AI Robots Training Data – तमिलनाडु के करूर जिले में एक छोटे से घर की रसोई में एक औरत आम काट रही है। इसमें कुछ भी अनयूजुअल नहीं दिख रहा है – यह देश के हर कोने में बार-बार लगातार होता रहता है। लेकिन एक चीज थोड़ी अनयूजुअल है: उसके माथे पर एक कैमरा बंधा हुआ है और वो कैमरा उसका चेहरा नहीं दिख रहा है, रसोई भी नहीं देख रहा है – कैमरा सिर्फ नीचे की तरफ झुका हुआ है, सीधे उसके हाथों पर।
और यह सिर्फ एक घर की बात नहीं है। कहीं एक आदमी लोहा काट रहा है और उसके माथे पर भी कैमरा लगा हुआ है। कहीं कोई कूड़ा अलग-अलग कर रहा है, उसके माथे पर भी कैमरा है। कहीं कोई फूलों की माला बना रहा है, तो कोई तौलिया तह कर रहा है और कोई रंगीन ब्लॉक्स को जोड़ रहा है – और सबके माथे पर वही कैमरा है, बिल्कुल उसी एंगल पर, यानी कि उनके हाथों की तरफ पॉइंटेड।
सबसे अजीब बात यह कि ये लोग कोई रील नहीं बना रहे हैं। यह वीडियो कभी किसी को दिखाया भी नहीं जाएगा और इस वीडियो को कोई लाइक तक नहीं करेगा। लेकिन ये लोग इस वीडियो के लिए एक्चुअली पैसे भी ले रहे हैं – ₹250 प्रति घंटे की रेट लगाई गई है इन वीडियोज के लिए।
🔍 यह भी पढ़ें- Factory Workers अपनी ही नौकरी की कब्र खोद रहे, Head Cam से AI Training
यह भी पढे़ं 👇
रोबोट 100 मीटर तो दौड़ लेता है, पर चाय क्यों नहीं बना सकता?
अगस्त 2026 में बीजिंग के नेशनल स्पीड स्केटिंग ओवल में World Humanoid Robot Games हुए, जिसे लोग “रोबोट ओलंपिक्स” कह रहे हैं। 16 देशों की 666 टीमों ने भाग लिया और 2,000 से ज्यादा रोबोट्स ने पार्टिसिपेट किया।
और जो हुआ वो एक्चुअली काफी इंटरेस्टिंग है। 100 मीटर की रेस में एक रोबोट ने 9.39 सेकंड्स के अंदर उसे पूरा कर लिया। एक्चुअली यह उसेन बोल्ट (जो दुनिया के सबसे तेज धावक हैं) के वर्ल्ड रिकॉर्ड 9.58 सेकंड्स से भी बेहतर है।
यानी कि वो रोबोट दुनिया के सबसे तेज आदमी से भी तेज दौड़कर दिखा दिया। और सिर्फ 1 साल पहले इसी कॉम्पिटिशन में सबसे फास्टेस्ट टाइम एक रोबोट का था 21.5 सेकंड्स। हाई जंप में 2.88 मीटर (1 साल पहले यह मात्र 95 सेमी था), लॉन्ग जंप में 7 मीटर से ज्यादा (1 साल पहले यह सिर्फ 1.4 मीटर था)।
और सिर्फ इतना ही नहीं – फुटबॉल, वेटलिफ्टिंग, रस्साकशी और लड़ाई के मुकाबले भी हुए, जहां रोबोट्स घूम-घूमकर एक-दूसरे को लातें मार रहे थे। एक साल में बहुत फर्क आ गया है इनकी कैपेबिलिटी में।
लेकिन अब वो सवाल जो आपके दिमाग में आना चाहिए: अब एक रोबोट अगर उसेन बोल्ट से तेज दौड़ सकता है, तो आपके घर में चाय क्यों नहीं बना पाता है?
हाथ का काम सबसे मुश्किल क्यों है?
और यही इस पूरी कहानी का असली सवाल है। क्योंकि सच यह है कि जो रोबोट 100 मीटर 9.39 सेकंड्स में दौड़ सकता है, वो एक गीला ग्लास उठाकर बिना तोड़े वापस नहीं रख सकता है। वो एक आम नहीं छील सकता है। वो धागा सुई में नहीं डाल सकता है। और वो कपड़ों के ढेर में से एक-एक शर्ट को नहीं निकाल सकता है।
इसका रीजन बहुत इंटरेस्टिंग है। दौड़ना एक काम है – एक ही बॉडी, एक ही सरफेस और एक ही बेसिक तरह का मूवमेंट होता है। उसी को बार-बार रिपीट करना है। उसमें बहुत ज्यादा वेरिएशन नहीं होते हैं।
लेकिन जब आप हाथ से होने वाले काम को देखेंगे, हाथ सिर्फ एक काम नहीं करता है – हाथ हजारों अलग-अलग काम एक साथ कर रहा होता है।
देखा जाए तो जैसे आप एक अंडा छील रहे होते हैं, उसे जब पकड़ रहे होते हैं तो आपका हाथ उसे हथौड़े की तरह नहीं पकड़ता है। एक गीली प्लेट को जिस तरह आप पकड़ते हैं, एक सूखी प्लेट को उसी तरह आप नहीं पकड़ते हैं। और एक आम काटते वक्त आप अपनी उंगलियों पर कितना प्रेशर डाल रहे हैं, यह आप हर सेकंड कॉन्शसली डिसाइड नहीं करते हैं – आप बस इसे करते चले जाते हैं।
डेटा की कमी: AI की सबसे बड़ी समस्या
सबसे बड़ी बात – मशीन ने लिखना सीखा क्योंकि दुनियाभर का लिखा हुआ इंटरनेट पर पड़ा हुआ है। मशीन ने फोटो बनाना सीख लिया क्योंकि दुनियाभर की तस्वीरें इंटरनेट पर पड़ी हैं।
लेकिन इंसान का हाथ कैसे काम करता है, इसका इंटरनेट पर कोई डेटा नहीं है। यह डेटा दुनिया में कहीं सिस्टमैटिकली लिखा हुआ नहीं है और ना ही रिकॉर्ड हुआ है। क्योंकि हमने कभी सोचा ही नहीं कि नॉलेज को रिकॉर्ड करने की जरूरत भी इस तरह की है।
और इसीलिए अब इसे बनाना पड़ रहा है – एक-एक घंटा करके, एक-एक हाथ से। और अब शायद आपको समझ में आ गया होगा कि उस औरत के माथे पर कैमरा क्यों लगा हुआ था।
यह काम इंडिया में ही क्यों हो रहा है?
तो अब अगला सवाल: यह काम इंडिया में क्यों हो रहा है? इसके चार रीजन हैं और चारों को ईमानदारी से समझना बहुत जरूरी है।
पहला रीजन: हमारे यहां पर मैनुअल लेबर सबसे ज्यादा है। PLFS 2025 के मुताबिक इंडिया के 43% लोग अभी भी एग्रीकल्चर में एंप्लॉयड हैं और 12.1% मैन्युफैक्चरिंग में। 56.2% लोग सेल्फ-एंप्लॉयड हैं। यानी कि वे अपना काम खुद करते हैं। मतलब इस देश में करोड़ों लोग रोज अपने हाथों से हजारों अलग-अलग काम कर रहे हैं।
दूसरा: यहां एक ही काम 50 अलग-अलग तरीकों से होता है और मशीन को एग्जैक्टली यही चाहिए। अगर हर इंसान आम एक ही तरीके से काटेगा तो मशीन को बहुत लिमिटेड वेरिएशन वाला डेटा मिलेगा। मशीन तब ज्यादा अच्छे से सीखेगी जब उसे 50 अलग-अलग लोगों के 50 अलग-अलग तरीके नजर आएंगे। और इस मामले में इंडिया दुनिया की सबसे बड़ी लाइब्रेरी है।
तीसरा (और यह सबसे इंपॉर्टेंट रीजन भी है): इंडिया में यह काम करने वालों को मिलते हैं लगभग $2 प्रति घंटा (रफली $2.06) और अमेरिका में इसी के रेट बहुत ज्यादा हैं। Tesla ने अपने Humanoid Robot के लिए इसी तरह का डेटा कलेक्शन वर्क के लिए हायरिंग की थी। Motion Capture Suit पहनाकर उनकी मूवमेंट्स रिकॉर्ड करने के लिए उन्हें हायर किया था, और काम के लिए रेट लगभग तय की गई थी $48 प्रति घंटा। एक ही तरह का काम और पेमेंट में फर्क लगभग 18 गुना का।
| देश | प्रति घंटा रेट | फर्क |
|---|---|---|
| भारत | $2.06 (₹250) | – |
| अमेरिका (Tesla) | $48 | 18 गुना ज्यादा |
चौथा: यहां इंफ्रास्ट्रक्चर पहले से बना हुआ है। इंडिया में डेटा का कोई काम कोई नई चीज नहीं है। एनोटेशन का काम बेंगलुरु और हैदराबाद से निकलकर पटना, जयपुर, लखनऊ और रांची तक पहुंच चुका है।
एक एस्टीमेट के मुताबिक 2030 तक यह मार्केट $7 बिलियन को क्रॉस कर सकता है और इसमें 10 लाख से ज्यादा लोग काम कर सकते हैं। पूरी दुनिया में AI को ट्रेन करने वाले डेटा का मार्केट 2031 तक लगभग $50 बिलियन तक भी पहुंचने का एस्टीमेट है।
पैसे का पूरा रास्ता: कहां जा रहा है असली मुनाफा?
अब पैसे का पूरा रास्ता देखिए – कैसे यह पैसा ट्रैवल करता है, क्योंकि यहां पर ही असली कहानी छुपी हुई है।
एक तरफ एक औरत है जो ₹250 प्रति घंटे में काम कर रही है। दूसरी तरफ Morgan Stanley का एक एस्टीमेट है कि 2050 तक दुनिया में 1 बिलियन से ज्यादा Humanoid Robots हो सकते हैं और यह पूरा मार्केट $5 ट्रिलियन डॉलर का हो सकता है। इनमें से लगभग 90% रोबोट्स फैक्ट्रीज और वर्कप्लेस में लगेंगे, घरों में नहीं लगेंगे।
Goldman Sachs ने अपना एस्टीमेट अभी पांच गुना बढ़ा भी दिया है कि 2035 तक ही यह 6.5 मिलियन रोबोट बन जाएंगे और लगभग $138 बिलियन डॉलर का मार्केट बन जाएगा।
उन्होंने अपने एस्टीमेट को क्यों बढ़ाया? क्योंकि उनके मुताबिक AI तेजी से डेवलप हो रहा है, हार्डवेयर सस्ता हो रहा है। और सबसे बड़ी रुकावट जो अभी भी बची हुई है, वो है “Limited Real-World Training Data”।
अब एक बार यहां सुनिए कि इस लाइन का मतलब क्या है। Limited Real-World Training Data – यह कोई बहुत टेक्निकल फज नहीं है। इसका मतलब है: वो औरत, वो आम छीलने का तरीका और उनके सर पर लगा हुआ वो कैमरा।
भारत के लिए असली खतरा क्या है?
आज एक Humanoid Robot की कॉस्ट है लगभग $2 लाख। एस्टीमेट है कि 2050 तक Wealthy Countries में यह कॉस्ट $30,000 तक गिर सकती है और Poor Countries के लिए यह मात्र $15,000 तक आ सकती है। $15,000 का मतलब है कि लगभग ₹13 लाख।
उस प्राइस पर वो रोबोट इंडिया में भी आ जाएगा। और अब यह एक बात समझिए जो थोड़ी अनकंफर्टेबल है।
उस रिपोर्टिंग में एक वर्कर ने कहा: “आने वाली पीढ़ी जो शायद मेरे जैसा ही काम करेगी, उनके लिए थोड़ी दिक्कत हो सकती है।”
उसी रिपोर्टिंग में एक दूसरे वर्कर ने कहा: “अगर इतना ज्यादा पैसा है तो इतना पैसा हमें कौन देगा? ₹250 घंटे का कोई नहीं देगा सिर्फ घर का काम करने के लिए।”
दोनों बातें एक ही काम के बारे में हैं, लेकिन दोनों अपनी-अपनी जगह सच हैं।
क्या रोबोट हमारी नौकरी ले लेंगे?
अब दो बातें ईमानदारी से समझनी होंगी। इनफैक्ट ये पांच बातें हैं जो कि आपको समझनी होंगी।
पहला: “रोबोट आपकी नौकरी कल ले लेगा” – यह बात आपने सुनी होगी। इंडिया के लिए ये बात अभी सच नहीं है। एक आंकड़ा देखिए: Robot Density यानी कि हर 10,000 वर्कर्स पर कितने रोबोट्स हैं।
| देश/क्षेत्र | प्रति 10,000 workers पर रोबोट |
|---|---|
| साउथ कोरिया | 1,220 |
| सिंगापुर | 818 |
| जर्मनी | 449 |
| जापान | 446 |
| अमेरिका | 307 |
| चीन | 166 |
| वर्ल्ड एवरेज | 132 |
| इंडिया | लिस्ट में भी नहीं |
इसका रीजन बिल्कुल सीधा है: रोबोट वहां लगता है जहां आदमी महंगे हैं। जहां लेबर चीप है वहां रोबोट लगाना इकोनॉमिकली वायबल नहीं होता है।
तो Humanoid Robots सबसे पहले अमेरिका, जापान, कोरिया और चीन की फैक्ट्रीज में लगेंगे, और इंडिया की फैक्ट्रीज में उनका आना कंपेरेटिवली स्लो और थोड़ा लेट भी हो सकता है।
दूसरी बात: तो फिर इंडिया के लिए असली खतरा क्या है? असली खतरा यह नहीं है कि रोबोट हमारी नौकरी ले लेंगे। असली खतरा यह है कि हम इस पूरी वैल्यू चेन का सबसे सस्ता हिस्सा बेच रहे हैं और सबसे महंगा हिस्सा एक्चुअली हम खरीदेंगे फ्यूचर में जाके।
डेटा सबसे सस्ता हिस्सा है इस पूरी सप्लाई चेन का, और इनफैक्ट जो रोबोट्स आप खरीदेंगे वो सबसे महंगा हिस्सा है। और यह वैल्यू पैटर्न हमारे लिए नया नहीं है। हमने अंग्रेजों के जमाने से ऐसा किया है और आज भी। हम रॉ कॉटन बेचते थे और फिनिश्ड क्लॉथ को हम खरीदते थे। हम स्पाइसेस बेचते थे और उनकी फाइनल वैल्यू कोई और डिसाइड करता था।
और अब हम अपने हाथों का काम करने का तरीका बेच रहे हैं।
तीसरी बात (और यह बहुत जरूरी बात भी है): वह पैसा एक्चुअली रियल है। करूर में ₹250 प्रति घंटे में काम करने वाले के लिए जो पैसा है, वो बहुत इंपॉर्टेंट है। यह काम उन औरतों तक पहुंच रहा है जो घर से बाहर फॉर्मल जॉब करने नहीं जा सकती हैं। और उन छोटे शहरों तक पहुंच रहा है जहां दूसरा फॉर्मल एंप्लॉयमेंट का ऑप्शन बहुत कम है या शायद नहीं के बराबर है।
किसी शहर के ऑफिस में बैठकर यह बोल देना कि “यह एक्सप्लॉयटेशन है,” जबकि वह पर्सन यह काम कर रहा है, वो खुद कह रहा है कि इसके इतने पैसे कहीं और नहीं मिलेंगे – यह भी अपने तरह का एक घमंड ही है।
तो असली सवाल यह नहीं है कि यह काम होना चाहिए या नहीं होना चाहिए। असली सवाल यह है कि किन कंडीशंस पर ये काम होना चाहिए।
चौथी बात: टेक्नोलॉजी सिर्फ जॉब्स को खत्म नहीं करती है। जब ATMs आए थे तब कहा गया था कि बैंक्स की जॉब खत्म हो जाएगी – बैंक ब्रांचेस बढ़ गई हैं। लेकिन उसके बाद में जब कंप्यूटर्स आए, तभी इस तरह की बात की गई थी।
हर बार कुछ जॉब्स खत्म होती हैं और उसकी जगह ऐसी जॉब्स क्रिएट होती हैं जो एक्चुअली उसको रिप्लेस कर देती हैं। और ईमानदारी की बात यह है कि हम जानते हैं कि कुछ काम जरूर खत्म होंगे, लेकिन हम नहीं जानते हैं कि उनको कौन रिप्लेस करेगा।
यह काम होना चाहिए या नहीं?
अब वो जवाब जिसका वादा शुरू में किया गया था: यह काम होना चाहिए या नहीं होना चाहिए?
एक्चुअली इसमें जवाब यह है कि हां, यह काम होना चाहिए। लेकिन इस प्राइस पर नहीं होना चाहिए और इन कंडीशंस पर नहीं होना चाहिए।
इसका रीजन एक बात है:
एक वर्कर अपना टाइम बेचता है – 8 घंटे दिए, पैसा लिया और बात खत्म। कल फिर नए। 8 घंटे। लेकिन यहां पर वो सिर्फ अपना टाइम नहीं बेच रहा है। वो एक्चुअली अपना काम करने का तरीका बेच रहा है।
और टाइम एक बार बिकता है और खत्म हो जाता है। लेकिन तरीका एक बार बिकता है और बार-बार काम करता रहता है।
वो आम काटने का तरीका एक बार रिकॉर्ड हो गया, तो दुनियाभर के रोबोट्स उस डेटा से सीख सकते हैं। और उस औरत को उसके बदले सिर्फ एक घंटे की मजदूरी मिलेगी – यानी कि ₹250।
तो यह सिर्फ लेबर वाला काम नहीं है। यह एक्चुअली रॉयल्टी वाला काम है, जिसका प्राइस लेबर के रेट पर लगाया जा रहा है।
प्रॉब्लम कैमरा नहीं है। प्रॉब्लम यह है कि जो फ्यूचर में बार-बार काम करेगी, उसके लिए 1 घंटे का पैसा दिया जा रहा है।
क्या किया जा सकता है? 5 जरूरी सुझाव
तो क्या किया जा सकता है? पांच चीजें हम कर सकते हैं:
पहला: कंसेंट लेना जरूरी है और कंसेंट उसी लैंग्वेज में होनी चाहिए जो वर्कर समझता है और बोलता है। साफ लिखा हुआ होना चाहिए: क्या रिकॉर्ड हो रहा है? कौन इसे खरीद रहा है? कितने साल तक इसे रखा जाएगा? क्या इसे बाद में विड्रॉ किया जा सकता है या नहीं किया जा सकता है?
इनफैक्ट इंडिया में DPDP Rules 14 नवंबर 2025 को नोटिफाई हो चुके हैं। यानी कि लीगल फ्रेमवर्क हमारे पास में मौजूद है। कमी फ्रेमवर्क को इस तरह के वर्क तक इफेक्टिवली पहुंचाने में है।
दूसरी बात: पूरी वैल्यू चेन एक्चुअली ट्रांसपेरेंट होनी चाहिए। अभी बीच में जो कंपनी है, वह एक्चुअली एक ब्लैक बॉक्स की तरह है। वर्कर को यह जानने का हक होना चाहिए कि यह वीडियो आखिर जा कहां रही है।
तीसरी बात (और यह सबसे बड़ी बात भी है): सिर्फ Wages नहीं, Share मिलना चाहिए। क्योंकि जो चीज फ्यूचर में बार-बार यूज होगी, उसका एक बार जो पेमेंट, जरूरी नहीं कि उसकी पूरी वैल्यू रिप्रेजेंट करता हो। चाहे Royalty हो, चाहे Collective Licensing हो, लेकिन एक बार पेमेंट करके बात खत्म कर देना यह कोई ठीक बात नहीं है। ये एक्चुअली गलत बात है।
चौथा: इंडिया को सिर्फ डेटा नहीं बेचना चाहिए। हमने दिखा दिया है कि हम दुनिया के लिए बना सकते हैं। और अब सवाल यह है कि हम डिजाइन भी करेंगे या नहीं? रोबोट का ब्रेन, उसका मॉडल, उसका सॉफ्टवेयर – हम क्या बनाएंगे? अगर यह सब यहीं डेवलप हुआ, तो फिर पूरी वैल्यू चेन एक्चुअली हमारे लिए बदल जाएगी। और अगर नहीं हुआ, तो हम सिर्फ दुनिया की लाइब्रेरी बनकर रह जाएंगे।
पांचवा (यह उस इंसान के लिए है जो यह काम कर रहा है): जो Agreement साइन किया है, उसकी एक कॉपी उसके पास होनी चाहिए। कैमरे में अपने बच्चे, अपने घर का प्राइवेट हिस्सा या अपने डॉक्यूमेंट रिकॉर्ड्स नहीं होने चाहिए। और इसी एक Source of Income को – यह एक्चुअली एक करियर नहीं है।
मुख्य बातें (Key Points):
• भारतीय कामगार ₹250/घंटा पर अपने हाथों की मूवमेंट्स रिकॉर्ड कर रहे हैं ताकि Humanoid Robots मैनुअल काम सीख सकें
• रोबोट 100 मीटर 9.39 सेकंड में दौड़ सकता है (उसेन बोल्ट से तेज), लेकिन गीला ग्लास नहीं उठा सकता क्योंकि हाथ के काम का डेटा नहीं है
• भारत में यह काम इसलिए हो रहा है क्योंकि यहां मैनुअल लेबर सबसे ज्यादा है, एक काम 50 तरीकों से होता है, और अमेरिका से 18 गुना सस्ता है
• 2050 तक 1 बिलियन Humanoid Robots का $5 ट्रिलियन मार्केट बनने का अनुमान, लेकिन भारत सिर्फ सस्ता डेटा बेच रहा है
• असली समस्या: वर्कर अपना ‘टाइम’ नहीं, ‘तरीका’ बेच रहा है जो बार-बार काम करेगा, लेकिन पेमेंट सिर्फ एक घंटे का मिल रहा है
