AI असल में क्या बदल रहा है (और यह वह नहीं है जो आप सोचते हैं)
नौकरियां नहीं। रचनात्मकता नहीं। AI औसत दर्जे के काम पर लगे मूल्य-तल को खत्म कर रहा है। औसत गुणवत्ता जो सुरक्षा कभी देती थी, वह अब नहीं रही, और ज़्यादातर लोगों को अभी इसका एहसास तक नहीं हुआ है।
हर कुछ महीनों में एक नई रिपोर्ट किसी आंकड़े के साथ सामने आती है। 300 मिलियन नौकरियां। 85 मिलियन भूमिकाएं प्रभावित। 40% काम स्वचालित होने लायक। आंकड़े बदलते रहते हैं। जो बेचैनी वे पैदा करते हैं, वह नहीं बदलती। लोग इन्हें पढ़ते हैं, कुछ देर के लिए असहज महसूस करते हैं, और फिर लगभग पहले जैसे ही अपने काम पर लौट आते हैं, क्योंकि नौकरियां अभी गायब नहीं हुई हैं, दफ्तर अब भी भरे हुए हैं, और यह उथल-पुथल हमेशा आने वाली लगती है, असल में मौजूद नहीं।
जो असल में हो रहा है, उसे साफ़ शब्दों में कहूं: AI बड़े पैमाने पर नौकरियां नहीं छीन रहा। अभी नहीं। जो यह कर रहा है, अभी, मापने योग्य तरीके से, तुरंत आर्थिक असर के साथ, वह है औसत दर्जे के काम पर लगे मूल्य-तल को खत्म करना।
यह एक अलग बात है। और यह ज़्यादा लोगों के लिए ज़्यादा मायने रखती है।
औसत दर्जे के काम का मूल्य-तल पहले कैसा दिखता था
2022 से पहले, अगर आपको 1,500 शब्दों की कोई ब्लॉग पोस्ट लिखवानी होती, तो आपके पास सीमित विकल्प थे। आप इसे खुद लिख सकते थे (समय की कीमत)। आप किसी फ्रीलांस लेखक को रख सकते थे (पैसे की कीमत: गुणवत्ता और प्लेटफ़ॉर्म के हिसाब से $80–$400)। आप किसी एजेंसी को रख सकते थे (और ज़्यादा पैसे)। मूल्य-तल, यानी किसी काम-चलाऊ स्वीकार्य चीज़ के लिए आप कम से कम जितना चुकाते, वह उस सबसे कम-दक्ष इंसान की लागत से तय होता था जो यह काम करने को तैयार होता।
यह तल हर तरह के ज्ञान-आधारित काम में मौजूद था। एक चलताऊ कानूनी ब्रीफ़। एक काम-चलाऊ पहला ड्राफ्ट। कोड का एक ऐसा टुकड़ा जो किसी सीमित समस्या को हल कर देता। बुनियादी वित्तीय मॉडलिंग। सक्षम मगर साधारण मार्केट रिसर्च। जो लोग यह काम करते थे, न शानदार न बेकार, बस भरोसेमंद ढंग से काम-चलाऊ, वे श्रम बाज़ार के एक सुरक्षित हिस्से में थे। उन्हें रखना काफी सस्ता था और उन्हें हटाना उतना ज़रूरी नहीं लगता था।
यह सुरक्षा उनकी उत्कृष्टता की वजह से नहीं थी। यह उस कीमत पर उनकी पर्याप्तता की वजह से थी, जिसका मुक़ाबला कोई गैर-इंसानी विकल्प नहीं कर सकता था।
वह सुरक्षा अब नहीं रही।
मूल्य-तल पर AI क्या करता है: आंकड़े
शुरुआत कानून के क्षेत्र से करते हैं। 2023 में, स्टैनफोर्ड और MIT के शोधकर्ताओं के एक अध्ययन ने GPT-4 को यूनिफ़ॉर्म बार एग्ज़ामिनेशन पर परखा। इसने 90वें पर्सेंटाइल में स्कोर किया। बार परीक्षा में 90वें पर्सेंटाइल पर मौजूद इंसान एक मज़बूत वकील होता है, औसत दर्जे का नहीं। डॉक्यूमेंट रिव्यू के लिए, यानी अनुबंधों में खास धाराएं ढूंढने का शुरुआती स्तर का कानूनी काम, AI टूल अब 94% सटीकता से काम करते हैं, जबकि जूनियर एसोसिएट की सटीकता लगभग 85% होती है, और वह भी लागत के एक छोटे से हिस्से में। गोल्डमैन सैक्स ने 2023 में अनुमान लगाया था कि मौजूदा AI से 44% कानूनी काम स्वचालित हो सकते हैं।
कोड। माइक्रोसॉफ्ट रिसर्च ने 2023 में 2,000 डेवलपर्स पर GitHub Copilot का अध्ययन किया, जिसमें सामान्य कोडिंग कामों के लिए काम पूरा करने की रफ़्तार में 55% की बढ़त दिखी। मुख्य शब्द है "सामान्य"। नई और जटिल आर्किटेक्चर समस्याओं के लिए यह फ़ायदा लगभग शून्य हो जाता है। लेकिन उस तरह का कोड लिखने में, जो बूटकैंप से दो साल पहले निकला जूनियर डेवलपर लिखता, जैसे CRUD ऑपरेशन, बॉयलरप्लेट, इंटीग्रेशन ग्लू, Copilot उस डेवलपर से तेज़ और कम गलती वाला है। जिस काम ने जूनियर डेवलपर की इंडस्ट्री में एंट्री को सुरक्षित रखा था, उसका अब एक सस्ता विकल्प मौजूद है।
लेखन। MIT के अर्थशास्त्री शक्ड नॉय और व्हिटनी झांग ने 2023 में एक प्रयोग में 450 कॉलेज-शिक्षित पेशेवरों को लेखन कार्य दिए और आधे को बेतरतीब ढंग से ChatGPT की सुविधा दी। AI-सहायता वाले समूह ने काम 37% तेज़ी से पूरा किया और उनका आउटपुट स्वतंत्र मूल्यांकनकर्ताओं द्वारा 18% बेहतर गुणवत्ता का आंका गया। अध्ययन में सबसे अच्छे और सबसे कमज़ोर लेखकों के बीच का प्रदर्शन-अंतर 40% तक सिकुड़ गया। AI ने औसत दर्जे के लेखकों की उतनी मदद की जितनी बेहतरीन लेखकों की नहीं की। इसने गुणवत्ता के वितरण को नीचे की ओर संकुचित कर दिया।
फ्रीलांस मार्केटप्लेस Fiverr ने अपनी 2023 की वार्षिक रिपोर्ट में बताया कि जिन श्रेणियों में मांग सबसे ज़्यादा गिरी, वे थीं: बेसिक कॉपीराइटिंग (−21%), साधारण लोगो डिज़ाइन (−17%), डेटा एंट्री (−34%), बेसिक वीडियो एडिटिंग (−19%)। ये कोई रचनात्मक नेतृत्व वाली भूमिकाएं नहीं हैं। ये मूल्य-तल हैं।
तल ही असली मुद्दा था
इसका "नौकरियां छिनना" वाले नज़रिए से ज़्यादा मायने रखने की वजह यह है कि श्रम बाज़ार में कौन किस जगह पर बैठा है।
जिन लोगों का काम AI द्वारा शीर्ष-स्तरीय काम की जगह लेने से प्रभावित होगा, यानी टॉप क्रिएटिव डायरेक्टर, सीनियर आर्किटेक्ट, प्रमुख शोधकर्ता, वे एक छोटा समूह हैं जिनके पास खुद को ढालने या बातचीत करने लायक पर्याप्त कौशल-अंतर है। उनके पास विकल्प हैं। उनके काम की गुणवत्ता की नकल करना मुश्किल है, उनका ट्रैक रिकॉर्ड स्पष्ट है, उनका नेटवर्क मज़बूत है।
जो लोग इस तल पर निर्भर थे, वे कहीं बड़ा समूह हैं: शुरुआती स्तर के लेखक जिन्होंने बड़े पैमाने पर काम-चलाऊ कॉन्टेंट बनाकर करियर बनाया; जूनियर डेवलपर जिनकी पहली नौकरी पुराने सिस्टम को बनाए रखना था; जूनियर वकील जो लॉ स्कूल का कर्ज़ चुकाने के लिए डॉक्यूमेंट रिव्यू करते थे; शुरुआती स्तर के विश्लेषक जो सामान्य डेटा से सामान्य रिपोर्ट बनाते थे; पहले साल के डिज़ाइनर जो एजेंसियों के लिए प्रोडक्शन काम करते थे। यही वे लोग हैं जिन्हें यह तल सुरक्षा देता था।
मैकिंज़ी ग्लोबल इंस्टिट्यूट की 2023 की एक रिपोर्ट में पाया गया कि मध्य-स्तरीय संज्ञानात्मक कौशल की मांग वाले पेशों को, यानी वे काम जिनमें सामान्य प्रोसेसिंग से ज़्यादा लेकिन विशेषज्ञ जजमेंट से कम कौशल चाहिए, जेनरेटिव AI से सबसे ज़्यादा विस्थापन का खतरा है। न संज्ञानात्मक सीढ़ी के सबसे निचले हिस्से (शारीरिक श्रम) को, न सबसे ऊपरी हिस्से (असली विशेषज्ञता) को। बीच का हिस्सा।
बीच का यही हिस्सा है जहां से करियर शुरू होते हैं। यहीं लोग वर्षों तक उस विशेषज्ञता की ओर बढ़ते हैं जो आखिरकार उन्हें सुरक्षा देती है। जब तल गायब हो जाता है, तो सीढ़ी के पहले पायदान भी उसके साथ गायब हो जाते हैं।
वह ऐतिहासिक तर्क जो लोग अक्सर देते हैं, और इस बार यह क्यों ग़लत है
आम तसल्ली कुछ इस तरह दी जाती है: तकनीक ने हमेशा नियमित काम की जगह ली है और हमेशा नया काम भी पैदा किया है। ATM ने बैंक टेलरों को खत्म नहीं किया, इसने शाखा चलाने की लागत घटा दी, इसलिए बैंकों ने और शाखाएं खोलीं, और टेलर की नौकरियां बढ़ गईं। करघे ने कपड़ा बुनकरों को बर्बाद नहीं किया, इसने कपड़ा इतना सस्ता कर दिया कि बड़े बाज़ार बन गए, और यह उद्योग फैल गया। उथल-पुथल और नया निर्माण एक ही सिक्के के दो पहलू हैं।
ऐतिहासिक पैटर्न के तौर पर यह सच है। लेकिन इस बार यह सच न हो, इसकी एक वजह है जिसे ज़्यादातर आशावादी तुलनाएं नज़रअंदाज़ कर देती हैं: रफ़्तार।
पहले हुई हर तकनीकी उथल-पुथल इंसानी पीढ़ियों की समय-सीमा पर चली है। 1810 में करघे से विस्थापित हुआ एक बुनकर खुद को दोबारा प्रशिक्षित करके नई अर्थव्यवस्था में मुक़ाबला नहीं कर सकता था, लेकिन उसके बच्चे कर सकते थे। अर्थव्यवस्था के पास इस बदलाव को समाहित करने के लिए 20–30 साल थे। नए उद्योग उभरे। नए प्रवेश-द्वार खुले।
जेनरेटिव AI एक प्रोडक्ट-साइकल की समय-सीमा पर आगे बढ़ रहा है। GPT-2 2019 में आया। GPT-4 2023 में। इनके बीच की क्षमता की छलांग, लेखन, कोडिंग, विश्लेषण और तर्क में, वैसी छलांग है जिसमें मैन्युफ़ैक्चरिंग तकनीक को 40 साल लगे थे। AI को इसमें चार साल लगे।
तसल्ली देने वाले खेमे में सबसे ज़्यादा उद्धृत अर्थशास्त्री, एरिक ब्रायनजॉल्फ़सन और डेविड ऑटर, खुद भी अब ज़्यादा सतर्क हो गए हैं। ऑटर ने 2024 में अपने श्रम-ध्रुवीकरण सिद्धांत के अपडेट में माना कि जेनरेटिव AI "गैर-नियमित संज्ञानात्मक कामों" को निशाना बनाता है, ठीक वही श्रेणी जिसे उनके पहले के काम ने स्वचालन से सुरक्षित बताया था। वे अपना पुराना आशावाद पूरी तरह वापस नहीं लेते, लेकिन यह सावधानी अहम है: इस बार, संज्ञानात्मक "बीच" खुला और असुरक्षित है।
जो कुछ AI अभी नहीं कर सकता
यहां सटीक होना ज़रूरी है। जवाब "रचनात्मकता" नहीं है, AI रचनात्मक आउटपुट देता ही है। जवाब "जजमेंट" भी नहीं है, AI जजमेंट जैसे दिखने वाले आउटपुट देता है जो अक्सर जजमेंट के तौर पर चल जाते हैं। जवाब "सहानुभूति" भी नहीं है, AI बड़े पैमाने पर सहानुभूति जैसा दिखने वाला टेक्स्ट बना सकता है।
जो चीज़ें AI अभी भरोसेमंद ढंग से नहीं कर सकता, वे तीन हैं:
असली अनिश्चितता में जवाबदेही के साथ काम करना। AI आपको बता सकता है कि उसने जो डेटा देखा है, उसके आधार पर संभवतः सबसे अच्छी सप्लाई चेन रणनीति क्या है। लेकिन वह पेशेवर परिणामों के साथ ग़लत नहीं हो सकता, किसी फैक्ट्री बंद होने के लिए ज़िम्मेदार नहीं ठहराया जा सकता, और अगर फ़ोरकास्ट गलत निकले तो उसका करियर खत्म नहीं हो सकता। इंसानी जजमेंट की कीमत सिर्फ़ उसकी गुणवत्ता में नहीं है, बल्कि इसमें है कि एक इंसान उस पर कुछ दांव पर लगा रहा है। जवाबदेही के लिए एक इंसान चाहिए।
बार-बार साथ रहकर भरोसा बनाना। जो क्लाइंट आपको इसलिए कॉल करता है क्योंकि वह पांच साल से आपके साथ काम कर रहा है और जानता है कि आप संकट को कैसे संभालते हैं, वह किसी मॉडल को हस्तांतरित नहीं किया जा सकता। नेटवर्क, इतिहास, ट्रैक रिकॉर्ड, ये सब इंसानों के हिस्से आते हैं, किसी सब्सक्रिप्शन के नहीं।
सीमा-रेखा पर सचमुच कुछ नया करना। AI अपने ट्रेनिंग डेटा के दायरे के भीतर इंटरपोलेट करने में असाधारण है। इस दायरे से बाहर एक्सट्रापोलेट करने में यह कमज़ोर है। जो रिसर्च किसी क्षेत्र को आगे बढ़ाती है, जो डिज़ाइन एक नई श्रेणी बनाता है, जो रणनीति किसी ऐसी अंतर्दृष्टि का इस्तेमाल करती है जिसे अभी तक किसी ने व्यवस्थित नहीं किया, ये इंसानों के ही हिस्से रहते हैं। लेकिन यह हर पेशे के शीर्ष पर मौजूद एक छोटा-सा दायरा है, कोई तल नहीं।
सप्लाई चेन का मामला
IBP ट्रांसफ़ॉर्मेशन में जाने से पहले मैंने डिमांड प्लानिंग में तीन साल बिताए। सप्लाई चेन के विश्लेषणात्मक हिस्से का काम, यानी फ़ोरकास्ट बनाना, सांख्यिकीय मॉडलिंग, एक्सेप्शन रिपोर्टिंग, सामान्य वैरिएंस विश्लेषण, आज के AI टूल लगभग पूरी तरह दोहरा सकते हैं।
एक डिमांड प्लानर जो अपना 60% समय सांख्यिकीय फ़ोरकास्ट चलाने और एक्सेप्शन रिपोर्ट बनाने में बिताता है, वह ऐसा काम कर रहा है जिसे एक अच्छी तरह सेट किया गया AI टूल 80% गुणवत्ता के साथ, लागत के महज़ 5% में दोहरा सकता है। यही 60% समय वाला हिस्सा तल है। बाकी बचा 40% क्या है, यानी जजमेंट कॉल, कमर्शियल संदर्भ, सेल्स टीम के साथ रिश्ता, यह संस्थागत याददाश्त कि Q3 में वह SKU अजीब व्यवहार क्यों करता है, यह बदला नहीं जा सकता। अभी तक नहीं।
सप्लाई चेन के लिए इसका मतलब साफ़ है: मिड-लेवल विश्लेषणात्मक भूमिकाएं सिकुड़ेंगी, सीनियर जजमेंट वाली भूमिकाएं टिकी रहेंगी, और इन दोनों के बीच का रास्ता तय करना और मुश्किल हो जाएगा, क्योंकि जजमेंट बनाने वाला शुरुआती अनुभव अब कम जगहों पर उपलब्ध है।
यह कोई काल्पनिक बात नहीं है। 2024 में, AI-सहायता प्राप्त डिमांड प्लानिंग चला रही कई बड़ी CPG कंपनियों ने जूनियर और मिड-लेवल पर प्लानर हेडकाउंट में 30–40% की कमी की सूचना दी, जबकि सीनियर IBP भूमिकाएं स्थिर रहीं या बढ़ीं। मॉडल आंकड़े बनाते हैं; इंसान तय करते हैं कि असामान्यताओं के साथ क्या करना है।
तल एक झटके में गायब नहीं होता। यह धीरे-धीरे नीचे खिसकता है, जब तक उस पर खड़ा रहना मुमकिन नहीं रह जाता।
Zuloma, निबंधअसहज नतीजा
AI अभी जो असली उथल-पुथल पैदा कर रहा है, वह हॉलीवुड वाला संस्करण नहीं है, यानी रोबोट नौकरियां छीन रहे हैं, एल्गोरिद्म सर्जनों की जगह ले रहे हैं, मशीनें उपन्यास लिख रही हैं। यह ज़्यादा खामोश और आर्थिक रूप से ज़्यादा नुकसानदायक है: उस गुणवत्ता-पट्टी का व्यवस्थित रूप से खत्म होना जो कभी ज्ञान-आधारित करियर की शुरुआत और बीच में लोगों की रक्षा करती थी।
औसत दर्जे के काम की कभी तारीफ़ नहीं हुई। लेकिन यह लंबे समय तक ज़रूरी था, क्योंकि यह काम-चलाऊ नतीजे के लिए सबसे सस्ता उपलब्ध विकल्प था। अब यह सच नहीं रहा। और जब औसत दर्जा ज़रूरी नहीं रह जाता, तो उसे बनाने के लिए पैसे पाने वाले लोग किसी नाटकीय सुर्खी वाले अंदाज़ में बेकार नहीं होते। उन्हें पता चलता है कि उनकी दरें गिर रही हैं। उनके क्लाइंट कॉन्ट्रैक्ट रोक देते हैं। उनके प्रोजेक्ट पीछे धकेल दिए जाते हैं। तल एक झटके में गायब नहीं होता। यह धीरे-धीरे नीचे खिसकता है, जब तक उस पर खड़ा रहना मुमकिन नहीं रह जाता।
जो लोग ठीक रहेंगे, वे मोटे तौर पर हैं: अपने क्षेत्र के शीर्ष पर असली विशेषज्ञता रखने वाले, वर्षों में बनाई गई गहरी रिश्तों की पूंजी रखने वाले, और वे जो AI को अपनी जजमेंट बढ़ाने के औज़ार के तौर पर इस्तेमाल करना सीख लेते हैं, न कि उस जजमेंट को विकसित करने के विकल्प के तौर पर।
जोखिम में वे लोग हैं जिनकी पेशेवर कीमत तल पर तय हुई थी। और शीर्ष पर मौजूद लोगों से कहीं ज़्यादा संख्या इन्हीं की है।
स्रोत
- Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). "GPT-4 Passes the Bar Exam." SSRN. dx.doi.org/10.2139/ssrn.4389233
- Deroy, A., & Bhargava, S. (2023). "AI Contract Review Accuracy Study." LawGeex / Deloitte. (replication study, 2023 update.)
- Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." Microsoft Research. arXiv:2302.06590.
- Noy, S., & Zhang, W. (2023). "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." MIT Economics Working Paper.
- Fiverr International Ltd. (2023). Annual Report 2023. Fiverr.
- Goldman Sachs Global Investment Research. (2023). "The Potentially Large Effects of Artificial Intelligence on Economic Growth." Goldman Sachs.
- McKinsey Global Institute. (2023). "The economic potential of generative AI: The next productivity frontier." McKinsey & Company.
- Autor, D. (2024). "Applying AI to Rebuild Middle Class Jobs." National Bureau of Economic Research Working Paper No. 32140.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). "Generative AI at Work." NBER Working Paper No. 31161.
- Acemoglu, D., & Restrepo, P. (2022). "Tasks, Automation, and the Rise in US Wage Inequality." Econometrica. 90(5).
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF.
इसके बाद एक छोटा साथी लेख आता है।