने वालों के काम का है। किसी कार्य के तुरंत बाद ली गई रेटिंग और भविष्य में इस्तेमाल की बताई गई पसंद, अलग-अलग सवालों के जवाब हैं। अध्ययन दिखाता है कि इन खास डिज़ाइनों के लिए दोनों का साथ-साथ बदलना ज़रूरी नहीं। यह AI सहायकों के लिए कोई ऐसा रूप तय नहीं करता जो सभी को पसंद हो।

Johan और Johanna का परिणाम क्या बता सकता है

हर प्रतिभागी ने दोनों मानवसदृश अवतारों में से केवल एक को देखा, इसलिए Johan और Johanna की तुलना अलग-अलग प्रतिभागियों के बीच थी। Johan को अधिक मानवसदृश रेटिंग और अधिक पैसे मिले। लेखकों के अनुसार, दोनों अवतारों के बीच भरोसे या श्रेय की रेटिंग में कोई सांख्यिकीय रूप से सार्थक अंतर नहीं था।

कई साक्षात्कारदाताओं ने कहा कि सहायक का लिंग उनके निर्णय को प्रभावित नहीं करना चाहिए, और कई को बिना लिंग वाला सहायक पसंद था। यह बताई गई राय मापे गए पुरस्कार के अंतर के साथ मौजूद है, लेकिन यह साबित नहीं करती कि प्रतिभागियों ने पैसा अलग ढंग से क्यों बाँटा। जैसा शोधकर्ता समझाते हैं, अध्ययन में एक पुरुष जैसे और एक महिला जैसे दिखने वाला अवतार इस्तेमाल हुआ। दोनों में महसूस की गई मानवसदृशता भी अलग थी, और उन खास डिज़ाइनों की अन्य विशेषताओं का भी योगदान हो सकता है। किसी प्रभाव को लिंग से जोड़ने के लिए, इन संकेतों में स्वतंत्र बदलाव करके कई अवतारों का परीक्षण करना होगा।

सार्वजनिक रूप से उपलब्ध शोधपत्र का रिकॉर्ड 2026 के सम्मेलन के अध्ययन और DOI की पहचान करता है। BIG CHANGE को ACM या विश्वविद्यालय के भंडार से पूरा शोधपत्र नहीं मिल सका, इसलिए यह विवरण लेखकों की प्रकाशित व्याख्या पर आधारित है, उसकी सांख्यिकीय तालिकाओं की नई समीक्षा पर नहीं। BIG CHANGE पूरे शोधपत्र से पुरस्कार की रकम या प्रभाव के आकार की स्वतंत्र पुष्टि नहीं कर सका।

इससे पहले लैंगिक पक्षपात ऑडिट पर BIG CHANGE की रिपोर्ट ने AI मॉडलों के जवाबों में अंतर की जाँच की थी। यह प्रयोग एक ही मूल सहायक के अलग-अलग रूपों पर लोगों की प्रतिक्रिया के बारे में है। दोनों अध्ययन अलग-अलग परिणामों के माध्यम से पक्षपात से जुड़े सवालों को देखते हैं।

स्रोत और आगे पढ़ें