AI का कितना इस्तेमाल ठीक है? स्कूल और काम के नियम, स्तर-दर-स्तर

AI का कितना इस्तेमाल ठीक है, इसका कोई ऐसा प्रतिशत नहीं है जो हर जगह लागू हो। फ़ैसला इस बात से होता है कि आपने AI को कौन-सा काम दिया: कुछ सीखने में मदद, ऊपरी गलतियाँ सुधारना, या वह काम तैयार करना जो आप जमा करते हैं। हमने जिन नीतियों को देखा (स्टैनफ़ोर्ड, UCL, Springer Nature और Elsevier), वे जहाँ इन पहले दो कामों की बात करती हैं, वहाँ इनकी अनुमति देती हैं, बशर्ते किसी टास्क में AI पर पूरी तरह रोक न हो। तीसरे काम पर वे रोक लगाती हैं या उसे सीमित करती हैं, जब तक आपके टीचर या एडिटर कुछ और न कहें, और उम्मीद करती हैं कि बुनियादी सुधारों से आगे AI का जो भी इस्तेमाल हुआ, उसके बारे में आप बताएँ।
फ़रवरी 2026 में प्रकाशित प्यू रिसर्च सेंटर (Pew Research Center) के एक सर्वे में अमेरिका के 54% किशोरों ने कहा कि उन्होंने पढ़ाई के काम में मदद के लिए चैटबॉट का इस्तेमाल किया है, और हर दस में से एक ने कहा कि वह अपना सारा या ज़्यादातर स्कूल का काम इसी तरह करता है। नीचे स्कूल और काम पर हर तरह की AI मदद के असली नियम दिए गए हैं, जो नवंबर 2026 तक के हिसाब से मौजूदा हैं।
AI का कितना प्रतिशत ठीक है? क्या कोई तय सीमा है?
नहीं। इस गाइड की कोई भी नीति AI का स्वीकार्य प्रतिशत तय नहीं करती, इसलिए उनमें "15%" या "30%" जैसा कोई आधिकारिक नियम नहीं है। आप जो सीमा कहीं लिखी देखते हैं, वह आम तौर पर किसी एक स्कूल या टीचर की अपनी पसंद होती है, या किसी डिटेक्टर कंपनी की अपनी श्रेणियाँ।
लोग जिस नंबर को लेकर परेशान रहते हैं, वह अक्सर किसी डिटेक्टर से आता है, और वह कुछ और ही मापता है। बड़े पैमाने पर इस्तेमाल होने वाला डिटेक्टर Turnitin अपनी AI राइटिंग रिपोर्ट की गाइड में कहता है कि 1% से 19% तक के स्कोर दिखाए ही नहीं जाते: इनकी जगह रिपोर्ट में एक तारांकन (*) दिखता है, क्योंकि उसकी टेस्टिंग में इस दायरे में ज़्यादा फ़ॉल्स पॉज़िटिव मिले। उसी गाइड में लिखा है कि स्कोर का "किसी छात्र के ख़िलाफ़ प्रतिकूल कार्रवाई के एकमात्र आधार के रूप में इस्तेमाल नहीं किया जाना चाहिए।" इसलिए 20%, 30% या 40% का स्कोर भी कोई फ़ैसला नहीं है। 20% और उससे ऊपर Turnitin नंबर दिखाता है, लेकिन यह ध्यान से देखने और बात करने की वजह है, कोई निर्णय नहीं।
डिटेक्टर का स्कोर अनुमान लगाता है कि कोई टेक्स्ट AI के लिखे जैसा लगता है या नहीं। यह नहीं मापता कि आपको कितनी मदद मिली, और इसे आपके नियमों की कोई जानकारी नहीं होती। इसके दो नतीजे निकलते हैं:
- कम स्कोर से मना की गई मदद जायज़ नहीं हो जाती। अगर आपके कोर्स में AI से लिखे पैराग्राफ़ मना हैं, तो उन्हें तब तक बदलते रहना जब तक डिटेक्टर चुप न हो जाए, फिर भी नियम तोड़ना ही है।
- ज़्यादा स्कोर इस बात का सबूत नहीं कि आपने नियम तोड़ा। ईमानदारी से लिखा गया टेक्स्ट भी फ़्लैग हो जाता है, इसी वजह से कुछ यूनिवर्सिटी डिटेक्टर इस्तेमाल नहीं करतीं। स्टैनफ़ोर्ड की गाइडेंस कहती है कि छात्रों के काम का मूल्यांकन करने के लिए AI डिटेक्शन टूल "फ़िलहाल इस्तेमाल नहीं किए जाते", और UCL कहता है कि वह "GenAI डिटेक्शन सॉफ़्टवेयर में निवेश नहीं कर रहा है।"
अगर काम आपने ख़ुद लिखा है और फिर भी स्कोर ज़्यादा आया, तो अपने ड्राफ़्ट सँभालकर रखें और इस पर बात करने के लिए कहें। AI डिटेक्टर कितने सटीक हैं, इस पर हमारी गाइड में रिसर्च भी है और यह भी कि आगे क्या करें। हमारे AI डिटेक्टर जैसी मुफ़्त जाँच एक ही काम के लिए उपयोगी है: जमा करने से पहले यह देखना कि आपका अपना ड्राफ़्ट कहीं घिसा-पिटा तो नहीं लगता। यह अनुमान देता है, सबूत नहीं, और यह Turnitin या किसी दूसरे डिटेक्टर पर जाँच नहीं करता।
निबंध या रिपोर्ट में AI की कितनी मदद की इजाज़त है? छह स्तर
ज़्यादा काम का सवाल यह है: AI ने किया क्या? यहाँ एक ही असाइनमेंट है, एक छोटा निबंध (essay) या रिपोर्ट, जिसे छह अलग-अलग तरह की मदद से किया गया। टेबल दो मौजूदा नीतियों की तुलना करती है: स्टैनफ़ोर्ड का डिफ़ॉल्ट नियम, जो उन कोर्स पर लागू होता है जिनका AI पर अपना कोई नियम नहीं है (15 अक्टूबर 2026 को अपनाया गया), और वे जोखिम स्तर जो Springer Nature जर्नल पेपर के लिए इस्तेमाल करता है। आख़िरी कॉलम में दोनों के बारे में हमारी समझ है।
| आप AI से क्या करवाते हैं | स्टैनफ़ोर्ड डिफ़ॉल्ट (कोर्स का नियम न हो) | Springer Nature (रिसर्च पेपर) | हमारी समझ |
|---|---|---|---|
| 1. आपसे सवाल पूछना, कोई कॉन्सेप्ट समझाना, अभ्यास के सवाल देना | अनुमति है | शामिल नहीं | ठीक है |
| 2. स्पेलिंग, व्याकरण और विराम चिह्न सुधारना | अनुमति है, बताने की ज़रूरत नहीं | हरा: "भाषा को निखारना या बेहतर बनाना" | ठीक है |
| 3. सोचने के लिए आइडिया या नज़रिए सुझाना | अनुमत कामों में शामिल नहीं: पूछें, और बताएँ | हरा: "रिसर्च के सवालों को कड़ाई से परखना"। पीला: तरीके (methods) सुझाना | बताने पर अक्सर ठीक: पहले पूछें |
| 4. आउटलाइन या ढाँचा सुझाना | अनुमत कामों में शामिल नहीं (ऊपरी सुधारों से ढाँचा "काफ़ी हद तक बदलना" नहीं चाहिए): पूछें, और बताएँ | हरा: "ढाँचा या फ़ॉर्मैटिंग सुझाना" | पहले पूछें, बताएँ |
| 5. आपके लिखे पैराग्राफ़ को बड़े पैमाने पर दोबारा लिखना | ऊपरी सुधार की छूट से आगे: पूछें, और बताएँ | पीला: "बड़े पैमाने पर कॉपी एडिटिंग या लेखन में मदद" | ग्रे ज़ोन: पहले पूछें |
| 6. निबंध या रिपोर्ट, या उसका कुछ हिस्सा लिखना | अनुमति नहीं | व्याख्यात्मक सारांश का ड्राफ़्ट बनाना पीला; बिना बताए AI से बना मुख्य तर्क लाल | ठीक नहीं, जब तक टास्क में इसकी छूट न हो |
तीन बातें ख़ास तौर पर सामने आती हैं।
ऊपरी सुधार सबसे सुरक्षित इस्तेमाल है। स्टैनफ़ोर्ड ऐसी एडिटिंग की अनुमति देता है जो आपके काम की "विषय-वस्तु, विश्लेषण, ढाँचे या तर्क को काफ़ी हद तक नहीं बदलती", जैसे स्पेलिंग, व्याकरण, विराम चिह्न और फ़ॉर्मैटिंग, और इसके बारे में बताना ज़रूरी नहीं मानता। Elsevier की जर्नल नीति भी बुनियादी स्पेलिंग, व्याकरण और विराम चिह्न की जाँच के लिए घोषणा नहीं माँगती। व्याकरण जाँच टूल इस स्तर पर तब फ़िट बैठता है, जब आप उसके सिर्फ़ स्पेलिंग, व्याकरण और विराम चिह्न वाले सुधार रखें। यह अस्पष्ट वाक्यों को दोबारा भी लिख सकता है, इसलिए उसके वर्ज़न को अपने ड्राफ़्ट से मिलाएँ और सिर्फ़ वे बदलाव रखें जिनसे आपका मतलब और ढाँचा पहले जैसा रहे। पूरे-पूरे दोबारा लिखे गए वाक्य स्वीकार करना स्तर 5 के ज़्यादा क़रीब है: उदाहरण के लिए, Elsevier कहता है कि वाक्यों की बनावट या ढाँचे में बड़े बदलावों के बारे में बताना चाहिए।
AI को ट्यूटर की तरह इस्तेमाल करना, ट्यूटर से मदद लेने जैसा ही माना जाता है। स्टैनफ़ोर्ड का व्यावहारिक सुझाव: अगर किसी टास्क के लिए इंसानी ट्यूटर की मदद की इजाज़त होती, तो ऊपर बताए गए सीखने वाले इस्तेमाल (ख़ुद को परखना, सुकराती ढंग से सवाल पूछना, अतिरिक्त अभ्यास के सवाल) की भी संभवतः अनुमति है।
जमा किया जाने वाला काम लिखवाने पर स्कूल की नीतियाँ आपको रोक देती हैं। स्टैनफ़ोर्ड का डिफ़ॉल्ट नियम कहता है कि छात्र "जमा किए जाने वाले काम (जैसे असाइनमेंट, प्रोजेक्ट, प्रेज़ेंटेशन, निबंध, रिपोर्ट) बनाने के लिए AI टूल का इस्तेमाल नहीं कर सकते।" UCL की सहायक श्रेणी कहती है कि लेखक छात्र ही होना चाहिए और AI को "मूल्यांकन (पूरी तरह या सिर्फ़ कुछ हिस्से में) पूरा नहीं करना चाहिए।" आंशिक रूप से AI से लिखा काम भी इसमें गिना जाता है। हमने जिन जर्नल नीतियों को देखा, वे बताने की शर्त पर ज़्यादा छूट देती हैं: Springer Nature व्याख्यात्मक सारांश के ड्राफ़्ट को पीले में रखता है, लाल में नहीं।
दो इस्तेमाल हमारी देखी हर नीति में मना हैं: स्रोत गढ़ना, और AI के काम को अपने निर्णय के रूप में पेश करना। Springer Nature "डेटा, साइटेशन या नतीजे" गढ़ने को मना बताता है, और स्टैनफ़ोर्ड कहता है कि ऐसे स्रोतों के हवाले जो मौजूद ही नहीं हैं, अकादमिक ईमानदारी की जाँच की वजह बन सकते हैं। आप जो भी तथ्य और संदर्भ जमा करते हैं, उनमें से हर एक की ज़िम्मेदारी आपकी है।
आपके टीचर का नियम किसी भी डिफ़ॉल्ट से ऊपर है
टेबल में डिफ़ॉल्ट नियम दिखाए गए हैं। आपके कोर्स या असाइनमेंट के लिए लिखा गया नियम सबसे पहले आता है।
- स्टैनफ़ोर्ड का डिफ़ॉल्ट नियम सिर्फ़ तभी लागू होता है जब इंस्ट्रक्टर ने कोर्स या असाइनमेंट के नियम लिखित में न दिए हों।
- UCL अपने स्टाफ़ को तीन श्रेणियाँ देता है, ताकि वे हर मूल्यांकन पर लेबल लगा सकें: AI का इस्तेमाल नहीं किया जा सकता, AI सहायक भूमिका में, या AI काम का अभिन्न हिस्सा। UCL इन्हें औपचारिक नीति के बजाय एक संसाधन कहता है, कहता है कि असेसमेंट ब्रीफ़ को प्राथमिकता मिलती है, और 2026/27 के दौरान इन श्रेणियों की समीक्षा कर रहा है।
- कुछ टास्क में AI ज़रूरी होता है। UCL की तीसरी श्रेणी में, AI का असरदार और ज़िम्मेदार इस्तेमाल संभवतः अंक देने के मापदंडों का हिस्सा होगा। जो मदद एक मॉड्यूल में मना है, अगले में उसी की उम्मीद की जा सकती है।
इसलिए शुरू करने से पहले सिलेबस, असाइनमेंट ब्रीफ़ या कोर्स पेज में AI का नियम ढूँढें। अगर नियम नहीं है या साफ़ नहीं है, तो लिखकर पूछें ("अगर हर वाक्य मैं ख़ुद लिखूँ, तो क्या आउटलाइन सुझाने के लिए AI का इस्तेमाल करना ठीक है?") और जवाब सँभालकर रखें। अगर बाद में सवाल उठें, तो वह ईमेल किसी भी डिटेक्टर स्कोर से ज़्यादा वज़न रखता है।
क्या ऑफ़िस के काम में AI का इस्तेमाल ठीक है, या यह चीटिंग है?
यह आपके एम्प्लॉयर के नियमों पर निर्भर करता है, लेकिन काम पर आपको शायद ही कभी इस आधार पर परखा जाता है कि आपने काम बिना मदद के किया या नहीं, इसलिए सवाल आम तौर पर चीटिंग से कम जुड़ा होता है। अपवाद हैं आपके अपने हुनर की परीक्षाएँ, जैसे सर्टिफ़िकेशन एग्ज़ाम और हायरिंग के टेक-होम टास्क जिनमें AI की अनुमति नहीं होती, और क्लाइंट का वह काम जिसे ख़ुद तैयार करने के लिए आपको रखा गया है। इनके अलावा, जो नियम मायने रखते हैं वे डेटा, जवाबदेही और ईमानदारी से जुड़े हैं।
आप क्या पेस्ट करते हैं। ब्रिटेन सरकार की AI Playbook (फ़रवरी 2025), जो सरकारी और सार्वजनिक क्षेत्र की टीमों के लिए लिखी गई है, बताती है कि ChatGPT या Gemini जैसे सार्वजनिक टूल के साथ आप "मॉडल में डाले जाने वाले डेटा को आसानी से नियंत्रित नहीं कर सकते" और आपको "यूज़र्स को यह सिखाने पर निर्भर रहना होगा कि वे कौन-सा डेटा डाल सकते हैं और कौन-सा नहीं।"
Springer Nature की नीति कहती है कि मैनुस्क्रिप्ट और संवेदनशील डेटा "असुरक्षित या सार्वजनिक AI सिस्टम के साथ साझा नहीं किए जाने चाहिए।" दोनों से एक समझदारी भरा नियम निकलता है: ग्राहकों का डेटा, निजी डेटा, कॉन्ट्रैक्ट, कोड और कोई भी गोपनीय चीज़ सिर्फ़ उन्हीं टूल में डालें जिन्हें आपके एम्प्लॉयर ने मंज़ूरी दी है।
नतीजे की ज़िम्मेदारी किसकी है। वही Playbook "सही चरणों पर सार्थक मानवीय नियंत्रण" की माँग करती है। व्यवहार में, कोई रिपोर्ट, ईमेल या कोड का हिस्सा भेजते ही आपका हो जाता है, उसकी गलतियों समेत। AI की मदद से बना काम भेजने से पहले तथ्य, आँकड़े और नाम जाँच लें।
आपका एम्प्लॉयर क्या कहता है। अगर आपके एम्प्लॉयर की कोई AI नीति है, तो देखें कि वह किन टूल को मंज़ूरी देती है और किन इस्तेमालों पर रोक लगाती है। यूरोपीय संघ में 2 फ़रवरी 2025 से AI Act का अनुच्छेद 4 AI सिस्टम के प्रोवाइडर्स और डिप्लॉयर्स पर लागू है, जिनमें उन्हें इस्तेमाल करने वाले एम्प्लॉयर भी आते हैं। 2026 में हुए संशोधन के बाद यह उनसे अपने स्टाफ़ की "AI साक्षरता के विकास में मदद के लिए क़दम उठाने" को कहता है, किसी तय स्तर की गारंटी माँगे बिना। अगर आपने अपनी कंपनी की नीति नहीं देखी है, तो उसे माँग लें।
जिनके लिए आप काम करते हैं, उनके साथ ईमानदारी। कोई एक नियम हर स्थिति पर लागू नहीं होता, इसलिए एक आसान कसौटी अपनाएँ: अगर आपके मैनेजर, क्लाइंट या पाठक को पता चले कि यह काम कैसे बना, तो क्या उन्हें लगेगा कि उन्हें गुमराह किया गया? अगर हाँ, तो उन्हें बता दें। AI की ऐसी मदद जिसकी कोई भी समझदार व्यक्ति उम्मीद करेगा, जैसे व्याकरण सुधार, उसके लिए शायद ही कभी नोट की ज़रूरत होती है। लेकिन जो रिपोर्ट क्लाइंट आपसे ख़ुद लिखवाने के पैसे दे रहा है, उसके लिए ज़रूरत होती है।
कैसे बताएँ कि आपने AI का इस्तेमाल किया
जब बताना ज़रूरी हो, तो एक छोटा और साफ़ नोट काफ़ी है। UCL छात्रों से AI के इस्तेमाल का ज़िक्र करने को कहता है, लेकिन कहता है कि उसका साइटेशन देने की ज़रूरत नहीं, क्योंकि AI जानकारी का कोई स्थिर स्रोत नहीं है। Elsevier लेखकों से कहता है कि संदर्भ सूची (references) से ठीक पहले एक अलग घोषणा दें। नोट कुछ ऐसा हो सकता है:
मैंने इस रिपोर्ट के तीन संभावित ढाँचे सुझाने के लिए ChatGPT का इस्तेमाल किया और उनमें से एक चुना। पूरा टेक्स्ट मैंने ख़ुद लिखा और स्पेलिंग व व्याकरण के लिए व्याकरण जाँच टूल का इस्तेमाल किया। सभी स्रोत मैंने ख़ुद ढूँढे और जाँचे।
काम पर, ईमेल या डॉक्यूमेंट के फ़ुटर में एक लाइन आम तौर पर काफ़ी होती है: "पहला ड्राफ़्ट Claude की मदद से मीटिंग नोट्स से तैयार किया गया, फिर मैंने इसे जाँचा और एडिट किया।" बताएँ कि कौन-सा टूल था, उसने क्या किया और आपने क्या जाँचा। "शायद AI का इस्तेमाल हुआ हो" जैसे गोलमोल नोट किसी के काम नहीं आते।
जमा करने से पहले दो मिनट की जाँच
- नियम ढूँढें। कोर्स या असाइनमेंट की AI नीति, जर्नल की नीति या एम्प्लॉयर की नीति। अगर कोई नियम नहीं है, तो पूछें।
- स्तर पहचानें। ऊपर के छह इस्तेमालों में से आपने किस पर भरोसा किया? अगर यह स्तर 5 या 6 है, तो पक्का करें कि नियम इसकी अनुमति देता है।
- हर तथ्य और स्रोत जाँचें। हर संदर्भ खोलकर देखें। जिसकी पुष्टि न कर सकें, उसे हटा दें।
- पक्का करें कि आप इसे समझा सकते हैं। स्टैनफ़ोर्ड उम्मीद करता है कि छात्र अपना काम समझा सकें और उसे विस्तार से बता सकें। अगर आप बातचीत में किसी पैराग्राफ़ का बचाव नहीं कर पाते, तो उसे दोबारा लिखें।
- जो बताना ज़रूरी है, वह बताएँ। एक साफ़ वाक्य, जैसा ऊपर दिया गया है।
- अपने ड्राफ़्ट सँभालकर रखें। वर्ज़न हिस्ट्री, नोट्स और आउटलाइन किसी भी स्कोर से कहीं बेहतर दिखाते हैं कि काम कैसे बना। साहित्यिक चोरी क्या है, इस पर हमारी गाइड में स्रोतों का सही हवाला देने के बारे में और जानकारी है।
सार
"AI का कितना इस्तेमाल ठीक है?" इसका जवाब किसी प्रतिशत में नहीं है: इसके बजाय पूछें कि AI ने किया क्या। हमने जिन नीतियों को देखा, उनके हिसाब से व्याकरण सुधार और ट्यूटर जैसी मदद ठीक है, जब तक किसी टास्क में AI पर रोक न हो; आउटलाइन और आइडिया के लिए आम तौर पर पहले पूछना और एक नोट देना ज़रूरी है; और AI से लिखा कोर्सवर्क मना है, जब तक टास्क इसकी अनुमति न दे। काम पर अपने डेटा का ध्यान रखें और नतीजे को जाँचें। जब नियम साफ़ न हो, तो पूछें, बताएँ और अपने ड्राफ़्ट सँभालकर रखें।