ब्रिटिश गैस को ऊर्जा लोकपाल के लगभग एक साल पहले के फैसले के बावजूद, एक ग्राहक को अंतिम बिल जारी करने और 1,500 पाउंड से अधिक का रिफंड देने में 15 महीने लग गए। बेथ कोजडर अक्टूबर 2024 में दक्षिण-पूर्वी लंदन में अपने एक बेडरूम वाले फ्लैट से बाहर चली गईं और बाद में लोकपाल के पास शिकायत दर्ज कराई जब ब्रिटिश गैस अंतिम बिल देने या उसकी क्रेडिट राशि वापस करने में विफल रही।

ऊर्जा लोकपाल ने फरवरी 2025 में कोजडर के पक्ष में फैसला सुनाया, जिसमें ब्रिटिश गैस को उसका अनुरोध पूरा करने का निर्देश दिया गया। हालाँकि, लोकपाल के पास अपने निर्णयों को लागू करने का कानूनी अधिकार नहीं है। कोजडर को इस सप्ताह अपने रिफंड का प्रस्ताव मिला, जो कि एक छोटे दावों की अदालत में उसके मामले की सुनवाई से ठीक पहले था।

ब्रिटिश गैस ने कहा कि वह कोजडर के लिए "लोकपाल के उपाय को लागू कर रही है" और देरी के लिए माफी मांगी। कंपनी ने एक बयान में कहा, "हमें बहुत खेद है कि इसमें इतना समय लगा।"

बीबीसी के साथ एक साक्षात्कार में कोजडर ने इस प्रक्रिया को "अथक", "थकाऊ" और "पूरी तरह से थका देने वाला" बताया। उसने अंतिम बिल बनाने में सुविधा के लिए अपने फ्लैट से बाहर निकलने पर ब्रिटिश गैस को मीटर रीडिंग प्रदान की।

यह देरी ऊर्जा क्षेत्र के भीतर ग्राहक सेवा और बिलिंग सटीकता के बारे में चल रही चिंताओं को उजागर करती है। जबकि ऊर्जा कंपनियां बिलिंग और ग्राहक सहायता सहित संचालन को सुव्यवस्थित करने के लिए तेजी से एआई और मशीन लर्निंग का लाभ उठा रही हैं, कोजडर जैसे मामले इन तकनीकों की सीमाओं को प्रदर्शित करते हैं जब उन्हें ठीक से लागू या देखरेख नहीं की जाती है। उदाहरण के लिए, एआई-संचालित बिलिंग सिस्टम, ऊर्जा खपत की गणना को स्वचालित करने और सटीक बिल उत्पन्न करने के लिए डिज़ाइन किए गए हैं। हालाँकि, ये सिस्टम सटीक डेटा इनपुट और मजबूत एल्गोरिदम पर निर्भर करते हैं। मीटर रीडिंग में त्रुटियां, गलत टैरिफ जानकारी, या एल्गोरिदम में खामियां गलत बिल और विलंबित रिफंड का कारण बन सकती हैं।

ग्राहक सेवा में एआई के उपयोग से जवाबदेही और पारदर्शिता के बारे में भी सवाल उठते हैं। चैटबॉट और वर्चुअल असिस्टेंट अक्सर ग्राहकों के लिए संपर्क का पहला बिंदु होते हैं, लेकिन वे जटिल मुद्दों को संभालने या व्यक्तिगत सहायता प्रदान करने के लिए सुसज्जित नहीं हो सकते हैं। इससे निराशा और देरी हो सकती है, खासकर कमजोर ग्राहकों के लिए।

ऊर्जा क्षेत्र के लिए एआई में नवीनतम विकास इन प्रणालियों की सटीकता और विश्वसनीयता में सुधार पर ध्यान केंद्रित करते हैं। कंपनियां उन्नत मशीन लर्निंग मॉडल में निवेश कर रही हैं जो बिलिंग डेटा में त्रुटियों का पता लगा सकती हैं और उन्हें ठीक कर सकती हैं, ऊर्जा खपत पैटर्न की भविष्यवाणी कर सकती हैं और ग्राहक इंटरैक्शन को निजीकृत कर सकती हैं। हालाँकि, इन प्रगति के लिए डेटा गोपनीयता, एल्गोरिथम पूर्वाग्रह और मानव निरीक्षण पर सावधानीपूर्वक ध्यान देने की आवश्यकता है ताकि सभी ग्राहकों के लिए निष्पक्ष और न्यायसंगत परिणाम सुनिश्चित किए जा सकें।