MCA का AI पायलट: बीसीके के इनडोर नेट्स से मैदान तक का रास्ता अभी बना नहीं

मुंबई क्रिकेट एसोसिएशन की घोषणा पढ़ने से पहले मैंने अपनी पुरानी फाइल खोली। बांद्रा कुर्ला कॉम्प्लेक्स की शरद पवार इनडोर क्रिकेट अकादमी में इस वक्त न स्कोरकार्ड बन रहा है, न टॉस हो रहा है, न किसी डीआरएस फ्रेम की समीक्षा। जो हो रहा है वह एक प्रयोग है — एसोसिएशन ने सिंगापुर की कंपनी Level Up Sportslytics के साथ करार करके रोज़ाना के नेट सेशन में आर्टिफिशियल इंटेलिजेंस लगाने का फैसला लिया है। खबर में एक वाक्य है जो मुझे रोकता है: MCA खुद को पहला ऐसा एसोसिएशन बता रहा है जो कोचिंग में AI इस्तेमाल कर रहा है। मैं इस दावे के पीछे की परिभाषा ढूंढने निकला और जो मिला वह एक प्रेस नोट था, कोई कोडिंग लॉग नहीं। पांच सौ छियालीस रन, हाथ से कोड किए गए, क्योंकि फाइल खुद को समझा नहीं सकती थी — यह आदत आज भी बंद नहीं हुई है। जहां डेटा नहीं है, वहां सवाल पूछना ही रिपोर्टिंग है।

मुंबई क्रिकेट एसोसिएशन BCCI की सदस्य इकाई है और घरेलू ढांचे में रणजी ट्रॉफी की सबसे पुरानी सत्ताओं में से एक — राष्ट्रीय टीम तक पहुंचने वाले खिलाड़ियों की एक बड़ी आपूर्ति लाइन इसी के दायरे से निकलती है। अध्यक्ष अजिंक्य नाइक के नेतृत्व में एसोसिएशन ने यह कदम उठाया है और उनका तर्क सीधा है: हमें समय के साथ बदलना होगा। घोषणा के मुताबिक यह प्रोजेक्ट पायलट है, यानी सीमित दायरे में चलने वाला परीक्षण, जिसके बाद कोचों और खिलाड़ियों से मिले फीडबैक के आधार पर आगे का फैसला होगा। जगह भी स्पष्ट है — BKC का वही इनडोर हॉल।

अब वह हिस्सा जो घोषणा में नहीं है। कितने खिलाड़ी, कितने कोच, कौन-सी तकनीक, किस मीट्रिक पर सफलता तय होगी, करार की अवधि क्या है, भुगतान किस खाते से होगा — इनमें से एक भी संख्या सार्वजनिक नहीं है। मुझे डेटासेट में संख्या मिली, बनाने वाला व्यक्ति नहीं मिला — इस बार तो संख्या भी नहीं मिली।

सबसे पहले दावे की ऑडिट करनी होगी। "पहला एसोसिएशन" एक सुपरलेटिव है, और सुपरलेटिव तब तक दावा है जब तक परिभाषा तय न हो। AI किसे कहेंगे — वीडियो एनोटेशन, पोज़ एस्टिमेशन, वर्कलोड मॉडलिंग या सिर्फ स्प्रेडशीट में दर्ज की गई गेंद-दर-गेंद? राष्ट्रीय क्रिकेट अकादमी और कई आईपीएल फ्रेंचाइजी वर्षों से एनालिटिक्स टूल चला रही हैं, निजी अकादमियाँ भी। सच यह हो सकता है कि MCA पहला हो, लेकिन बिना परिभाषा के यह वाक्य सुधार का न्योता है, तथ्य नहीं। अनुशंसित फ्रेमिंग: "शुरुआती एसोसिएशनों में से एक"।

दूसरा, और असली, सवाल: पायलट को ग्रेड कौन करेगा? मेरी अपनी विधि सालों से एक ही है — बड़े टूर्नामेंट से पहले थ्रेशोल्ड प्रकाशित करो, ताकि सीजन तुम्हें ग्रेड कर सके। यहाँ उलटा हो रहा है: पहले प्रयोग, बाद में मापदंड। जिस पायलट के सफलता-मानक पहले तय नहीं हुए, वह असफल नहीं हो सकता — और जो असफल नहीं हो सकता, वह सूचना भी नहीं देता। फीडबैक लूप अच्छा शब्द है, लेकिन फीडबैक किस सवाल का, यह तय न हो तो लूप नहीं, गोलघुमक्कड़ है।

तीसरा, तकनीकी फिडेलिटी। यह प्रयोग इनडोर नेट्स में हो रहा है — न मौसम, न दबाव, न असली पिच का उछाल, न दर्शक। कम-वेरिएबल वातावरण प्रयोग के लिए सुरक्षित है, लेकिन वही वजह इसे मैदान के लिए कम अनुवादनीय बनाती है। 2026 विश्व कप के बाद मैंने फुटबॉल के एक्सपेक्टेड-गोल्स तर्क को T20 पर लगाने की कोशिश की थी — शॉट लोकेशन, गेंदबाज़ का टाइप, मैच फेज, बल्लेबाज़ का हाथ। मुंबई के 2026-19 सैयद मुश्ताक अली अभियान में मैंने 1,248 गेंदें कोड कीं, जिनमें बड़ौदा के खिलाफ सूर्यकुमार यादव की 39 गेंदों पर 72 रन की पारी भी थी। मॉडल ने उनके शॉट-चयन को जोखिम भरा नहीं, टिकाऊ बताया — रन रेट अकेले यह नहीं बता सकता था। लेकिन उस मॉडल को भरोसे लायक बनाने में सबसे ज़्यादा मेहनत मेट्रिक पर नहीं, उसकी मान्यताओं को क्रिकेट की अलग-अलग गेंद-घटनाओं से टकराने में लगी थी। जो मेट्रिक अनुवाद नहीं हो सकता, वह मेट्रिक इस्तेमाल भी नहीं हो सकता। इनडोर नेट्स का मॉडल बाहर के मैदान पर उतरते ही कितना बचता है — यही वह सवाल है जिसका जवाब घोषणा में नहीं है।

चौथा, डेटा का मालिक कौन है। विदेशी वेंडर भारतीय खिलाड़ियों का लोड, तकनीक और वीडियो डेटा संभालेगा — क्रॉस-बॉर्डर ट्रांसफर, सहमति, और प्रीमियर क्लब बनाम खिलाड़ी के अधिकार, तीनों अनुत्तरित हैं। यह कानूनी बारीकी नहीं, करार का सबसे महंगा हिस्सा है।

पांचवां, नमूना। एक सुविधा, शून्य नामित खिलाड़ी, शून्य कोड की गई गेंद। मैंने अपने नोटबुक में वानखेड़े की वह रात संभाल कर रखी है — तीन रातें, 19 घंटे, 546 रन — क्योंकि वह मुझे याद दिलाती है कि साफ-सुथरी फाइल सच नहीं होती, वह सिर्फ साफ-सुथरी होती है। यहाँ फाइल ही नहीं है।

विपरीत पक्ष यह है कि शायद मैं गलत जगह खोद रहा हूँ। हो सकता है इस खबर की असली कहानी AI नहीं, खरीद है। एक घरेलू एसोसिएशन ने विदेशी स्पोर्ट्स-टेक वेंडर को कोचिंग की कोर गतिविधि तक पहुंच दी है, और सूचना की असमानता साफ है — तकनीक वेंडर जानता है, मूल्य MCA को तय करना है। ऐसे सौदों में मोलभाव का सबसे कमजोर बिंदु यही होता है कि खरीदार के पास तुलना का कोई बेंचमार्क नहीं। दूसरी बात, इनडोर का चुनाव जोखिम घटाने के लिए किया गया हो सकता है, पर वही चुनाव सीखने की सीमा भी तय कर देता है। और असली जोखिम यह नहीं कि AI विफल हो जाएगा; असली जोखिम यह है कि वह किसी ऐसी चीज़ में सफल साबित हो जाए जिसे नापा ही न गया हो।

आगे देखने के लिए चार संकेत रखे जा सकते हैं: पायलट का परिणाम सार्वजनिक होता है या नहीं; दायरा बाहरी पिचों और आयु-वर्ग टीमों तक बढ़ता है या नहीं; Level Up Sportslytics के क्रिकेट क्लाइंट की सूची बढ़ती है या नहीं; और एक डेटा-उपयोग नीति कभी लिखी जाती है या नहीं। चार में से तीन पर जवाब मिल जाए तो इस प्रयोग को आँका जा सकता है। सवाल यह नहीं कि मुंबई ने AI अपनाया या नहीं — सवाल यह है कि छह हफ्ते बाद वह कौन-सी संख्या दिखाएगी जो पहले नहीं थी।