The Reverse Big Push: Generative AI and Self-Fulfilling Automation

आधुनिक अर्थव्यवस्था में, व्यवसाय पैसा कैसे कमाते हैं, यह अक्सर उनके परिचालन खर्च और ग्राहकों से वापस आने वाले धन के बीच एक नाजुक संतुलन पर निर्भर करता है। जब कोई कंपनी श्रमिकों को काम पर रखती है, तो वह उन्हें वेतन देती है। वे श्रमिक फिर अपने वेतन को अन्य स्थानीय व्यवसायों में खर्च करते हैं, जिससे मांग का एक चक्र बनता है जो पूरी अर्थव्यवस्था को गतिमान रखता है। यह चक्र एक मौलिक हिस्सा है कि स्थानीय बाजार कैसे कार्य करते हैं। दशकों से, अर्थशास्त्री इस बात का अध्ययन कर रहे हैं कि नई तकनीकें इस संतुलन को कैसे बदलती हैं। कभी-कभी, एक नई मशीन खरीदना इतनी महंगी होती है कि केवल कुछ ही कंपनियां इसे वहन कर सकती हैं, और उन कंपनियों को जीवित रहने के लिए पर्याप्त ग्राहकों को खोजने के लिए कड़ी मेहनत करनी पड़ती है। यह "बिग पुश" (बड़ा प्रोत्साहन) का क्लासिक विचार है, जहाँ उच्च लागत व्यवसायों के एक समूह को जीवित रहने के लिए मिलकर बढ़ने के लिए मजबूर करती है।

हालाँकि, जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI) के उदय ने इस पटकथा को उलट दिया है। आज, उन्नत AI का उपयोग करने का सबसे महंगा हिस्सा—कंप्यूटर सिस्टम को प्रशिक्षित करने की लागत—उस कंपनी द्वारा चुकाया जाता है जिसने इसे बनाया है, न कि उस कंपनी द्वारा जो इसका उपयोग करती है। एक लॉ फर्म या डिज़ाइन स्टूडियो काम मिलने पर प्रति घंटे के हिसाब से AI की शक्ति को किराए पर ले सकता है। यह स्वचालन (automation) को एक भारी, अग्रिम निवेश के बजाय एक लचीले परिचालन व्यय के रूपă में दिखाता है। लेकिन इसमें एक पेंच है। यदि कोई व्यवसाय अपनी मानव टीम को बदलने के लिए इस AI का उपयोग करने का निर्णय लेता है, तो वह उन वेतनों का भुगतान करना बंद कर देता है। यदि कई व्यवसाय एक साथ ऐसा करते हैं, तो जो श्रमिक नौकरियां खो देते हैं वे स्थानीय अर्थव्यवस्था में पैसा खर्च करना बंद कर देते हैं। यह अन्य सभी के लिए बाजार को छोटा कर देता है, जिससे शेष व्यवसायों के लिए जीवित रहना कठिन हो जाता है। शोधकर्ता यह सवाल पूछ रहे हैं कि क्या यह एक ऐसा जाल बनाता है जहाँ व्यवसाय, अपने स्वयं के स्वार्थ में कार्य करते हुए, अनजाने में उसी बाजार को नष्ट कर देते हैं जिस पर वे निर्भर हैं।

चीन के अर्थशास्त्रियों की एक टीम ने इस विशिष्ट गतिशीलता का पता लगाने के लिए एक मॉडल बनाया है, जो इस बात पर ध्यान केंद्रित करता है कि मानव सहायता के साथ AI का उपयोग करने और मनुष्यों को बदलने के लिए AI का उपयोग करने के बीच का चुनाव एक स्थानीय सेवा अर्थव्यवस्था में कैसे खेला जाता है। उन्होंने पाया कि अर्थव्यवस्था दो बहुत अलग स्थितियों में फंस सकती है, जो इस बात पर निर्भर करती है कि व्यवसाय आगे क्या होने की उम्मीद करते हैं। एक स्थिति में, व्यवसाय अपनी मानव टीमों को बनाए रखते हैं, वेतन उच्च रहता है, और स्थानीय अर्थव्यवस्था जीवंत रहती है। दूसरी स्थिति में, व्यवसाय लागत बचाने के लिए अपनी टीमों में कटौती करते हैं, वेतन गिरता है, स्थानीय अर्थव्यवस्था सिकुड़ जाती है, और व्यवसाय छोटे होते बाजार में जीवित रहने के लिए और अधिक टीमों में कटौती करते हैं। शोधकर्ता इस स्थिति को "रिवर्स बिग पुश" (विपरीत बड़ा प्रोत्साहन) कहते हैं। पुराने मॉडल के विपरीत, जहाँ उच्च लागत विकास के लिए मजबूर करती थी, यहाँ लागत को आसानी से कम करने की क्षमता एक आत्म-पूर्ण पतन (self-fulfilling collapse) को ट्रिगर कर सकती है।

उनकी खोज का मूल यह है कि स्वचालन का निर्णय केवल इस बारे में नहीं है कि तकनीक कितनी अच्छी तरह काम करती है; बल्कि यह इस बारे में है कि अन्य कितने व्यवसाय भी ऐसा कर रहे हैं। यदि एक व्यवसाय मानता है कि अधिकांश अन्य फर्में अपनी मानव टीमों को बनाए रखेंगी, तो उसके लिए अपनी टीम को बनाए रखना तर्कसंगत है, क्योंकि स्थानीय अर्थव्यवस्था उच्च वेतन को सहारा देने के लिए पर्याप्त मजबूत होगी। लेकिन यदि एक व्यवसाय मानता है कि हर कोई AI में स्विच करने के लिए श्रमिकों को निकाल रहा है, तो उनके लिए श्रमिकों को निकालना सबसे समझदारी भरा कदम बन जाता है, क्योंकि स्थानीय अर्थव्यवस्था पूर्ण टीम को सहारा देने के लिए बहुत कमजोर होगी। यह एक ऐसी स्थिति बनाता है जहाँ अर्थव्यवस्था एक "कम-मांग" वाले संतुलन (low-demand equilibrium) में बस सकती है जहाँ स्वचालन ही एकमात्र विकल्प होता है, भले ही "उच्च-मांग" वाला संतुलन, जहाँ मानव और AI मिलकर काम करते हैं, सभी के लिए बेहतर होता।

शोधकर्ता दिखाते हैं कि यह समस्या समाप्त नहीं होती है भले ही वेतन को कम होने की अनुमति दी जाए। एक सामान्य बाजार में, यदि मांग गिरती है, तो वेतन भी गिरता है, जिससे लोगों को फिर से काम पर रखना सस्ता हो जाता है। मॉडल पुष्टि करता है कि गिरते वेतन वास्तव में काम पर रखना सस्ता बना देते हैं, लेकिन इसका मतलब यह भी है कि श्रमिकों के पास खर्च करने के लिए कम पैसा होता है। अध्ययन पाता है कि यदि खर्च करने की शक्ति कम लागत वाले वेतन से अधिक है, तो गिरावट का चक्र जारी रहता है। अर्थव्यवस्था कम-वेतन, कम-रोजगार की स्थिति में फंस जाती है क्योंकि मांग में गिरावट इतनी गंभीर होती है कि इसे केवल कम श्रम लागत से ठीक नहीं किया जा सकता। इसका मतलब है कि केवल बाजार को कम वेतन के माध्यम से समायोजित होने देना भी पतन को रोकने के लिए पर्याप्त नहीं है यदि व्यवसायों का भविष्य के प्रति विश्वास खो जाता है।

इसे समझने के लिए, लेखकों ने देखा कि व्यवसाय समय के साथ निर्णय कैसे लेते हैं। उन्होंने एक ऐसी स्थिति की कल्पना की जहाँ फर्में विभिन्न क्षणों पर अपनी रणनीति बदलने का अवसर पाती हैं। यदि कोई फर्म निराशावादी है और उम्मीद करती है कि अन्य स्वचालन करेंगे, तो वह पहले स्वचालन करेगी, जो अगली फर्म की निराशा को पुष्ट करती है, जिससे छंटनी की एक लहर पैदा होती है। यदि कोई फर्म आशावादी है और उम्मीद करती है कि अन्य अपनी टीमों को बनाए रखेंगे, तो वह अपनी टीम को बनाए रखेगी, जिससे दूसरों को भी ऐसा करने के लिए प्रोत्साहन मिलेगा। शुरुआती बिंदु महत्वपूर्ण है, लेकिन अपेक्षा भी उतनी ही महत्वपूर्ण है। शोधकर्ताओं ने पाया कि ऐसी विशिष्ट स्थितियाँ हैं जहाँ दोनों परिणाम संभव हैं। इस सीमा में, अर्थव्यवस्था तकनीक द्वारा निर्धारित नहीं होती है, बल्कि व्यवसाय समुदाय के सामूहिक मनोभाव द्वारा निर्धारित होती है।

अध्ययन ने यह भी जांचा कि जब कोई सार्वजनिक झटका (public shock), जैसे कि अर्थव्यवस्था के समग्र स्वास्थ्य में अचानक परिवर्तन होता है, तो क्या होता है। उन्होंने पाया कि यदि अर्थव्यवस्था उस अनिश्चित मध्य क्षेत्र में है, तो एक सार्वजनिक मौलिक कारक (public fundamental) जो दोनों प्रभुत्व क्षेत्रों तक पहुँच सकता है, एक अद्वितीय पथ चुन सकता है। यदि अर्थव्यवस्था पहले से ही स्वचालन की ओर झुक रही है, तो एक नकारात्मक झटका इसे पूर्ण पतन की ओर धकेल सकता है। इसके विपरीत, यदि यह मानव-AI सहयोग की ओर झुक रही है, तो एक सकारात्मक झटका इस पथ को सुरक्षित कर सकता है। शोधकर्ताओं ने अनिश्चित भविष्य में यह अनुमान लगाने के लिए "रिस्क डोमिनेंस" (जोखिम प्रभुत्व) की अवधारणा का उपयोग किया कि कौन सा राज्य अधिक संभावित है। उन्होंने पाया कि यदि मानव-AI सहयोग का स्थिर टिपिंग पॉइंट आधे से नीचे है, तो अर्थव्यवस्था संभवतः सहकारी पथ चुनेगी। लेकिन यदि टिपिंग पॉइंट आधे से ऊपर है, तो अर्थव्यवस्था संभवतः स्वचालित पथ चुनेगी, भले ही सहकारी पथ समाज के लिए समग्र रूप से बेहतर क्यों न हो।

लेखक फिर देखते हैं कि इसका नीतिगत दृष्टिकोण से क्या अर्थ है। उन्होंने गणना की कि कई पेशेवर सेवा क्षेत्रों में, इस "समन्वय विफलता" (coordination failure) की स्थितियाँ वास्तविक हैं। संयुक्त राज्य अमेरिका के डेटा का उपयोग करते हुए, उन्होंने अनुमान लगाया कि उच्च-स्वायत्तता वाले AI कार्यों के कुछ प्रकारों के लिए, अर्थव्यवस्था आसानी से बुरे संतुलन में गिर सकती है। उन्होंने पाया कि "अच्छी" स्थिति और "बुरी" स्थिति के बीच का अंतर बहुत बड़ा नहीं है, लेकिन इतना पर्याप्त है कि मायने रखता है। अपने सिमुलेशन में, उन्होंने दिखाया कि किसी काम का कितना हिस्सा बिना मानवीय सहायता के AI द्वारा किया जा सकता है, इसमें बदलाव अर्थव्यवस्था को एक स्थिर स्थिति (जहाँ मनुष्य और मशीनें मिलकर काम करते हैं) से ऐसी स्थिति में ले जा सकता है जहाँ मशीनें मनुष्यों को पूरी तरह से बदल देती हैं, केवल इसलिए क्योंकि बाजार इतना छोटा हो गया कि टीमों को सहारा देना कठिन हो गया।

शोधकर्ता तर्क देते हैं कि समाधान AI को प्रतिबंधित करना या कंपनियों को श्रमिकों को बनाए रखने के लिए मजबूर करना नहीं है। इसके बजाय, वे सुझाव देते हैं कि एक अस्थायी सरकारी हस्तक्षेप अर्थव्यवस्था को इस अंतर को पार करने में मदद कर सकता है। यदि अर्थव्यवस्था कम-मांग वाली स्थिति में फंसी हुई है, तो एक छोटा, अस्थायी सब्सिडी या शुद्ध स्वचालन पर टैक्स एक पुल के रूप में कार्य कर सकता है। यह पुल व्यवसायों को तब तक अपनी मानव टीमों को बनाए रखने का विश्वास देगा जब तक कि अर्थव्यवस्था इतनी बड़ी न हो जाए कि वे स्वयं उन्हें सहारा दे सकें। एक बार जब अर्थव्यवस्था एक निश्चित आकार तक पहुँच जाती है, तो सब्सिडी को हटाया जा सकता है, और मानव-AI मॉडल एक प्राकृतिक, आत्म-निर्धारित विकल्प बन जाएगा। मुख्य बात यह है कि यह समर्थन अस्थायी और लक्षित होना चाहिए; यह हर नौकरी को हमेशा के लिए बचाने के बारे में नहीं है, बल्कि अर्थव्यवस्था को एक बुरी स्थिति में फंसने से रोकने के बारे में है जहाँ हर कोई बदतर स्थिति में हो।

यह शोध स्पष्ट करता है कि यह समस्या कुछ विशेष प्रकार के कार्यों के लिए विशिष्ट है। यह "डिफेंसिव" (रक्षात्मक) स्वचालन पर सबसे अधिक लागू होता है, जहाँ व्यवसाय लागत काटने के लिए AI का उपयोग करते हैं क्योंकि उन्हें डर है कि बाजार सिकुड़ रहा है। यह "ऑफेंसिव" (आक्रामक) स्वचालन के साथ कम संभावित है, जहाँ AI नए उत्पाद बनाता है जो बाजार का विस्तार करते हैं। रक्षात्मक मामले में, सिकुड़ते बाजार का डर लागत कम करने के निर्णय को प्रेरित करता है, जो बदले में बाजार को और छोटा कर देता है। शोधकर्ता दिखाते हैं कि यदि कोई व्यवसाय लागत कम करने के लिए स्वचालन कर रहा है क्योंकि उसे उम्मीद है कि बाजार सिकुड़ेगा, तो पूरे समाज के लिए यह बेहतर है कि वह व्यवसाय अपने श्रमिकों को बनाए रखे, क्योंकि उनके वेतन से बाजार जीवित रहने में मदद मिलेगी।

अपने अंतिम विश्लेषण में, लेखकों ने वास्तविक दुनिया के आंकड़ों का उपयोग करके दिखाया कि यह प्रणाली कितनी संवेदनशील है। उन्होंने पेशेवर सेवाओं में राजस्व और पेरोल के अनुपात को देखा और पाया कि कई मामलों में, अर्थव्यवस्था समन्वय क्षेत्र के बिल्कुल किनारे पर है। AI की लागत या कार्यों को करने की क्षमता में एक छोटा सा बदलाव भी संतुलन को बिगाड़ सकता है। उन्होंने पाया कि वेतन समायोजन, हालांकि सहायक हैं, समन्वय विफलता की सीमा को संकुचित करते हैं, लेकिन उन्हें समाप्त नहीं करते हैं। अध्ययन निष्कर्ष निकालता है कि जनरेटिव AI के युग में काम का भविष्य तकनीक की कच्ची शक्ति पर कम और इसे उपयोग करने वाले व्यवसायों के सामूहिक विश्वास पर अधिक निर्भर करता है। यदि व्यवसाय अपनी मानव टीमों को बनाए रखने के लिए समन्वय कर सकते हैं, तो अर्थव्यवस्था फल-फूल सकती है। यदि वे नहीं कर पाते हैं, तो वे एक आत्म-पूर्ण पतन का जोखिम उठाते हैं जहाँ वे उपकरण जो उनकी मदद करने के लिए बने थे, अंततः उसी बाजार को नुकसान पहुँचाते हैं जिसकी वे सेवा करते हैं।

यह कार्य एक स्पष्ट चेतावनी प्रदान करता है कि AI-संचालित अर्थव्यवस्था की ओर संक्रमण स्वचालित नहीं है। इसके लिए एक संकीर्ण मार्ग पर चलना आवश्यक है जहाँ अपेक्षाएं और वास्तविकता एक-दूसरे को सुदृढ़ करती हैं। शोधकर्ता दिखाते हैं कि निराशा के चक्र को तोड़ने के तंत्र के बिना, अर्थव्यवस्था एक ऐसी स्थिति में बस सकती है जो स्थिर तो है लेकिन अक्षम है, जहाँ हर कोई पहले से अधिक गरीब है। समाधान यह समझने में निहित है कि तकनीक का चुनाव केवल एक तकनीकी निर्णय नहीं है, बल्कि एक सामाजिक निर्णय भी है जो संपूर्ण स्थानीय अर्थव्यवस्था के स्वास्थ्य पर निर्भर करता है। इस बात को पहचानकर, नीति निर्माता ऐसे हस्तक्षेपों को डिजाइन कर सकते हैं जो अर्थव्यवस्था को बेहतर परिणाम की ओर जाने में मदद करें, जिससे यह सुनिश्चित हो सके कि AI के लाभ गिरावट के चक्र में खोने के बजाय साझा किए जाएं।