भारत में डिजिटल लेन-देन और पहचान व्यवस्था का विस्तार तेज हुआ है, लेकिन सरकारी विभागों के बीच बंटे और असंगत डेटा सिस्टम अब भी बड़ी चुनौती बने हुए हैं. Tony Blair Institute for Global Change (TBI) की रिपोर्ट के अनुसार, खराब गुणवत्ता वाला डेटा कल्याण योजनाओं के सालाना खर्च में 4 से 7 प्रतिशत तक का रिसाव करा सकता है.

रिपोर्ट में कहा गया है कि भारत हर महीने 20 अरब से अधिक UPI लेन-देन संसाधित करता है और 1.4 अरब से ज्यादा लोगों का Aadhaar नामांकन हो चुका है. इसके बावजूद स्वास्थ्य, शिक्षा, भूमि रिकॉर्ड, कर और कल्याण योजनाओं से जुड़े सरकारी डेटाबेस बड़े पैमाने पर अलग-अलग काम करते हैं. इससे पात्र लाभार्थी योजनाओं से बाहर हो सकते हैं और नीतिगत फैसलों की प्रभावशीलता घट सकती है.

रिपोर्ट ने डेटा-सफाई के पुराने अभियानों से मिली बचत का भी उल्लेख किया है. इसके मुताबिक, PM-KISAN से 1.71 करोड़ अपात्र लाभार्थियों को हटाने से अनुमानित 9,000 करोड़ रुपये की बचत हुई. 3.5 करोड़ फर्जी LPG कनेक्शन हटाने से दो साल में 21,000 करोड़ रुपये बचे, जबकि 1.6 करोड़ फर्जी राशन कार्ड हटाने से हर साल लगभग 10,000 करोड़ रुपये की बचत हो रही है.

TBI ने चेतावनी दी कि खंडित या अविश्वसनीय डेटाबेस पर AI लागू करने से मौजूदा गलतियां कम होने के बजाय और बढ़ सकती हैं. रिपोर्ट के सह-लेखक और TBI के कंट्री डायरेक्टर विवेक अग्रवाल ने कहा कि अधिकांश राज्यों में अभी यह भरोसा नहीं है कि डेटा पर AI सिस्टम या अधिकारी निर्णय ले सकें.

रिपोर्ट में कर्नाटक, ओडिशा और राजस्थान की पहलों के आधार पर सात सुधार सुझाए गए हैं. इनमें साझा डेटा मानक, स्वतंत्र गुणवत्ता जांच, मजबूत जवाबदेही, कानूनी सुरक्षा और राज्यों के लिए ‘State Data Balance Sheet’ शामिल हैं. रिपोर्ट का निष्कर्ष है कि शासन में बड़े पैमाने पर AI लागू करने से पहले विश्वसनीय डेटा तैयार करना जरूरी है.