1 सितंबर 2026 को Perplexity ने Mac पर Hybrid Compute नाम का एक फ़ीचर लॉन्च किया। संक्षेप में विचार यह है: एक ही टास्क को दो जगहों में बाँट दिया जाता है। भारी चरण — वेब सर्च, योजना बनाना, लंबी अवधि की तर्कशक्ति — क्लाउड में फ़्रंटियर मॉडलों पर चलते हैं। जो चरण आपके संवेदनशील डेटा को छूते हैं, उन्हें आपकी अपनी मशीन के अंदर चलने वाले एक छोटे मॉडल को सौंप दिया जाता है, और वह डेटा डिवाइस से बाहर जाता ही नहीं।

ऊपर से देखें तो यह Mac उपयोगकर्ताओं के लिए एक प्रोडक्ट समाचार है। लेकिन किसी बिज़नेस मालिक का ध्यान जिस चीज़ पर जाना चाहिए, वह प्रोडक्ट नहीं — उसके पीछे का आर्किटेक्चरल पैटर्न है: डेटा पहुँचने के बाद नहीं, बल्कि भेजे जाने से पहले उसे वर्गीकृत करना। और यह पैटर्न आप अपने सिस्टम में लागू कर सकते हैं, Perplexity से अलग और Mac से भी अलग।

असल में क्या घोषित किया गया

किसी भी विश्लेषण से पहले, यह अलग करना ज़रूरी है कि क्या घोषित किया गया और क्या व्याख्या है:

  • तारीख: 1 सितंबर 2026।
  • यह कैसे काम करता है: हर टास्क क्लाउड में शुरू होता है, फिर बीच में संदर्भ खोए बिना संवेदनशील चरणों को एक लोकल मॉडल को सौंप देता है।
  • प्राइवेसी गेट: डिवाइस पर मौजूद एक क्लासिफ़ायर भेजने से पहले हर टास्क को पढ़ता है, नाम, पते और खाता नंबरों को प्लेसहोल्डर से बदल देता है, और जवाब वापस आने पर उन्हें फिर से बहाल कर देता है।
  • आवश्यकताएँ: Apple silicon वाला Mac, macOS 15 या उसके बाद का वर्ज़न, और कम से कम 24GB यूनिफ़ाइड मेमोरी, जबकि 32GB की सिफ़ारिश की गई है।
  • सब्सक्रिप्शन: Pro और Max सब्सक्राइबरों तथा एंटरप्राइज़ ग्राहकों के लिए उपलब्ध।
  • लागत: लोकल मॉडल द्वारा किया गया काम कोई क्लाउड क्रेडिट खर्च नहीं करता।
  • लोकल मॉडल: लॉन्च के समय कई विकल्प, जिनमें Google का Gemma 4 E4B, Alibaba का Qwen3.6 35B-A3B और Perplexity द्वारा खुद ट्रेन किया गया एक मॉडल शामिल है।

जो घोषित नहीं किया गया — और जिसे मान लेना भी नहीं चाहिए — वह है सऊदी व्यक्तिगत डेटा संरक्षण कानून के अनुपालन की कोई संविदात्मक प्रतिबद्धता, या गेट के प्रदर्शन को प्रमाणित करने वाला कोई स्वतंत्र ऑडिट। जो घोषित किया गया, वह एक तकनीकी तंत्र है और प्रदर्शन के वे आँकड़े हैं जो कंपनी ने अपने बारे में खुद प्रकाशित किए हैं।

यह उस "लोकल AI" से अलग क्यों है जिसके बारे में आपने पहले सुना है

आम सोच दो में से एक की थी: या तो सब कुछ क्लाउड पर भेजिए और एक शक्तिशाली मॉडल पाइए, या लोकल पर एक छोटा मॉडल चलाइए और प्राइवेसी के बदले कम गुणवत्ता स्वीकार कीजिए। व्यवहार में, ज़्यादातर संगठनों के अंदर प्राइवेसी यह बहस हार गई — क्योंकि टीमों को अपना काम करने के लिए अच्छी गुणवत्ता वाले जवाब चाहिए।

यह आर्किटेक्चर इस दो-विकल्प वाली सोच को नकारता है। एक ही टास्क दोनों जगह चलता है: तर्क क्लाउड में होता है, और डेटा को छूने वाला चरण डिवाइस पर। इससे भी ज़्यादा अहम बात यह है कि फ़ैसला न तो मैन्युअल है और न ही किसी कर्मचारी के ध्यान पर छोड़ा गया है — यह एक ऑटोमैटिक क्लासिफ़ायर लेता है जो टेक्स्ट के बाहर जाने से पहले उसे पढ़ता है।

और यहाँ एक ऐसा विवरण है जिस पर रुकना चाहिए: Perplexity ने उस क्लासिफ़ायर के प्रदर्शन के आँकड़े असामान्य स्पष्टता के साथ प्रकाशित किए, उसकी कमज़ोरियों समेत। कंपनी ने बताया कि जब टेक्स्ट लगभग दस हज़ार अक्षरों से ज़्यादा हो जाता है तो रिकॉल (recall) काफ़ी गिर जाता है, और उसने मॉडल को दोबारा ट्रेन करने के बजाय एक डिकोडिंग तकनीक से इसका समाधान किया। उसने क्लासिफ़ायर को ओपन-सोर्स भी कर दिया।

आपके बिज़नेस के लिए सबक, भले ही आप कभी Perplexity का इस्तेमाल न करें

आज AI का इस्तेमाल करने वाले ज़्यादातर सऊदी संगठन बिना किसी गेट के ऐसा करते हैं। कोई कर्मचारी ग्राहक का संदेश, अनुबंध की कोई धारा या खाते का विवरण कॉपी करता है और सारांश या जवाब का मसौदा माँगने के लिए उसे किसी सार्वजनिक टूल में पेस्ट कर देता है। उसी पल डेटा संगठन से बाहर चला गया — इसका कोई रिकॉर्ड नहीं, और कोई फ़ैसला नहीं लिया गया।

जब प्रबंधन को इसका पता चलता है, तो प्रतिक्रिया आमतौर पर दो में से एक होती है, और दोनों ही नाकाम रहती हैं। टूल्स पर पूरी तरह पाबंदी लगा दीजिए, और कर्मचारी निजी डिवाइसों पर उस पाबंदी से बच निकलते हैं। या फिर किसी घटना के होने तक आँखें मूँद लीजिए। तीसरा रास्ता वह है जो यह घोषणा दिखाती है: यह पूछना बंद कीजिए कि क्या आप AI इस्तेमाल करते हैं, और यह पूछना शुरू कीजिए कि आपके सिस्टम से क्या बाहर जाने की अनुमति है, यह कौन तय करता है, और वह फ़ैसला कहाँ दर्ज होता है।

यह गेट अपने सिस्टम में कैसे बनाएँ

व्यवहार में, हम क्लाइंट सिस्टम में जो लागू करते हैं वह चार परतों पर टिका है, और ये सभी प्रदाता से स्वतंत्र होकर काम करती हैं:

  • फ़ीचर बनाने से पहले फ़ील्ड्स का वर्गीकरण करें। अपने सिस्टम से कोई भी मॉडल जोड़ने से पहले, अपने डेटाबेस फ़ील्ड्स का वर्गीकरण करें: क्या सार्वजनिक है, क्या व्यावसायिक रूप से संवेदनशील है, क्या व्यक्तिगत डेटा है। यह वर्गीकरण एक प्रबंधकीय फ़ैसला है, तकनीकी नहीं, और आगे की हर चीज़ इसी पर निर्भर करती है।
  • सिस्टम की सीमा पर एक गुमनामीकरण परत। एक ही बिंदु रखें जिससे किसी बाहरी प्रदाता को जाने वाला हर अनुरोध गुज़रे, जहाँ व्यक्तिगत पहचानकर्ताओं को प्लेसहोल्डर टोकन से बदला जाए और जवाब लौटने के बाद बहाल किया जाए। सबसे अहम बात यह है कि यह एक ही बिंदु हो, हर स्क्रीन पर दोहराई गई लॉजिक नहीं।
  • जो बाहर नहीं जा सकता, उसके लिए लोकल प्रोसेसिंग। हर टास्क को फ़्रंटियर मॉडल की ज़रूरत नहीं होती। किसी संदेश को वर्गीकृत करना, किसी इनवॉइस से कोई संख्या निकालना, रखरखाव अनुरोधों को प्राथमिकता के हिसाब से क्रम में लगाना — आपके अपने सर्वर पर एक छोटा मॉडल इन्हें पर्याप्त गुणवत्ता और लगभग शून्य लागत पर संभाल लेता है।
  • एक स्थायी लॉग। कौन-सा अनुरोध बाहर गया, कौन-से फ़ील्ड छिपाए गए, किसने और कब माँगा। लॉग के बिना आप न किसी ऑडिटर के सवाल का जवाब दे सकते हैं, न किसी ग्राहक के।

ध्यान दें कि चारों में से कोई भी परत किसी एक प्रदाता का नाम नहीं लेती। यह जानबूझकर है: मॉडल हर कुछ हफ़्तों में बदल जाते हैं, जैसा हमने पूरे साल देखा है, और आज आप जो गेट बनाते हैं उसे तब भी मान्य रहना चाहिए जब उसके पीछे का मॉडल बदल जाए।

व्यक्तिगत डेटा संरक्षण कानून के संदर्भ में इसका क्या मतलब है

सऊदी अरब का व्यक्तिगत डेटा संरक्षण कानून, जिसकी निगरानी सऊदी डेटा और आर्टिफ़िशियल इंटेलिजेंस प्राधिकरण करता है, उन सिद्धांतों पर आधारित है जिनमें प्रोसेसिंग का उद्देश्य निर्दिष्ट करना और एकत्र किए गए डेटा को ज़रूरी हद तक सीमित रखना शामिल है। संगठन उस व्यक्तिगत डेटा के लिए ज़िम्मेदार बना रहता है जिसे वह प्रोसेस करता है, भले ही वह उसे प्रोसेस करने के लिए किसी तीसरे पक्ष को नियुक्त करे।

बताई गई जैसी आर्किटेक्चर दोनों सिद्धांतों को सीधे पूरा करती है: जब टास्क को ज़रूरत न हो तो व्यक्तिगत डेटा तीसरे पक्ष को भेजा ही नहीं जाता, और जो भेजा जाता है वह काम पूरा करने के लिए ज़रूरी न्यूनतम होता है। लेकिन सिर्फ़ तकनीक अनुपालन नहीं है — आपको अब भी प्रोसेसिंग के लिए एक वैध कानूनी आधार, एक प्राइवेसी नीति, और डेटा विषयों के अनुरोधों को संभालने की प्रक्रियाओं की ज़रूरत है। एक तकनीकी गेट अनुपालन को आसान बनाता है; यह उसकी जगह नहीं लेता, और किसी भी प्रतिबद्धता से पहले एकमात्र संदर्भ कानून और उसके कार्यान्वयन नियम हैं।

इस हफ़्ते शुरू करने के लिए तीन कदम

इनमें से किसी के लिए भी शुरुआत में बड़े प्रोजेक्ट की ज़रूरत नहीं है:

  • अपनी टीम से एक सवाल पूछें: आपने आखिरी बार किसी कार्य-प्रणाली की सामग्री किसी सार्वजनिक AI टूल में कब पेस्ट की थी? जवाब एक घंटे के भीतर आपको असली समस्या का आकार बता देंगे।
  • एक पेज लिखें जो तीन श्रेणियाँ तय करे: जो कभी बाहर नहीं जा सकता, जो गुमनामीकरण के बाद बाहर जा सकता है, और जो जैसा है वैसा बाहर जा सकता है। एक पेज जो सच में लागू होता है, उस बीस पेज की नीति से बेहतर है जिसे कोई नहीं पढ़ता।
  • एक बार-बार होने वाला काम चुनें जो व्यक्तिगत डेटा को छूता हो — उदाहरण के लिए ग्राहकों की बातचीत का सारांश बनाना — और प्रोटोटाइप के रूप में उस पर चारों परतें लागू करें। एक टास्क से आप जो सीखते हैं, वह बाकी पर भी लागू होता है।

निष्कर्ष

Perplexity की घोषणा Mac उपयोगकर्ताओं के बारे में है, लेकिन इसके पीछे का विचार हर उस संगठन से जुड़ा है जो असली डेटा पर AI चलाता है: सही फ़ैसला क्लाउड और डिवाइस के बीच नहीं है, बल्कि यह है कि क्या कोई ऐसा गेट मौजूद है जो बाहर जाने से पहले तय करे कि क्या बाहर जाएगा। जो कंपनियाँ अभी वह गेट बनाती हैं, वे किसी भी नए मॉडल को कुछ ही दिनों में सुरक्षित रूप से अपना सकती हैं। जो इसे टालती हैं, उन्हें पता चलेगा कि इसकी ज़रूरत उन्हें सबसे बुरे समय पर है — घटना के बाद, पहले नहीं।

स्रोत