भारत में AI और नौकरियाँ: कौन-सा काम बदल रहा है और कौन-से हुनर मायने रखते हैं
AI पूरी नौकरियाँ ख़त्म करने की तुलना में कामों (टास्क) को कहीं तेज़ी से बदल रहा है, और इसे उपयोगी ढंग से समझने की कुंजी यही फ़र्क़ है। बहुत कम भूमिकाएँ किसी एक काम से बनी होती हैं। नौकरी एक गुच्छा है — शायद बीस चीज़ें जो कोई व्यक्ति हफ़्ते में करता है — और AI फ़िलहाल उनमें से कुछ ही कर सकता है, वह भी कुछ असमान ढंग से। नतीजा ग़ायब होना नहीं, नए सिरे से बनना है: गुच्छे का आकार बदलता है, हफ़्ते में हर हिस्से को मिलने वाला अनुपात खिसकता है, और भूमिका जिस चीज़ को इनाम देती है वह भी बदल जाती है।
भारत में यह ख़ास तौर पर मायने रखता है, जहाँ व्हाइट-कॉलर रोज़गार का बहुत बड़ा हिस्सा ठीक उन्हीं श्रेणियों में है जिन्हें AI सबसे पहले छूता है: डॉक्यूमेंटेशन, सपोर्ट, डेटा प्रोसेसिंग, रूटीन कोडिंग, कंटेंट निर्माण, और दूसरे देशों के क्लाइंट के लिए यही काम करने पर खड़ी विशाल सेवा परत। यह जोखिम असली है और गंभीरता से लेने लायक है। लेकिन यह अप्रचलित हो जाने जैसा नहीं है, और इसे वैसा मान लेने से ग़लत फ़ैसले होते हैं।
आगे अपने काम का आकलन करने का एक ढाँचा है, इस बात का ईमानदार ब्योरा कि क्या ज्ञात है और क्या नहीं, और इस पर एक राय कि कौन-से हुनर सचमुच समय लगाने लायक हैं।
काम बनाम नौकरी का फ़र्क़ क्यों मायने रखता है?
एक जूनियर मार्केटिंग एक्ज़ीक्यूटिव को लीजिए। उनके हफ़्ते में सोशल कॉपी लिखना, पोस्ट शेड्यूल करना, परफ़ॉर्मेंस रिपोर्ट निकालना, क्लाइंट कॉल में बैठना, डिज़ाइनर को ब्रीफ़ करना, मंज़ूरी के पीछे लगना, और दिशा बदलने के लिए तर्क देना शामिल हो सकता है। AI कॉपी का ड्राफ़्ट बना सकता है और रिपोर्ट जोड़ सकता है। वह कॉल में नहीं बैठ सकता, क्लाइंट की हिचक नहीं पढ़ सकता, या तर्क को आगे नहीं बढ़ा सकता। नौकरी ग़ायब नहीं होती; ड्राफ़्टिंग में जाने वाला समय मुक्त हो जाता है, और निर्णय व रिश्ते वाले हिस्से भूमिका का बड़ा अनुपात बन जाते हैं।
असहज करने वाला निहितार्थ वही है जिसे लोग टाल जाते हैं। अगर ड्राफ़्टिंग वह ज़रिया थी जिससे कोई जूनियर ख़ुद को साबित करता और हुनर सीखता था, और ड्राफ़्टिंग अब मशीन का काम है, तो पेशे में आने की सीढ़ी का एक डंडा ग़ायब हो गया है। यह एक असली ढाँचागत समस्या है, कुल नौकरी-हानि के अनुमानों से ज़्यादा गंभीर, और यह छँटनी में नहीं बल्कि सबसे पहले एंट्री-लेवल हायरिंग में दिख रही है।
आपका अपना काम कितना जोखिम में है?
यह पूछने के बजाय कि क्या आपकी नौकरी ख़तरे में है, पिछले हफ़्ते आपने असल में क्या किया उसकी सूची बनाइए और हर चीज़ को अंक दीजिए। चार गुण जोखिम का काफ़ी भरोसेमंद अंदाज़ा देते हैं।
इसे ईमानदारी से कीजिए तो ज़्यादातर लोगों को बँटवारा दिखता है: शायद उनके हफ़्ते का एक तिहाई तीन-चार हाँ पाता है, और बाकी एक या कोई नहीं। वही अनुपात काम की संख्या है, अर्थव्यवस्था के बारे में कोई सुर्ख़ी वाला प्रतिशत नहीं। यह बताता है कि आपके हफ़्ते का कितना हिस्सा अपना चरित्र बदलने वाला है और कितना नहीं।
ध्यान दीजिए उस सूची में क्या नहीं है: वरिष्ठता, योग्यताएँ, या काम कितना तकनीकी है। जोखिम प्रतिष्ठा के साथ नहीं चलता। एक वरिष्ठ रिपोर्ट-लेखक किसी जूनियर इलेक्ट्रीशियन से ज़्यादा जोखिम में हो सकता है, और कुछ ऊँची तनख़्वाह वाले विश्लेषण-कार्य चार हाँ पाते हैं जबकि बहुत-से कम तनख़्वाह वाले शारीरिक और पारस्परिक काम कोई नहीं।
भारत के कौन-से सेक्टर सबसे पहले प्रभावित होते हैं?
बीच वाले कॉलम के बारे में दो बातें साफ़ कहने लायक हैं। पहली, भारत का ज़्यादातर ग्रेजुएट रोज़गार यहीं है, और “नया रूप” मिलना “बदल दिया जाना” से सचमुच अलग संभावना है — इसका मतलब है कि काम जारी रहता है पर वह जिन हुनरों को इनाम देता है वे खिसक जाते हैं। दूसरी, नया रूप मिलने पर “काबिल” माने जाने का न्यूनतम स्तर ऊपर उठ जाता है। अगर AI किसी कॉन्ट्रैक्ट रिव्यू या टेस्ट सूट का चलने लायक पहला ड्राफ़्ट बना सकता है, तो चलने लायक पहला ड्राफ़्ट बना पाना अब कोई ख़ासियत नहीं रही। ख़ासियत यह है कि आप पकड़ सकें कि ड्राफ़्ट ने क्या ग़लत किया।
तीसरे कॉलम को हिक़ारत की जगह सम्मान मिलना चाहिए। AI और काम पर होने वाली बहुत-सी चर्चा उन लोगों की लिखी होती है जिनका अपना काम पहले दो कॉलम में है, जिससे इस बारे में एक व्यवस्थित अंधा बिंदु बन जाता है कि कितना क़ीमती काम किसी व्यक्ति या वस्तु के साथ शारीरिक रूप से मौजूद रहने की माँग करता है।
कौन-से हुनर सचमुच बनाने लायक हैं?
“AI स्किल्स” की ज़्यादातर सलाह या तो इतनी धुंधली होती है कि उस पर अमल न हो सके (“AI सीखो”) या इतनी संकरी कि टिके नहीं (“इस ख़ास टूल का इंटरफ़ेस सीख लो”)। टिकाऊ जवाब बीच में है: वह सीखिए जो आपको मशीन के आउटपुट को निर्देशित करने और जाँचने में बेहतर बनाए, और वह जिसमें मशीनें ढाँचागत रूप से कमज़ोर हैं।
टूल की महारत जान-बूझकर आख़िर में रखी गई है। इसका होना सचमुच फ़ायदेमंद है — इन टूल को अच्छे से इस्तेमाल करने वाला उनके बिना वाले से ज़्यादा काम निपटाता है, और फ़र्क़ एक हफ़्ते में दिखता है। लेकिन इंटरफ़ेस बदलते रहते हैं, और जिसका पूरा फ़ायदा किसी एक प्रोडक्ट की बारीकियाँ जानने में है, उसने रेत पर घर बनाया है। टूल सीखिए, फिर आगे बढ़िए।
पहली चीज़ पर रुकने लायक है। AI ऐसा आउटपुट देता है जो धाराप्रवाह, आत्मविश्वास से भरा और अक्सर ग़लत होता है, यानी लगभग हर AI-सहायता वाले वर्कफ़्लो में अड़चन वह व्यक्ति है जो फ़र्क़ पहचान सके। वह क्षमता क्षेत्र की गहराई और काम को हाथ से इतना लंबा करने से आती है कि आपमें परख आ जाए। यह शॉर्टकट वाला हुनर नहीं है, और ठीक इसीलिए क़ीमती है।
इस तिमाही में आपको असल में क्या करना चाहिए?
- अपने हफ़्ते का ऑडिट करें। कामों की सूची बनाएँ, ऊपर के चार गुणों पर हर एक को अंक दें, और निकालें कि आपका कितना समय ऊँचे जोखिम वाली श्रेणी में है।
- पहले अपने ही जोखिम वाले कामों को ख़ुद ऑटोमेट करें। जिसने किसी प्रक्रिया को ऑटोमेट किया, उसकी स्थिति उस व्यक्ति से बिल्कुल अलग है जिसकी प्रक्रिया ऑटोमेट हो गई।
- जाँच वाली परत में निवेश करें। अपना क्षेत्र ज़्यादा गहराई से सीखें, ज़्यादा फैलाव से नहीं। गहराई ही आपको आत्मविश्वास भरी ग़लती पकड़ने देती है।
- कुछ दिखने लायक बनाएँ। कोई डॉक्यूमेंट, टूल, या प्रक्रिया में सुधार जिसने साफ़ तौर पर समय बचाया हो। सबूत सर्टिफ़िकेट से भारी पड़ता है।
- इंसानी पहलुओं को धारदार रखें। अगर क्लाइंट रिश्ते, मेंटरिंग या मोलभाव आपकी भूमिका का हिस्सा हैं, तो अब वे आपकी क़ीमत का बड़ा हिस्सा हैं। इन्हें बोझ नहीं, अभ्यास के हुनर मानें।
दूसरा बिंदु वह जगह है जहाँ असली ताक़त है। ज़्यादातर संगठनों में जिन लोगों की भूमिकाएँ इस बदलाव में बेहतर हुईं, वे पहले चलने वाले थे — जिन्होंने टूल को अपने ही उबाऊ काम पर आज़माया, समझा कि वे कहाँ टूटते हैं, और ऐसे व्यक्ति बन गए जिनसे बाकी पूछते थे। यह जगह ज़्यादातर भारतीय कार्यस्थलों में अब भी ख़ाली है, और कुछ हफ़्ते देने को तैयार हर व्यक्ति के लिए उपलब्ध है।
यहाँ असल में अनिश्चित क्या है?
इस बारे में किसी की भी जानकारी की सीमाएँ साफ़ कहना ज़रूरी है, इस लेख की भी। कई चीज़ें जो तस्वीर को काफ़ी बदल देंगी, बस अज्ञात हैं।
- क्या क्षमता मौजूदा रफ़्तार से सुधरती रहेगी। हर पूर्वानुमान इसी पर टिका है, और कोई नहीं जानता।
- क्या सेवा क्षेत्र कुल मिलाकर बढ़ेगा या सिकुड़ेगा। सस्ती डिलीवरी बाज़ार को उतनी ही आसानी से फैला सकती है जितनी आसानी से उसे सेवा देने वाले कार्यबल को घटा सकती है, और कौन-सा होगा यह सेक्टर पर निर्भर करता है।
- एंट्री-लेवल की तंगी कितनी लंबी चलेगी। अगर पेशेवर सीढ़ियों का सबसे निचला डंडा गायब रहा, तो एक पीढ़ी के करियर पर असर किसी भी उत्पादकता आँकड़े से बड़ा होगा।
- क्या नई भूमिकाएँ काफ़ी तेज़ी से आएँगी। पिछले तकनीकी बदलावों में आईं, लेकिन “आख़िरकार” और “प्रभावित लोगों के लिए समय पर” अलग दावे हैं।
किसी भी दिशा की आत्मविश्वास भरी भविष्यवाणियों पर शक कीजिए — बड़े पैमाने पर बेरोज़गारी का वादा करने वाली पर भी, और यह ज़िद करने वाली पर भी कि कुछ ख़ास नहीं बदलेगा। बचाव योग्य स्थिति यह है कि कामों की संरचना अभी बदल रही है, दिखने लायक ढंग से, और समझदारी भरी प्रतिक्रिया अपने काम के उन हिस्सों में माहिर होना है जिन्हें सौंपना मुश्किल है।
अगर आप व्यावहारिक पक्ष से शुरू करना चाहते हैं, तो सबसे तेज़ फ़ायदा इन टूल के बारे में पढ़ने से नहीं, उन्हें निर्देशित करने में सचमुच अच्छा बनने से आता है। शुरुआत के लिए हमारी गाइड बेहतर AI प्रॉम्प्ट कैसे लिखें है, और चूँकि आपकी क़ीमत अब जाँच वाली परत में है, AI बातें क्यों गढ़ता है और उसकी जाँच कैसे करें उसका साथी लेख है। क्षमता में आगे क्या आ रहा है, इसके लिए AI एजेंट्स की व्याख्या देखें; असिस्टेंट चुनने के लिए, ChatGPT बनाम Gemini बनाम Claude। अगर आप शुरुआत से सीख रहे हैं, तो आर्टिफ़िशियल इंटेलिजेंस चरण-दर-चरण कैसे सीखें और छात्रों के लिए सबसे अच्छे AI टूल दोनों मदद करेंगे। क्षमता की सीमाओं पर लंबी बहस आर्टिफ़िशियल इंटेलिजेंस बनाम मानव बुद्धि में है। और टेक्नोलॉजी सेक्शन में देखें।
क्या AI मेरी नौकरी ले लेगा?
कहीं ज़्यादा संभावना यह है कि AI आपकी नौकरी के कुछ काम अपने हाथ में ले लेगा और भूमिका बदले रूप में जारी रहेगी। नौकरियाँ कई कामों के गुच्छे हैं, और मौजूदा AI उनमें से सिर्फ़ कुछ संभालता है। उपयोगी अभ्यास पूरी भूमिका के बारे में हाँ-या-ना का सवाल पूछने के बजाय अपने अलग-अलग कामों का जोखिम आँकना है।
कौन-से काम AI के लिए सबसे ज़्यादा जोखिम में हैं?
वे काम जो टेक्स्ट, कोड या डेटा पर आधारित हैं, दोहराए जाने वाले पैटर्न पर चलते हैं, जिन्हें जल्दी जाँचा जा सकता है, और जहाँ ग़लती सस्ते में सुधारी जा सकती है। इन चारों गुणों वाला काम जल्द बदलने की संभावना रखता है। शारीरिक मौजूदगी, नए निर्णय या भरोसे के रिश्तों की माँग करने वाले काम चारों पर कम अंक पाते हैं।
एंट्री-लेवल नौकरियाँ सबसे ज़्यादा क्यों प्रभावित होती हैं?
क्योंकि रूटीन ड्राफ़्टिंग, प्रोसेसिंग और रिसर्च परंपरागत रूप से जूनियर का कार्यभार भी थे और उनकी ट्रेनिंग का मैदान भी। जब ये काम ऑटोमेट होते हैं तो काम तो हो जाता है पर पेशे में सीखने का रास्ता सँकरा हो जाता है। यह अनुभवी स्टाफ़ की छँटनी के रूप में नहीं, एंट्री-लेवल हायरिंग में कमी के रूप में दिखता है।
भारत के कौन-से सेक्टर सबसे ज़्यादा जोखिम में हैं?
पहली लहर कंटेंट और कॉपीराइटिंग, पहली पंक्ति के कस्टमर सपोर्ट, डेटा एंट्री और प्रोसेसिंग, रूटीन टेस्टिंग, बुनियादी अनुवाद और बॉयलरप्लेट कोडिंग को छूती है। सॉफ़्टवेयर इंजीनियरिंग, अकाउंटिंग, क़ानूनी शोध, मार्केटिंग और शिक्षण बदले जा नहीं रहे, नया रूप ले रहे हैं। कारीगरी, स्वास्थ्य सेवा, निर्माण, लॉजिस्टिक्स और देखभाल का काम काफ़ी हद तक सुरक्षित हैं।
सबसे क़ीमती एकमात्र हुनर कौन-सा बनाना चाहिए?
गुणवत्ता की परख: अपने क्षेत्र में अच्छे काम और महज़ विश्वसनीय लगने वाले काम में फ़र्क़ बता पाने की क्षमता। AI का आउटपुट धाराप्रवाह और अक्सर ग़लत होता है, इसलिए किसी भी AI-सहायता वाली प्रक्रिया की अड़चन वह व्यक्ति है जो फ़र्क़ पकड़ सके। यह क्षमता क्षेत्र की गहराई से आती है, इसीलिए इसका शॉर्टकट नहीं है।
क्या AI टूल इस्तेमाल करना सीख लेना काफ़ी है?
यह तुरंत मदद करता है और जल्दी पुराना भी पड़ता है। टूल की महारत एक हफ़्ते में दिखने वाला उत्पादकता फ़र्क़ पैदा करती है, पर इंटरफ़ेस बदलते हैं और पूरी तरह किसी एक प्रोडक्ट की बारीकियों पर बना हुनर नाज़ुक होता है। टूल सीखिए, फिर टिकाऊ परतें बनाइए: क्षेत्र की गहराई, साफ़ विनिर्देश और जाँच की आदतें।
मुझे अभी काम पर ख़ुद को कैसे स्थापित करना चाहिए?
किसी और से पहले अपने सबसे उबाऊ, सबसे जोखिम वाले कामों को ख़ुद ऑटोमेट करें, और नतीजे को दिखाएँ। जिसने सुधार लाया और जिसका काम सुधार में ख़त्म हो गया, उनकी स्थिति बहुत अलग होती है। ज़्यादातर संगठनों में वह भूमिका अब भी ख़ाली है।
