अंतर्दृष्टि
AI क्रिटिकल थिंकिंग को कैसे कमजोर करता है
मैंने हाल ही में अपने खुद के काम के बारे में कुछ असुविधाजनक महसूस किया। मैं एक ऐसे दस्तावेज़ की समीक्षा कर रहा था जिसे AI ने मेरे लिए तैयार किया था। यह अच्छा था। स्पष्ट संरचना, उचित तर्क, कोई स्पष्ट त्रुटि नहीं। मैंने इसे दो बार पढ़ा, तीन छोटे संपादन किए, और इसे स्वीकृत कर दिया। फिर मैंने खुद से एक ऐसा सवाल पूछा जिसका जवाब देना मुझे अच्छा नहीं लगा: यदि कोई गंभीर कमी होती, तो क्या मैं उसे पकड़ पाता? मुझे नहीं लगता कि मैं पकड़ पाता। ऐसा इसलिए नहीं कि मुझमें क्षमता की कमी है, बल्कि इसलिए क्योंकि ड्राफ्ट पहले से ही पूरा हुआ दिखाई दे रहा था।
पॉलिश सहमति को आमंत्रित करती है
और मैंने अनजाने में समस्या के बारे में सोचने से अपना ध्यान हटाकर उत्तर की जाँच करने पर केंद्रित कर लिया था। अब इस पर शोध भी मौजूद है। माइक्रोसॉफ्ट रिसर्च ने 319 नॉलेज वर्कर्स का सर्वेक्षण किया जिन्होंने अपने काम में AI का उपयोग करने के 936 वास्तविक उदाहरण साझा किए। उन्होंने जो पैटर्न पाया, वह यह नहीं था कि AI लोगों को सोचने में कम सक्षम बनाता है। यह अधिक सूक्ष्म और परेशान करने वाला था: लोगों को AI पर जितना अधिक आत्मविश्वास था, उन्होंने आउटपुट पर उतना ही कम क्रिटिकल थिंकिंग प्रयास लागू किया। खुद पर जितना अधिक आत्मविश्वास था, उन्होंने उतना ही अधिक प्रयास लागू किया। पता चलता है कि आत्मविश्वास एक सीमित संसाधन है जो स्थानांतरित होता है। जब हम इसका अधिक हिस्सा टूल में रखते हैं, तो हम खुद से कुछ हिस्सा वापस ले लेते हैं। 1,200 से अधिक लोगों के एक अलग 2026 अध्ययन में कुछ ऐसा ही पाया गया — प्रतिभागी यह अनुमान लगाने में खराब रूप से कैलिब्रेट थे कि AI ने वास्तव में उनका कितना समय बचाया है। महसूस की गई गति और वास्तविक गति में अंतर था। लेखकों ने इसे स्पीडअप इल्यूजन कहा। मैं बार-बार इस बात पर लौटता हूँ कि इन निष्कर्षों का संगठनों के लिए क्या अर्थ है, क्योंकि मुझे नहीं लगता कि यह प्रशिक्षण की समस्या है। मैं जिस भी संगठन को जानता हूँ, वह वर्तमान में AI को अपनाने की माप कर रहा है। डिप्लॉयड सीट्स। स्वचालित किए गए कार्य। बचाए गए घंटे। एक भी संगठन यह नहीं माप रहा है कि संगठन के भीतर मानवीय सोच की गुणवत्ता ऊपर गई या नीचे।
हमारे पास मशीन के लिए इंस्ट्रुमेंटेशन है और
और यहाँ एक अजीब सी असममितता है। माइक्रोसॉफ्ट के 2026 वर्क ट्रेंड इंडेक्स में पाया गया कि जब कर्मचारियों से पूछा गया कि जैसे-जैसे AI अधिक काम संभालता है, कौन से कौशल सबसे अधिक मायने रखते हैं, तो शीर्ष दो उत्तर AI आउटपुट का गुणवत्ता नियंत्रण और क्रिटिकल थिंकिंग थे। 86 प्रतिशत ने कहा कि वे AI आउटपुट को अंतिम उत्तर के बजाय एक शुरुआती बिंदु के रूप में मानते हैं। इसलिए लोग जानते हैं। वे कौशल का नाम ले सकते हैं। जिस चीज़ की उनमें कमी है, वह ऐसा माहौल है जो इसका अभ्यास करने की स्थितियों की रक्षा करता है — समय, संदेह, असहमति, “यह सही लग रहा है और फिर भी मुझे इस पर भरोसा नहीं है” कहने की अनुमति। वह अनुमति कोई व्यक्तित्व लक्षण नहीं है।
यह एक संगठनात्मक डिजाइन विकल्प है
यदि किसी टीम की मीटिंग्स इस तरह से संरचित हैं कि तेज उत्तर जीत जाता है, तो AI ड्राफ्ट जीत जाएगा। यदि असहमति पर सामाजिक पूंजी खर्च होती है, तो कोई भी ऐसी चीज़ पर सवाल उठाने में इसे खर्च नहीं करता जो पहले से ही अच्छी लग रही है। यदि कैलेंडर में काम प्राप्त करने और उस पर निर्णय लेने के बीच कोई जगह नहीं है, तो निर्णय को स्वीकृति में संकुचित कर दिया जाता है। कंट्रीब्यूशन लीडरशिप इस आधार से शुरू होती है कि AI को काम को ऑप्टिमाइज़ करना चाहिए जबकि संगठनों को इंसानों को ऑप्टिमाइज़ करना चाहिए। मैं जो सीख रहा हूँ, वह केवल यह नहीं है कि लोग क्या जोड़ सकते हैं, बल्कि यह भी है कि वे चुपचाप क्या खो सकते हैं। AI-संतृप्त संगठन में एक व्यक्ति जो सबसे मूल्यवान चीज़ लाता है, वह थोड़ा असंतुष्ट बने रहने की उनकी इच्छा हो सकती है। जो एक ऐसा सवाल उठाता है जिसका मेरे पास अभी तक कोई स्पष्ट जवाब नहीं है: यदि आत्मविश्वास व्यक्ति से टूल में स्थानांतरित हो जाता है, तो एक नेता इसमें से कुछ को वापस स्थानांतरित करने के लिए क्या करता है? मुझे संदेह है कि इसका जवाब किसी नीति की तरह कम और किसी अभ्यास की तरह अधिक दिखता है। किसी से केवल आउटपुट नहीं, बल्कि तर्क समझाने के लिए कहना। केवल डिलीवरएबल्स नहीं, बल्कि निर्णयों की समीक्षा करना। यह सामान्य बनाना — यहाँ तक कि अपेक्षित करना — कि “मैंने यहाँ AI का उपयोग किया है, और यहाँ मुझे अभी भी लगता है कि यह गलत है।” छोटे अनुष्ठान। लेकिन वे उस संगठन के बीच का अंतर हो सकते हैं जो AI के साथ सोचता है और जो धीरे-धीरे सोचना पूरी तरह बंद कर देता है।