Artificial Intelligence Exposure, Tacit Experience and Occupational Wage Growth
यह शोध पत्र यह प्रदर्शित करता है कि जबकि केवल एआई (AI) एक्सपोजर श्रम-बाजार के परिणामों की भविष्यवाणी नहीं करता है, उच्च स्तर का अंतर्निहित अनुभव (tacit experience) 2018 से 2024 तक अमेरिका में एआई एक्सपोजर और व्यावसायिक वेतन वृद्धि के बीच के सकारात्मक संबंध को महत्वपूर्ण रूप से बढ़ाता है, जो नई तकनीकों के अनुकूल होने में अनुभव-आधारित निर्णय की महत्वपूर्ण भूमिका को रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://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
मशीनों ने काम को कैसे बदला है, इसकी कहानी लंबे समय से मानव कौशल और कंप्यूटर शक्ति के बीच एक सरल दौड़ के रूप में सुनाई जाती रही है। दशकों तक, अर्थशास्त्रियों और शोधकर्ताओं ने यह अनुमान लगाने की कोशिश की कि कौन सी नौकरियाँ गायब हो जाएंगी और कौन सी फलेंगी-फूलेंगी, यह देखते हुए कि किसी कार्य को नियमों के एक समूह के रूप में लिखना कितना आसान है। यदि कोई नौकरी एक स्पष्ट चेकलिस्ट का पालन करने पर निर्भर करती थी, तो यह माना जाता था कि एक कंप्यूटर अंततः इसे अधिक तेज़ी से और सस्ते में कर सकता है। लेकिन यदि किसी नौकरी के लिए मानवीय अंतर्ज्ञान, रचनात्मकता, या अव्यवस्थित, अप्रत्याशित स्थितियों को संभालने की क्षमता की आवश्यकता होती है, तो उसे सुरक्षित माना जाता था। यह दृष्टिकोण तकनीक को एक ऐसी शक्ति के रूप में देखता है जो सीधे कार्यकर्ता पर प्रहार करती है, जैसे किसी घर से टकराता हुआ तूफान। हालाँकि, एक नया दृष्टिकोण सुझाव देता है कि परिणाम तूफान पर कम और इस बात पर अधिक निर्भर करता है कि घर कैसे बनाया गया है। यह सवाल उठाता है कि क्या किसी नौकरी का मूल्य उन औपचारिक नियमों से आता है जिनका एक कार्यकर्ता पालन करता है, या उस गहरे, अनकहे निर्णय (judgment) से आता है जो वर्षों के अभ्यास के माध्यम से प्राप्त होता है।
चीन जिलियांग यूनिवर्सिटी के ज़ेज़ोंग शांग का एक हालिया अध्ययन इस विचार की पड़ताल करने के लिए अमेरिका के श्रम बाजार (2018-2024) का विश्लेषण करता है। यह शोध आर्टिफिशियल इंटेलिजेंस (AI) के उदय पर केंद्रित है, विशेष रूप से भाषा के साथ पढ़ने, लिखने और तर्क करने वाले नए उपकरणों की लहर पर। लेखक केवल यह नहीं पूछता कि क्या कोई नौकरी इन उपकरणों के संपर्क में है; इसके बजाय, अध्ययन इस बात की जांच करता है कि ज्ञान का प्रकार कैसे बदलता है जब उस कार्य का AI के प्रति एक्सपोजर बढ़ता है। मुख्य निष्कर्ष यह है कि वे नौकरियाँ जो भारी रूप से "मूक अनुभव" (tacit experience)—वह ज्ञान जो काम करने, गलतियाँ करने और अनिश्चितता के बीच रास्ता बनाने से प्राप्त होता है—पर निर्भर करती हैं, उनमें AI के संपर्क में आने पर वेतन तेजी से बढ़ रहा है। इसके विपरीत, वे नौकरियाँ जो मुख्य रूप से "संहिताबद्ध ज्ञान" (codified knowledge)—ऐसी जानकारी जिसे आसानी से लिखा जा सके, कक्षा में सिखाया जा सके, या एक मैनुअल में बदला जा सके—पर निर्भर करती हैं, वे एक अलग पैटर्न दिखा रही हैं, हालांकि अध्ययन नोट करता है कि यह परिणाम कम स्थिर और नियंत्रणों के प्रति संवेदनशील है। अध्ययन सुझाव देता है कि काम का भविष्य केवल इस बारे में नहीं है कि मशीनें क्या कर सकती हैं, बल्कि इस बारे में है कि संगठन निर्णय लेने, बातचीत करने और नियम टूटने पर जिम्मेदारी लेने की मानवीय क्षमता को कैसे महत्व देते हैं।
इसे समझने के लिए, पहले यह देखना होगा कि शोधकर्ताओं ने काम के परिदृश्य को कैसे मापा। उन्होंने एक व्यापक रूप से उपयोग किए जाने वाले इंडेक्स से शुरुआत की जो यह मानचित्रित करता है कि कौन से व्यवसाय आर्टिफिशियल इंटेलिजेंस से सबसे अधिक प्रभावित होने की संभावना रखते हैं। यह इंडेक्स, जिसे 'AI ऑक्यूपेशनल एक्सपोजर इंडेक्स' कहा जाता है, एक रडार की तरह कार्य करता है, जो दिखाता है कि नई तकनीक की क्षमताएं और लोगों द्वारा प्रतिदिन किए जाने वाले कार्यों के बीच कहाँ ओवरलैप होता है। हालाँकि, एक रडार अकेले यह नहीं बता सकता कि कार्यस्थल के भीतर क्या होता है। यह नहीं दिखाता कि क्या कोई कंपनी वास्तव में तकनीक को अपनाती है, यह दैनिक दिनचर्या को कैसे बदलती है, या क्या श्रमिकों को वेतन वृद्धि मिलती है। इस कमी को भरने के लिए, लेखक ने अमेरिकी श्रम विभाग के O*NET डेटाबेस का उपयोग करके दो नए माप बनाए।
पहला माप 'कोडिफाइड नॉलेज इंडेक्स' (संहिताबद्ध ज्ञान सूचकांक) है। यह किसी नौकरी के उन हिस्सों को पकड़ता है जो औपचारिक और प्रलेखित हैं। इसमें विशिष्ट ज्ञान क्षेत्र, बुनियादी कौशल जिन्हें स्कूल में सिखाया जा सकता है, और पेशेवर प्रमाणन या प्रशिक्षुता (apprenticeship) की आवश्यकता शामिल है। ये काम के वे तत्व हैं जिन्हें एक नियम पुस्तिका या पाठ्यपुस्तक में लिखा जा सकता है। दूसरा माप 'टैसिट एक्सपीरियंस इंडेक्स' (मूक अनुभव सूचकांक) है। यह काम के उन हिस्सों को पकड़ता है जो अभ्यास के माध्यम से सीखे जाते हैं और जिन्हें स्पष्ट रूप से बताना कठिन होता है। इसमें त्रुटियों का पूर्वानुमान लगाना, दूसरों के साथ बातचीत करना, अनिश्चितता के तहत निर्णय लेना और परिणामों की जिम्मेदारी लेना जैसे कौशल शामिल हैं। ये एक अनुभवी पेशेवर के गुण हैं जो जानते हैं कि संकट को कैसे संभालना है, इसलिए नहीं कि उन्होंने मैनुअल पढ़ा है, बल्कि इसलिए क्योंकि वे पहले भी वहां रहे हैं।
अध्ययन ने फिर इन मापों को देश भर के 26,697 विभिन्न राज्यों और व्यवसायों के वेतन डेटा के साथ जोड़ा। शोधकर्ताओं ने देखा कि 2018 और 2024 के बीच वेतन में कैसे बदलाव आया, वह अवधि जब जनरेटिव एआई का तेजी से उदय हुआ। उन्होंने एक विशिष्ट प्रश्न पूछा: क्या आर्टिफिशियल इंटेलिजेंस के संपर्क की मात्रा वेतन वृद्धि को इस आधार पर अलग तरह से प्रभावित करती है कि कोई नौकरी 'संहिताबद्ध ज्ञान' पर भारी है या 'मूक अनुभव' पर? उन्हें जो उत्तर मिला वह स्पष्ट और सांख्यिकीय रूप से महत्वपूर्ण था।
जब शोधकर्ताओं ने उच्च स्तर के मूक अनुभव वाली नौकरियों को देखा, तो उन्होंने पाया कि आर्टिफिशियल इंटेलिजेंस के संपर्क में एक मानक विचलन (standard deviation) की वृद्धि, वेतन में तीव्र वृद्धि से जुड़ी थी। सरल शब्दों में, जिस नौकरी जितनी अधिक वर्षों के अभ्यास से प्राप्त निर्णय और अनुभव पर निर्भर थी, AI के प्रचलित होने के साथ उसके वेतन में उतनी ही अधिक वृद्धि हुई। यह संबंध शुरुआती वेतन, उस राज्य जहाँ वह स्थित था, और आवश्यक औपचारिक ज्ञान के हिसाब से गणना करने के बाद भी बना रहा। यह पैटर्न मजबूत था और विभिन्न जाँचों में भी कायम रहा। यह सुझाव देता है कि उन्नत भाषा उपकरणों के युग में, आउटपुट की व्याख्या करने, अपवादों को प्रबंधित करने और परिणामोन्मुखी निर्णय लेने की क्षमता नियोक्ताओं के लिए अधिक मूल्यवान होती जा रही है।
इसके विपरीत, संहिताबद्ध ज्ञान वाली नौकरियों के लिए अध्ययन ने एक अलग पैटर्न पाया, हालांकि लेखक का कहना है कि यह परिणाम कम स्थिर है। इन भूमिकाओं के लिए, आर्टिफिशियल इंटेलिजेंस के उच्च संपर्क का संबंध सपाट या नकारात्मक वेतन वृद्धि से था, लेकिन यह निष्कर्ष नियंत्रणों और इंडेक्स निर्माण के प्रति संवेदनशील है। इसका मतलब यह नहीं है कि औपचारिक शिक्षा या प्रमाणन बेकार हैं। डेटा दिखाता है कि इन नौकरियों के लिए औपचारिक ज्ञान अभी भी आवश्यक है, और वह ज्ञान मशीनों के कार्य को परिभाषित करने और सत्यापित करने के लिए अनिवार्य बना हुआ है। हालाँकि, अध्ययन सुझाव देता है कि मुख्य रूप से लिखित नियमों का पालन करने वाली नौकरी का विशिष्ट लाभ उन उपकरणों के सामने घट रहा है जो उन नियमों को आसानी से दोहरा और हेरफेर कर सकते हैं। काम का मूल्य लिखित नियमों को रटने की क्षमता से हटकर उन 'ग्रे एरिया' (धुंधले क्षेत्रों) को नेविगेट करने की ओर स्थानांतरित हो रहा है जहाँ नियम लागू नहीं होते।
शोधकर्ताओं ने यह स्पष्ट करने में सावधानी बरती कि उनके निष्कर्ष क्या सिद्ध करते हैं और क्या नहीं। उन्होंने व्यक्तिगत श्रमिकों या विशिष्ट कंपनियों को ट्रैक नहीं किया कि आर्टिफिशियल इंटेलिजेंस का उपयोग ठीक कैसे किया जा रहा था। उन्होंने तकनीक अपनाने की तीव्रता या किसी एक वेतन को प्रभावित करने वाले प्रत्यक्ष कारण को नहीं मापा। इसके बजाय, उन्होंने पूरी अर्थव्यवस्था में एक व्यापक पैटर्न का अवलोकन किया। परिणाम दिखाते हैं कि काम का संगठन मायने रखता है। दो नौकरियों में आर्टिफिशियल इंटेलिजेंस के संपर्क का स्तर समान हो सकता है, लेकिन यदि एक गहरे व्यावहारिक अनुभव पर निर्भर है और दूसरी मुख्य रूप से औपचारिक नियमों पर, तो उनके वेतन पथ अलग-अलग होंगे। अध्ययन का तात्पर्य है कि श्रम बाजार मानवीय 'सिट्युएटेड जजमेंट' (स्थितिजन्य निर्णय)—वह सोच जो एक विशिष्ट स्थिति के संदर्भ में क्षण भर में होती है—को पूर्व-लिखित स्क्रिप्ट का पालन करने की क्षमता की तुलना में अधिक पुरस्कृत करना शुरू कर रहा है।
यह अंतर यह समझाने में मदद करता है कि क्यों कुछ श्रमिक फल-फूल रहे हैं जबकि अन्य संघर्ष कर रहे हैं, भले ही वे ऐसे क्षेत्रों में काम करते हों जो तकनीक से समान रूप से प्रभावित दिखते हैं। यह पुराने विचार को चुनौती देता है कि केवल वे नौकरियाँ ही सुरक्षित हैं जो स्वचालन (automation) से पूरी तरह अछूती हैं। इसके बजाय, यह सुझाव देता है कि सबसे लचीले (resilient) कार्यकर्ता वे हैं जिनका मूल्य उनके अनुभव और अप्रत्याशित स्थितियों को संभालने की उनकी क्षमता से जुड़ा है। अध्ययन यह भी रेखांकित करता है कि परिवर्तन की दिशा केवल तकनीक द्वारा निर्धारित नहीं होती है। यह इस बात से निर्धारित होती है कि नियोक्ता काम को कैसे व्यवस्थित करने का निर्णय लेते हैं और वे किसे पुरस्कृत करते हैं। यदि कंपनियाँ आर्टिफिशियल इंटेलिजेंस का उपयोग नियंत्रण को केंद्रीकृत करने और कर्मचारी के विवेक को छीनने के लिए करती हैं, तो इसके लाभ कर्मचारियों तक नहीं पहुँच पाएंगे। लेकिन यदि वे इसका उपयोग उन श्रमिकों की सहायता के लिए करती हैं जो पहले से ही जटिलता को प्रबंधित करने में कुशल हैं, तो उन श्रमिकों का मुआवजा बढ़ सकता है।
निष्कर्ष मौजूदा बहस में एक सूक्ष्मता प्रदान करते हैं। पिछला शोध अक्सर इस बात पर केंद्रित था कि क्या कोई कार्य 'रूटीन' (नियमित) था या 'नॉन-रूटीन' (गैर-नियमित)। यह अध्ययन बताता है कि आर्टिफिशियल इंटेलिजेंस की नई पीढ़ी के लिए, वह अंतर धुंधला होता जा रहा है। मशीनें अब कई ऐसे कार्य कर सकती हैं जो कभी गैर-नियमित माने जाते थे, जैसे कोड लिखना या जटिल रिपोर्ट का सारांश बनाना। जो अलग रहता है, वह है ज्ञान का स्रोत। अध्ययन दिखाता है कि श्रम बाजार उस ज्ञान के बीच अंतर कर रहा है जिसे डेटाबेस में कैद किया जा सकता है और उस ज्ञान के बीच जो एक व्यवसायी के मन में जीवित रहता है। जैसे-जैसे आर्टिफिशियल इंटेलिजेंस नौकरी के संहिताबद्ध हिस्सों को संभालने में अधिक सक्षम हो रहा है, मूक और अनुभवात्मक हिस्सों के लिए आर्थिक प्रीमियम बढ़ता हुआ प्रतीत होता है।
अंत में, यह शोध इस बात का मानचित्र प्रदान करता है कि मानव कार्य का मूल्य कैसे पुनर्गठित किया जा रहा है। यह सुझाव देता है कि आर्टिफिशियल इंटेलिजेंस के युग में बेहतर वेतन का मार्ग अधिक तथ्य जानने या अधिक नियमों का पालन करने के बारे में नहीं है, बल्कि काम करने से प्राप्त व्यावहारिक बुद्धिमत्ता को गहरा करने के बारे में है। अध्ययन यह गारंटी नहीं देता कि हर अनुभवी श्रमिक को वेतन वृद्धि मिलेगी, न ही यह वादा करता है कि हर नियम-आधारित नौकरी गायब हो जाएगी। यह केवल एक स्पष्ट प्रवृत्ति को प्रकट करता है: वर्तमान आर्थिक परिदृश्य में, निर्णय लेने, समस्याओं का पूर्वानुमान लगाने और जिम्मेदारी लेने की क्षमता, मैनुअल का पालन करने की क्षमता की तुलना में वेतन वृद्धि का एक अधिक शक्तिशाली चालक बन रही है। जैसे-जैसे तकनीक विकसित होती रहेगी, संगठन इन मानवीय गुणों को कैसे महत्व देते हैं, यही तय करेगा कि इन नए उपकरणों से सबसे अधिक लाभ किसे मिलेगा।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।