Meta और Klarna का AI पीछे हटना: ऑटोमेशन को अब भी इंसानों की जरूरत क्यों है

AI कंपनियों के टीम बनाने के तरीके को बदल रहा है, लेकिन Meta और Klarna के उदाहरण दिखाते हैं कि पूरे कामकाजी विभागों को AI से बदलना, काम के कुछ हिस्सों को स्वचालित करने से कहीं अधिक कठिन है। Meta ने कर्मचारियों में शुरुआती कटौती के बाद Project OT की दूसरी पुनर्गठन लहर की योजना रोक दी। वहीं, Klarna ने AI-फर्स्ट ग्राहक सेवा मॉडल से गुणवत्ता प्रभावित होने पर मानव सहायता कर्मियों की भर्ती दोबारा शुरू की। 218

इन दोनों मामलों से सबक वैचारिक नहीं, बल्कि व्यावहारिक है: AI तय ढांचे वाले और बार-बार होने वाले काम बड़े पैमाने पर संभाल सकता है। लेकिन अस्पष्ट स्थितियों को समझने, नतीजों की जांच करने, अपवाद सुलझाने और ग्राहक अनुभव की जिम्मेदारी लेने के लिए लोगों की जरूरत बनी रहती है।

Meta: छोटी टीमों का खाका, लेकिन व्यवहार में सीमाएं

Reuters के अनुसार, Meta का Project OT—यानी Organization Transformation—दो चरणों वाला पुनर्गठन कार्यक्रम था। कंपनी ने मई 2026 में पहली कटौती की, जिसमें लगभग 10% कर्मचारियों को हटाया गया। इसके बाद नवंबर में प्रस्तावित दूसरी लहर की योजना रद्द कर दी गई। Meta ने Project OT के अस्तित्व की पुष्टि करते हुए इसे लागत घटाने, टीमों के पुनर्गठन और कर्मचारियों को प्राथमिक क्षेत्रों में स्थानांतरित करने वाला सालभर का प्रयास बताया। 2

यह बदलाव इसलिए महत्वपूर्ण है क्योंकि योजना महज पारंपरिक लागत-कटौती तक सीमित नहीं थी। विचार यह था कि बहुत छोटी मानव टीमें AI एजेंटों के सहारे काम करें। लेकिन ज्यादा ड्राफ्ट, कोड या टास्क आउटपुट बन जाना अपने आप भरोसेमंद उत्पाद डिलीवरी नहीं बनता। जटिल कार्यप्रवाहों में लक्ष्य तय करना, अलग-अलग प्रणालियों के बीच काम जोड़ना, नतीजों का परीक्षण करना, खामियां पकड़ना और गलती होने पर जवाबदेही लेना अब भी लोगों को ही करना पड़ता है।

Meta ने AI में निवेश या AI-सक्षम काम से दूरी नहीं बनाई है। बदलाव सिर्फ इतना है कि मूल समय-सीमा पर दूसरी व्यापक कर्मचारी कटौती को AI एजेंटों की क्षमता के आधार पर उचित ठहराने का भरोसा कम हुआ। 2

Klarna: ज्यादा ऑटोमेशन का मतलब बेहतर सेवा नहीं

ग्राहक सेवा में Klarna का अनुभव इसी समस्या का दूसरा रूप है। उसके AI असिस्टेंट ने भुगतान, रिफंड और रिटर्न जैसे सामान्य सवालों वाली सहायता बातचीत का बड़ा हिस्सा संभाला। लेकिन बाद में कंपनी ने केवल AI पर निर्भर रहने की रणनीति से पीछे हटते हुए मानव सहायता कर्मियों की भर्ती फिर शुरू की। 1720

कंपनी की रणनीति में बदलाव पर आई रिपोर्टों के मुताबिक, CEO सेबास्टियन सिएमियातकोव्स्की ने माना कि Klarna ने मानवीय क्षमता बहुत तेजी से घटा दी थी। समस्या यह नहीं थी कि AI बेकार था, बल्कि यह कि जटिल, अस्पष्ट और भावनात्मक रूप से संवेदनशील मामलों में स्वचालित सेवा कमजोर पड़ी। ऐसे मामलों में अनुभवी लोग जांच-पड़ताल, विवेक और सहानुभूति लाते हैं। इसके बाद Klarna ने ऑटोमेशन के साथ मानव सहायता क्षमता भी फिर से बनानी शुरू की। 1819

सहायता सेवाओं में यह फर्क खास तौर पर मायने रखता है। कोई सिस्टम आम अनुरोधों को तेजी से निपटा सकता है, लेकिन विवादित भुगतान, असामान्य परिस्थितियों या बढ़ती शिकायतों में ग्राहक को तुरंत सक्षम इंसान तक पहुंच न मिले तो भरोसा टूट सकता है। ऑटोमेशन तभी उपयोगी है जब सेवा प्रक्रिया में स्पष्ट एस्केलेशन व्यवस्था और इंसानी जवाबदेही शामिल हो।

उभरता मॉडल: AI सहायक ताकत है, हर भूमिका का विकल्प नहीं

Meta और Klarna के अनुभव एक अधिक टिकाऊ कार्य-मॉडल की ओर इशारा करते हैं:

• पूर्वानुमानित काम को स्वचालित करें। AI वहां सबसे उपयोगी है जहां इनपुट मानकीकृत हों, नतीजों की जांच आसान हो और गलती सुधारने की लागत कम हो।
• फैसले वाले मोड़ों पर इंसान रखें। जब किसी काम में कई प्रणालियों का संदर्भ, विकल्पों में संतुलन, विवेक, जवाबदेही या संबंध प्रबंधन चाहिए, तब लोगों की भूमिका जरूरी रहती है।
• वर्कफ़्लो में एस्केलेशन पहले से बनाएं। ग्राहक सहायता और अन्य संवेदनशील प्रक्रियाओं में योग्य व्यक्ति तक स्पष्ट हैंडऑफ होना चाहिए; स्वचालित लूप ग्राहक के लिए बंद गली नहीं बनना चाहिए।
• गतिविधि नहीं, अंतिम नतीजे मापें। ज्यादा जनरेट हुआ कोड, तेज शुरुआती जवाब या अधिक टास्क-वॉल्यूम पर्याप्त संकेतक नहीं हैं, यदि गुणवत्ता, समाधान, सुरक्षा या ग्राहक भरोसा गिर रहा हो।

इसका अर्थ यह नहीं कि नौकरियों पर कोई असर नहीं पड़ेगा। अधिक संभावित बदलाव टीमों के नए ढांचे, कौशल की बदली मांग और नियमित काम के लिए कम भूमिकाओं के रूप में आएगा—न कि निकट भविष्य में मानव काम के पूरी तरह खत्म हो जाने के रूप में।

भर्ती के आंकड़े तकनीकी क्षमता की ओर बदलाव दिखाते हैं

व्यापक टेक श्रम बाजार भी इसी व्याख्या से मेल खाता है। SignalFire के अनुसार, बड़ी टेक कंपनियों में भर्ती 2019 के आधार स्तर से 25% नीचे थी, जबकि सॉफ्टवेयर इंजीनियरिंग भर्ती में 11% की गिरावट थी। इसलिए इन कंपनियों की कुल भर्ती में सॉफ्टवेयर इंजीनियरों की हिस्सेदारी 2019 के 46% से बढ़कर 55% हो गई। 49

इससे यह साबित नहीं होता कि हर भर्ती बदलाव का कारण AI ही है; कारोबार के चक्र और महामारी के बाद कर्मचारियों की संख्या में समायोजन भी टेक भर्ती को प्रभावित करते हैं। लेकिन यह जरूर दिखता है कि छोटी और चुस्त टीमें तकनीकी प्रतिभा की जरूरत खत्म नहीं कर रही हैं। भर्ती का मिश्रण उन लोगों की ओर बढ़ रहा है जो बढ़ती स्वचालित प्रणालियों को बना, लागू, परख, सुरक्षित और निगरानी कर सकें।

सबसे बड़ा निकट अवधि का जोखिम: एंट्री-लेवल करियर सीढ़ी

Stanford Digital Economy Lab के शोधकर्ताओं को जून 2026 तक के प्रशासनिक पेरोल आंकड़ों में अर्थव्यवस्था भर में बड़े पैमाने पर नौकरी विस्थापन का प्रमाण नहीं मिला। हालांकि, AI के अधिक प्रभाव वाले पेशों में 22–25 वर्ष के कर्मचारियों का रोजगार उस स्तर से 19% नीचे था, जहां वह कम AI-प्रभावित साथियों की रफ्तार के साथ बना रहता। अनुभवी कर्मचारियों में ऐसा अंतर नहीं दिखा और बदलाव मुख्यतः कम भर्ती के जरिए आया, न कि ज्यादा लोगों को हटाने के जरिए। 35

यह 19% संख्या उन नौकरियों की गिनती नहीं है जिन्हें AI ने सीधे समाप्त किया हो। यह एक सापेक्ष ‘गति बनाए रखने’ का अंतर है। फिर भी यह एक गंभीर सवाल खड़ा करता है: यदि AI शुरुआती स्तर के नियमित काम के हिस्से संभालने लगे, तो कंपनियां लोगों को अनुभव लेने और आगे वरिष्ठ भूमिकाओं तक पहुंचने के लिए कम अवसर दे सकती हैं।

कंपनियों के लिए Meta और Klarna का संदेश

अब उपयोगी सवाल यह नहीं है कि AI अपनाया जाए या नहीं। असली सवाल यह है कि AI किसी प्रक्रिया को बेहतर कहां बना सकता है, बिना उन मानवीय क्षमताओं को हटाए जो उसे भरोसेमंद बनाती हैं।

Meta में दूसरी लहर का रुकना और Klarna का मानव सहायता भर्ती की ओर लौटना, दोनों यही संकेत देते हैं कि कंपनियों को ऑटोमेशन को अंतिम परिणामों के आधार पर परखना चाहिए—मसलन सफल उत्पाद डिलीवरी, सही फैसले, हल हुए मामले, ग्राहक विश्वास और समस्या सुधारने की लागत। जहां AI अच्छा काम करे, वहां वह छोटी टीम की क्षमता बढ़ा सकता है। लेकिन जहां अनिश्चितता या गलती के परिणाम बड़े हों, वहां सही डिजाइन अक्सर मानव + AI होता है, मानव-विहीन नहीं।

AI टीमों की संरचना और उनकी क्षमता को बदल रहा है। सबसे ज्यादा लाभ उन कंपनियों को मिलने की संभावना है जो इसे बेहतर मानवीय काम का उपकरण मानें—न कि उस मानवीय काम से बचने का शॉर्टकट, जिसकी जटिल उत्पादों और ग्राहक संबंधों को अब भी जरूरत है।