शिक्षा विभाग ने जनवरी 2026 में AGAP.AI कार्यक्रम शुरू किया, जिसमें देश भर के शिक्षकों के लिए AI-संचालित ट्यूटरिंग टूल्स का वादा किया गया है। विश्लेषकों का अनुमान है कि फिलीपीन एडटेक (EdTech) बाजार 2034 तक $14.5 बिलियन तक पहुँच जाएगा, फिर भी अधिकांश स्कूल उन टूल्स को नहीं चला सकते क्योंकि उनके नेटवर्क बहुत धीमे हैं और उनके कंप्यूटर दशकों पुराने हैं।

रोलआउट और बाजार का उत्साह

AGAP.AI आर्टिफिशियल इंटेलिजेंस को एक क्लासरूम असिस्टेंट के रूप में देखता है, न कि सुर्खियां बटोरने वाले किसी उत्पाद के रूप में। Microsoft 'Reading Progress' जैसी सेवाएं प्रदान करता है, जो वास्तविक समय (real time) में छात्रों के प्रदर्शन का मूल्यांकन करती है। समय बिल्कुल सही लग रहा है: एक तेजी से बढ़ता बाजार बताता है कि स्कूल परिष्कृत (sophisticated) सॉफ्टवेयर के लिए तैयार हैं, और नीति निर्माताओं ने DepEd Order No. 003, s. 2026 के साथ AI के उपयोग को संहिताबद्ध (codify) करना शुरू कर दिया है, जो डेटा-गोपनीयता नियम, सहमति प्रक्रियाएं और ऑडिट आवश्यकताएं निर्धारित करता है।

लेकिन यह उत्साह एक संरचनात्मक समस्या को छिपाए हुए है। विभाग के डिजिटल मैच्योरिटी असेसमेंट (Digital Maturity Assessment) में पाया गया कि कनेक्टिविटी की कमी और डिवाइसों की कमी खराब सीखने के परिणामों के सबसे बड़े संकेतक हैं। कई सरकारी स्कूलों में इंटरनेट हर कुछ मिनटों में कट जाता है, और जो हार्डवेयर उपलब्ध है वह अक्सर आधुनिक ब्राउज़र नहीं चला पाता या AI APIs द्वारा उत्पन्न डेटा ट्रैफिक को नहीं संभाल पाता। एक उच्च-गुणवत्ता वाली API key उस कनेक्शन की भरपाई नहीं कर सकती जो बार-बार रुक जाता है।

बुनियादी ढांचे का अंतर

AI ट्यूटर्स को क्लाउड के साथ एक स्थिर लिंक की आवश्यकता होती है। जब कोई मॉडल छात्र के उत्तर को प्रोसेस करता है, तो वह डेटा को सर्वर पर भेजता है, प्रतिक्रिया प्राप्त करता है, और फीडबैक प्रदर्शित करता है—यह सब कुछ ही सेकंडों में होता है। यदि लिंक रुक जाता है, तो पाठ भी रुक जाता है। असेसमेंट में दो बार-बार होने वाली समस्याओं पर प्रकाश डाला गया है:

  • इंटरनेट की विश्वसनीयता – कई ग्रामीण और अर्ध-शहरी स्कूल बार-बार इंटरनेट बंद होने की समस्या से जूझते हैं।
  • डिवाइस की उम्र – कई स्कूल कंप्यूटरों में आधुनिक वेब ऐप्स के लिए आवश्यक RAM और CPU पावर की कमी है।

सबसे बेहतरीन सॉफ्टवेयर भी विफल हो जाता है जब हार्डवेयर उसे रेंडर (render) नहीं कर पाता। अच्छी तरह से वित्त पोषित निजी स्कूलों के शिक्षक AI टूल्स को सुचारू रूप से काम करते देख सकते हैं, जबकि सरकारी स्कूलों के उनके समकक्ष वही ऐप्स को फ्रीज या क्रैश होते देखते हैं। यह असमानता उस डिजिटल अंतर (digital divide) को और बढ़ा देती है जिसे बाजार के पूर्वानुमानों ने पाटने का वादा किया है।

तालमेल बिठाने की कोशिश करती नीति

DepEd Order No. 003, s. 2026 स्पष्ट डेटा-हैंडलिंग प्रक्रियाओं, माता-पिता की सहमति के वर्कफ़्लो और एल्गोरिदम संबंधी निर्णयों के ऑडिट के लिए तंत्र की मांग करके AI के लिए एक सुरक्षित वातावरण बनाने का प्रयास करता है। आदेश चेतावनी देता है कि यदि स्कूलों में इसकी निगरानी के लिए तकनीकी कर्मचारियों की कमी है, तो AI एक "ब्लैक बॉक्स" बन सकता है। फिर भी, नियम पुस्तिका यह मानकर चलती है कि अंतर्निहित प्रणाली—नेटवर्क और डिवाइस—विश्वसनीय रूप से कार्य करेगी।

सचिव सोनी अंगारा ने AI को एक "नैतिक सहायता उपकरण" (ethical support tool) के रूप में पेश किया है, जिसमें कच्चे प्रदर्शन (raw performance) के बजाय जिम्मेदार उपयोग पर जोर दिया गया है। यह भावना समझ में आती है, लेकिन केवल नैतिकता उस क्लासरूम को ठीक नहीं कर सकती जहाँ AI छात्र तक पहुँच ही न पाए। कार्यात्मक बुनियादी ढांचे के बिना, अनुपालन के उपाय केवल सैद्धांतिक ही रहेंगे।

एक व्यावहारिक प्रणाली कैसी दिखती है

फिलीपींस के संदर्भ को समझने वाले डिज़ाइनर पहले से ही व्यावहारिक समाधान (workarounds) प्रस्तावित कर रहे हैं:

  • लोकल कैशिंग (Local caching) – अक्सर उपयोग किए जाने वाले मॉडल स्निपेट्स को स्कूल के सर्वर पर स्टोर करें ताकि बुनियादी प्रश्नों के उत्तर ऑफलाइन या न्यूनतम बैंडविड्थ के साथ दिए जा सकें।
  • मॉड्यूलर APIs – बड़ी AI सेवाओं को छोटे, इंटरचेंजेबल घटकों में तोड़ें जिन्हें बदला जा सके यदि कोई विशेष एंडपॉइंट नेटवर्क के लिए बहुत भारी साबित हो।
  • फ़ालबैक मोड (Fallback modes) – इंटरनेट कट जाने पर स्वचालित रूप से टूल के हल्के, नियम-आधारित संस्करण पर स्विच करें, ताकि सीखने का प्रवाह बना रहे।

ये विकल्प ध्यान को एक एकल, अखंड (monolithic) मॉडल से हटाकर एक लचीले आर्किटेक्चर की ओर ले जाते हैं जो रुकावटों को सहन कर सके।

आगे की राह

अगला निर्णायक प्रश्न यह है कि क्या DepEd एक राष्ट्रीय AI प्लेटफॉर्म बनाएगा या क्षेत्रीय कार्यालयों को अपने स्वयं के मॉड्यूलर सिस्टम विकसित करने देगा। एक एकल प्लेटफॉर्म डेटा सुरक्षा को मानकीकृत कर सकता है और प्रशिक्षण को सरल बना सकता है, लेकिन यह 'सबसे कमजोर कड़ी' (weakest-link) की समस्या को भी विरासत में ले लेगा—यदि राष्ट्रीय प्रणाली किसी दूरस्थ स्कूल की बैंडविड्थ के अनुकूल नहीं हो पाती है, तो हर स्कूल को नुकसान होगा। विकेंद्रीकृत समाधान क्षेत्रों को स्थानीय परिस्थितियों के अनुसार कैशिंग, API चयन और फ़ालबैक लॉजिक को अनुकूलित करने की अनुमति देते हैं, लेकिन उनमें डेटा गवर्नेंस के विखंडित होने का जोखिम रहता है।

निष्कर्ष

AI फिलीपींस की शिक्षा को तब तक नहीं बदल पाएगा जब तक कि अंतर्निहित नेटवर्क और हार्डवेयर उसका साथ न दें। बाजार का $14.5 बिलियन का अनुमान प्रभावशाली है, और स्कूलों को इसका समर्थन करने के लिए लचीले आर्किटेक्चर—लोकल कैशिंग, मॉड्यूलर APIs और फ़ालबैक तंत्र—की आवश्यकता होगी। विजेता वे जिले होंगे जो खराब कनेक्टिविटी के लिए डिज़ाइन करेंगे, न कि वे जो नवीनतम मॉडलों के पीछे भागेंगे।