हर AI दावे को उद्धरण की आवश्यकता नहीं — पर हर दावे का आधार ज़रूरी

“कोई उद्धरण नहीं” एक पर्याप्त अच्छा परीक्षण क्यों नहीं रहा

विश्वास की समस्या अमूर्त नहीं है। यह मापने योग्य है, और यह विशिष्ट, प्रलेखित तरीकों से बदतर होती जा रही है। एआई-जनित संदर्भों के 2025 के एक अध्ययन में पाया गया कि 19.9% पूरी तरह से गढ़े हुए थे, और अतिरिक्त 45.4% में गंभीर ग्रंथ सूची संबंधी त्रुटियां थीं — जिसका अर्थ है कि उस अध्ययन में एआई द्वारा उत्पादित लगभग दो-तिहाई उद्धरण या तो आविष्कार किए गए थे या किसी भौतिक तरीके से टूटे हुए थे। अलग से, प्रकाशित शोध में गढ़े हुए उद्धरणों की ट्रैकिंग 2023 और 2025 के बीच लगभग 12 गुना वृद्धि दिखाती है, जिसमें 4,000 से अधिक बायोमेडिकल पेपर ऐसे शोध का हवाला देते हुए पाए गए जो मौजूद नहीं है। कानूनी प्रणाली पहले से ही इसकी लागत वहन कर रही है। फरवरी 2026 तक, 66 अमेरिकी कानूनी मामलों को विशेष रूप से एआई-जनित त्रुटियों के लिए मंजूरी दी गई थी, और जून 2026 तक यह आंकड़ा दुनिया भर में 1,598 अदालती कार्यवाही तक बढ़ गया था जिसमें गढ़े हुए उद्धरणों के साथ एआई सामग्री शामिल थी — जिसमें 2026 की पहली तिमाही में अकेले अमेरिकी अदालतों में एआई-फाइलिंग दंड में $145,000 से अधिक शामिल थे। इनमें से कोई भी एआई पर पूरी तरह से अविश्वास करने का कारण नहीं है। यह “क्या इसमें उद्धरण है” को पूरे परीक्षण के रूप में उपयोग करना बंद करने का एक कारण है, क्योंकि वह परीक्षण वास्तव में सत्य हुए बिना पास करना बहुत आसान है, और — उतना ही महत्वपूर्ण — वास्तव में सही होते हुए भी विफल होना बहुत आसान है। इसके दूसरे पहलू पर भी एक वास्तविक जटिलता है, जिसे ईमानदारी से बताने लायक है बजाय इसके कि इसे छोड़ दिया जाए: येल के एक अध्ययन में पाया गया कि जिन लोगों ने समाचारों को सत्यापित करने में मदद करने के लिए एआई चैटबॉट का उपयोग किया, उन्होंने केवल चार सप्ताह के बाद गलत सूचना का पता लगाने की अपनी स्वयं की सहायता-रहित क्षमता में 15 अंकों की गिरावट देखी। सत्यापन को आउटसोर्स करना मुफ्त नहीं है। यह आपको खुद से इसे करने में बदतर बना सकता है। यह वास्तव में एक ऐसा सिस्टम चाहने का एक वास्तविक कारण है जो अपना काम दिखाता है बजाय इसके कि वह आपको केवल एक साफ-सुथरा दिखने वाला जवाब दे।

एक दावा वास्तव में किस पर आधारित हो सकता है

यदि केवल एक उद्धरण सही परीक्षण नहीं है, तो अधिक उपयोगी प्रश्न यह है: इस दावे को किस प्रकार के साक्ष्य ने उत्पन्न किया? व्यवहार में, छह वास्तविक, भिन्न उत्तर हैं।

1. बाहरी अनुसंधान

एक दावा जो वास्तविक, वर्तमान स्रोतों के खिलाफ एक लाइव खोज या लुकअप में आधारित है — जिस तरह के साक्ष्य की आप एक उद्धरण के लिए उम्मीद करेंगे, और जहां एक गुम होना एक वास्तविक लाल झंडा है।

2. उपयोगकर्ता-प्रदत्त जानकारी

एक दावा जो आपने सीधे सिस्टम को बताया था — आपके अपने ब्रांड के तथ्य, आपके अपने बाजार का ज्ञान, आपके द्वारा प्रदान किया गया एक सुधार। इसके लिए बाहरी उद्धरण की आवश्यकता नहीं है। उद्धरण आप हैं।

3. पहले के चरण से आगे ले जाया गया साक्ष्य

शोध के बहु-चरण वाले टुकड़े में, एक बाद का चरण उस साक्ष्य पर सही ढंग से निर्भर कर सकता है जिसे एक पूर्व चरण पहले ही स्थापित और सत्यापित कर चुका है, बजाय इसके कि उसे खरोंच से फिर से शोध किया जाए। उद्धरण अपस्ट्रीम में रहता है, न कि हर डाउनस्ट्रीम वाक्य पर जो इसका उपयोग करता है।

4. विश्लेषणात्मक अनुमान, स्पष्ट रूप से अनुमान के रूप में लेबल किया गया

कभी-कभी ईमानदार जवाब होता है "एकत्रित साक्ष्य के आधार पर, यह सबसे उचित व्याख्या है" — यह कोई खोजा गया तथ्य नहीं, बल्कि एक निर्णय है। वह वैध है, बशर्ते इसे अनुमान के रूप में लेबल किया गया हो और उद्धरण के रूप में प्रस्तुत न किया गया हो।

5. नियतात्मक गणना

कुछ दावे केवल अंकगणित होते हैं। यदि इनपुट सही हैं, तो एक निश्चित, प्रतिलिपि प्रस्तुत करने योग्य गणना को किसी उद्धरण की आवश्यकता नहीं होती जितनी एक स्प्रेडशीट सूत्र को होती है — "साक्ष्य" यह तथ्य है कि समान इनपुट हमेशा समान आउटपुट उत्पन्न करते हैं।

6. मानवीय सुधार, तथ्य के बाद लागू किया गया

यह वह है जिसे एआई विश्वास की अधिकांश कवरेज पूरी तरह से छोड़ देती है: जब वास्तविक, प्रत्यक्ष ज्ञान वाला व्यक्ति एआई-जनित दावे को सही करता है, तो वह सुधार स्वयं साक्ष्य का एक रूप होता है — शायद उपलब्ध सबसे मजबूत प्रकार, क्योंकि यह किसी ऐसे व्यक्ति से आता है जो वास्तव में वहां था। हम इसे अपने आप में एक वास्तविक, छठी श्रेणी मानते हैं, न कि अन्य पांच पर लगाया गया एक गुणवत्ता-नियंत्रण कदम। यह हमारी ओर से एक वास्तविक संश्लेषण है, न कि एक स्थापित उद्योग शब्द — इसे जैसा है, उससे अधिक प्रस्तुत करने के बजाय स्पष्ट रूप से कहना उचित है। छह वास्तविक उत्तर। एक परीक्षण — "क्या कोई उद्धरण है" — कभी भी सभी छह को कवर नहीं कर सकता था।

वह अंतर जिसे लगभग कोई नहीं खींचता: एक अंतर बनाम एक कलाकृति

यहाँ वह कोण है जिस पर वास्तव में बहुत कम खोजबीन की गई है, और यह जितना लगता है उससे कहीं अधिक मायने रखता है। जब एक एआई सिस्टम किसी चीज़ को अनिश्चित के रूप में चिह्नित करता है, तो उस चिह्न का अर्थ दो बहुत अलग बातें हो सकती हैं: एक वास्तविक साक्ष्यगत अंतर — विषय वास्तव में सत्यापित नहीं किया जा सका। किसी ने संख्या प्रकाशित नहीं की है। जानकारी सार्वजनिक नहीं है। अनिश्चितता वास्तविक है और दुनिया के बारे में है। एक भाषा कलाकृति — अंतर्निहित निष्कर्ष ठीक है, लेकिन इसे नकारात्मक या अनिश्चित के रूप में चिह्नित किया गया क्योंकि इसे कैसे व्यक्त किया गया था, न कि इसलिए कि यह वास्तव में क्या कहता है। अनिश्चितता वाक्य के बारे में है, विषय के बारे में नहीं। ये पृष्ठ पर समान दिखते हैं। दोनों एक दावे के बगल में एक पीले झंडे के रूप में दिखाई देते हैं। लेकिन वे पूरी तरह से अलग प्रतिक्रियाओं की मांग करते हैं। एक वास्तविक अंतर को अधिक शोध की आवश्यकता होती है। एक भाषा कलाकृति को बेहतर वाक्यांशों की आवश्यकता होती है — और इसे शोध अंतर की तरह मानना उस चीज़ के लिए सबूतों का पीछा करने में समय बर्बाद करता है जिस पर वास्तव में कभी संदेह नहीं था। एआई विश्वास और मतिभ्रम की मौजूदा कवरेज में यह अंतर शायद ही दिखाई देता है। इसका अधिकांश भाग "एआई गलत हो सकता है, महत्वपूर्ण दावों को सत्यापित करें" पर रुक जाता है — सत्य है, लेकिन कार्रवाई योग्य नहीं है। यह जानना कि आप किस प्रकार के झंडे को देख रहे हैं, वास्तव में आपको बताता है कि आगे क्या करना है।

संकीर्ण प्रश्न व्यापक प्रश्नों को क्यों मात देते हैं

एक दूसरा पैटर्न भी नाम देने लायक है, और यह उस दिशा के विपरीत चलता है जो अधिकांश लोग मानते हैं कि "अधिक गहन" एआई शोध कैसा दिखना चाहिए। सहज प्रवृत्ति एक बड़ा, खुला प्रश्न पूछना और एक व्यापक उत्तर की उम्मीद करना है। व्यवहार में, इसके विपरीत बेहतर काम करता है: एक व्यापक प्रश्न को कई संकीर्ण, विशिष्ट, सीमित प्रश्नों में तोड़ना — और उन्हें अलग-अलग पूछना — ऐसे सबूत पैदा करता है जिनकी जांच करना आसान होता है, जिन पर भरोसा करना आसान होता है, और जो अक्सर एक ही बार में सब कुछ कवर करने की कोशिश कर रहे एक बड़े जवाब से अधिक सीधे उपयोगी होता है। इसका एक कारण यह है: एक संकीर्ण प्रश्न एक सिस्टम को उन चीजों को एक साथ धुंधला करने के लिए कम जगह देता है जिन्हें अलग रहना चाहिए। यह आपको, पाठक को, वास्तव में सत्यापित करने के लिए एक बहुत आसान दावा भी देता है — एक विशिष्ट प्रश्न का एक विशिष्ट उत्तर वह है जिसकी आप एक विशिष्ट स्रोत के विरुद्ध जांच कर सकते हैं। एक ही पैराग्राफ में एक साथ पांच चीजों का जवाब देने की कोशिश आमतौर पर किसी विशेष चीज के खिलाफ जांच नहीं की जा सकती है। कम, अधिक सटीक रूप से लक्षित, अधिक को हराने की प्रवृत्ति रखता है।

वास्तविक बाजार अनुसंधान में यह वास्तव में कैसा दिखता था

हमने इनमें से किसी पर भी विश्वास नहीं किया। हमने इस बात पर वास्तविक शोध किया कि लोग वर्तमान में एआई उपकरणों के साथ अपनी निराशा का वर्णन कैसे करते हैं जो साक्ष्य और विश्वास के दावे करते हैं — वह आवर्ती भाषा जिसे लोग वास्तव में इस्तेमाल करते हैं, न कि इसके बारे में कोई परिकल्पना। तीन वाक्यांश पर्याप्त रूप से अक्सर, स्वतंत्र रूप से, यहाँ दोहराने लायक थे, बिना उन्हें किसी विशिष्ट उत्पाद या कंपनी से जोड़े, क्योंकि पैटर्न ही मुख्य बिंदु है, न कि कोई एक विक्रेता:

• एक महसूस की गई "5% बकवास दर" — यह भावना कि एक ज्यादातर-विश्वसनीय एआई उपकरण में भी आत्मविश्वास से गलत आउटपुट का एक छोटा लेकिन वास्तविक अनुपात होता है, और यह अनुपात शायद ही कभी शून्य तक सिकुड़ता है, चाहे उपकरण कितना भी अच्छा क्यों न हो।
• "पारदर्शिता का भ्रम" — जहाँ एक उपकरण अपनी तर्कसंगतता या स्रोतों को स्पष्ट रूप से दिखाता है, जिसे विश्वसनीय माना जाता है, बिना उस दृश्य परत के वास्तव में जांचने योग्य या सही हुए।
• "सत्यापन का बोझ" — वह शांत, वास्तविक लागत कि एआई-सहायता प्राप्त कार्य चीजों की जांच करने की आवश्यकता को दूर नहीं करता है, यह केवल जांच को बाद में, अक्सर बिना किसी चेतावनी के कि यह अभी भी आवश्यक है, मानव पर स्थानांतरित कर देता है। उसी शोध में यह भी सामने आया कि लोग इसके बजाय वास्तव में क्या चाहते हैं, स्वतंत्र रूप से और बार-बार, बिना किसी विशेष उत्तर की ओर संकेत किए: सुसंगत, सत्यापन योग्य उद्धरण क्षमता; एआई अपने निष्कर्ष तक कैसे पहुंचा, इसका एक दृश्य स्पष्टीकरण बजाय केवल निष्कर्ष के; और सिस्टम को जो कुछ भी मिला, उसके अनफ़िल्टर्ड डंप के बजाय एक संश्लेषित, कार्रवाई योग्य फैसला। हम उस मांग की पहचान करने का श्रेय नहीं ले रहे हैं — शोध ने इसे स्वयं पाया। हम जिस बात की ओर इशारा करेंगे वह यह है कि यह हमारे अपने उत्पाद को कैसे बनाया गया है, उसके साथ निकटता से मेल खाता है: एक ईमानदारी परत जो धारणाओं, अंतरालों और विरोधाभासों को छिपाने के बजाय दिखाती है; वास्तविक संदर्भ के साथ एक विश्लेषण को सही करने और फिर से चलाने का एक तरीका बजाय फिर से शुरू करने के; और सामने एक एकल संश्लेषित फैसला, जिसके नीचे पूर्ण साक्ष्य मार्ग उपलब्ध है जो कोई भी हमारे काम की जांच करना चाहता है।

अगली एआई दावे के लिए एक चेकलिस्ट जो आपको दी गई है

अगली बार जब कोई एआई सिस्टम — हमारा या किसी और का — आपको एक दावा देता है जिस पर आप कार्रवाई करने वाले हैं, तो "क्या कोई उद्धरण है" से आगे आपको पांच प्रश्न ले जाएंगे:

1. यह किस प्रकार का है? बाहरी शोध, आपका अपना इनपुट, आगे ले जाया गया साक्ष्य, लेबल किया गया अनुमान, एक गणना, या एक मानवीय सुधार — वे विश्वास के विभिन्न स्तरों की मांग करते हैं।
2. यदि यह एक उद्धरण है, तो क्या स्रोत वास्तव में यह कहता है? एक उद्धरण का अस्तित्व और एक उद्धरण का विशिष्ट दावे का समर्थन करना एक ही जांच नहीं है।
3. यदि इसे अनिश्चित के रूप में चिह्नित किया गया है, तो क्या यह एक अंतर है या एक कलाकृति? पूछें कि विशेष रूप से क्या असत्यापित है — विषय, या केवल वाक्य।
4. क्या इस प्रश्न का एक संकीर्ण संस्करण आपको अधिक जांच योग्य उत्तर देगा? यदि दावा व्यापक है, तो विचार करें कि क्या इसे विभाजित करना मदद करेगा।
5. क्या किसी प्रत्यक्ष ज्ञान वाले व्यक्ति ने वास्तव में इसे देखा है? एक मानवीय सुधार, जहाँ एक उपलब्ध हो, अक्सर सूची में सबसे मजबूत साक्ष्य प्रकार होता है — इसका उपयोग करें। इनमें से किसी के लिए भी एआई पर पूरी तरह से अविश्वास करने की आवश्यकता नहीं है। इसके लिए "उद्धृत" और "सत्य" को दो अलग-अलग प्रश्नों के रूप में मानने की आवश्यकता है, क्योंकि वे हैं।