क्या एल्गोरिद्म सच में जबरन श्रम पकड़ सकते हैं, या हम बस अपनी “अंधी जगहों” को ऑटोमेट कर रहे हैं?

जिम्मेदार सप्लाई चेन अब “अच्छा हो तो ठीक” वाली चीज़ नहीं रही। यह तेजी से अनुपालन (compliance) की शर्त बन रही है। यूरोपीय संघ का Corporate Sustainability Due Diligence Directive (CSDDD) और अमेरिका का Uyghur Forced Labour Prevention Act (UFLPA) एशिया–प्रशांत (APAC) में कई सप्लायरों और ब्रांडों पर दबाव डाल रहे हैं कि वे साबित करें कि उनकी सप्लाई चेन जबरन श्रम से मुक्त है।

इसी दबाव में AI को “समाधान” के रूप में बेचा जा रहा है।

कई प्लेटफ़ॉर्म दावा करते हैं कि वे मिनटों में बड़े सप्लायर नेटवर्क को स्कैन कर सकते हैं और जोखिम सामने आने से पहले ही जबरन श्रम का जोखिम “फ्लैग” कर देंगे। स्प्रेडशीटों और ईमेल के बोझ में फँसी अनुपालन टीमों के लिए यह राहत जैसा लगता है। लेकिन एक सवाल बना रहता है। क्या मशीन आधुनिक दासता की उलझी, छिपी और अक्सर जानबूझकर ढकी हुई सच्चाई को पकड़ सकती है?

वादा: तेज़ी और बड़े पैमाने पर काम

AI बड़ी मात्रा में डेटा को बहुत जल्दी प्रोसेस कर सकता है। अगर आप सिंगापुर में बैठकर वियतनाम, बांग्लादेश और इंडोनेशिया में सप्लायरों की निगरानी करते हैं, तो सूचनाओं का सैलाब किसी भी टीम को थका सकता है।

आज के टूल आम तौर पर दो जगह सबसे उपयोगी साबित होते हैं।

वे सप्लाई चेन मैपिंग में मदद करते हैं। बिल ऑफ लेडिंग डेटा, कंपनी रजिस्ट्री और व्यापार रिकॉर्ड के आधार पर वे टियर 2 और टियर 3 की ऐसी इकाइयों को सामने ला सकते हैं जिनका ब्रांड को पहले पता नहीं था।

वे सार्वजनिक संकेतों को स्कैन करने में भी मदद करते हैं। “सोशल लिसनिंग” टूल कई भाषाओं में स्थानीय खबरें, सोशल मीडिया और NGO रिपोर्ट देखते हैं और तेजी से हड़ताल, आरोप या नकारात्मक कवरेज को चिन्हित कर देते हैं।

अगर लक्ष्य केवल जानकारी को व्यवस्थित करना है, तो AI वाकई काम का अपग्रेड है। लेकिन अगर लक्ष्य मानवाधिकार उल्लंघन पहचानना है, तो तस्वीर उतनी आसान नहीं रहती।

हकीकत: जबरन श्रम अक्सर कोई साफ़ निशान नहीं छोड़ता

AI डेटा में पैटर्न पर निर्भर करता है। जबरन श्रम कई बार वहीं होता है जहाँ डेटा मौजूद नहीं होता, या डेटा जानबूझकर बिगाड़ दिया जाता है।

1) “क्लीन डेटा” का भ्रम

APAC के कुछ सबसे गंभीर जोखिम अनौपचारिक काम, बिना अनुमति वाले सब-कॉन्ट्रैक्टिंग, या रिकॉर्ड से बाहर चलने वाले लेबर बिचौलियों में छिपे होते हैं। ये लोग रिपोर्ट नहीं छापते। वे चमकदार डेटा-सेट में नहीं दिखते। व्यापार रिकॉर्ड में भी वे इस तरह नहीं दिखें कि श्रम स्थितियों का अंदाज़ा हो सके।

अगर कोई फैक्ट्री प्रवासी मज़दूरों के पासपोर्ट जब्त कर ले, तो इस तरह की जबरदस्ती का कोई सार्वजनिक रिकॉर्ड नहीं बनता। ट्रेड फ्लो और कॉरपोरेट फाइलिंग देखने वाला मॉडल साइट को “ठीक-ठाक” मान सकता है। वह शोषण चूक सकता है, क्योंकि शोषण डेटा बनता ही नहीं।

2) संदर्भ का अंतर

श्रम जोखिम केवल कीवर्ड का मामला नहीं है। AI अक्सर बारीक संदर्भ नहीं पकड़ पाता।

एक टूल भारत में “labour unrest” को जोखिम संकेत मानकर फ्लैग कर सकता है। कोई मानव विशेषज्ञ उसी संकेत को इस तरह पढ़ सकता है कि मजदूर संगठित हो पा रहे हैं, बोल पा रहे हैं और सामूहिक सौदेबाज़ी कर पा रहे हैं। दूसरी तरफ, मीडिया की चुप्पी डर, धमकी या सेंसरशिप का संकेत भी हो सकती है।

गलत अलर्ट (false positives) भी बड़ा बोझ बनते हैं। अस्पष्ट शब्दों से ट्रिगर हुए अलर्टों की बाढ़ में टीमें “शोर” हटाने में समय गँवाती हैं, असली नुकसान

3) “ब्लैक बॉक्स” वाला कानूनी जोखिम

नई ड्यू डिलिजेंस व्यवस्थाएँ फैसलों की वजह समझाने की माँग करती हैं। जर्मनी के Supply Chain Act (LkSG) जैसे ढाँचों में कंपनी को बताना पड़ सकता है कि उसने जोखिम कैसे आँका और उसने वही कदम क्यों उठाया।

अगर आप सिर्फ “अल्गोरिद्म ने फ्लैग किया” कहकर किसी सप्लायर से रिश्ता तोड़ते हैं, तो उसे सही ठहराना मुश्किल हो सकता है। अगर सिस्टम ने “कम जोखिम” स्कोर दिया और आप सप्लायर को बनाए रखते हैं, और बाद में गंभीर शोषण सामने आता है, तो “मॉडल ने ठीक बताया था” कोई बचाव नहीं है।

विडंबना: AI की भी अपनी सप्लाई चेन होती है

एक और असहज बात यह है कि कई AI सिस्टम “घोस्ट वर्क” पर टिके होते हैं—जैसे डेटा लेबलिंग और कंटेंट मॉडरेशन। यह काम अक्सर ग्लोबल साउथ में कम वेतन पर आउटसोर्स होता है। हालात अस्थिर हो सकते हैं। इसलिए “नैतिक अनुपालन” के लिए बेचे जा रहे टूल अपने ही श्रम मॉडल पर सवाल खड़े कर देते हैं।

बेहतर रास्ता: ‘ऑगमेंटेड इंटेलिजेंस’

AI मदद कर सकता है, लेकिन उसे ड्राइवर की सीट पर नहीं होना चाहिए। यह सबसे अच्छा “को-पायलट” की तरह काम करता है।

हाइब्रिड तरीका आम तौर पर बेहतर नतीजे देता है।

AI शुरुआती छँटाई (triage) में मदद कर सकता है। यह सप्लायर मैपिंग कर सकता है, सेक्टर और भूगोल के आधार पर जोखिम समूह बना सकता है, और संभावित हॉटस्पॉट की ओर टीमों का ध्यान दिला सकता है।

लेकिन सत्यापन इंसानों को करना होगा। साइट से बाहर मजदूर साक्षात्कार, बिना सूचना निरीक्षण, और भरोसेमंद स्थानीय साझेदार—ये ही ऋण-बंधन (debt bondage), यौन उत्पीड़न, धमकी और मानसिक दबाव जैसी वास्तविकताओं को पकड़ने के तरीके हैं। ये बातें आम तौर पर डैशबोर्ड में नहीं दिखतीं।

तकनीक ट्रेसबिलिटी बेहतर कर सकती है, पर जिम्मेदारी का विकल्प नहीं बन सकती।

आप कागज़ी काम ऑटोमेट कर सकते हैं। आप भरोसा ऑटोमेट नहीं कर सकते।