112 ERSS ठीक करें: भारत की इमरजेंसी हेल्पलाइन में AI

सिर्फ़ नंबर चाहिए? 112 — भारत का एक ही इमरजेंसी नंबर इस हेल्पलाइन का हमारा नागरिक संदर्भ पेज है — ERSS कौन चलाता है, कौन से दस चैनल स्वीकार होते हैं और call करते समय क्या तैयार रखें, हर तथ्य संचालक विभाग की अपनी वेबसाइट से जाँचा गया है।

Executive Summary

भारत का 112 इमरजेंसी रिस्पॉन्स सपोर्ट सिस्टम (ERSS) देश का यूनिफाइड इमरजेंसी नंबर है, जो सभी 36 राज्यों और केंद्रशासित प्रदेशों को कवर करता है — और यह इतने बड़े पैमाने पर non-emergency ट्रैफिक से दबा हुआ है कि मैन्युअल मैनेजमेंट से इसे संभालना नामुमकिन है। तेलंगाना के इंटीग्रेटेड 112 नेटवर्क पर रोज़ करीब 16 लाख कॉल आती हैं, जिनमें से सिर्फ 0.28% असली इमरजेंसी होती हैं जिनमें पुलिस या एंबुलेंस की ज़रूरत पड़ती है। पंजाब की 2025 Comptroller and Auditor General (CAG) रिपोर्ट में सामने आया कि मैंडेटेड इमरजेंसी रिस्पॉन्स गाड़ियों में से 86% गायब थीं, नौ साल के ऑपरेशन के बाद भी कोई Standard Operating Procedure नहीं थी, और 52% मामलों में कॉल को घटनास्थल तक पहुंचने में 30 मिनट से ज़्यादा लगे। नेशनल लेवल पर, यह सिस्टम 36 Emergency Response Centres और 632 District Coordination Centres के ज़रिए रोज़ अनुमानित 16-19 लाख कॉल प्रोसेस करता है।

एक्ज़ीक्यूटिव कॉलआउट तेलंगाना के 112 नेटवर्क पर रोज़ करीब 16 लाख कॉल आती हैं; इनमें से सिर्फ 0.28% असली इमरजेंसी होती हैं। पंजाब के CAG 2025 ऑडिट में इमरजेंसी रिस्पॉन्स गाड़ियों में 86% की कमी और 28-31% कॉल ऐसे मिले जिन्हें डिस्पैचर तक पहुंचने में ही 5 मिनट से ज़्यादा लगे। हरियाणा ने जुलाई 2025 में AI-based auto-dispatch लागू किया और पुलिस के औसत रिस्पॉन्स टाइम को 12 मिनट 4 सेकंड से घटाकर 7 मिनट 3 सेकंड कर दिया, साथ ही 92.6% कॉलर सैटिस्फैक्शन हासिल किया। C-DAC के पास मार्च 2026 तक Rs 531.24 करोड़ का ERSS Phase II कॉन्ट्रैक्ट है, जिसके NextGen रोडमैप में साफ तौर पर AI इंटीग्रेशन शामिल है। मार्केट खुला है, मॉडल प्रूव्ड है, और procurement का रास्ता C-DAC के साथ पार्टनरशिप से होकर जाता है। (Aisewak Government Helpline Report, 2026, citing CAG Report No. 7/2025 Punjab, KPIAS Academy analysis Telangana, C-DAC ERSS Phase II documentation.)

सरकारी लीडरों के लिए इस आर्टिकल का सबसे ज़्यादा actionable इनसाइट यह है: 112 ERSS के लिए AI कोई भविष्य का विचार नहीं है। यह एक डॉक्यूमेंटेड क्राइसिस का मौजूदा हल है। हरियाणा ने AI-based auto-dispatch से पुलिस रिस्पॉन्स टाइम में पहले ही 42% की कमी दिखा दी है। टेक्नोलॉजी उपलब्ध है, C-DAC के ज़रिए procurement का रास्ता तय है, और इनएक्शन की कीमत — जो देरी से इमरजेंसी रिस्पॉन्स में गई जानों में मापी जाती है — अब जायज़ नहीं ठहराई जा सकती।

परिचय

जब कोई नागरिक इमरजेंसी में 112 पर कॉल करता है, तो हर सेकंड मायने रखता है। डिस्पैचर के 90 सेकंड में कॉल उठाने और 5 मिनट में उठाने के बीच का फर्क सिर्फ एक ऑपरेशनल आंकड़ा नहीं है — यह इस बात का फर्क है कि किसी एक्सीडेंट पीड़ित को समय पर मेडिकल मदद मिलती है या नहीं। फिर भी भारत का 112 सिस्टम, सालों के इन्वेस्टमेंट और इन्फ्रास्ट्रक्चर के बावजूद, अपनी ज़्यादातर डिस्पैचर कैपेसिटी उन कॉल्स पर खर्च कर रहा है जो ब्लैंक डायल, पॉकेट कॉल, प्रैंक कॉल और गलत नंबर होती हैं।

112 ERSS को भारत के जवाब के तौर पर डिज़ाइन किया गया था — अमेरिका के 911 सिस्टम जैसा — एक सिंगल नंबर जो वॉइस कॉल, SMS मैसेज, SOS सिग्नल, और यहां तक कि IoT इमरजेंसी अलर्ट को नज़दीकी Emergency Response Centre तक पहुंचाता है, फिर ज़रूरत के हिसाब से पुलिस, फायर या एंबुलेंस भेजता है। C-DAC तिरुवनंतपुरम ERSS Phase II के लिए Total Service Provider है, जो Rs 531.24 करोड़ के प्रोजेक्ट पर 130-इंजीनियर की टीम तैनात करता है। सिस्टम अब दस इनकमिंग चैनल सपोर्ट करता है: वॉइस कॉल, SMS, SOS, ईमेल, वेब रिक्वेस्ट, चैटबॉट, मीडिया क्रॉलर, IoT सिग्नल, WhatsApp, और एक्सटर्नल सिग्नल। (Aisewak Government Helpline Report, 2026, citing C-DAC ERSS Phase II documentation.)

इन्फ्रास्ट्रक्चर मौजूद है। दिक्कत इन्वेस्टमेंट की नहीं है — यह signal-to-noise ratio की है। जब 99.5% कॉल स्पैम हों, तो सिस्टम की ह्यूमन कैपेसिटी बेवजह के ट्रैफिक में खप जाती है, और 0.5% असली इमरजेंसी को लाखों गलती से लगी कॉल्स के साथ डिस्पैचर का ध्यान पाने के लिए कंपीट करना पड़ता है।

मौजूदा चुनौतियां: अपने ही वॉल्यूम से दबा हुआ सिस्टम

स्पैम क्राइसिस

112 पर non-emergency ट्रैफिक का पैमाना किसी विवाद का विषय नहीं है। यह ऑफिशियल ऑडिट रिपोर्ट्स और स्टेट-लेवल एनालिसिस में दर्ज है, जिन्हें सरकारी अधिकारी नकार नहीं सकते।

राज्य	दर्ज हुई समस्या	सोर्स
तेलंगाना	~16 लाख डेली कॉल में से 99.5% स्पैम; रोज़ सिर्फ ~4,500 असली इमरजेंसी	KPIAS Academy analysis (Aisewak Government Helpline Report, 2026)
दिल्ली	61.27% ब्लैंक कॉल; IVRS ने फरवरी 2020 में 112 की 96% कॉल रिजेक्ट कीं	CAG Report No. 15 of 2020
पंजाब	86% गाड़ियों की कमी; 52% कॉल को घटनास्थल तक पहुंचने में >30 मिनट	CAG Report No. 7 of 2025
पंजाब	28-31% कॉल को सिर्फ डिस्पैचर तक फॉरवर्ड होने में >5 मिनट	CAG Report No. 7 of 2025
पंजाब	2 मिनट में फॉरवर्ड हुई कॉल: सिर्फ 2-4%	CAG Report No. 7 of 2025

Source: Aisewak Government Helpline Report, 2026.

दिल्ली का CAG डेटा एक ऐसा पैटर्न दिखाता है जो मौजूदा सिस्टम से पहले का है: Interactive Voice Response System (IVRS) फिल्टर होने के बावजूद, 61% कॉल ब्लैंक थीं — यानी कॉलर बिना कुछ बोले फोन काट देता था। ये ब्लैंक कॉल्स डिस्पैचर लाइनें घेरती हैं, अलर्ट प्रोटोकॉल ट्रिगर करती हैं, और मैनेजमेंट बैंडविड्थ खाती हैं। IVRS ने फरवरी 2020 में 96% इनकमिंग कॉल रिजेक्ट कीं, जिससे लगता है कि फिल्टरिंग मैकेनिज्म इतना अग्रेसिव कैलिब्रेट किया गया था कि यह स्पैम के साथ-साथ असली इमरजेंसी को भी रिजेक्ट कर रहा होगा।

तेलंगाना का डेटा सबसे एक्सट्रीम है: 16 लाख डेली कॉल में सिर्फ 4,500 असली इमरजेंसी के साथ, एक ह्यूमन डिस्पैचर 8-घंटे की शिफ्ट में थ्योरेटिकली राज्य की हर असली इमरजेंसी कॉल हैंडल कर सकता है। लेकिन जब वो 4,500 असली कॉल 15.96 लाख बेवजह कॉल्स के नीचे दब जाती हैं, तो डिस्पैचर की पूरी कैपेसिटी नॉइज़ में खप जाती है — और असली इमरजेंसी इंतज़ार करती रहती है।

इन्फ्रास्ट्रक्चर गैप: पंजाब के CAG फाइंडिंग्स

पंजाब की CAG Report No. 7 of 2025, ERSS परफॉर्मेंस का सबसे कॉम्प्रिहेंसिव हालिया ऑडिट है, और इसके फाइंडिंग्स इतने गंभीर हैं कि किसी भी पॉलिसी ब्रीफिंग में सीधे कोट किए जाने लायक हैं।

1,866 इमरजेंसी रिस्पॉन्स व्हीकल (ERV) और टू-व्हीलर की ज़रूरत के मुकाबले, पंजाब ने सिर्फ 258 तैनात किए। यानी 86% की कमी। टू-व्हीलर की कमी 98% थी। ERSS ऑपरेशन के नौ साल बाद भी, कोई Standard Operating Procedure डेवलप नहीं हुई थी। ERSS गाइडलाइंस के तहत ज़रूरी 24 State Advisory Committee मीटिंग्स में से सिर्फ एक हुई थी।

केंद्र सरकार ने पंजाब को फंड एक से पांच साल की देरी से दिया, जिससे Rs 1.24 करोड़ का ब्याज जमा हुआ जो कभी आगे पास नहीं किया गया। नतीजा तय था: 52% डॉक्यूमेंटेड इमरजेंसी रिस्पॉन्स में, गाड़ियों को घटनास्थल तक पहुंचने में 30 मिनट से ज़्यादा लगे। संदर्भ के लिए, अर्बन एरिया में इमरजेंसी रिस्पॉन्स का इंटरनेशनल बेंचमार्क 8 मिनट से कम है।

ये नाकामियां सिर्फ टेक्नोलॉजी गैप की वजह से नहीं हैं। ये procurement में देरी, वर्कफोर्स मैनेजमेंट की नाकामी, और मॉनिटरिंग गैप के मिश्रण को दिखाती हैं, जिसे टेक्नोलॉजी सिर्फ आंशिक रूप से ठीक कर सकती है। लेकिन कॉल-हैंडलिंग वाला हिस्सा — वो 28-31% कॉल जिन्हें डिस्पैचर तक फॉरवर्ड होने में ही 5 मिनट से ज़्यादा लगे — बिल्कुल वही समस्या है जिसे AI voice टेक्नोलॉजी सीधे हल करती है।

ट्रेडिशनल डिस्पैच स्केल क्यों नहीं कर सकता

मैन्युअल डिस्पैच का गणित बेरहम है। एक ह्यूमन डिस्पैचर एक बार में एक ही कॉल हैंडल कर सकता है। पीक-आवर सर्ज, त्योहारी सीज़न, या किसी नेचुरल डिज़ास्टर के दौरान, कॉल वॉल्यूम घंटों में 3-5 गुना बढ़ सकता है। ह्यूमन कैपेसिटी उस अनुपात में स्केल नहीं कर सकती।

नतीजे मापने लायक हैं। जब डिस्पैचर स्पैम कॉल हैंडल करने में लगे होते हैं, तो असली इमरजेंसी इंतज़ार करती है। जब कॉल वॉल्यूम बढ़ता है, तो आंसर रेट गिरता है। जब आंसर रेट गिरता है, तो परेशान नागरिक दोबारा कॉल करते हैं — जिससे पहले से ओवरलोडेड क्यू में रिपीट कॉल्स और जुड़ जाती हैं। यह फीडबैक लूप भारत की हर हाई-वॉल्यूम सरकारी हेल्पलाइन में दर्ज है। (Aisewak Government Helpline Report, 2026, citing CAG data across multiple states.)

112 सिस्टम का मल्टी-चैनल डिज़ाइन — वॉइस, SMS, SOS, ईमेल, WhatsApp, IoT — चुनौती को और बढ़ा देता है। एक यूनिफाइड इमरजेंसी नंबर जो दस इनपुट चैनल एक्सेप्ट करता है, अगर उसमें AI-powered triage न हो, तो हर नए चैनल के लिए ह्यूमन रिव्यू कैपेसिटी उसी अनुपात में बढ़ानी पड़ेगी। WhatsApp को बिना AI फिल्टरिंग के इमरजेंसी चैनल के तौर पर जोड़ना रिस्पॉन्स को बेहतर नहीं करता; यह मैन्युअली प्रोसेस करने के लिए एक और नॉइज़ स्ट्रीम जोड़ देता है।

AI Voice टेक्नोलॉजी 112 की समस्या कैसे हल करती है

112 ERSS के लिए AI सॉल्यूशन कोई सिंगल प्रोडक्ट नहीं है। यह एक थ्री-लेयर आर्किटेक्चर है, जो स्पैम प्रॉब्लम, डिस्पैच प्रॉब्लम, और मल्टीलिंगुअल एक्सेस प्रॉब्लम को एक इंटीग्रेटेड सीक्वेंस में हल करता है।

लेयर 1: रियल-टाइम स्पैम क्लासिफिकेशन

एक AI voice agent जो हर 112 कॉल को दो सेकंड के अंदर उठाए और 15 सेकंड में इंटेंट क्लासिफाई करे, यह मौजूदा जेनरेशन के large language model (LLM) प्लस speech-to-text इन्फ्रास्ट्रक्चर के साथ टेक्निकली संभव है। क्लासिफिकेशन कैटेगरी साफ तौर पर तय हैं:

कैटेगरी	विवरण	AI एक्शन
असली इमरजेंसी	कॉलर किसी खास घटना का ज़िक्र करता है जिसमें पुलिस, फायर या एंबुलेंस चाहिए	ह्यूमन डिस्पैचर को कॉन्टेक्स्ट के साथ तुरंत ट्रांसफर
ब्लैंक कॉल / साइलेंट कॉल	5 सेकंड में कोई वॉइस डिटेक्ट नहीं हुई	कॉलबैक के लिए ऑटो-फ्लैग; कॉलर ID लॉग
पॉकेट डायल	कॉलर को पता ही नहीं कि उसने 112 डायल किया	छोटे मैसेज के साथ ऑटो-रिज़ॉल्व
प्रैंक कॉल	जानबूझकर झूठी इमरजेंसी रिपोर्ट	लॉग करें, रिपीट-कॉलर फ्लैग लगाएं, ड्यूटी ऑफिसर को ट्रांसफर करें
एंक्वायरी / गलत नंबर	नॉन-इमरजेंसी जानकारी की क्वेरी	1800 हेल्पलाइन या संबंधित डिपार्टमेंट को रीडायरेक्ट
रिपीट स्पैम कॉलर	पहले से पहचाना गया स्पैम नंबर	तेज़ क्लासिफिकेशन; पैटर्न बदलने पर एस्केलेट

क्लासिफिकेशन एक्यूरेसी का टारगेट हासिल करने लायक है: 90%+ स्पैम डिटेक्शन, फॉल्स पॉज़िटिव रेट (जिन असली कॉल्स को गलती से स्पैम समझ लिया जाए) 2% से कम। 2% फॉल्स पॉज़िटिव थ्रेशोल्ड कंज़रवेटिव है — इसका मतलब है कि हर 100 कॉल में से जिन्हें AI स्पैम क्लासिफाई करे, ज़्यादा से ज़्यादा 2 असली इमरजेंसी गलत क्लासिफाई हो सकती हैं। तेलंगाना के 16 लाख में 4,500 असली कॉल के रेशियो को देखते हुए, 2% फॉल्स पॉज़िटिव रेट रोज़ 319 असली कॉल्स को गलत दिशा में भेज देगा — इसीलिए आर्किटेक्चर में एक सेफ्टी नेट ज़रूरी है: सभी बॉर्डरलाइन क्लासिफिकेशन ऑटो-ड्रॉप होने की बजाय ह्यूमन डिस्पैचर के पास जाती हैं।

लेयर 2: C-DAC के NextGen ERSS के साथ इंटीग्रेशन

C-DAC के NextGen ERSS (NG-ERSS V2.0) रोडमैप में पहले से AI चैटबॉट इंटीग्रेशन, speech-to-text, और इंटेलिजेंट राउटिंग शामिल हैं। AI स्पैम फिल्टर को C-DAC का आर्किटेक्चर बदलने की ज़रूरत नहीं है — यह मौजूदा NG112 API में एक प्री-डिस्पैच क्लासिफिकेशन लेयर की तरह प्लग-इन होता है।

procurement फ्रेमिंग के लिए यह एक अहम पॉइंट है: C-DAC और राज्य सरकारों के सामने प्रपोज़िशन "अपना मौजूदा सिस्टम बदलो" नहीं है, बल्कि "एक क्लासिफिकेशन लेयर जोड़ो जो तुम्हारे मौजूदा इन्वेस्टमेंट को ज़्यादा असरदार बनाए" है। AI voice क्लासिफिकेशन ह्यूमन डिस्पैचर पर लोड कम करता है, असली इमरजेंसी के लिए रिस्पॉन्स टाइम सुधारता है, और वो डेटा एनालिटिक्स जनरेट करता है जो C-DAC का PMIS (Project Management Information System) अभी नहीं बना सकता।

कर्नाटक का नया सरकारी-मालिकाना Command and Control Centre C-DAC के NG-ERSS V2.0 पर चलता है, जिसमें 50-सीट वाला कॉल सेंटर 108, 104, 112, 181, 1098, Tele-MANAS, और eSanjeevani को इंटीग्रेट करता है। (Aisewak Government Helpline Report, 2026, citing C-DAC Karnataka deployment data.) यह इंटीग्रेटेड आर्किटेक्चर ही टेम्पलेट है: फ्रंट एंड पर AI क्लासिफिकेशन, डिस्पैच लेयर पर ह्यूमन जजमेंट, और एनालिटिक्स लेयर पर यूनिफाइड डेटा।

लेयर 3: मल्टीलिंगुअल इमरजेंसी रिस्पॉन्स

भारत के 112 सिस्टम में एक स्ट्रक्चरल लैंग्वेज गैप है। हिंदी और इंग्लिश प्राइमरी रिस्पॉन्स इंटरफेस कवर करती हैं, लेकिन असली इमरजेंसी 22 शेड्यूल्ड भाषाओं और सैकड़ों बोलियों में रिपोर्ट होती हैं। कोई तमिल बोलने वाला परेशान कॉलर जो हिंदी में बात नहीं कर सकता, ठीक उसी वक्त एक बैरियर से जूझता है जब वो सबसे ज़्यादा वल्नरेबल होता है।

Bhashini का प्रोडक्शन-रेडी मल्टीलिंगुअल वॉइस इन्फ्रास्ट्रक्चर — जो voice recognition में 22 भाषाओं को सपोर्ट करता है और सरकारी प्लेटफॉर्म्स पर रोज़ 1.5 करोड़ से ज़्यादा AI इनफरेंस प्रोसेस करता है — इसका हल देता है। (Aisewak Government Helpline Report, 2026, citing MeitY Bhashini data.) Bhashini के CONVERSE API का इस्तेमाल करने वाला एक AI voice agent कॉलर की भाषा में क्लासिफिकेशन कन्वर्सेशन चला सकता है, ज़रूरी इमरजेंसी जानकारी (लोकेशन, घटना की प्रकृति, कितने लोग शामिल हैं) निकाल सकता है, और स्ट्रक्चर्ड डेटा डिस्पैचर की वर्किंग लैंग्वेज में डिस्पैचर तक पहुंचा सकता है।

तेलंगाना जैसे राज्य के लिए, जहां तेलुगु बोलने वाले कॉलर प्राइमरी यूज़र बेस हैं लेकिन डिस्पैच सिस्टम आंशिक रूप से हिंदी और इंग्लिश में चलता है, इस मल्टीलिंगुअल ब्रिज की तुरंत ऑपरेशनल वैल्यू है।

हरियाणा मॉडल: सबूत कि इमरजेंसी रिस्पॉन्स में AI काम करता है

112 ERSS में AI के लिए सबसे भरोसेमंद तर्क थ्योरेटिकल नहीं है — यह हरियाणा से आया डॉक्यूमेंटेड नतीजा है।

जुलाई 2025 में, हरियाणा ने अपने 112 सिस्टम के लिए AI-based auto-dispatch लागू किया। राज्य सरकार की रिपोर्ट किए गए और इंडिपेंडेंटली वेरीफाई किए गए नतीजे मापने लायक हैं:

• पुलिस का औसत रिस्पॉन्स टाइम 12 मिनट 4 सेकंड से घटकर 7 मिनट 3 सेकंड हो गया — यानी 42% की कमी।
• कॉलर सैटिस्फैक्शन 92.6% तक पहुंचा, जिससे Ministry of Home Affairs से नेशनल पहचान मिली।
• सिस्टम ने दिखाया कि AI dispatch टाइम-क्रिटिकल राउटिंग डिसीज़न — कौन सा ERV नज़दीक है, कौन सा ऑफिसर उपलब्ध है, कौन सा रूट मौजूदा ट्रैफिक से बचता है — एक साथ कई कॉल हैंडल कर रहे डिस्पैचर से तेज़ और ज़्यादा सटीक तरीके से ले सकता है।

(Aisewak Government Helpline Report, 2026, citing Haryana 112 state government data.)

हरियाणा मॉडल में तीन ऐसी खासियतें हैं जो इसे सीधे दोहराने लायक बनाती हैं: यह स्टैंडर्ड C-DAC NG-ERSS प्लेटफॉर्म पर चलता है, यह Bhashini-कम्पैटिबल हिंदी वॉइस प्रोसेसिंग इस्तेमाल करता है, और इसके KPI मेट्रिक्स (सेकंड में रिस्पॉन्स टाइम, सैटिस्फैक्शन परसेंटेज) दूसरे राज्यों में टेंडर डॉक्यूमेंटेशन के लिए क्वांटिफाई करने लायक हैं।

जिन राज्यों में रिस्पॉन्स टाइम की नाकामी दर्ज है — पंजाब (52% कॉल 30 मिनट से ज़्यादा लेती हैं), दिल्ली (61% ब्लैंक कॉल डिस्पैचर कैपेसिटी खा रही हैं) — उनके पास हरियाणा के मॉडल को दोहराने के लिए परफॉर्मेंस गैप और पॉलिटिकल प्रेशर दोनों हैं।

सरकारी लीडरों के लिए इम्प्लीमेंटेशन रोडमैप

112 ERSS के लिए AI का मूल्यांकन कर रहे सरकारी लीडरों को इम्प्लीमेंटेशन को तीन फेज़ में स्ट्रक्चर करना चाहिए, जो C-DAC के Phase II टाइमलाइन और राज्य के बजट साइकल के साथ अलाइन हों।

फेज़ 1: पायलट (दिन 1-90) — एक राज्य में स्पैम क्लासिफिकेशन

सुझाई गई पायलट लोकेशन हरियाणा है, एक खास वजह से: राज्य के पास पहले से बेसलाइन डेटा है (12 मिनट 4 सेकंड बेसलाइन रिस्पॉन्स टाइम, AI के बाद 92.6% सैटिस्फैक्शन) और लीडरशिप ने टेक्नोलॉजी इनोवेशन के लिए खुलापन दिखाया है। एक पायलट जो AI dispatch मॉडल को बढ़े हुए स्कोप पर दोहराए और वैलिडेट करे — मौजूदा auto-dispatch में स्पैम क्लासिफिकेशन जोड़कर — सबसे भरोसेमंद प्रूफ-ऑफ-कॉन्सेप्ट देता है।

पायलट पैरामीटर:

• स्कोप: रोज़ाना 50,000+ कॉल पर रियल-टाइम स्पैम क्लासिफिकेशन
• भाषाएं: हिंदी, हरियाणवी बोली, इंग्लिश
• KPI: स्पैम क्लासिफिकेशन एक्यूरेसी >90%; असली इमरजेंसी डिटेक्शन रेट >99%; औसत कॉल क्लासिफिकेशन टाइम <15 सेकंड; फॉल्स पॉज़िटिव रेट <2%
• लागत: पायलट इन्फ्रास्ट्रक्चर के लिए Rs 25-35 लाख
• टाइमलाइन: MoU साइन होने से गो-लाइव तक 30 दिन, 60 दिन ऑपरेशन, 30 दिन डेटा एनालिसिस

पायलट सक्सेस मेट्रिक बाइनरी है: यह दिखाना कि 80% से ज़्यादा स्पैम कॉल बिना एक भी असली इमरजेंसी कॉल गंवाए ऑटो-फिल्टर हुई हैं।

फेज़ 2: स्टेट-स्केल डिप्लॉयमेंट (महीना 4-12)

पायलट वैलिडेशन के बाद, स्टेट-स्केल डिप्लॉयमेंट पायलट राज्य के सभी Emergency Response Centres और District Coordination Centres को कवर करता है। इस फेज़ में इंटीग्रेशन की ज़रूरतें शामिल हैं:

• डिस्पैच इंटीग्रेशन के लिए C-DAC NG112 API कनेक्शन
• रीजनल भाषा सपोर्ट के लिए Bhashini वॉइस मॉडल डिप्लॉयमेंट
• रियल-टाइम डिस्पैच ऑप्टिमाइज़ेशन के लिए स्टेट GIS और AVLT (Automatic Vehicle Location Tracking) सिस्टम इंटीग्रेशन
• स्टेट PMIS के साथ एनालिटिक्स डैशबोर्ड इंटीग्रेशन

पूरे राज्य के डिप्लॉयमेंट का कॉस्ट एस्टिमेट: Rs 2-3 करोड़, हरियाणा मॉडल और कर्नाटक के तुलनीय पायलट डेटा के आधार पर।

फेज़ 3: नेशनल रेप्लिकेशन (साल 2 से आगे)

Total Service Provider के तौर पर C-DAC की भूमिका एक नेचुरल रेप्लिकेशन मैकेनिज्म बनाती है: एक बार AI क्लासिफिकेशन लेयर NG-ERSS प्लेटफॉर्म में इंटीग्रेट हो जाए, तो यह C-DAC सिस्टम इस्तेमाल करने वाले सभी 36 राज्यों और केंद्रशासित प्रदेशों के लिए उपलब्ध हो जाती है। नेशनल रेप्लिकेशन के लिए 36 अलग-अलग procurement प्रोसेस की ज़रूरत नहीं — इसके लिए सिर्फ C-DAC के साथ एक इंटीग्रेशन एग्रीमेंट चाहिए, जिसके बाद स्टेट-लेवल कस्टमाइज़ेशन (भाषाएं, डिस्पैच प्रोटोकॉल, SLA टारगेट) हो।

जिन राज्यों में procurement के एक्टिव विंडो खुले हैं — तेलंगाना (स्पैम फिल्टरिंग के लिए साफ AI डिप्लॉयमेंट दिलचस्पी), पंजाब (CAG के बाद Rs 178 करोड़ का ओवरहॉल जिसमें AI कॉल हैंडलिंग प्लान है) — डिप्लॉयमेंट की दूसरी लहर हैं।

असर की उम्मीद: पहले बनाम बाद की तुलना

मेट्रिक	मौजूदा स्थिति (नेशनल एवरेज)	AI के बाद उम्मीद	एविडेंस बेसिस
स्पैम कॉल ऑटो-फिल्टरिंग	0% (मैन्युअल हैंडलिंग)	>90% ऑटोमेटेड	AI क्लासिफिकेशन बेंचमार्क; तेलंगाना डेटा
औसत कॉल क्लासिफिकेशन टाइम	>5 मिनट (पंजाब: 28-31% कॉल)	<15 सेकंड	AI speech-to-text लेटेंसी बेंचमार्क
असली इमरजेंसी रिस्पॉन्स टाइम	12+ मिनट (अर्बन); 30+ मिनट (पंजाब 52%)	<8 मिनट	हरियाणा मॉडल: 12:04 → 7:03
असली कॉल के लिए फ्री हुई डिस्पैचर कैपेसिटी	~0.5% कॉल असली हैं (तेलंगाना)	पूरी डिस्पैचर कैपेसिटी असली कॉल पर	स्पैम फिल्टरिंग का डायरेक्ट नतीजा
कॉलर सैटिस्फैक्शन	सिस्टमैटिकली मापा नहीं गया	>90%	हरियाणा मॉडल: 92.6%
सपोर्टेड भाषाएं	प्राइमरी हिंदी + इंग्लिश	Bhashini के ज़रिए 8+ भाषाएं	Bhashini IndicTrans2 प्रोडक्शन कैपेबिलिटी
ऑपरेटिंग ऑवर	24/7 (ह्यूमन कैपेसिटी से सीमित)	24/7 (AI बिना स्टाफिंग कॉस्ट के सर्ज हैंडल करता है)	AI स्केल का स्ट्रक्चरल फायदा

Source: Aisewak Government Helpline Report, 2026, citing CAG Punjab 2025, Haryana 112 state data, C-DAC ERSS documentation.

सरकारी डिसीज़न-मेकर्स के लिए रिटर्न-ऑन-इन्वेस्टमेंट कैलकुलेशन एक ही इनसाइट पर टिकी है: डिस्पैचर का जो समय अभी 99.5% non-emergency कॉल में बर्बाद हो रहा है, वो भारत के इमरजेंसी रिस्पॉन्स सिस्टम में सबसे महंगा मिसएलोकेशन है। अगर AI क्लासिफिकेशन उस बर्बाद कैपेसिटी का आधा भी फ्री कर दे, तो जिन असली इमरजेंसी को टाइमली ह्यूमन रिस्पॉन्स मिलता है उनकी संख्या असल में डबल हो जाती है — बिना एक भी अतिरिक्त डिस्पैचर हायर किए।

जोखिम और उनका समाधान

लाइफ-सेफ्टी सिस्टम में AI डिप्लॉयमेंट के लिए ईमानदार रिस्क असेसमेंट ज़रूरी है। 112 ERSS के लिए तीन जोखिम अहम हैं।

जोखिम 1: फॉल्स पॉज़िटिव — असली इमरजेंसी को स्पैम समझ लेना। यह सबसे गंभीर जोखिम है। किसी domestic violence victim की साइलेंट कॉल को ब्लैंक कॉल समझा जा सकता है। शॉक में गए किसी कॉलर को, जो साफ-साफ बोल नहीं पा रहा, प्रैंक समझा जा सकता है। समाधान एक tiered क्लासिफिकेशन प्रोटोकॉल है: हाई-कॉन्फिडेंस स्पैम कॉल्स को लॉग करके ड्रॉप किया जाता है; बॉर्डरलाइन क्लासिफिकेशन (कोई भी कॉल जहां AI का कॉन्फिडेंस 85% से कम हो) ह्यूमन डिस्पैचर के पास जाती है। 2% फॉल्स पॉज़िटिव टारगेट के लिए लगातार मॉडल मॉनिटरिंग और डिस्पैचर फीडबैक डेटा के मुकाबले क्वार्टरली रीकैलिब्रेशन चाहिए।

जोखिम 2: C-DAC के ज़रिए procurement की जटिलता। पिछले पांच सालों में किसी बड़ी इमरजेंसी हेल्पलाइन procurement ने C-DAC को बायपास नहीं किया है। C-DAC पार्टनरशिप के बिना डायरेक्ट टेंडर अप्रोच 18-36 महीने के साइकल में फंस जाता है। समाधान पार्टनरशिप-फर्स्ट है: AI क्लासिफिकेशन को NG-ERSS के लिए कॉम्पिटिटिव प्रोडक्ट की बजाय एक कॉम्प्लीमेंट्री लेयर के तौर पर पोज़िशन करें, और C-DAC के Phase II वर्क-ऑर्डर मैकेनिज्म के ज़रिए इंटीग्रेशन आगे बढ़ाएं।

जोखिम 3: मल्टीलिंगुअल क्वालिटी गैप। रीजनल भाषाओं के लिए Bhashini के वॉइस मॉडल की क्वालिटी अलग-अलग है। हिंदी और इंग्लिश प्रोडक्शन-ग्रेड हैं; कुछ रीजनल बोलियां अभी एक्टिव डेवलपमेंट में हैं। समाधान फेज़्ड लैंग्वेज डिप्लॉयमेंट है — उन भाषाओं से शुरू करें जहां Bhashini >95% word error rate बेंचमार्क हासिल करता है, और मॉडल क्वालिटी सुधरने के साथ बाकी भाषाएं जोड़ते जाएं।

भविष्य की दिशा: इमरजेंसी रिस्पॉन्स से इंटेलिजेंट गवर्नेंस तक

112 ERSS का मॉडर्नाइज़ेशन केस भारतीय गवर्नेंस के एक बड़े सिद्धांत को दिखाता है: सिटिज़न सर्विसेज़ में AI का पहला और सबसे डिफेंसिबल यूज़ केस इंटेलिजेंस ऑगमेंटेशन नहीं, नॉइज़ रिडक्शन है। AI सरकारों को बेहतर डिसीज़न लेने में मदद कर पाए, उससे पहले इसे इमरजेंसी डिस्पैचर को पॉकेट डायल की बजाय असली इमरजेंसी पर फोकस करने में मदद करनी होगी।

स्पैम क्लासिफिकेशन के बाद नेचुरल अगला कदम इंटेलिजेंट डिस्पैच है — ऐसा AI जो सिर्फ कॉल फिल्टर नहीं करता, बल्कि रियल-टाइम GIS डेटा, ट्रैफिक, और रिसोर्स उपलब्धता के आधार पर बेस्ट इमरजेंसी रिस्पॉन्स (कौन सी गाड़ी, कौन सा रूट, कौन सा अस्पताल) रिकमेंड करता है। हरियाणा का जुलाई 2025 डिप्लॉयमेंट इसका प्रूफ ऑफ कॉन्सेप्ट है। जो अगले पांच राज्य इसे दोहराएंगे, वो नेशनल स्टैंडर्ड के लिए डेटा जनरेट करेंगे।

आगे देखें तो, NG-ERSS का मल्टी-चैनल डिज़ाइन — वॉइस, SMS, SOS, WhatsApp, IoT सिग्नल — प्रेडिक्टिव इमरजेंसी रिस्पॉन्स के लिए आर्किटेक्चर बनाता है: ऐसा AI जो उभरते क्लस्टर पैटर्न (एक ही लोकेशन से मिनटों के अंदर कई कॉल) को तब पहचान ले जब डिस्पैचर मैन्युअली उस पैटर्न को पहचान भी नहीं पाया हो। इससे 112 रिएक्टिव से प्रोएक्टिव हो जाता है — इमरजेंसी का जवाब देने से लेकर उसका अंदाज़ा लगाने तक।

राज्य सरकार के लीडरों के लिए, स्ट्रैटेजिक सवाल यह नहीं है कि 112 में AI डिप्लॉय करें या नहीं, बल्कि किस क्रम में करें। हरियाणा-फर्स्ट अप्रोच — एक प्रूव्ड मॉडल से शुरू करना, सख्ती से मापना, दोहराना — ट्रांसफॉर्मेशनल असर के लिए सबसे कम रिस्क वाला रास्ता है।

मुख्य बातें

• भारत के 112 ERSS को नेशनल लेवल पर रोज़ 16-19 लाख कॉल आती हैं, जिनमें से डॉक्यूमेंटेड राज्यों में 99.5% स्पैम या non-emergency होती हैं। सिग्नल-टू-नॉइज़ रेशियो असरदार इमरजेंसी रिस्पॉन्स की सबसे बड़ी रुकावट है।
• पंजाब की CAG 2025 रिपोर्ट में 86% इमरजेंसी रिस्पॉन्स व्हीकल की कमी, नौ साल बाद भी कोई SOP न होना, और 52% रिस्पॉन्स टाइम का 30 मिनट से ज़्यादा होना दर्ज हुआ — ऐसी नाकामियां जिन्हें AI कॉल क्लासिफिकेशन आंशिक रूप से ठीक कर सकता है, यह सुनिश्चित करके कि हर असली इमरजेंसी बिना देरी के डिस्पैचर तक पहुंचे।
• हरियाणा के जुलाई 2025 AI-based auto-dispatch ने पुलिस रिस्पॉन्स टाइम 12:04 से घटाकर 7:03 मिनट किया और 92.6% कॉलर सैटिस्फैक्शन हासिल किया — यह एक दोहराने लायक मॉडल है जो C-DAC का NG-ERSS प्लेटफॉर्म इस्तेमाल करने वाले हर राज्य के लिए उपलब्ध है।
• C-DAC के NextGen ERSS के रोडमैप में पहले से AI चैटबॉट इंटीग्रेशन शामिल है, जिससे एक पार्टनरशिप-फर्स्ट procurement रास्ता बनता है जो 18-36 महीने के डायरेक्ट टेंडर साइकल को बायपास कर देता है।
• सुझाया गया पायलट — हरियाणा में 30 दिन, Rs 25-35 लाख में — स्टेट-स्केल इन्वेस्टमेंट से पहले AI स्पैम क्लासिफिकेशन को वैलिडेट करता है, एक ही मापने लायक सक्सेस क्राइटेरिया के साथ: >80% स्पैम ऑटो-फिल्टर, <2% फॉल्स पॉज़िटिव रेट के साथ।
• Bhashini के ज़रिए मल्टीलिंगुअल कैपेबिलिटी तमिल, तेलुगु, कन्नड़, बंगाली, और पंजाबी बोलने वाले कॉलरों तक असली इमरजेंसी एक्सेस बढ़ाती है, जिन्हें अभी भारत के प्राइमरी इमरजेंसी नंबर में लैंग्वेज बैरियर का सामना करना पड़ता है।

निष्कर्ष

भारत का 112 इमरजेंसी रिस्पॉन्स सपोर्ट सिस्टम देश के सबसे अहम सिटिज़न-फेसिंग इन्फ्रास्ट्रक्चर इन्वेस्टमेंट में से एक है। Rs 531.24 करोड़ का C-DAC Phase II कॉन्ट्रैक्ट और एक दशक का स्टेट-लेवल बिल्ड-आउट, यूनिफाइड इमरजेंसी रिस्पॉन्स के लिए एक असली कमिटमेंट दिखाते हैं। उस कमिटमेंट और मौजूदा परफॉर्मेंस के बीच का गैप — जो CAG रिपोर्ट्स, स्टेट-लेवल ऑडिट्स, और तेलंगाना के स्पैम डेटा में दर्ज है — इन्वेस्टमेंट पर सवाल उठाने की वजह नहीं है। यह उस एक कैपेबिलिटी के साथ इसे पूरा करने की वजह है जो सिर्फ ह्यूमन सिस्टम नहीं दे सकते: रोज़ाना 16-19 लाख कॉल का रियल-टाइम, 24/7, मल्टीलिंगुअल क्लासिफिकेशन, उस स्पीड और स्केल पर जो AI मुमकिन बनाता है।

हरियाणा मॉडल ने इस सवाल का जवाब दे दिया है कि क्या भारतीय इमरजेंसी रिस्पॉन्स में AI काम करता है। बाकी बचा सवाल यह है कि बाकी 35 राज्य और केंद्रशासित प्रदेश इस एविडेंस पर कितनी जल्दी अमल करते हैं।

AI-powered सिटिज़न इंगेजमेंट एक्सप्लोर कर रहे सरकारी लीडर स्टेटवाइड स्केल करने से पहले किसी एक डिपार्टमेंट या कॉन्स्टीट्यूएंसी में एक फोकस्ड पायलट से शुरुआत कर सकते हैं। Aisewak भारतीय गवर्नेंस के लिए खास तौर पर डिज़ाइन किए गए मल्टीलिंगुअल Voice AI सॉल्यूशन डिप्लॉय करने में पब्लिक इंस्टीट्यूशन की मदद करता है।

---

Schema Markup सुझाव

प्राइमरी स्कीमा टाइप्स:

• Article — मुख्य पोस्ट बॉडी के लिए
• FAQPage — FAQ सेक्शन के लिए (हर Q&A पेयर Question + AcceptedAnswer के तौर पर)
• GovernmentService — 112 ERSS सर्विस डिस्क्रिप्शन के लिए

की फील्ड्स:

• Article.headline: "AI for Emergency Response 112 ERSS: Fixing India's Unified Emergency Number"
• Article.author: Aisewak Research Team
• Article.datePublished: 2026-07-24
• GovernmentService.name: "112 Emergency Response Support System (ERSS)"
• GovernmentService.provider: C-DAC Thiruvananthapuram / Ministry of Home Affairs
• GovernmentService.serviceType: "Emergency Response"
• GovernmentService.areaServed: "India"

---

सुझाए गए इंटरनल लिंक

Governance Cluster (GA) — फाउंडेशन:

• AI for Governance in India: The 2026 Executive Guide
• Voice AI for Government: How It Works and Why Now
• Why Traditional Government Helplines Fail
• AI vs Traditional Government Call Centres
• The 10-Crore-Call Crisis in Indian Citizen Services
• A Governance AI Maturity Model
• Multilingual Voice AI for Bharat: The Bhashini Advantage
• India's Voice AI Market and the 12–18 Month Window

Governance Cluster (GB) — नज़दीकी डिपार्टमेंट प्लेबुक:

• AI for Cyber Crime Helpline 1930
• AI for 108 Ambulance Emergency Triage (प्लान्ड)
• AI for the 181 Women Helpline (प्लान्ड)

प्रोडक्ट पेज:

• Aisewak Home — Multilingual Voice AI for Indian Governance
• Grievance Voice Agent
• VDVK Voice Agent for Tribal MSP and Scheme Queries

---

सुझाए गए एक्सटर्नल रेफरेंस

• CAG Report No. 7 of 2025 (Punjab): Performance Audit of Emergency Response Support System 112
• CAG Report No. 15 of 2020 (Delhi): Performance Audit of 112 ERSS
• C-DAC Thiruvananthapuram: ERSS Phase II Project Documentation (Total Service Provider, Rs 531.24 crore)
• KPIAS Academy Analysis: Telangana 112 Call Volume and Spam Statistics
• Ministry of Home Affairs: ERSS Implementation Guidelines and State Advisory Committee Framework
• Haryana Government: AI-Based 112 Auto-Dispatch Outcome Report, July 2025
• MeitY / Digital India Bhashini Division: IndicTrans2 Language Coverage and API Documentation
• Digital Personal Data Protection Act, 2023 — Government of India
• Punjab DGP Cyber Crime: Post-CAG ERSS Overhaul Procurement Documentation (Rs 178 crore)

---

सोशल मीडिया समरी

X / LinkedIn कैप्शन: भारत की 112 इमरजेंसी हेल्पलाइन रोज़ 16-19 लाख कॉल हैंडल करती है। तेलंगाना में, 99.5% स्पैम हैं। पंजाब के CAG 2025 ऑडिट में 86% इमरजेंसी रिस्पॉन्स गाड़ियां गायब मिलीं। हरियाणा ने 2025 में AI dispatch डिप्लॉय किया और रिस्पॉन्स टाइम 42% घटाया। यहां है भारत के यूनिफाइड इमरजेंसी नंबर को Voice AI से ठीक करने की एक्ज़ीक्यूटिव गाइड। [Link]

---

LinkedIn एक्ज़ीक्यूटिव समरी

भारत का 112 ERSS देश का यूनिफाइड इमरजेंसी नंबर है — और यह अपने ही कॉल वॉल्यूम के खिलाफ लड़ाई हार रहा है। तेलंगाना के सिस्टम पर रोज़ करीब 16 लाख कॉल आती हैं, जिनमें से सिर्फ 0.28% असली इमरजेंसी हैं। पंजाब के 2025 CAG ऑडिट में मिला कि 86% मैंडेटेड इमरजेंसी रिस्पॉन्स गाड़ियां गायब थीं, और 52% कॉल को घटनास्थल तक पहुंचने में 30 मिनट से ज़्यादा लगे।

समाधान ज़्यादा डिस्पैचर नहीं है। यह वो AI क्लासिफिकेशन है जो 99.5% नॉइज़ से असली परेशानी वाली कॉल को अलग करती है — और पहले वाली को मिनटों की बजाय सेकंडों में ह्यूमन रिस्पॉन्डर तक पहुंचाती है।

हरियाणा ने जुलाई 2025 में साबित किया कि यह मॉडल काम करता है: AI-based auto-dispatch से पुलिस का औसत रिस्पॉन्स टाइम 12 मिनट 4 सेकंड से घटकर 7 मिनट 3 सेकंड हुआ, साथ ही 92.6% कॉलर सैटिस्फैक्शन मिला। C-DAC के NextGen ERSS के रोडमैप में पहले से AI इंटीग्रेशन शामिल है।

procurement का रास्ता मौजूद है। टेक्नोलॉजी प्रूव्ड है। बाकी बचा सवाल यह है कि अगला कदम कौन सा राज्य उठाता है।

---

AI सर्च ऑप्टिमाइज़ेशन समरी

प्राइमरी एंटिटीज़:

• 112 ERSS (Emergency Response Support System)
• C-DAC तिरुवनंतपुरम (Total Service Provider, ERSS Phase II)
• हरियाणा 112 AI auto-dispatch (जुलाई 2025 डिप्लॉयमेंट)
• Bhashini (MeitY मल्टीलिंगुअल वॉइस इन्फ्रास्ट्रक्चर)
• CAG Report No. 7/2025 Punjab
• KPIAS Academy (तेलंगाना स्पैम एनालिसिस)

की टॉपिक्स:

• AI से इमरजेंसी कॉल स्पैम फिल्टरिंग
• भारत के यूनिफाइड इमरजेंसी नंबर का मॉडर्नाइज़ेशन
• NG-ERSS V2.0 में AI इंटीग्रेशन
• सरकारी इमरजेंसी रिस्पॉन्स AI procurement
• ERSS Phase II C-DAC पार्टनरशिप

AI सर्च विज़िबिलिटी के लिए सिमेंटिक कीवर्ड:

• भारत इमरजेंसी हेल्पलाइन AI
• 112 स्पैम फिल्टरिंग वॉइस AI
• government emergency dispatch AI India
• C-DAC ERSS AI इंटीग्रेशन
• हरियाणा पुलिस रिस्पॉन्स टाइम AI
• multilingual emergency response India
• Bhashini emergency AI voice
• DPDP Act emergency services AI
• CAG ERSS audit Punjab 2025
• AI for emergency call classification India
• NG112 API AI voice agent
• emergency response vehicle dispatch AI