💻 computer science

The Jagged Global Economy: Frontier AI Unevenly Exposes National Economies

यह शोध पत्र 141 देशों के लिए एक राष्ट्रीय एआई (AI) एक्सपोजर मीट्रिक प्रस्तुत करता है, जो यह प्रकट करता है कि निम्न-आय वाले देशों और पुरुषों की तुलना में उच्च-आय वाले राष्ट्रों और महिलाओं को फ्रंटियर एआई (frontier AI) से काफी अधिक प्रत्यक्ष जोखिम का सामना करना पड़ता है, जबकि यह प्रेषण (remittances) जैसे देशों के बीच आय निर्भरता के माध्यम से एक महत्वपूर्ण अप्रत्यक्ष जोखिम तंत्र को भी उजागर करता है जिसके लिए अनुकूलित, गैर-सामान्य नीतिगत प्रतिक्रियाओं की आवश्यकता है।

मूल लेखक: Arul Murugan, Tomás Aguirre, Abhishek Nagaraj, Rishi Bommasani

प्रकाशित 2026-07-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Arul Murugan, Tomás Aguirre, Abhishek Nagaraj, Rishi Bommasani

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "द जैग्ड ग्लोबल इकोनॉमी: फ्रंटियर एआई अनइवनली एक्सपोज़ेस नेशनल इकोनॉमीज़" (The Jagged Global Economy: Frontier AI Unevenly Exposes National Economies) पेपर का सरल भाषा और रचनात्मक उपमाओं के साथ विवरण दिया गया है।

बड़ी तस्वीर: एक "जैग्ड" (ऊबड़-खाबड़) लहर

कल्पना कीजिए कि नई तकनीक (फ्रंटियर एआई) की एक विशाल, असमान लहर पूरी दुनिया में उमड़ रही है। लेखक तर्क देते हैं कि यह लहर हर देश से एक समान बल के साथ नहीं टकराती। इसके बजाय, यह लहर "जैग्ड" (ऊबड़-खाबड़) है।

एआई की क्षमताओं को एक ऊबड़-खाबड़ पर्वत श्रृंखला की तरह समझें। कुछ शिखर बहुत ऊंचे हैं (एआई कोड लिखने या कानूनी अनुबंधों का विश्लेषण करने में बहुत अच्छा है), जबकि कुछ घाटियाँ बहुत नीची हैं (एआई पाइप लीक ठीक करने या फसल काटने में खराब है)।

चूंकि अलग-अलग देशों के पास नौकरियों के अलग-अलग "परिदृश्य" (landscapes) होते हैं, इसलिए यह जैग्ड लहर उन्हें अलग-अलग तरह से प्रभावित करती है:

अमीर देश (जैसे अमेरिका या लक्ज़मबर्ग) की अर्थव्यवस्थाएं "व्हाइट-कॉलर" नौकरियों (ऑफिस, फाइनेंस, टेक) पर टिकी हैं। ये नौकरियां एआई पर्वत के ऊंचे शिखरों पर स्थित हैं। लहर यहाँ ज़ोर से टकराती है।
गरीब देश (जैसे बुरुंडी या मोज़ाम्बिक) की अर्थव्यवस्थाएं खेती और शारीरिक श्रम पर आधारित हैं। ये नौकरियां उन निचले घाटियों में हैं जहाँ एआई की लहर मुश्किल से पहुँच पाती है।

मुख्य उपकरण: "एक्सपोज़र" (प्रभाव की सीमा) को मापना

शोधकर्ताओं ने "नेशनल एआई एक्सपोज़र" नामक एक नया पैमाना बनाया।

कल्पना कीजिए कि आप एक मौसम विज्ञानी हैं, लेकिन बारिश की भविष्यवाणी करने के बजाय, आप यह भविष्यवाणी कर रहे हैं कि किसी देश का कार्यबल (workforce) एआई से कितना प्रभावित होगा। आपको यह जानने की ज़रूरत नहीं है कि कल एआई वास्तव में उपयोग किया जाएगा या नहीं; आपको बस यह मापना है कि उस देश का कितना काम अभी एआई द्वारा किया जा सकने योग्य है।

उन्होंने यह कैसे किया: उन्होंने 141 देशों के "जॉब मेनू" को देखा। उन्होंने पूछा: "इस देश में कितने प्रतिशत लोग ऐसे काम करते हैं जिन्हें एआई वर्तमान में अच्छी तरह से कर सकता है?"
परिणाम: अंतर बहुत बड़ा है। सबसे अधिक एक्सपोज़्ड देश (लक्ज़मबर्ग) कम से कम एक्सपोज़्ड देश (बुरुंडी) की तुलना में 2.6 गुना अधिक एक्सपोज़्ड है।

मुख्य निष्कर्ष सरल भाषा में

1. अमीर फिलहाल अधिक "एक्सपोज़्ड" हैं

एक देश कितना समृद्ध है और एआई उसके श्रमिकों को कितना प्रभावित कर सकता है, इसके बीच एक गहरा संबंध है।

उपमा: एआई को एक हाई-स्पीड ट्रेन की तरह समझें। जिन देशों में बहुत सारे ऑफिस कर्मचारी (व्हाइट-कॉलर जॉब्स) हैं, वे पटरों के बिल्कुल बगल में खड़े हैं। जिन देशों में ज्यादातर किसान हैं, वे पटरियों से मीलों दूर एक खेत में खड़े हैं।
डेटा: उच्च आय वाले देश बहुत अधिक एक्सपोज़्ड हैं। यूरोप और मध्य एशिया, उप-सहारा अफ्रीका की तुलना में 50% अधिक एक्सपोज़्ड हैं।

2. जेंडर गैप (लैंगिक अंतर): महिलाएं पटरियों के अधिक करीब हैं

अध्ययन किए गए 91% देशों में, महिलाएं पुरुषों की तुलना में एआई के प्रति अधिक एक्सपोज़्ड हैं।

क्यों? कई स्थानों पर, महिलाएं ऑफिस की नौकरियों, बिक्री और सेवा भूमिकाओं में केंद्रित हैं—वही काम जिनमें एआई कुशल है। पुरुष अक्सर कृषि या शारीरिक श्रम में केंद्रित होते हैं, जहाँ एआई कम उपयोगी है।
अपवाद: पाकिस्तान या भारत जैसे देशों में, जहाँ महिलाओं का काम अभी भी काफी हद तक खेती या घरेलू उद्यमों पर केंद्रित है, वहां पुरुष वास्तव में अधिक एक्सपोज़्ड हैं क्योंकि उनकी नौकरियां ऑफिस-आधारित होने की अधिक संभावना रखती हैं।
चिंता: चूंकि महिलाओं को अक्सर काम खोजने में बाधाओं का सामना करना पड़ता है और वे कम कमाती हैं, इसलिए यह "एक्सपोज़र" जोखिम की एक और परत जोड़ देता है। यदि एआई उन ऑफिस नौकरियों को बाधित करता है जो महिलाएं करती हैं, तो उनके पास सुरक्षा तंत्र (safety nets) कम हो सकते हैं।

3. "रेमिटेंस रिपल" (अप्रत्यक्ष प्रभाव)

यह इस पेपर की सबसे अनूठी खोज है। कभी-कभी, कोई देश सीधे तौर पर एक्सपोज़्ड नहीं होता है, लेकिन फिर भी वह प्रभावित होता है क्योंकि उसके पड़ोसी प्रभावित होते हैं।

उपमा: एक छोटे से गाँव (ताजिकिस्तान) की कल्पना करें जहाँ कई युवा एक बड़े शहर (रूस) में काम करने के लिए चले गए हैं। वह गाँव जीवित रहने के लिए इन श्रमिकों द्वारा भेजे गए पैसे (रेमिटेंस) पर निर्भर है।
परिदृश्य: बड़े शहर (रूस) में एक हाई-टेक ऑफिस अर्थव्यवस्था है। एआई आता है और वहां के ऑफिस कर्मचारियों के काम करने के तरीके को बदल देता है। भले ही छोटे गाँव में कोई एआई न हो, लेकिन गाँव अब संकट में है क्योंकि शहर से आने वाला पैसा सूख सकता है या बदल सकता है।
डेटा: ताजिकिस्तान का सीधा एआई एक्सपोज़र कम है, लेकिन क्योंकि इसके सकल घरेलू उत्पाद (GDP) का 37% हिस्सा अत्यधिक एक्सपोज़्ड देशों (जैसे रूस) में काम करने वाले श्रमिकों द्वारा भेजे गए धन से आता है, इसलिए इसका "रेमिटेंस-एडजस्टेड" एक्सपोज़र बहुत अधिक हो जाता है। पेपर इसे सेकंड-ऑर्डर इफेक्ट (द्वितीय श्रेणी का प्रभाव) कहता है।

क्या यह भविष्यवाणी काम करती है?

लेखकों ने अपने "एक्सपोज़र रूलर" का परीक्षण किया कि क्या यह वास्तव में वास्तविक दुनिया में जो हो रहा है उसकी भविष्यवाणी करता है।

उन्होंने तीन दिग्गज एआई कंपनियों: एंथ्रोपिक (Anthropic), माइक्रोसॉफ्ट (Microsoft) और ओपनएआई (OpenAI) के डेटा की जांच की।
परिणाम: उनका रूलर पूरी तरह से काम कर गया। उच्च "एक्सपोज़र" स्कोर वाले देशों में ही वास्तव में सबसे अधिक एआई टूल्स का उपयोग किया जा रहा था।
गणित: किसी देश के एक्सपोज़र स्कोर में मामूली वृद्धि का मतलब था कि वहां एआई चैटबॉट्स का उपयोग करने वाले लोगों की संख्या में भारी उछाल आया।

निचोड़ (The Bottom Line)

पेपर निष्कर्ष निकालता है कि "एक ही नियम सब पर लागू नहीं होता" (one size does not fit all)।
अमेरिका या यूरोप के नीति निर्माताओं को केवल अपने एआई नियमों को कॉपी-पेस्ट करने की उम्मीद नहीं करनी चाहिए और यह नहीं सोचना चाहिए कि वे अफ्रीका या एशिया में भी काम करेंगे। एआई की "जैग्ड" प्रकृति का अर्थ है कि:

अमीर राष्ट्रों को अपने ऑफिस कर्मचारियों के लिए तत्काल व्यवधान का सामना करना पड़ता है।
गरीब राष्ट्रों को अप्रत्यक्ष आर्थिक झटकों का सामना करना पड़ सकता है यदि उनके समृद्ध व्यापारिक भागीदार काम करने के अपने तरीके बदलते हैं।
कई देशों में महिलाएं पुरुषों की तुलना में एआई की लहर के अधिक करीब खड़ी हैं।

दुनिया एक समान एआई सुनामी की चपेट में नहीं आ रही है; यह एक जैग्ड, असमान लहर की चपेट में आ रही है जिसके लिए हर देश के लिए अलग अस्तित्व रक्षा रणनीतियों (survival strategies) की आवश्यकता है।

तकनीकी सारांश: जगड ग्लोबल इकोनॉमी: फ्रंटियर एआई ने राष्ट्रीय अर्थव्यवस्थाओं को असमान रूप से उजागर किया है

समस्या विवरण
यद्यपि फ्रंटियर एआई के श्रम-बाजार प्रभाव श्रमिकों, फर्मों और नीति निर्माताओं के लिए एक गंभीर चिंता का विषय हैं, मौजूदा साक्ष्य कुछ चुनिंदा उच्च-आय वाली अर्थव्यवस्थाओं की ओर अत्यधिक झुके हुए हैं। फ्रंटियर एआई क्षमताएं "जगड" (jagged) हैं, जिसका अर्थ है कि वे विभिन्न कार्य कार्यों (work tasks) में काफी भिन्न होती हैं। साथ ही, राष्ट्रीय अर्थव्यवस्थाएं मानव श्रम को व्यवसायों में आवंटित करने के तरीके में काफी भिन्नता रखती हैं। फलस्वरूप, एआई के प्रभाव की एक समान समझ अपर्याप्त है; यह मात्रा निर्धारित करने की आवश्यकता है कि किसी राष्ट्र के श्रम बाजार की विशिष्ट संरचना फ्रंटियर एआई की क्षमताओं के साथ कितनी मेल खाती है। अमेरिकी या यूरोपीय बाजारों के अनुरूप तैयार की गई वर्तमान नीतिगत प्रतिक्रियाएं विविध वैश्विक परिदृश्य पर लागू नहीं हो सकती हैं।

कार्यप्रणाली (Methodology)
लेखक एक राष्ट्रीय एआई एक्सपोजर मीट्रिक (National AI Exposure Metric) पेश करते हैं जो 141 देशों में विषमता को पकड़ने के लिए डिज़ाइन किया गया है। इस कार्यप्रणाली में दो प्राथमिक डेटा स्रोत शामिल हैं:

व्यावसायिक एक्सपोजर अनुमान: अध्ययन में Gmyrek et al. [2025a] द्वारा विकसित 'इंटरनेशनल स्टैंडर्ड क्लासिफिकेशन ऑफ ऑक्यूपेशंस' (ISCO-08) के लिए एक्सपोजर स्कोर का उपयोग किया गया है। ये स्कोर व्यवसायों को कार्यों (tasks) से मैप करके और उन कार्यों पर एआई द्वारा गुणवत्ता बनाए रखते हुए समय बचाने की क्षमता का अनुमान लगाकर प्राप्त किए गए हैं। लेखक इन स्कोर को 2-डिजिट ISCO-08 स्तर (40 व्यावसायिक श्रेणियां) पर एकत्रित करते हैं।
अंतर्राष्ट्रीय रोजगार डेटा: अध्ययन इन एक्सपोजर स्कोर को अंतर्राष्ट्रीय श्रम संगठन (ILO) के रोजगार आंकड़ों के साथ जोड़ता है। ये डेटा 141 देशों के लिए प्रत्येक 2-डिजिट ISCO-08 श्रेणी में कार्यरत कार्यबल के हिस्से को प्रदान करते हैं।

किसी देश $i$ के लिए राष्ट्रीय एआई एक्सपोजर ( $n_i$ ) प्रत्येक व्यवसाय $j$ के लिए एक्सपोजर स्कोर ( $e_j$ ) का रोजगार-हिस्से-भारित औसत (employment-share-weighted average) है:
$n_i = \frac{\sum_j c_{i,j} e_j}{\sum_j c_{i,j}}$
जहाँ $c_{i,j}$ राष्ट्र $i$ के लिए व्यवसाय $j$ में रोजगार की संख्या को दर्शाता है।

अध्ययन इन अनुमानों को एंथ्रोपिक (Claude उपयोग), ओपनएआई (ChatGPT उपयोग रैंकिंग), और माइक्रोसॉफ्ट (जेनेरेटिव एआई अपनाने की दर) के डेटा का उपयोग करके देखे गए राष्ट्रीय एआई अपनाने के आंकड़ों का पूर्वानुमान लगाकर सत्यापित करता है। इसके अतिरिक्त, लेखक प्रेषण (remittances) के माध्यम से अप्रत्यक्ष एक्सपोजर (indirect exposure) के लिए एक नवीन तंत्र को मॉडल करते हैं, जिसमें आय निर्भरता के माध्यम से स्रोत देश (जैसे रूस या अमेरिका) से प्राप्तकर्ता देश (जैसे ताजिकिस्तान या होंडुरास) तक एक्सपोजर के प्रसार की गणना करने के लिए वर्ल्ड बैंक KNOMAD द्विपक्षीय प्रेषण मैट्रिक्स का उपयोग किया जाता है।

प्रमुख परिणाम

व्यापक अंतर-राष्ट्रीय भिन्नता: राष्ट्रीय एआई एक्सपोजर व्यापक रूप से भिन्न होता है। सबसे अधिक एक्सपोजर वाला राष्ट्र लक्ज़मबर्ग ( $n=0.37$ ), सबसे कम एक्सपोजर वाले बु룬डी ( $n=0.14$ ) की तुलना में 2.6 गुना अधिक एक्सपोजर वाला है।
क्षेत्रीय और आय संबंधी असमानताएं: उच्च-आय वाले देश निम्न-आय वाले देशों की तुलना में काफी अधिक एक्सपोजर रखते हैं। उत्तरी अमेरिका और यूरोप एवं मध्य एशिया के क्षेत्र उप-सहारा अफ्रीका की तुलना में लगभग 50% अधिक एक्सपोजर रखते हैं।
पूर्वानुमानित चालक (Predictive Drivers): किसी देश के कार्यबल का "व्हाइट-कॉलर शेयर" (white-collar share) राष्ट्रीय एआई एक्सपोजर का सबसे मजबूत भविष्यवक्ता है ( $R^2 = 0.91$ )। सकल राष्ट्रीय आय (GNI) भी भविष्यवक्ता है लेकिन व्यावसायिक संरचना ( $R^2 = 0.77$ ) की तुलना में कम प्रभावी है।
लैंगिक अंतर: अध्ययन किए गए 91% देशों (138 में से 126) में, महिलाएं पुरुषों की तुलना में फ्रंटियर एआई के प्रति अधिक एक्सपोजर रखती हैं। यह व्हाइट-कॉलर और सेल्स व्यवसायों में महिलाओं के संकेंद्रण के कारण है। जिन देशों में महिलाओं का रोजगार अभी भी कृषि और घरेलू उद्यमों में केंद्रित है (जैसे पाकिस्तान, भारत), वहां यह अंतर उलट जाता है या कम हो जाता है।
सत्यापन: एक्सपोजर मीट्रिक देखे गए एआई अपनाने की दर का मजबूती से पूर्वानुमान लगाता है। राष्ट्रीय एआई एक्सपोजर में 0.10 की वृद्धि प्रति-कैपिटा क्लॉड (Claude) उपयोग में 12 गुना वृद्धि और राष्ट्रीय जेनेरेटिव एआई अपनाने की दर में 19 प्रतिशत अंक की वृद्धि के साथ सह-संबंधित है। हालांकि, एक बार जब व्हाइट-कॉलर शेयर और GNI को नियंत्रित कर दिया जाता है, तो एक्सपोजर मीट्रिक बहुत कम अतिरिक्त व्याख्यात्मक शक्ति जोड़ता है, जो बताता है कि एक्सपोजर इन व्यापक आर्थिक कारकों के एक संरचनात्मक सारांश के रूप में कार्य करता है।
प्रेषण (Remittances) के माध्यम से अप्रत्यक्ष एक्सपोजर: अध्ययन एक दूसरे क्रम के एक्सपोजर चैनल की पहचान करता है। उन देशों के लिए जो प्रेषण पर अत्यधिक निर्भर हैं, स्रोत देश का एआई एक्सपोजर प्राप्तकर्ता देश को महत्वपूर्ण रूप से प्रभावित करता है। उदाहरण के लिए, ताजिकिस्तान का प्रत्यक्ष एक्सपोजर औसत से कम है, लेकिन क्योंकि इसकी जीडीपी का 37% प्रेषण (मुख्य रूप से अत्यधिक एक्सपोजर वाले रूस) से आता है, इसका "प्रेषण-खाताबद्ध एक्सपोजर" (remittance-accounted exposure) औसत से ऊपर के स्तर तक बढ़ जाता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह 141 देशों के एक विस्तृत सेट के लिए व्यापक, तुलनीय राष्ट्रीय स्तर पर फ्रंटियर एआई एक्सपोजर का पहला माप प्रदान करता है। इसका प्राथमिक योगदान यह प्रदर्शित करना है कि फ्रंटियर एआई का आर्थिक प्रभाव एकसमान नहीं है; बल्कि, यह "जगड" (jagged) है और स्थानीय श्रम बाजार संरचनाओं पर अत्यधिक निर्भर है।

लेखक तर्क देते हैं कि नीतिगत प्रतिक्रियाओं को इस विषमता को ध्यान में रखना चाहिए। उन्नत अर्थव्यवस्थाओं के लिए डिज़ाइन की गई नीतियां, जिनमें उच्च व्हाइट-कॉलर शेयर है, उन अर्थव्यवस्थाओं के लिए अप्रासंगिक या हानिकारक हो सकती हैं जहाँ श्रम कृषि में केंद्रित है या जहाँ आय एआई अपनाने वाले देशों से प्राप्त प्रेषण पर अत्यधिक निर्भर है। यह पहचानकर कि अधिकांश राष्ट्रों में महिलाएं व्यावसायिक अलगाव के कारण असमान रूप से एक्सपोजर रखती हैं, यह पत्र एक विशिष्ट वितरण जोखिम को रेखांकित करता है जो महिलाओं के लिए मौजूदा श्रम बाजार बाधाओं को देखते हुए ध्यान देने योग्य है। अंत में, अप्रत्यक्ष एक्सपोजर चैनलों की पहचान यह सुझाव देती है कि राष्ट्रीय आर्थिक नियोजन को इस बात पर विचार करना चाहिए कि विदेशी श्रम बाजारों में एआई का अपनाना वैश्विक आय निर्भरताओं के माध्यम से कैसे लहरें (ripples) पैदा करेगा।