एआई भर्ती बदलाव: सॉफ्टवेयर रुका, इन्फ्रास्ट्रक्चर महत्वपूर्ण है

लेऑफ ट्रैकर टेक लेबर मार्केट को किसी ट्रैपडोर जैसा दिखा सकता है। एक हफ्ते कहानी होती है कि कोडिंग का काम गायब हो रहा है, अगले हफ्ते कोई नियोक्ता ऐसे AI Engineer की मांग कर रहा होता है जो एक ही कोट में तीन अलग-अलग लोगों जैसा लगता है। व्यावहारिक समझ कम फिल्मी और अधिक उपयोगी है: AI टेक नौकरियों के अंदर होने वाले काम को बदल रहा है, और टिकाऊ संकेत उन लोगों की ओर जा रहा है जो सिस्टम चलवा सकते हैं, उन्हें टेस्ट कर सकते हैं, और उन्हें वास्तविक ऑपरेशंस से जोड़ सकते हैं।

इसका मतलब यह नहीं कि लेऑफ नुकसानदेह नहीं होते। इसका मतलब यह है कि सीखने वालों को डरावनी हेडलाइन को खराब ट्रेनिंग प्लान नहीं बनने देना चाहिए। AI शब्दावली का सर्टिफिकेट कमजोर कवच है अगर नौकरी को वास्तव में डिप्लॉयमेंट अनुशासन, ऑटोमेटेड टेस्टिंग, डेटा हैंडलिंग, या इंफ्रास्ट्रक्चर-भारी माहौल में सीमाओं के बारे में सोचने की क्षमता चाहिए।

लेऑफ हेडलाइन स्किल्स मैप नहीं है

Boston Consulting Group वह फर्क स्पष्ट करता है जिसे नौकरी खोजने वालों को ध्यान में रखना चाहिए: टास्क ऑटोमेशन, नौकरी समाप्त होने के समान नहीं है। BCG का अनुमान है कि अगले दो से तीन वर्षों में, अमेरिका में 50% से 55% नौकरियां AI द्वारा फिर से आकार दी जाएंगी। यह बड़ा आंकड़ा है, लेकिन यह रीडिज़ाइन की ओर इशारा करता है, किसी सरल घटाव की समस्या की ओर नहीं।

करियर की गलती यह है कि रीडिज़ाइन को इस तिमाही के सबसे चर्चित टाइटल के पीछे भागने की अनुमति मान लिया जाए। BCG यह भी कहता है कि वर्कफोर्स रणनीति में ऑटोमेशन, अपस्किलिंग, और सोच-समझकर की गई टैलेंट प्लानिंग का संतुलन होना चाहिए, जो मैनेजमेंट की बात है लेकिन सीखने वालों के लिए भी संकेत रखती है। अगर काम को रीडिज़ाइन किया जा रहा है, तो आपके रिज्यूमे पर सबसे मजबूत प्रमाण यह नहीं है कि आपने AI का ओवरव्यू देखा है, बल्कि यह है कि आप दिखा सकते हैं कि AI के आने पर वर्कफ़्लो कैसे बदलता है।

सॉफ्टवेयर गायब नहीं हो रहा, लेकिन यह सिस्टम्स के करीब जा रहा है

UNC Computer Science, AI को कंप्यूटिंग में अवसरों के विस्तार के रूप में देखता है, न कि इस क्षेत्र के लिए खतरे के रूप में। विभाग कहता है कि कंप्यूटिंग से जुड़े करियर मजबूत बने हुए हैं और बढ़ भी सकते हैं क्योंकि AI व्यवसायों, इंफ्रास्ट्रक्चर, और रिसर्च में अधिक एकीकृत होता जा रहा है। यह इस विचार का संतुलित जवाब है कि सॉफ्टवेयर सीखना अचानक बेकार हो गया है।

जो व्यक्ति अपनी शामें या ट्यूशन का पैसा निवेश कर रहा है, उसके लिए सीख यह है कि बुनियाद बनाए रखें और साथ में आस-पास के क्षेत्रों का प्रमाण जोड़ें। UNC कोर कंप्यूटर साइंस स्किल्स, रैपिड प्रोटोटाइपिंग, और ऑटोमेटेड टेस्टिंग को ऐसी क्षमताओं के रूप में बताता है जो AI द्वारा वर्कफ़्लो बदलने पर भी मायने रखती हैं। बेहतर पोर्टफोलियो प्रोजेक्ट चमकदार लैंडिंग पेज वाला एक और चैटबॉट रैपर नहीं है, बल्कि टेस्ट्स, फेल्योर नोट्स, लेटेंसी माप, और लोड के तहत क्या टूटता है इसकी सरल अंग्रेज़ी व्याख्या वाला एक काम करता हुआ सर्विस है।

AI Engineer टाइटल को अपनी सोच मत करने दें

Indeed Hiring Lab अपनी AI at Work Report 2025 में टास्क-लेवल दृष्टिकोण अपनाता है, और सीखने वालों को जॉब पोस्ट्स ठीक इसी तरह पढ़नी चाहिए। इसके GenAI Skill Transformation Index ने लगभग 2,900 वर्क स्किल्स का मूल्यांकन किया और उन्हें इस आधार पर समूहित किया कि जनरेटिव AI उन स्किल्स के उपयोग के तरीके को कैसे बदल सकता है, बजाय इसके कि केवल यह पूछा जाए कि कोई मॉडल किसी व्यक्ति की जगह ले सकता है या नहीं। यह टाइटल के फैलाव का उपयोगी प्रतिकार है।

जब कोई पोस्टिंग AI Engineer कहती है, तो धीरे हो जाएं और उसे काम में अनुवाद करें। क्या वह सॉफ्टवेयर डिलीवरी, मॉडल इवैल्युएशन, डेटा तैयारी, टेस्टिंग, प्रोडक्ट इंटीग्रेशन, या इंफ्रास्ट्रक्चर ऑपरेशंस मांग रही है? टाइटल तब तक शोर है जब तक आप वर्कफ़्लो, हैंडऑफ्स, और उन आर्टिफैक्ट्स का नाम नहीं बता सकते जिन्हें हायरिंग मैनेजर देख सके।

इंफ्रास्ट्रक्चर संकेत बिल्डर्स के पक्ष में है, बज़वर्ड इकट्ठा करने वालों के नहीं

U.S. Bureau of Labor Statistics ने भी अपनी Monthly Labor Review में इसी तरह सावधान दृष्टिकोण अपनाया है, जिसमें Christine Machovec, Michael J. Rieley, और Emily Rolen ने देखा कि AI प्रभावों को व्यावसायिक केस स्टडीज़ के माध्यम से रोजगार अनुमानों में कैसे शामिल किया जा सकता है। यह मायने रखता है क्योंकि लेबर मार्केट “टेक” नाम की एक विशाल भूमिका नहीं है। यह पेशों का एक समूह है, जिनमें हर एक की एक्सपोज़र, सीमाएं, और मांग के पैटर्न अलग हैं।

यहीं पर इंफ्रास्ट्रक्चर वाला दृष्टिकोण व्यावहारिक बन जाता है। अगर AI सिस्टम व्यवसायों, इंफ्रास्ट्रक्चर, और रिसर्च में फैल रहे हैं, जैसा UNC नोट करता है, तो सीखने वालों को ऐसे प्रोजेक्ट्स खोजने चाहिए जो काम की मशीनरी के करीब हों: टेस्टिंग, मॉनिटरिंग, डेटा मूवमेंट, रिलायबिलिटी, और सिस्टम्स थिंकिंग। हार्डवेयर इंजीनियर, डेटा सेंटर टीमें, रोबोटिक्स समूह, और मैन्युफैक्चरिंग टेक्नोलॉजिस्ट अलग-अलग टूल्स इस्तेमाल कर सकते हैं, लेकिन साझा करियर संकेत वही है: क्या आप जटिल तकनीकी काम को डेमो के बाहर भरोसेमंद बना सकते हैं?

अगला हायरिंग साइकिल हर उस व्यक्ति को इनाम नहीं देगा जो हेडलाइन में AI जोड़ देता है। यह इस बात के स्पष्ट प्रमाण को इनाम देगा कि आप क्या बना सकते हैं, मेंटेन कर सकते हैं, माप सकते हैं, और समझा सकते हैं। जॉब डिस्क्रिप्शंस में विशेषणों को नहीं, क्रियाओं को देखें, और अपना सीखने का समय वहां लगाएं जहां वे क्रियाएं किसी ऐसे प्रोजेक्ट में दिख सकें जिसे कोई और चला सके।