त्तर सस्तो भइसक्यो। महँगो चाहिँ प्रश्न सोध्न, जाँच्न र निर्णय गर्न जान्ने मान्छे भएको छ।
पहिले जुन जानकारी खोज्न पुस्तकालय धाउनुपर्थ्यो, दुई दिन लगाउनुपर्थ्यो, अहिले त्यही कुरा 10 सेकेन्डमा स्क्रिनमा आउँछ। भाषण लेख्नु छ, code को bug पत्ता लगाउनु छ, बजेटको तालिका बनाउनु छ। सोध्नासाथ आइहाल्छ।
यही देखेर धेरै जना एउटै ठाउँमा पुगेका छन्: अब सिक्नुको के अर्थ? तर यो निष्कर्ष उल्टो हो। उत्तर सस्तो हुनुको अर्थ सोचाइ सकियो भन्ने होइन — सोचाइ कहाँ चाहिन्छ भन्ने ठाउँ सर्यो भन्ने हो।
पहिलो कुरा, AI लाई “सबै थाहा” छैन
यो वाक्य नै अलि गलत हो, र यही गलत बुझाइबाट अरू धेरै गल्ती जन्मन्छन्। ChatGPT होस् वा Gemini, यसले जान्दैन — यसले अनुमान गर्छ। पढेको अर्बौं वाक्यको आधारमा “यसपछि यही शब्द आउनुपर्ने हो” भनेर हिसाब गर्छ। धेरैजसो हिसाब मिल्छ। नमिल्दा पनि उस्तै आत्मविश्वासले लेख्छ।
यो अन्दाजको कुरा होइन। युरोपेली प्रसारण संघ (EBU) र BBC ले 2025 को अक्टोबरमा सार्वजनिक गरेको अध्ययनमा 18 देशका 22 सार्वजनिक प्रसारण संस्थाका पत्रकारले ChatGPT, Copilot, Gemini र Perplexity का 3,000 भन्दा बढी जवाफ जाँचेका थिए। नतिजा: 45% जवाफमा कम्तीमा एउटा गम्भीर समस्या भेटियो। 31% मा स्रोत गलत वा हराएको थियो, र 20% मा तथ्यगत त्रुटि: नबनेको विवरण, वा पुरानो भइसकेको जानकारी नयाँजस्तै प्रस्तुत गरिएको।
यहाँनेर एउटा कुरा भन्नैपर्छ — यो एक वर्षअघिको तस्बिर हो, र model हरू त्यसयता सुधारिएका छन्। तर तिनै अध्ययनसँगै आएको अर्को तथ्यले चाहिँ अझै झस्काउँछ: बेलायतका करिब एक तिहाइ वयस्कले AI ले दिएको सारांशलाई पूर्ण रूपमा पत्याउँछन् भनेका थिए, 35 वर्षमुनिकामा त झन्डै आधा। भर धेरै, शुद्धता कम — यो दुईबीचको खाडल नै आजको सबैभन्दा ठूलो जोखिम हो।
नेपाली भाषामा यो खाडल अझ चौडा छ। धेरैजसो ठूला AI model अंग्रेजीमा जति भरपर्दो छन्, नेपालीमा त्यति छैनन् — अनुवाद बिग्रन्छ, सन्दर्भ चिप्लिन्छ।
जुन सीप सस्तो भयो, त्यसैमा करियर अड्याउनु जोखिम
बजारले यो कुरा हामीभन्दा छिटो बुझिसक्यो, र सबैभन्दा पहिले entry-level काममा देखियो।
PwC को AI Jobs Barometer अनुसार अमेरिकामा AI ले बढी छोएका सुरुवाती तहका जागिरहरूमा पहिले वरिष्ठ पदमा मात्र खोजिने सीप माग्ने सम्भावना सात गुणा बढी छ। Oliver Wyman र New York Stock Exchange ले गरेको सर्वेक्षणमा 43% CEO ले आउँदो वर्ष जुनियर पदमा भर्ना घटाउने बताए। अघिल्लो वर्ष यो 17% मात्र थियो। बेलायतमा एक तिहाइभन्दा बढी रोजगारदाताले गत वर्ष युवाका लागि सुरुवाती तहका पद घटाइसकेका छन्।
यसको सिधा अर्थ यो हो: पहिले जुन “सिक्दै कमाउने” खुड्किलोबाट मान्छे पेसामा छिर्थ्यो, त्यो खुड्किलो साँघुरिँदै छ। पहिलो दुई वर्ष data सफा गरेर, draft बनाएर, ticket हल गरेर जुन judgment बन्थ्यो, त्यो अभ्यास अब AI ले खान थालेको छ। तर judgment चाहिँ पहिलेभन्दा बढी खोजिन्छ।
नेपालका लागि यो टाढाको समाचार होइन। हाम्रो IT निर्यात र BPO क्षेत्र ठ्याक्कै यही किसिमको काममा उभिएको छ, र सरकारले आर्थिक वर्ष 2024/25 को बजेटबाट “IT दशक” घोषणा गर्दै 10 वर्षमा Rs. 3 खर्बको IT सेवा निर्यात र 15 लाख रोजगारी (5 लाख प्रत्यक्ष, 10 लाख अप्रत्यक्ष) को लक्ष्य राखेको छ। त्यो लक्ष्य दोहोरिने कामको भरमा पूरा हुँदैन।
आफूलाई थाहा नभएको विषयमा AI लाई जाँच्न सकिँदैन
Microsoft Research र Carnegie Mellon University ले AI दैनिक प्रयोग गर्ने 319 पेसाकर्मीसँग 936 वटा वास्तविक कामको उदाहरण लिएर गरेको अध्ययनले एउटा असहज कुरा देखायो। जसले AI माथि जति बढी भरोसा गरे, तिनले त्यति नै कम आलोचनात्मक सोच लगाए। र जसलाई आफ्नै सीपमा विश्वास थियो, तिनले AI को जवाफलाई त्यति नै बढी खोतले।
सोझो भाषामा भन्दा — तपाईंलाई कुनै विषय आफैँ थाहा छ भने मात्र AI ले त्यहाँ गल्ती गरेको तपाईंले चिन्न सक्नुहुन्छ। थाहा छैन भने? जे लेखेर आयो, त्यही सही लाग्छ। त्यसैले “अब पढ्नु पर्दैन, AI छँदै छ” भन्ने तर्क आफैँलाई काट्ने तर्क हो।
त्यही अध्ययनले अर्को उपयोगी कुरा पनि भन्छ: AI ले आलोचनात्मक सोच हटाउँदैन, सार्छ। पहिले मेहनत जानकारी खोज्नमा जान्थ्यो; अब जानकारी जाँच्न, टुक्रा-टुक्रा जवाफलाई आफ्नो सन्दर्भमा जोड्न, र अन्तिम निर्णयको जिम्मा लिनमा जान्छ।
सिकाइको पुरानो सिँढी सम्झनुहोस् — तल्लो खुड्किलामा तथ्य कण्ठ पार्ने र बुझ्ने काम पर्छ, माथिल्लोमा विश्लेषण गर्ने, जोड्ने र मूल्याङ्कन गर्ने। AI ले तल्लो खुड्किला हडपेको छ। हाम्रा स्कुल र कलेजले भने अझै मुख्यतः तिनै तल्ला खुड्किलामा नम्बर बाँडिरहेका छन्। समस्या यहीँ छ।
पहिले आफैँ सोच्नुहोस्, अनि AI लाई देखाउनुहोस्
MIT Media Lab का अनुसन्धाताहरूले 54 जना सहभागीलाई चार महिनासम्म निबन्ध लेखाएर EEG मार्फत मस्तिष्कको गतिविधि नापेका थिए। जसले सुरुदेखि AI मा लेखे, तिनको मस्तिष्कमा सबैभन्दा कम सक्रियता देखियो, आफूले लेखेकै वाक्य पछि सम्झन गाह्रो भयो, र लेखलाई “मेरो हो” भन्ने अपनत्व पनि सबैभन्दा कम रह्यो। अनुसन्धाताहरूले यसलाई cognitive debt भनेका छन्: अहिले बचाएको मेहनत पछि ब्याजसहित तिर्नुपर्ने ऋण।
तर यही अध्ययनको सबैभन्दा काम लाग्ने निष्कर्ष प्रायः छुट्छ। जुन समूहले पहिले आफैँ सोचेर लेख्यो र पछि मात्र AI प्रयोग गर्यो, तिनको सम्झना र मस्तिष्क सक्रियता उल्टो क्रमवालाभन्दा राम्रो थियो। क्रमले फरक पार्ने रहेछ।
यो अध्ययन अझै peer-review भइसकेको छैन, र प्रमुख अनुसन्धाताले आफैँले “हामीले brain rot भेट्टाएका होइनौँ” भनेर स्पष्ट पारेकी छन्। त्यसैले यसलाई अन्तिम प्रमाण नठानौँ। तर व्यवहारिक सन्देश सिधा छ: AI लाई पहिलो draft लेख्न होइन, आफ्नो draft ठोक्किन प्रयोग गर्नुहोस्।
नेपालका कक्षाकोठामा यो बहस सुरु भइसक्यो
British Council Nepal को AI4ED परियोजनाले 800 शिक्षकमाथि गरेको राष्ट्रिय अध्ययनको पहिलो चरण गत महिना सार्वजनिक भयो, र त्यसका नतिजा सोचेभन्दा फरक छन्।
सहर र गाउँबीच AI प्रयोगमा खासै फरक भेटिएन। फरक चाहिँ उमेरले पार्यो: 30 वर्ष वा कम उमेरका शिक्षकमध्ये 94% ले AI चलाइसकेका छन्, 50 वर्षमाथिकामा यो 54% छ। तर शिक्षकहरूले आफैँ औँल्याएको सबैभन्दा ठूलो अवरोध चाहिँ न इन्टरनेट थियो, न device। समस्या तालिमको रहेछ। अनुसन्धानको नेतृत्व गर्ने विशेषज्ञ Ronda Zelezny-Green को शब्दमा, शिक्षकहरूले AI चलाइरहेका छन्, तर “लगभग आँखा चिम्लेर।”
सरकारले 2082 साउनमा राष्ट्रिय AI नीति स्वीकृत गरिसकेको छ, जसमा पाँच वर्षभित्र 5,000 जनशक्ति तयार पार्ने र विद्यालय तहदेखि नै AI साक्षरता पुर्याउने लक्ष्य छ। नीति कागजमा राम्रो छ। कक्षाकोठासम्म नपुगेसम्म यसको अर्थ सीमित छ।
उही अनुसन्धानले सुझाएको बाटो पनि ध्यान दिन लायक छ: विद्यार्थीलाई AI सिकाउनुभन्दा पहिले पढ्ने, लेख्ने, आलोचनात्मक सोच्ने र गलत सूचना चिन्ने आधार बलियो बनाउनुपर्छ। AI लाई स्कुलबाट निषेध गर्ने कुरा चाहिँ काम लाग्दैन। विद्यार्थीले बाहिर जसरी पनि भेट्टाइहाल्छन्।
त्यसो भए ठ्याक्कै के सिक्ने त?
सबैभन्दा पहिले, प्रश्न बनाउन। AI लाई “मार्केटिङ प्लान बनाइदेऊ” भन्नु र “काठमाडौंमा 25-35 उमेरका ग्राहक लक्षित, मासिक Rs. 50,000 बजेटमा, Instagram मा केन्द्रित प्लान चाहियो, हाम्रो पछिल्लो अभियान किन असफल भयो त्यो पनि हेरेर” भन्नुबीचको फरक prompt को फरक होइन — समस्या कति स्पष्ट बुझिएको छ त्यसको फरक हो। यो सीप AI ले दिँदैन।
अनि जाँच्न जान्नु। जुन आँकडा, नाम, मिति वा कानुनी प्रावधान AI ले दियो, त्यो एक क्लिक टाढाको मूल स्रोतमा गएर मिलाउने बानी। हाम्रो सन्दर्भमा त झन् — नेपालको नियम, दररेट, स्थानीय तथ्याङ्कमा AI बारम्बार चिप्लिन्छ।
यसभन्दा पनि गहिरो एउटा कुरा छ: आफ्नो क्षेत्रको ज्ञान। एउटै विषयमा दस वर्ष बिताएको मान्छेले AI को जवाफ हेर्नासाथ “यो त मिलेन” भन्न सक्छ। नयाँ मान्छेले सक्दैन। AI ले विशेषज्ञतालाई अनावश्यक बनाएको छैन, बरु विशेषज्ञ र गैर-विशेषज्ञबीचको दूरी बढाइदिएको छ।
र मानिससँगै जोडिने कुराहरू। रोजगारीको बजारमै यसको संकेत देखिन थालेको छ — जब सबैका आवेदन AI ले मिलाएपछि एकैनासका देखिन थाले, रोजगारदाता फेरि चिनजान र सिफारिसतिर फर्किन थालेका छन्। भरोसा एउटा यस्तो कुरा हो जुन generate गर्न मिल्दैन।
अन्त्यमा, निर्णयको जिम्मेवारी बोक्न। AI ले सुझाव दिन्छ; भोग्ने चाहिँ तपाईं हुनुहुन्छ। बिरामीलाई औषधि दिने, कर्मचारी हटाउने, लगानी गर्ने, समाचार छाप्ने — गलत भयो भने जवाफ दिने मान्छे नै हो। यही जिम्मेवारी बोक्ने क्षमताले मान्छेलाई मेसिनबाट अलग गर्छ, र यही नै आजको सबैभन्दा माग भएको सीप हो।
मेरो विचारमा, AI ले हाम्रो काम खोसेको छैन। यसले काममा जुन भाग सजिलो थियो, त्यो खोसेको छ। बाँकी रहेको भाग गाह्रो छ — सोच्ने, छान्ने, जिम्मा लिने। त्यही सिक्ने हो।