इसी अवधि में 50 के दशक के कर्मचारियों के रोजगार में लगभग 2.3 लाख की वृद्धि हुई, Bank of Korea के विश्लेषण पर आधारित रिपोर्टों में कहा गया है। यह अंतर करियर की सीढ़ी में बदलाव के अनुरूप दिखता है: कंपनियां AI की मदद या स्वचालन से किए जा सकने वाले शुरुआती कामों के लिए भर्ती घटा सकती हैं, जबकि ऐसे अनुभवी कर्मचारियों को महत्व देती रहती हैं जो नतीजों की व्याख्या कर सकें, अपवादों को संभाल सकें और फैसलों की जिम्मेदारी ले सकें।

हालांकि, उम्र के आधार पर दिखने वाला यह पैटर्न अकेले यह साबित नहीं करता कि पूरा बदलाव AI की वजह से हुआ। जनसांख्यिकी, अर्थव्यवस्था में मांग और कंपनियों के भर्ती फैसलों का भी इसमें योगदान हो सकता है।

इसलिए दक्षिण कोरिया के आंकड़ों को हर युवा की नौकरी जाने का कारण ChatGPT या किसी एक AI सिस्टम को मानने के प्रमाण के रूप में नहीं पढ़ना चाहिए। Bank of Korea का माप उन उद्योगों और पेशों की पहचान करता है जहां AI के कारण तकनीकी बदलाव की संभावना ज्यादा है। ‘AI exposure’ यानी AI से प्रभावित होने की क्षमता, वास्तविक नौकरी प्रतिस्थापन का पुष्ट प्रमाण नहीं है।

कॉलेज डिग्री भी अब पूरी सुरक्षा नहीं

विश्वविद्यालय की डिग्री generative AI से अपने-आप सुरक्षा नहीं देती। कई स्नातक अपने करियर की शुरुआत टेक्नोलॉजी, पेशेवर सेवाओं, शोध, विश्लेषण, प्रकाशन और प्रशासन जैसे दफ्तर-आधारित क्षेत्रों से करते हैं—और इन्हीं क्षेत्रों के कई हिस्सों में AI काम का एक भाग संभाल सकता है।

इन शुरुआती नौकरियों का काम केवल आउटपुट तैयार करना नहीं था। वे कर्मचारियों को अधिक जटिल जिम्मेदारियों के लिए प्रशिक्षित भी करती थीं। जब AI काम का सरल हिस्सा संभाल लेता है, तो कंपनियां तुरंत पूरा पद समाप्त करने के बजाय भर्ती का स्तर ऊंचा कर सकती हैं।

उदाहरण के लिए, जूनियर विश्लेषक से हर पहली रिपोर्ट खुद तैयार करने के बजाय AI की बनाई रिपोर्ट की जांच करने की अपेक्षा की जा सकती है। नए प्रोग्रामर को पूरा शुरुआती कोड लिखने के बजाय AI से बने कोड को परखना, सुधारना और सिस्टम में जोड़ना पड़ सकता है।

स्थापित टीमों के लिए इससे उत्पादकता बढ़ सकती है, लेकिन पेशे में प्रवेश करने वालों के लिए यह एक bottleneck बना सकता है। अगर कंपनियां कम जूनियर कर्मचारियों को नियुक्त करेंगी, तो कम लोग वह अनुभव हासिल कर पाएंगे जो आगे चलकर वरिष्ठ विशेषज्ञ, प्रबंधक या भरोसेमंद सलाहकार बनने के लिए जरूरी होता है।

विकसित अर्थव्यवस्थाओं में भी शुरुआती भर्ती पर दबाव

Goldman Sachs Research के अनुसार, 2022 की दूसरी छमाही से AI ऑटोमेशन के लिए अधिक exposed उद्योगों में job openings यानी नई रिक्तियों की वृद्धि सामान्यतः कमजोर रही है। यह संबंध अमेरिका, जर्मनी और ऑस्ट्रेलिया समेत कई विकसित अर्थव्यवस्थाओं में खास तौर पर दिखाई दिया।

कॉल सेंटर इसका सबसे स्पष्ट उदाहरण है। उपलब्ध रिपोर्टिंग के अनुसार, अमेरिका में इस क्षेत्र का रोजगार ऐतिहासिक रुझान से करीब 39% नीचे, कनाडा में 33% नीचे और जर्मनी में 27% नीचे था। सॉफ्टवेयर प्रकाशन, मैनेजमेंट कंसल्टिंग और विज्ञापन भी प्रभावित क्षेत्रों में शामिल हैं। ये आंकड़े पुराने रुझान की तुलना में अंतर दिखाते हैं; वे यह साबित नहीं करते कि गिरावट का अकेला कारण AI था।

Goldman Sachs का व्यापक निष्कर्ष तत्काल, पूरी अर्थव्यवस्था में मानव कर्मचारियों के प्रतिस्थापन की भविष्यवाणी से अधिक संतुलित है। फिलहाल असर कुछ खास उद्योगों और कर्मचारी समूहों में केंद्रित है। एंट्री-लेवल कर्मचारी इसलिए अधिक संवेदनशील हैं क्योंकि उन्हें दिए जाने वाले काम अक्सर मानकीकृत, मापने में आसान और AI से स्वचालित या तेज किए जा सकने वाले होते हैं।

AI को अपनाना महत्वपूर्ण स्तर तक पहुंच चुका है, लेकिन अभी अधूरा है। Goldman Sachs की रिपोर्टिंग में प्रमुख विकसित अर्थव्यवस्थाओं में adoption का अनुमान लगभग 15% से 20% बताया गया है, जबकि अमेरिका में नियमित उत्पादन में AI का इस्तेमाल करने वाली कंपनियों का एक अन्य माप करीब 9% था। यह अंतर दिखाता है कि adoption के आंकड़ों को सावधानी से समझना चाहिए—कुछ सर्वेक्षण प्रयोग, कर्मचारियों द्वारा इस्तेमाल या लगातार उत्पादन में तैनाती, इनमें से अलग-अलग चीजें माप सकते हैं।

Automation और augmentation में फर्क

रोजगार पर AI का असर इस बात पर भी निर्भर करता है कि कंपनियां इसका उपयोग इंसानी श्रम की जगह लेने के लिए कर रही हैं या कर्मचारियों की क्षमता बढ़ाने के लिए।

Automation का अर्थ है कि किसी काम के लिए पहले की तुलना में कम इंसानी श्रम की जरूरत रह जाए। सामान्य ग्राहक सवालों का जवाब देना, नियमित सारांश बनाना, शुरुआती दस्तावेज तैयार करना या boilerplate code लिखना इसके उदाहरण हैं। इससे किसी मौजूदा कर्मचारी को औपचारिक रूप से निकाले बिना भी जूनियर भर्ती घट सकती है।

Augmentation का अर्थ है कि AI किसी कर्मचारी को अधिक उत्पादक बनाता है, लेकिन निर्णय, जांच, अपवादों, ग्राहक संबंधों और अंतिम जिम्मेदारी की भूमिका इंसान के पास रहती है। इससे अनुभवी कर्मचारी का महत्व बढ़ सकता है। साथ ही, हर कर्मचारी से ज्यादा आउटपुट की उम्मीद भी की जा सकती है। एक AI-सहायता प्राप्त विशेषज्ञ वह काम कर सकता है जिसमें पहले कई जूनियर कर्मचारियों के घंटे लगते थे।

एक ही कंपनी में दोनों प्रक्रियाएं साथ चल सकती हैं। AI कुछ नियमित जिम्मेदारियां खत्म कर सकता है, वरिष्ठ कर्मचारियों की उत्पादकता बढ़ा सकता है और ऐसे लोगों की मांग पैदा कर सकता है जो workflows डिजाइन करें, AI के आउटपुट की जांच करें और जोखिम संभालें। इसी वजह से कुल रोजगार के आंकड़े अपेक्षाकृत स्थिर दिख सकते हैं, जबकि पहली नौकरी पाना कठिन होता जाए।

असली खतरा: करियर की सीढ़ी का कमजोर होना

दीर्घकालिक सवाल यह नहीं है कि AI किसी job title को खत्म करेगा या नहीं। सवाल यह है कि क्या वह उन शुरुआती कामों को हटा देगा जिनके जरिए लोग किसी पेशे को सीखते हैं।

एक स्वस्थ करियर सीढ़ी में कर्मचारी निगरानी में किए जाने वाले दोहराव वाले काम से शुरू होकर संदर्भ, निर्णय और जवाबदेही वाली भूमिकाओं तक पहुंचते हैं। अगर AI इस supervised work का बड़ा हिस्सा संभाल लेता है, तो कंपनियां वरिष्ठ कर्मचारियों को बनाए रखते हुए शुरुआती लोगों की भर्ती घटा सकती हैं।

अल्पावधि में यह दक्षता बढ़ाने वाला कदम लग सकता है। लेकिन लंबे समय में अनुभवी कर्मचारियों की pipeline कमजोर पड़ सकती है। कुल श्रम बाजार पर छोटा असर भी युवाओं के लिए बड़ा हो सकता है, क्योंकि कुल संख्या यह नहीं बताती कि किसे नियुक्त किया जा रहा है, किसे काम के दौरान प्रशिक्षण मिल रहा है और किसे आगे बढ़ने का मौका मिल रहा है।

आंकड़े क्या साबित करते हैं और क्या नहीं

मौजूदा शोध से चार सावधान निष्कर्ष निकलते हैं:

• AI से जुड़ा श्रम-बाजार दबाव पहले कुछ चुनिंदा, अत्यधिक exposed उद्योगों में दिखाई दे रहा है, हर पेशे में नहीं।
• युवा और एंट्री-लेवल कर्मचारी खास तौर पर संवेदनशील हैं, क्योंकि AI उन नियमित कामों को कर या तेज कर सकता है जो पहले white-collar करियर में प्रवेश का रास्ता बनते थे।
• जिन अनुभवी कर्मचारियों का मूल्य निगरानी, ग्राहक का भरोसा, जटिल निर्णय और परिणामों की जिम्मेदारी में है, उन्हें AI से लाभ मिल सकता है।
• अभी उपलब्ध प्रमाण अनिवार्य रूप से बड़े पैमाने पर रोजगार विस्थापन की पुष्टि नहीं करते। उत्पादकता में वृद्धि, नए उत्पाद और सेवाएं, श्रम की मांग, नियम-कायदे और कंपनियों के AI उपयोग का उद्देश्य आगे के परिणाम तय करेंगे।

इसका व्यावहारिक अर्थ यह है कि सरकारों और नियोक्ताओं को केवल कुल नौकरियां या बेरोजगारी दर नहीं देखनी चाहिए। जूनियर भर्ती, apprenticeship, आंतरिक पदोन्नति, काम के redesign, progression rates और सार्थक प्रशिक्षण तक पहुंच जैसे संकेतक इस बदलाव को कुल रोजगार आंकड़ों से पहले पकड़ सकते हैं।

AI फिलहाल करियर खत्म करने की तुलना में करियर में प्रवेश का तरीका ज्यादा तेजी से बदल रहा है। इस संक्रमण के लिए बेहतर ढंग से तैयार कंपनियां और सरकारें वे होंगी जो AI से काम बेहतर बनाएं, लेकिन विशेषज्ञता विकसित होने की मानवीय सीढ़ी को न तोड़ें।

इसी अवधि में 50 के दशक के कर्मचारियों के रोजगार में लगभग 2.3 लाख की वृद्धि हुई, Bank of Korea के विश्लेषण पर आधारित रिपोर्टों में कहा गया है। यह अंतर करियर की सीढ़ी में बदलाव के अनुरूप दिखता है: कंपनियां AI की मदद या स्वचालन से किए जा सकने वाले शुरुआती कामों के लिए भर्ती घटा सकती हैं, जबकि ऐसे अनुभवी कर्मचारियों को महत्व देती रहती हैं जो नतीजों की व्याख्या कर सकें, अपवादों को संभाल सकें और फैसलों की जिम्मेदारी ले सकें।

हालांकि, उम्र के आधार पर दिखने वाला यह पैटर्न अकेले यह साबित नहीं करता कि पूरा बदलाव AI की वजह से हुआ। जनसांख्यिकी, अर्थव्यवस्था में मांग और कंपनियों के भर्ती फैसलों का भी इसमें योगदान हो सकता है।

इसलिए दक्षिण कोरिया के आंकड़ों को हर युवा की नौकरी जाने का कारण ChatGPT या किसी एक AI सिस्टम को मानने के प्रमाण के रूप में नहीं पढ़ना चाहिए। Bank of Korea का माप उन उद्योगों और पेशों की पहचान करता है जहां AI के कारण तकनीकी बदलाव की संभावना ज्यादा है। ‘AI exposure’ यानी AI से प्रभावित होने की क्षमता, वास्तविक नौकरी प्रतिस्थापन का पुष्ट प्रमाण नहीं है।

कॉलेज डिग्री भी अब पूरी सुरक्षा नहीं

विश्वविद्यालय की डिग्री generative AI से अपने-आप सुरक्षा नहीं देती। कई स्नातक अपने करियर की शुरुआत टेक्नोलॉजी, पेशेवर सेवाओं, शोध, विश्लेषण, प्रकाशन और प्रशासन जैसे दफ्तर-आधारित क्षेत्रों से करते हैं—और इन्हीं क्षेत्रों के कई हिस्सों में AI काम का एक भाग संभाल सकता है।

इन शुरुआती नौकरियों का काम केवल आउटपुट तैयार करना नहीं था। वे कर्मचारियों को अधिक जटिल जिम्मेदारियों के लिए प्रशिक्षित भी करती थीं। जब AI काम का सरल हिस्सा संभाल लेता है, तो कंपनियां तुरंत पूरा पद समाप्त करने के बजाय भर्ती का स्तर ऊंचा कर सकती हैं।

उदाहरण के लिए, जूनियर विश्लेषक से हर पहली रिपोर्ट खुद तैयार करने के बजाय AI की बनाई रिपोर्ट की जांच करने की अपेक्षा की जा सकती है। नए प्रोग्रामर को पूरा शुरुआती कोड लिखने के बजाय AI से बने कोड को परखना, सुधारना और सिस्टम में जोड़ना पड़ सकता है।

स्थापित टीमों के लिए इससे उत्पादकता बढ़ सकती है, लेकिन पेशे में प्रवेश करने वालों के लिए यह एक bottleneck बना सकता है। अगर कंपनियां कम जूनियर कर्मचारियों को नियुक्त करेंगी, तो कम लोग वह अनुभव हासिल कर पाएंगे जो आगे चलकर वरिष्ठ विशेषज्ञ, प्रबंधक या भरोसेमंद सलाहकार बनने के लिए जरूरी होता है।

विकसित अर्थव्यवस्थाओं में भी शुरुआती भर्ती पर दबाव

Goldman Sachs Research के अनुसार, 2022 की दूसरी छमाही से AI ऑटोमेशन के लिए अधिक exposed उद्योगों में job openings यानी नई रिक्तियों की वृद्धि सामान्यतः कमजोर रही है। यह संबंध अमेरिका, जर्मनी और ऑस्ट्रेलिया समेत कई विकसित अर्थव्यवस्थाओं में खास तौर पर दिखाई दिया।

कॉल सेंटर इसका सबसे स्पष्ट उदाहरण है। उपलब्ध रिपोर्टिंग के अनुसार, अमेरिका में इस क्षेत्र का रोजगार ऐतिहासिक रुझान से करीब 39% नीचे, कनाडा में 33% नीचे और जर्मनी में 27% नीचे था। सॉफ्टवेयर प्रकाशन, मैनेजमेंट कंसल्टिंग और विज्ञापन भी प्रभावित क्षेत्रों में शामिल हैं। ये आंकड़े पुराने रुझान की तुलना में अंतर दिखाते हैं; वे यह साबित नहीं करते कि गिरावट का अकेला कारण AI था।

Goldman Sachs का व्यापक निष्कर्ष तत्काल, पूरी अर्थव्यवस्था में मानव कर्मचारियों के प्रतिस्थापन की भविष्यवाणी से अधिक संतुलित है। फिलहाल असर कुछ खास उद्योगों और कर्मचारी समूहों में केंद्रित है। एंट्री-लेवल कर्मचारी इसलिए अधिक संवेदनशील हैं क्योंकि उन्हें दिए जाने वाले काम अक्सर मानकीकृत, मापने में आसान और AI से स्वचालित या तेज किए जा सकने वाले होते हैं।

AI को अपनाना महत्वपूर्ण स्तर तक पहुंच चुका है, लेकिन अभी अधूरा है। Goldman Sachs की रिपोर्टिंग में प्रमुख विकसित अर्थव्यवस्थाओं में adoption का अनुमान लगभग 15% से 20% बताया गया है, जबकि अमेरिका में नियमित उत्पादन में AI का इस्तेमाल करने वाली कंपनियों का एक अन्य माप करीब 9% था। यह अंतर दिखाता है कि adoption के आंकड़ों को सावधानी से समझना चाहिए—कुछ सर्वेक्षण प्रयोग, कर्मचारियों द्वारा इस्तेमाल या लगातार उत्पादन में तैनाती, इनमें से अलग-अलग चीजें माप सकते हैं।

Automation और augmentation में फर्क

रोजगार पर AI का असर इस बात पर भी निर्भर करता है कि कंपनियां इसका उपयोग इंसानी श्रम की जगह लेने के लिए कर रही हैं या कर्मचारियों की क्षमता बढ़ाने के लिए।

Automation का अर्थ है कि किसी काम के लिए पहले की तुलना में कम इंसानी श्रम की जरूरत रह जाए। सामान्य ग्राहक सवालों का जवाब देना, नियमित सारांश बनाना, शुरुआती दस्तावेज तैयार करना या boilerplate code लिखना इसके उदाहरण हैं। इससे किसी मौजूदा कर्मचारी को औपचारिक रूप से निकाले बिना भी जूनियर भर्ती घट सकती है।

Augmentation का अर्थ है कि AI किसी कर्मचारी को अधिक उत्पादक बनाता है, लेकिन निर्णय, जांच, अपवादों, ग्राहक संबंधों और अंतिम जिम्मेदारी की भूमिका इंसान के पास रहती है। इससे अनुभवी कर्मचारी का महत्व बढ़ सकता है। साथ ही, हर कर्मचारी से ज्यादा आउटपुट की उम्मीद भी की जा सकती है। एक AI-सहायता प्राप्त विशेषज्ञ वह काम कर सकता है जिसमें पहले कई जूनियर कर्मचारियों के घंटे लगते थे।

एक ही कंपनी में दोनों प्रक्रियाएं साथ चल सकती हैं। AI कुछ नियमित जिम्मेदारियां खत्म कर सकता है, वरिष्ठ कर्मचारियों की उत्पादकता बढ़ा सकता है और ऐसे लोगों की मांग पैदा कर सकता है जो workflows डिजाइन करें, AI के आउटपुट की जांच करें और जोखिम संभालें। इसी वजह से कुल रोजगार के आंकड़े अपेक्षाकृत स्थिर दिख सकते हैं, जबकि पहली नौकरी पाना कठिन होता जाए।

असली खतरा: करियर की सीढ़ी का कमजोर होना

दीर्घकालिक सवाल यह नहीं है कि AI किसी job title को खत्म करेगा या नहीं। सवाल यह है कि क्या वह उन शुरुआती कामों को हटा देगा जिनके जरिए लोग किसी पेशे को सीखते हैं।

एक स्वस्थ करियर सीढ़ी में कर्मचारी निगरानी में किए जाने वाले दोहराव वाले काम से शुरू होकर संदर्भ, निर्णय और जवाबदेही वाली भूमिकाओं तक पहुंचते हैं। अगर AI इस supervised work का बड़ा हिस्सा संभाल लेता है, तो कंपनियां वरिष्ठ कर्मचारियों को बनाए रखते हुए शुरुआती लोगों की भर्ती घटा सकती हैं।

अल्पावधि में यह दक्षता बढ़ाने वाला कदम लग सकता है। लेकिन लंबे समय में अनुभवी कर्मचारियों की pipeline कमजोर पड़ सकती है। कुल श्रम बाजार पर छोटा असर भी युवाओं के लिए बड़ा हो सकता है, क्योंकि कुल संख्या यह नहीं बताती कि किसे नियुक्त किया जा रहा है, किसे काम के दौरान प्रशिक्षण मिल रहा है और किसे आगे बढ़ने का मौका मिल रहा है।

आंकड़े क्या साबित करते हैं और क्या नहीं

मौजूदा शोध से चार सावधान निष्कर्ष निकलते हैं:

• AI से जुड़ा श्रम-बाजार दबाव पहले कुछ चुनिंदा, अत्यधिक exposed उद्योगों में दिखाई दे रहा है, हर पेशे में नहीं।
• युवा और एंट्री-लेवल कर्मचारी खास तौर पर संवेदनशील हैं, क्योंकि AI उन नियमित कामों को कर या तेज कर सकता है जो पहले white-collar करियर में प्रवेश का रास्ता बनते थे।
• जिन अनुभवी कर्मचारियों का मूल्य निगरानी, ग्राहक का भरोसा, जटिल निर्णय और परिणामों की जिम्मेदारी में है, उन्हें AI से लाभ मिल सकता है।
• अभी उपलब्ध प्रमाण अनिवार्य रूप से बड़े पैमाने पर रोजगार विस्थापन की पुष्टि नहीं करते। उत्पादकता में वृद्धि, नए उत्पाद और सेवाएं, श्रम की मांग, नियम-कायदे और कंपनियों के AI उपयोग का उद्देश्य आगे के परिणाम तय करेंगे।

इसका व्यावहारिक अर्थ यह है कि सरकारों और नियोक्ताओं को केवल कुल नौकरियां या बेरोजगारी दर नहीं देखनी चाहिए। जूनियर भर्ती, apprenticeship, आंतरिक पदोन्नति, काम के redesign, progression rates और सार्थक प्रशिक्षण तक पहुंच जैसे संकेतक इस बदलाव को कुल रोजगार आंकड़ों से पहले पकड़ सकते हैं।

AI फिलहाल करियर खत्म करने की तुलना में करियर में प्रवेश का तरीका ज्यादा तेजी से बदल रहा है। इस संक्रमण के लिए बेहतर ढंग से तैयार कंपनियां और सरकारें वे होंगी जो AI से काम बेहतर बनाएं, लेकिन विशेषज्ञता विकसित होने की मानवीय सीढ़ी को न तोड़ें।