तकनीकी सारांश: स्पेन में आर्टिफिशियल इंटेलिजेंस और रोजगार पर क्षेत्रीय और लैंगिक परिप्रेक्ष्य

1. समस्या का विवरण

जेनेरेटिव आर्टिफिशियल इंटेलिजेंस (AI) के तीव्र विस्तार ने कार्य, उत्पादकता और सामाजिक सामंजस्य के भविष्य से जुड़ी बहसों को मौलिक रूप से पुनर्गठित कर दिया है। जबकि अंतर्राष्ट्रीय साहित्य ने व्यावसायिक AI एक्सपोजर (जैसे SOC, ISCO, या ESCO वर्गीकरणों का उपयोग करके) को मापने के लिए मजबूत कार्यप्रणाली स्थापित की है, स्पेन के संदर्भ में एक महत्वपूर्ण पद्धतिगत अंतराल मौजूद है। स्पेन के आधिकारिक श्रम आंकड़े मुख्य रूप से विशिष्ट व्यवसायों के बजाय आर्थिक गतिविधि क्षेत्रों (CNAE) द्वारा प्रांतीय और स्वायत्त समुदाय स्तर पर विभाजित हैं।

यह विसंगति अंतरराष्ट्रीय AI एक्सपोजर सूचकांकों के प्रत्यक्ष अनुप्रयोग को रोकता है, जिससे लक्षित सार्वजनिक नीतियों, यूनियन रणनीतियों और क्षेत्रीय नियोजन के विकास में बाधा आती है। इसके अलावा, मौजूदा साहित्य अक्सर क्षेत्रीय असमानताओं और लिंग-विशिष्ट कमजोरियों के प्रतिच्छेदन की अनदेखी करता है, जबकि साक्ष्य बताते हैं कि महिलाएं उन प्रशासनिक और सेवा क्षेत्रों में अत्यधिक प्रतिनिधित्व रखती हैं जो AI ऑटोमेशन के प्रति अत्यधिक संवेदनशील हैं। यह शोध स्पेन में AI एक्सपोजर को मापने के लिए एक वस्तुनिष्ठ, तुलनीय उपकरण विकसित करने की तत्काल आवश्यकता को संबोधित करता है जो इसकी विशिष्ट सांख्यिकीय संरचना (CNAE) का सम्मान करता है और सूक्ष्म क्षेत्रीय एवं लैंगिक विश्लेषण की अनुमति देता है।

2. कार्यप्रणाली

अध्ययन अंतरराष्ट्रीय व्यावसायिक AI मेट्रिक्स और स्पेनिश क्षेत्रीय डेटा के बीच के अंतर को पाटने के लिए एक प्रारंभिक, प्रतिलिपि योग्य (replicable) कार्यप्रणाली का प्रस्ताव करता है। इस दृष्टिकोण में तीन मुख्य चरण शामिल हैं:

2.1. AI–CNAE घटना मैट्रिक्स (Incidence Matrix) का निर्माण

लेखक "AI एप्लिकेबिलिटी स्कोर" को अनुकूलित करते हैं, जो टॉमलिंसन एट अल (2025) पर आधारित है, जो जेनेरेटिव AI टूल्स (जैसे माइक्रोसॉफ्ट कोपायलट) के साथ 2,00,000 से अधिक वास्तविक दुनिया के इंटरैक्शन पर आधारित है। सीधे व्यावसायिक कोडों का उपयोग करने के बजाय, लेखक एक मैपिंग मैट्रिक्स का निर्माण करते हैं जो इन व्यावसायिक क्षमताओं को स्पेनिश CNAE (2-अंक) वर्गीकरण में अनुवादित करता है।

• कारक असाइनमेंट (Factor Assignment): प्रत्येक CNAE क्षेत्र को 0.06 से 0.30 के बीच एक "घटना कारक" (incidence factor) दिया जाता है।
• तर्क: वे क्षेत्र जो शारीरिक या रूटीन कार्यों (जैसे कृषि, निर्माण) के प्रभुत्व वाले हैं, उन्हें कम कारक दिए जाते हैं। वे क्षेत्र जो प्रशासनिक, भाषाई, विश्लेषणात्मक या संश्लेषण कार्यों (जैसे वित्त, पेशेवर सेवाएँ, सूचना और संचार) द्वारा पहचाने जाते हैं, उन्हें उच्च कारक प्राप्त होते हैं।
• संश्लेषण: मैट्रिक्स अंतरराष्ट्रीय साक्ष्यों और स्पेनिश क्षेत्रों के विशिष्ट व्यावसायिक संरचना का एक भारित संश्लेषण (weighted synthesis) प्रस्तुत करता है।

2.2. डेटा स्रोत और गणना मॉडल

अध्ययन स्पेन के राष्ट्रीय सांख्यिकी संस्थान (INE) के वर्ष 2021 और 2022 के माइक्रोडाटा का उपयोग करता है, विशेष रूप से वार्षिक कार्यरत जनसंख्या जनगणना, जिसे प्रांत, क्षेत्र (CNAE) और लिंग के आधार पर विभाजित किया गया है।

• क्षेत्रीय एक्सपोजर: प्रत्येक प्रांत $p$ और क्षेत्र $c$ के लिए, "AI-समायोजित रोजगार" की गणना इस प्रकार की जाती है:
  $$IA\_employment(p,c) = employment(p,c) \times factor_{IA}(c)$$
• क्षेत्रीय संकेतक: एक प्रांत के लिए कुल एक्सपोजर को कुल प्रांतीय रोजगार के अनुपात के रूप में परिभाषित किया गया है:
  $$IA\text{-}share(p) = \frac{\sum_{c} IA\_employment(p,c)}{\sum_{c} employment(p,c)}$$
• लैंगिक विभाजन: लिंग-विशिष्ट एक्सपोजर सूचकांक ($IA\text{-}share_{female}$ और $IA\text{-}share_{male}$) प्राप्त करने के लिए पुरुष और महिला रोजगार के लिए अलग-अलग समान गणना की जाती है।

2.3. सीमाएं

लेखक स्पष्ट रूप से कहते हैं कि यह एक प्रारंभिक अध्ययन है जो संभावित संरचनात्मक एक्सपोजर को मापता है, न कि वास्तविक प्रतिस्थापन या नौकरी के नुकसान को। मॉडल यह मान लेता है कि प्रत्येक CNAE क्षेत्र के भीतर एक सजातीय (homogeneous) व्यावसायिक संरचना है, जो आंतरिक विषमता को छिपा सकती है। यह नए कार्यों के निर्माण, उत्पादकता लाभ, या कॉर्पोरेट अपनाने की गति जैसे गतिशील प्रभावों को ध्यान में नहीं रखता है।

3. प्रमुख योगदान

• पद्धतिगत अनुकूलन: यह शोध अंतरराष्ट्रीय AI एक्सपोजर मेट्रिक्स के पहले व्यवस्थित अनुवाद को प्रदान करता है, जिससे प्रांतीय स्तर पर विश्लेषण संभव हो पाता है जहाँ पहले केवल राष्ट्रीय या व्यापक क्षेत्रीय अनुमान ही उपलब्ध थे।
• क्षेत्रीय मानचित्रण (Territorial Cartography): यह सभी 52 स्पेनिश प्रांतों में AI एक्सपोजर का एक विस्तृत मानचित्र तैयार करता है, जो आर्थिक विशेषज्ञता के आधार पर संरचनात्मक कमजोरियों की पहचान करता है।
• लैंगिक विश्लेषण: यह पुरुषों और महिलाओं के बीच AI एक्सपोजर में एक निरंतर संरचनात्मक अंतर को मात्रात्मक रूप देता है, जिससे पता चलता है कि महिला कार्यबल सभी क्षेत्रों में AI-संचालित परिवर्तन के प्रति व्यवस्थित रूप से अधिक संवेदनशील है।
• नीति उपकरण: यह यूनियनों, नीति निर्माताओं और शोधकर्ताओं के लिए रुझानों की निगरानी करने और राष्ट्रीय AI रणनीति (ENIA) के अनुरूप "जस्ट ट्रांजिशन" (न्यायसंगत संक्रमण) रणनीतियों को डिजाइन करने के लिए एक पारदर्शी, खुला पद्धति प्रदान करता है।

4. परिणाम

2021-2022 के डेटा का विश्लेषण कई सुसंगत पैटर्न प्रकट करता है:

4.1. कुल एक्सपोजर

स्पेन मध्यम-से-उच्च कुल एक्सपोजर प्रदर्शित करता है, जहाँ "IA-share" कुल रोजगार के 18% से 22% के बीच झूल रहा है। यह इंगित करता है कि स्पेनिश श्रम बाजार का एक महत्वपूर्ण हिस्सा ऐसे कार्यों में लगा हुआ है जहाँ जेनेरेटिव AI की उच्च प्रयोज्यता (applicability) है।

4.2. क्षेत्रीय ध्रुवीकरण

एक उच्च एक्सपोजर वाला स्पष्ट "सेंटर-मेडिटेरेनियन कॉरिडोर" की पहचान की गई है, जिसमें मैड्रिड, बार्सिलोना, वेलेंसिया, एलिकांटे, मालागा और कैनरी द्वीप समूह (लास पाल्मास और सांता क्रूज़ डी टेनेरिफ़) शामिल हैं। इन प्रांतों में एक्सपोजर 21% से अधिक है।

• कारक: उच्च एक्सपोजर उन्नत सेवाओं, वित्त, पेशेवर परामर्श, सूचना/दूरसंचार और खुदरा/वाणिज्य के संकेंद्रण के साथ सह-संबंधित है।
• निम्न एक्सपोजर: आंतरिक क्षेत्रों (जैसे सोरिया, टेरुल, ज़ामोरा, पालेन्सिया) के प्रांत और मजबूत कृषि या पारंपरिक विनिर्माण आधार वाले प्रांतों में कम एक्सपोजर (लगभग 17.5%–18.5%) देखा गया है।
• स्थिरता: प्रांतों की रैंकिंग 2021 और 2022 के बीच उल्लेखनीय रूप से स्थिर रही, जो पुष्टि करती है कि एक्सपोजर अल्पकालिक चक्रीय उतार-चढ़ाव के बजाय गहरे-जड़ जमा संरचनात्मक आर्थिक कारकों द्वारा संचालित है।

4.3. लैंगिक अंतराल

प्रत्येक प्रांत में, महिला रोजगार में पुरुष रोजगार की तुलना में AI के प्रति उच्च एक्सपोजर दिखाई देता है।

• परिमाण: यह अंतर आम तौर पर 1.5 से 3 प्रतिशत अंक के बीच रहता है, हालांकि अत्यधिक तृतीयक (tertiary) क्षेत्रों में यह अधिक व्यापक है।
• कारण: महिलाएं शिक्षा, स्वास्थ्य सेवा, प्रशासन और सामाजिक सेवाओं जैसे उच्च AI प्रयोज्यता वाले क्षेत्रों में असमान रूप से केंद्रित हैं। इसके विपरीत, पुरुष निर्माण, परिवहन और निष्कर्षण उद्योगों में अधिक प्रतिनिधित्व रखते हैं, जिनमें कम AI प्रयोज्यता कारक हैं।
• निहितार्थ: यह महिला कार्यबल के लिए एक संरचनात्मक भेद्यता का प्रतिनिधित्व करता है, जो सुझाव देता है कि विशिष्ट नीतियों द्वारा शमन किए बिना AI अपनाना महिला रोजगार पैटर्न को असमान रूप से प्रभावित कर सकता है।

5. महत्व और दावे

यह शोध स्वयं को नौकरी के नुकसान की निश्चित भविष्यवाणी के रूप में नहीं, बल्कि रणनीतिक योजना के लिए एक नैदानिक उपकरण (diagnostic tool) के रूप में प्रस्तुत करता है। इसका प्राथमिक महत्व है:

1. डेटा अंतराल को भरना: उप-राष्ट्रीय स्तर पर AI प्रभाव के बारे में प्रश्नों का उत्तर देने के लिए मानक स्पेनिश सांख्यिकीय डेटा (INE/CNAE) का उपयोग करने में सक्षम बनाना।
2. संरचनात्मक असमानताओं को उजागर करना: यह प्रदर्शित करना कि AI एक्सपोजर यादृच्छिक नहीं है बल्कि श्रम बाजार में मौजूदा क्षेत्रीय विशेषज्ञता और लैंगिक पृथक्करण की रेखाओं का अनुसरण करता है।
3. "जस्ट ट्रांज़िशन" को सूचित करना: स्पेनिश सरकार और सामाजिक भागीदारों को भौगोलिक और जनसांख्यिकीय रूप से लक्षित प्रशिक्षण, पुन: कौशल (reskilling) और सुरक्षा नीतियों को डिजाइन करने के लिए एक आधार प्रदान करना।

लेखक निष्कर्ष निकालते हैं कि हालांकि AI का तत्काल प्रभाव संभवतः पूरक (उत्पादकता बढ़ाना) है, इस अध्ययन द्वारा पहचाना गया संरचनात्मक एक्सपोजर यह बताता है कि विस्थापन के जोखिम और अनुकूलन की आवश्यकता कहाँ सबसे अधिक है। वे इस बात पर जोर देते हैं कि भविष्य के कार्यों को अधिक सूक्ष्म व्यावसायिक डेटा के साथ मॉडल को परिष्कृत करना चाहिए और गतिशील अपनाने की दरों को शामिल करना चाहिए, लेकिन वर्तमान ढांचा स्पेन में समावेशी और न्यायसंगत तकनीकी शासन के लिए एक आवश्यक पहला कदम प्रदान करता है।