जैसे-जैसे AI सिस्टम ज़्यादा काबिल होते जा रहे हैं, इकोनॉमिक बातचीत अब इस बात से हटकर कि क्या मशीनें इंसानी काम की जगह ले लेंगी, इस पर आ गई है कि इंसानी काबिलियत सच में ऐसी ही बनी रहेगी जिसकी जगह कोई नहीं ले सकता। ऑटोमेशन के रिस्क और इंसानों की ताकत, दोनों को समझने से वर्कर्स, एम्प्लॉयर्स और पॉलिसी बनाने वालों को तेज़ी से बदलते लेबर माहौल के लिए तैयार होने में मदद मिलती है।
जब आर्टिफिशियल इंटेलिजेंस सिस्टम इंसानों द्वारा किए जाने वाले कामों को अपने हाथ में ले लेते हैं, तो आर्थिक और वर्कफोर्स से जुड़े खतरे पैदा होते हैं।
कॉग्निटिव, इमोशनल और सोशल स्किल्स जिन्हें AI सिस्टम के लिए इंसानी लेवल पर कॉपी करना मुश्किल है।
| विशेषता | AI स्वचालन जोखिम | विशिष्ट मानवीय क्षमताएँ |
|---|---|---|
| प्राथमिक चिंता | नौकरी का विस्थापन और आर्थिक व्यवधान | ऑटोमेशन का विरोध करने वाले कौशल |
| प्रभावित कार्यबल | मध्यम-कौशल और नियमित संज्ञानात्मक कार्यकर्ता | क्रिएटिव, इंटरपर्सनल और स्किल्ड ट्रेड वर्कर |
| समय क्षितिज | पहले से ही चल रहा है, 2030 तक तेज़ी से आगे बढ़ेगा | कर्मचारियों के लिए दीर्घकालिक प्रतिस्पर्धात्मक लाभ |
| आर्थिक प्रभाव | वेतन ध्रुवीकरण और क्षेत्रीय असमानता | मानव-केंद्रित भूमिकाओं पर प्रीमियम |
| नीति प्रतिक्रिया | रीस्किलिंग प्रोग्राम, सेफ्टी नेट, रीट्रेनिंग | शिक्षा निवेश, आजीवन शिक्षा |
| उद्योग के उदाहरण | कस्टमर सर्विस, डेटा एंट्री, पैरालीगल काम | थेरेपी, नर्सिंग, एंटरप्रेन्योरशिप, डिज़ाइन |
| मापन योग्यता | रोज़गार के आंकड़ों से ट्रैक किया जा सकता है | मात्रा का पता लगाना मुश्किल है, अक्सर गुणात्मक रूप से मूल्यांकन किया जाता है |
| शमन रणनीति | अपस्किलिंग और ट्रांज़िशन सपोर्ट के ज़रिए अनुकूलन | शिक्षा और अनुभव के माध्यम से खेती |
AI ऑटोमेशन के रिस्क उन रोल्स में ज़्यादा होते हैं जो पहले से तय, नियम-आधारित कामों के आस-पास बने होते हैं। कस्टमर सपोर्ट, बुककीपिंग और बेसिक कंटेंट जेनरेशन, इन सभी में AI टूल्स को तेज़ी से अपनाया गया है, जिससे वे वर्कर हट गए हैं जो पहले ये काम करते थे। इसके उलट, इंसानी खास काबिलियत उन रोल्स में ज़्यादा होती है जहाँ फैसला, क्रिएटिविटी और इमोशनल बारीकियां नतीजों को तय करती हैं। ये दोनों ताकतें बराबर नहीं बंटी हैं, यही वजह है कि कुछ इंडस्ट्रीज़ में उथल-पुथल मची हुई है, जबकि दूसरी इंडस्ट्रीज़ AI को खतरे के बजाय प्रोडक्टिविटी बढ़ाने वाला मानती हैं।
एक बार जब कोई टेक्नोलॉजी मैच्योर हो जाती है, तो ऑटोमेशन तेज़ी से आगे बढ़ता है, और अक्सर वर्कर्स और इंस्टीट्यूशन्स की अडैप्ट करने की काबिलियत से आगे निकल जाता है। मेनफ्रेम से पर्सनल कंप्यूटर में बदलने में दशकों लग गए, लेकिन मॉडर्न AI डिप्लॉयमेंट ऐसे बदलावों को कुछ ही सालों में कम कर सकता है। इंसानी काबिलियत धीरे-धीरे बढ़ती है क्योंकि वे एजुकेशन, एक्सपीरियंस और कल्चरल डेवलपमेंट पर निर्भर करती हैं। तेज़ी से बदलती टेक्नोलॉजी और धीरे-धीरे इंसानी अडैप्टेशन के बीच यह बेमेल आज के समय की मुख्य इकोनॉमिक चुनौतियों में से एक है।
ऑटोमेशन से पैसा कैपिटल मालिकों और बहुत स्किल्ड वर्कर्स के बीच इकट्ठा हो जाता है, जो AI टूल्स का इस्तेमाल कर सकते हैं, जबकि मिडिल-स्किल रोल्स में काम करने वालों की जगह ले लेता है। OECD और IMF की स्टडीज़ ने चेतावनी दी है कि बिना दखल के, AI देशों के अंदर और देशों के बीच इनकम में असमानता बढ़ा सकता है। इंसानी काबिलियत को, जब सही तरीके से महत्व दिया जाता है, तो ज़्यादा बंटे हुए आर्थिक फ़ायदों में मदद मिलती है क्योंकि वे निजी कोशिशों, रिश्तों और लोकल माहौल पर निर्भर करते हैं जिन्हें आसानी से बढ़ाया या ऑटोमेट नहीं किया जा सकता।
ऑटोमेशन के खतरों से निपटने के लिए रीस्किलिंग और एडल्ट एजुकेशन प्रोग्राम में बड़े पैमाने पर इन्वेस्टमेंट की ज़रूरत है, क्योंकि सबसे ज़्यादा असर उन वर्कर पर पड़ता है जिन्हें रीट्रेनिंग के मौके सबसे कम मिलते हैं। वहीं, इंसानी काबिलियत को बढ़ाने के लिए अलग तरह की पढ़ाई पर ज़ोर देने की ज़रूरत है: कम उम्र से ही क्रिएटिविटी, क्रिटिकल थिंकिंग, मिलकर काम करना और नैतिक सोच। दोनों तरीकों में एक बात कॉमन है, और वह यह कि अगर वर्कर टेक्नोलॉजी में बदलाव से आगे रहना चाहते हैं तो सीखना ग्रेजुएशन पर नहीं रुक सकता।
ज़्यादातर इकोनॉमिस्ट अब मानते हैं कि AI इंडस्ट्रियल रेवोल्यूशन के लेवल पर बड़े पैमाने पर बेरोज़गारी पैदा नहीं करेगा, लेकिन यह किसी न किसी तरह से लगभग हर काम को बदल देगा। जो वर्कर टेक्निकल लिटरेसी को ज़रूरी इंसानी स्किल्स के साथ मिलाते हैं, जैसे कि नर्स जो AI डायग्नोस्टिक्स का इस्तेमाल करती हैं या मार्केटर जो डेटा को क्रिएटिव स्टोरीटेलिंग के साथ मिलाते हैं, उनके कामयाब होने की संभावना है। मुख्य सवाल यह नहीं है कि AI नौकरियां लेगा या नहीं, बल्कि यह है कि समाज कितनी जल्दी लोगों को बदलाव में मदद करने के लिए एजुकेशनल और इंस्टीट्यूशनल इंफ्रास्ट्रक्चर बना सकता है।
AI एक दशक के अंदर सभी इंसानी काम करने वालों की जगह ले लेगा।
OECD और मैकिन्से समेत ज़्यादातर भरोसेमंद अनुमान बताते हैं कि AI ज़्यादातर नौकरियों को खत्म करने के बजाय उन्हें बदल देगा। जिन रोल्स के लिए अचानक आने वाली जगहों पर फिजिकल स्किल, मुश्किल नैतिक तर्क, या गहरे इमोशनल जुड़ाव की ज़रूरत होती है, वे अब भी इंसानों के दायरे में हैं। यहाँ तक कि बहुत ज़्यादा ऑटोमेटेड फील्ड्स में भी जॉब पूरी तरह बदलने के बजाय उन्हें नया स्वरूप दिया जाता है।
ऑटोमेशन से सिर्फ़ मैनुअल या कम स्किल वाली नौकरियों को ही खतरा है।
ऑटोमेशन में सबसे तेज़ी से फ़ायदा कॉग्निटिव व्हाइट-कॉलर काम में हुआ है, जिसमें लीगल रिसर्च, मार्केटिंग कॉपीराइटिंग और सॉफ़्टवेयर सपोर्ट शामिल हैं। वर्ल्ड इकोनॉमिक फ़ोरम के एनालिसिस से पता चलता है कि क्लर्क और एडमिनिस्ट्रेटिव रोल में कई मैनुअल कामों की तुलना में ज़्यादा जगह बदलने का खतरा होता है। सिर्फ़ पढ़ाई का लेवल अब ऑटोमेशन से सुरक्षा की गारंटी नहीं देता।
क्रिएटिविटी का समाधान पहले से ही जेनरेटिव AI से हो चुका है।
जेनरेटिव AI मौजूदा पैटर्न को फिर से जोड़ने में बहुत अच्छा है, लेकिन उस तरह के ओरिजिनल सिंथेसिस के साथ संघर्ष करता है जो ब्रेकथ्रू आर्ट, साइंस और एंटरप्रेन्योरशिप को परिभाषित करता है। इंसानी क्रिएटिविटी जीवित अनुभव, इंट्यूशन और कल्चरल कॉन्टेक्स्ट से उन तरीकों से प्रेरित होती है जिन्हें मौजूदा मॉडल कॉपी नहीं कर सकते। ज़्यादातर क्रिएटिव प्रोफेशनल अब AI को रिप्लेसमेंट के रूप में देखने के बजाय एक सहयोगी के रूप में इस्तेमाल करते हैं।
सिर्फ़ रीस्किलिंग प्रोग्राम ही ऑटोमेशन से होने वाली बेरोज़गारी को हल कर सकते हैं।
रीस्किलिंग से मदद मिलती है, लेकिन यह बड़े पैमाने पर विस्थापन की पूरी तरह से भरपाई नहीं कर सकती, खासकर ज़्यादा उम्र के वर्कर्स या सिकुड़ते इंडस्ट्रीज़ में काम करने वालों के लिए। असरदार जवाबों में आम तौर पर रीट्रेनिंग को इनकम सपोर्ट, रीजनल इकोनॉमिक डेवलपमेंट और इमिग्रेशन फ्लेक्सिबिलिटी के साथ जोड़ा जाता है। रीस्किलिंग को एक सिल्वर बुलेट मानने से अक्सर कमज़ोर वर्कर्स पीछे छूट जाते हैं।
इंसानी हुनर इतने कमज़ोर हैं कि आर्थिक तौर पर कोई मायने नहीं रखते।
सहानुभूति, बातचीत और नैतिक फैसले जैसी स्किल्स का सच में आर्थिक महत्व होता है, खासकर हेल्थकेयर, कानून, लीडरशिप और क्लाइंट सर्विस में। हार्वर्ड और वर्ल्ड इकोनॉमिक फोरम की स्टडीज़ लगातार सोशल और इमोशनल स्किल्स को आने वाले दशक में सबसे ज़्यादा डिमांड वाली काबिलियत में रखती हैं। एम्प्लॉयर उन वर्कर्स को ज़्यादा प्रीमियम दे रहे हैं जिनमें टेक्निकल जानकारी के साथ अच्छी इंटरपर्सनल काबिलियत भी हो।
AI ऑटोमेशन के खतरों पर रीस्किलिंग प्रोग्राम, सोशल सेफ्टी नेट और सोच-समझकर किए गए रेगुलेशन के ज़रिए तुरंत ध्यान देने की ज़रूरत है, जबकि खास इंसानी काबिलियत एक रोडमैप देती है कि वर्कर कहाँ टिकाऊ करियर बना सकते हैं। सबसे स्मार्ट तरीका दोनों को एक ही सिक्के के दो पहलू मानता है: लोगों की ज़रूरतें कम करना और उन स्किल्स में इन्वेस्ट करना जो इंसानों को ज़रूरी बनाती हैं। वर्कर, मालिक और पॉलिसी बनाने वाले जो इस समीकरण के सिर्फ़ आधे हिस्से पर ध्यान देते हैं, वे बड़ी तस्वीर को नहीं देख पाएंगे।
ज़्यादा कंप्यूट डिमांड, मॉडल कॉम्प्लेक्सिटी और इंफ्रास्ट्रक्चर कॉस्ट की वजह से AI सर्विसेज़ तेज़ी से महंगी होती जा रही हैं, जबकि मैच्योर डेवलपमेंट साइकिल और कम मार्जिनल डिस्ट्रीब्यूशन कॉस्ट की वजह से ट्रेडिशनल सॉफ्टवेयर की कीमतें काफी हद तक स्टेबल रहती हैं। यह अंतर बिज़नेस के टेक्नोलॉजी के लिए बजट बनाने और डिजिटल ऑपरेशन्स को स्केल करने के तरीके को बदल रहा है।
CPI कंज्यूमर गुड्स की एक फिक्स्ड बास्केट की कीमतों में एवरेज बदलाव को मापता है, जबकि रियल इन्फ्लेशन यह दिखाता है कि सब्स्टिट्यूशन इफ़ेक्ट और लोगों की खर्च करने की आदतों को ध्यान में रखने के बाद घर असल में क्या महसूस करते हैं। दोनों को समझने से आपको यह समझने में मदद मिलती है कि ऑफिशियल नंबर कभी-कभी आपके वॉलेट से अलग क्यों लगते हैं।
K-शेप और V-शेप की रिकवरी, संकट के बाद की आर्थिक राहों को बहुत अलग दिखाती हैं। V-शेप की रिकवरी तेज़ी से और एक जैसी होती है, जबकि K-शेप की रिकवरी अर्थव्यवस्था को ऐसे सेक्टर या ग्रुप में बांट देती है जो आगे बढ़ते हैं और दूसरे जो रुक जाते हैं या गिर जाते हैं।
US डॉलर और कमोडिटीज़ के बीच का रिश्ता ग्लोबल फाइनेंस में सबसे ताकतवर 'टग-ऑफ-वॉर' डायनामिक्स में से एक है। क्योंकि ज़्यादातर कच्चे माल की कीमत डॉलर में होती है, इसलिए बढ़ता हुआ ग्रीनबैक अक्सर कमोडिटी की कीमतों पर एक मज़बूत एंकर का काम करता है, जबकि कमज़ोर होता डॉलर अक्सर सोने, तेल और अनाज में भारी तेज़ी के लिए फ्यूल देता है।
अचानक गिरावट और महंगाई की वजह से इकॉनमी के टूटने के दो बिल्कुल अलग तरीके हैं। एक तो लगातार डिफ़ॉल्ट और घबराहट के ज़रिए बिजली कड़कने जैसा होता है, जबकि दूसरा धीरे-धीरे खरीदने की ताकत को तब तक कम करता है जब तक कि सिस्टम काम करना बंद न कर दे। दोनों को समझने से इन्वेस्टर्स, पॉलिसी बनाने वालों और नागरिकों को अलग-अलग तरह के फ़ाइनेंशियल संकटों के लिए तैयार होने में मदद मिलती है।
