एशिया में एआई अपनाने का विस्तार होना चाहिए: कार्यबल विश्लेषण

वृद्ध होती कार्यशक्ति नियोक्ताओं से AI डेमो की तारीफ़ करने को नहीं कहती। वह यह पूछती है कि क्या कोई अस्पताल, बैंक, बंदरगाह, या सॉफ्टवेयर टीम कम कर्मचारियों से ज़्यादा उत्पादन पा सकती है, बिना काम के प्रवाह को बिगाड़े। एशिया पर IMF की चेतावनी का उपयोगी हिस्सा यही है: AI श्रम की कमी में मदद कर सकता है, लेकिन केवल तब जब अपनाने की प्रक्रिया व्यापक रूप से फैले, न कि सिर्फ उन देशों और कंपनियों में केंद्रित रहे जो पहले से आगे हैं।

सीखने वालों के लिए यह अंतर महत्वपूर्ण है। किसी क्षेत्र में AI नौकरियों की बहुत सारी पोस्टिंग हो सकती हैं, फिर भी उन टीमों, डेटा, प्रबंधकों और बुनियादी ढांचे तक पहुंच बहुत असमान हो सकती है जो AI को काम में उपयोगी बनाते हैं। अवसर वास्तविक है, लेकिन यह नौकरी के शीर्षक, प्रमाणपत्र, या देश के आधार पर समान रूप से वितरित नहीं है।

IMF का तर्क शर्तों पर आधारित है, जादुई नहीं

Reuters ने बताया कि International Monetary Fund कृत्रिम बुद्धिमत्ता से उत्पादकता बढ़ने को एशिया की घटती कार्यशक्ति की भरपाई करने के संभावित तरीके के रूप में देखता है, क्योंकि कुछ देशों की आबादी वृद्ध हो रही है। असली कहानी शर्त में है: Reuters के अनुसार, लाभ इस बात पर निर्भर करता है कि अपनाने को समान रूप से बड़े पैमाने पर लागू किया जाए। यह यह कहने से अलग तर्क है कि AI बस कम कर्मचारियों की भरपाई कर देगा।

यहीं पर नौकरी खोजने वालों को शीर्षकों के फैलाव से सावधान रहना चाहिए। AI Engineer की सूची का मतलब मॉडल विकास, वर्कफ़्लो ऑटोमेशन, डेटा पाइपलाइन का काम, या ऐसा जनरलिस्ट हो सकता है जो किसी विभाग को व्यावसायिक टूल्स का अच्छी तरह उपयोग करने में मदद कर सके। यदि व्यापक आर्थिक समस्या श्रम की कमी है, तो भर्ती प्रबंधक केवल शब्दावली के आधार पर स्क्रीनिंग नहीं करेंगे। वे ऐसे प्रमाण देखेंगे कि आप किसी वास्तविक प्रक्रिया से रुकावट हटा सकते हैं, परिणाम माप सकते हैं, और जहां काम में अभी भी निर्णय क्षमता की ज़रूरत है वहां इंसानों को शामिल रख सकते हैं।

अपनाना अभी भी एक पतली परत है

Ha Minh Nguyen के IMF Working Paper, जो World Bank Enterprise Surveys पर आधारित है, एक उपयोगी वास्तविकता जांच देता है। पेपर 2022 से 2025 तक 144 देशों की 89,380 कंपनियों को कवर करता है और 1,656 AI और ऑटोमेशन अपनाने वालों की पहचान करता है, जो नमूने के 1.9 प्रतिशत के बराबर है। पेपर कंपनियों के खुले-ended प्रक्रिया नवाचार विवरणों पर एक बड़े भाषा मॉडल को लागू करके अपनाने वालों को वर्गीकृत करता है।

अपनाने का यह छोटा हिस्सा यह नहीं दिखाता कि AI अप्रासंगिक है। इसका मतलब है कि बाज़ार बिल्डरों जितना ही अनुवादकों को भी पुरस्कृत कर सकता है: वे लोग जो संचालन, डेटा, सॉफ्टवेयर और परिवर्तन प्रबंधन को जोड़ सकते हैं। AI से जुड़े काम में जाना चाहने वाले सीखने वाले को prompt examples या चमकदार डेमो पर नहीं रुकना चाहिए। ऐसा वर्कफ़्लो बनाइए जो अव्यवस्थित इनपुट ले, उपयोगी आउटपुट दे, त्रुटियां लॉग करे, और दिखाए कि इंसान परिणाम की समीक्षा कहां करता है।

प्रमाणपत्र से जुड़ा सबक स्पष्ट है। प्रमाणपत्र मदद कर सकता है अगर वह आपको इस तरह का परिणाम तैयार करने के लिए मजबूर करता है। ऐसा प्रमाणपत्र जो ज़्यादातर शब्द सिखाता है, लेकिन वर्कफ़्लो, डेटा संभालने की आदत, या पहले और बाद की तुलना नहीं कराता, ऐसे बाज़ार में कमज़ोर संकेत है जहां अपनाना खुद अभी भी सीमित है।

जापान दिखाता है कि दबाव केवल सैद्धांतिक नहीं है

Kohei Asao, Haruki Seitani, Ara Stepanyan, और TengTeng Xu के एक IMF Working Paper ने जापान के श्रम बाज़ार की जांच की और पाया कि वृद्ध होती कार्यशक्ति श्रम की कमी में योगदान देती है और संभावित रूप से श्रम उत्पादकता पर दबाव डाल सकती है। वृद्ध अर्थव्यवस्थाओं में AI अपनाने की व्यावहारिक पृष्ठभूमि यही है। नियोक्ता ऑटोमेशन इसलिए नहीं अपनाते कि वह आधुनिक लगता है। वे ऐसा इसलिए करते हैं क्योंकि स्टाफिंग की कमी, उत्पादकता का दबाव और सेवा की मांग आपस में टकराते हैं।

25 साल के व्यक्ति के लिए इसका मतलब हो सकता है प्रमाण के साथ पहली विशेषज्ञता चुनना: एनालिटिक्स ऑटोमेशन, MLOps सपोर्ट, बिज़नेस प्रोसेस रीडिज़ाइन, या किसी खास क्षेत्र के लिए applied AI। 45 साल के व्यक्ति के लिए बेहतर कदम अक्सर अलग होता है। यदि आप उस काम को फिर से डिज़ाइन करने के लिए पर्याप्त AI साक्षरता जोड़ सकते हैं जिसे आप पहले से समझते हैं, तो डोमेन ज्ञान आपका लाभ बन जाता है।

अंतर का जोखिम ही असली करियर संकेत है

United Nations Development Programme के लिए Shahid Yusuf का पेपर AI को बिजली और कंप्यूटिंग से समानता रखने वाली general purpose technology के रूप में प्रस्तुत करता है, लेकिन यह भी चेतावनी देता है कि मजबूत डिजिटल बुनियादी ढांचे और निवेश क्षमता वाले देश लाभ हासिल करने की बेहतर स्थिति में हैं। वही पेपर कहता है कि लाभों को पूरी तरह सामने आने में दशकों लग सकते हैं और वितरण देशों के भीतर और देशों के बीच असमान होने की संभावना है। सीखने वालों को इस हिस्से को योजना बनाने की बाधा के रूप में देखना चाहिए, बाहर बैठने की वजह के रूप में नहीं।

यदि अपनाना असमान रूप से फैलता है, तो सबसे अच्छा करियर बचाव हर उस AI शीर्षक को इकट्ठा करना नहीं है जो किसी कोर्स पेज पर दिखाई देता है। यह उपयोगिता का पोर्टेबल प्रमाण बनाना है: दस्तावेज़ित ऑटोमेशन, निर्णय-सहायता टूल, मॉडल मूल्यांकन लेख, या टीम प्रशिक्षण गाइड जो दिखाता है कि काम कैसे बदला। देखें कि क्या आपके क्षेत्र के नियोक्ता पायलट प्रोजेक्ट्स से दोहराए जा सकने वाले वर्कफ़्लो की ओर बढ़ रहे हैं। वहीं भर्ती का संकेत तेज़ होगा, और वहीं AI कौशल buzzword रहना बंद करके श्रम बाज़ार में लाभ बनना शुरू करता है।