AI प्रोक्योरमेंट गवर्नेंस का मतलब है यह तय करना कि AI सिस्टम के लिए साइन करने से पहले आप क्या स्वीकार करेंगे, क्या मांगेंगे और क्या रिकॉर्ड करेंगे। यह खरीदारी, जोखिम और असल इस्तेमाल के बीच का काम है, और यह कोर्स वेंडर के दावों के बजाय EU AI एक्ट के आधार पर यह फैसला लेने में मदद करता है। आम गलती यह होती है कि AI प्रोक्योरमेंट को अतिरिक्त सिक्योरिटी रिव्यू वाले सामान्य सॉफ्टवेयर सोर्सिंग जैसा समझा जाता है, क्योंकि मुश्किल हिस्सा लाइसेंस या होस्टिंग प्लान नहीं है, बल्कि यह है कि जब सिस्टम आपके लोगों, आपके डेटा और आपके फैसलों के संपर्क में आता है, तो वह कैसा व्यवहार करता है। असल में, खरीदारी का फैसला ऐसे डिफ़ॉल्ट तय करता है जिन्हें बाद में बदलना मुश्किल होता है, जैसे कि क्या लॉग किया जाएगा, कौन आउटपुट को ओवरराइड कर सकता है, और आप प्रोवाइडर से क्या सबूत मांग सकते हैं। यह कोर्स खरीदारी से पहले के उस पल को ठोस बनाता है, ताकि कोई भी कमिटमेंट पक्का होने से पहले पढ़ने वाला यह तय कर सके कि क्या मांगना है और क्या मना करना है।
यह काम पहले से ही रोज़मर्रा की प्रक्रियाओं में होता है, जैसे RFP, वेंडर डेमो, DPIA इनटेक, सिक्योरिटी प्रश्नावली और टूल कैटलॉग में अप्रूवल टिकट। कोई टीम ये सभी कदम उठा सकती है और फिर भी मुख्य सवाल को नज़रअंदाज़ कर सकती है: वे AI इस्तेमाल के किस टियर को लागू करने जा रहे हैं और उस टियर के लिए क्या जांचना ज़रूरी है। नतीजा एक ऐसी चेकलिस्ट होती है जो पूरी तो लगती है लेकिन फैसले को नहीं बदलती, क्योंकि यह सिस्टम के इच्छित इस्तेमाल को आपके पास मौजूद सबूतों से कभी नहीं जोड़ती। नीचे दिया गया कोर्स मैप उन फैसलों के बिंदुओं को दिखाता है जिन पर आप वापस आएंगे, ताकि आप हिस्सों को समझने से पहले पूरी तस्वीर देख सकें।
इस कोर्स में, AI सिस्टम ऐसा सॉफ्टवेयर है जो इनपुट से आउटपुट (जैसे अनुमान, कंटेंट, सुझाव या निर्णय) ऐसे तरीके से बनाता है जो तय नियमों से आगे बढ़कर खुद को ढाल सके या सामान्यीकरण (generalise) कर सके।
खरीद-फरोख्त (procurement) में यह अंतर मायने रखता है क्योंकि आप सिर्फ़ फीचर्स नहीं खरीद रहे हैं, बल्कि असल स्थितियों में उसका व्यवहार भी खरीद रहे हैं, जिसमें एरर पैटर्न और ‘एज केस’ (खास या दुर्लभ स्थितियाँ) भी शामिल हैं। आम सॉफ्टवेयर आमतौर पर तब फेल होता है जब कोई ज़रूरत छूट जाती है या कोई बग होता है, जबकि AI सिस्टम तब भी फेल हो सकता है जब वह बताई गई स्पेसिफिकेशन (spec) को पूरा करता हो, क्योंकि आउटपुट डेटा के संदर्भ, प्रॉम्प्ट और लोग इसे कैसे इस्तेमाल करते हैं, इस पर निर्भर करता है। व्यावहारिक नतीजा यह है कि डेमो और फीचर लिस्ट अपने आप में कमज़ोर सबूत हैं, इसलिए आपको पूछना चाहिए कि सिस्टम का परीक्षण किस पर किया गया, यह क्या लॉग करता है, और जब फैसलों में आउटपुट का इस्तेमाल होता है तो क्या कंट्रोल मौजूद होते हैं।
AI खरीद गवर्नेंस तब काम करती है जब कोई एक व्यक्ति या छोटा ग्रुप क्रॉस-फंक्शनल ज़िम्मेदारी संभालता है, यानी वे खरीद के फैसले को इस्तेमाल, निगरानी, रिकॉर्ड और एस्केलेशन (ऊपरी स्तर तक ले जाने की प्रक्रिया) से जोड़ते हैं।
खरीदने वाले कमर्शियल प्रोसेस को चला सकते हैं, IT इंटीग्रेशन और सिक्योरिटी का आकलन कर सकता है, लीगल टीम शर्तों की समीक्षा कर सकती है, और प्रोडक्ट ओनर नतीजों को तय कर सकते हैं, लेकिन इनमें से कोई भी भूमिका स्वाभाविक रूप से इस पूरी प्रक्रिया (end-to-end) की ज़िम्मेदारी नहीं लेती कि क्या संगठन सिस्टम के लाइव होने के बाद उसे सुरक्षित रूप से चला सकता है। हैंडऑफ़ (काम सौंपने की प्रक्रिया) तब फेल हो जाते हैं जब हर विभाग यह मान लेता है कि दूसरा विभाग मुश्किल सवालों को देखेगा, जैसे कि आउटपुट पर भरोसा करने की इजाज़त किसे है, मॉडल गलत होने पर क्या होता है, और नियमों के पालन (conformity) के दावे का समर्थन करने वाले सबूत क्या हैं। अगर आप गवर्नर की भूमिका निभाते हैं, तो आपको खरीद से पहले एक साझा नज़रिया बनाना चाहिए जिसमें इस्तेमाल का मकसद, प्रभावित लोग और मंज़ूरी आगे बढ़ने से पहले ज़रूरी कम से कम सबूत शामिल हों।
नीचे दी गई स्थितियाँ यह जाँचती हैं कि क्या आपकी मौजूदा आदतें AI खरीद में होने वाली आम गलतियों को पहले से ही रोकती हैं या नहीं।