लेखक: 
“AI jobs खत्म कर देगा” एक आसान headline है, लेकिन labour-market research ज्यादा nuanced picture दिखाती है। International Labour Organization (ILO) की 2025 analysis के अनुसार दुनिया भर में लगभग हर चार में से एक worker ऐसे occupation में है जहाँ Generative AI का कुछ exposure है, लेकिन अधिकांश cases में jobs के पूरी तरह खत्म होने से ज्यादा उनके tasks बदलने की संभावना बताई गई है।
Job और Task में फर्क क्यों जरूरी है?
एक job कई अलग-अलग tasks का combination होती है। उदाहरण के लिए accountant सिर्फ calculations नहीं करता; वह clients से बात करता है, records verify करता है, judgement लेता है और compliance context समझता है। AI कुछ tasks automate कर सकता है, जबकि बाकी tasks human judgement पर depend रह सकते हैं। इसलिए “occupation exposed है” का मतलब “पूरी job खत्म हो जाएगी” नहीं है।
ILO क्या कहता है?
ILO की 2025 refined global index ने लगभग 30,000 tasks के level पर Generative AI exposure को assess किया। Report में clerical occupations की exposure सबसे ज्यादा बताई गई, जबकि overall conclusion यह रहा कि transformation—यानी काम का तरीका बदलना—replacement से ज्यादा likely outcome है।
कौन-से काम ज्यादा बदल सकते हैं?
Digitized और language-heavy workflows में AI impact जल्दी दिख सकता है। उदाहरण:
- Routine drafting और summarization
- Data entry और information classification
- Basic customer support
- Standard reports और presentations
- Repetitive administrative tasks
लेकिन इनमें भी quality control, context, relationship management और accountability human roles को पूरी तरह खत्म नहीं करते।
नई jobs भी क्यों बन सकती हैं?
नई technology अक्सर कुछ tasks को automate करने के साथ नए workflows और roles भी create करती है। AI adoption में data quality, model evaluation, AI governance, workflow design, security, integration और training जैसी needs बढ़ती हैं। World Economic Forum की Future of Jobs 2025 survey ने AI और information-processing technologies को job creation और displacement दोनों से जोड़ा।
Skills कैसे बदलेंगी?
OECD research बताती है कि AI exposure सिर्फ specialised machine-learning skills की demand तक सीमित नहीं है। Management, business, digital, cognitive और interpersonal skills भी महत्वपूर्ण रह सकती हैं। इसका मतलब यह है कि हर worker को AI engineer बनने की जरूरत नहीं, लेकिन AI-enabled workflow के साथ काम करना सीखना valuable हो सकता है।
कौन-सी human skills ज्यादा important हो सकती हैं?
- Problem framing
- Critical thinking और verification
- Communication और negotiation
- Domain expertise
- Decision accountability
- Creative direction
- Team coordination
AI literacy का क्या मतलब है?
AI literacy सिर्फ prompt लिखना नहीं है। इसमें यह समझना भी शामिल है कि model कहाँ गलत हो सकता है, sensitive data कैसे handle करना है, source verify कैसे करना है और AI output पर कब भरोसा नहीं करना चाहिए।
Workers को अभी क्या करना चाहिए?
1. अपनी job को tasks में तोड़ें
हर week आप कौन-से repetitive, research-heavy, communication-heavy और judgement-heavy tasks करते हैं, list बनाएं। इससे पता चलेगा कि AI कहाँ assist कर सकता है और कहाँ human value ज्यादा है।
2. एक AI-assisted workflow सीखें
Meeting notes, spreadsheet analysis, research summary, coding assistance या content drafting जैसे एक real workflow से शुरुआत करें।
3. Verification skill मजबूत करें
AI-generated claim को primary source से verify करना future workplace में core capability बन सकती है।
4. Domain expertise छोड़ें नहीं
Strong domain knowledge के बिना AI output की quality judge करना मुश्किल है। इसलिए “AI skill” और “industry knowledge” को साथ develop करना ज्यादा useful है।
Companies को क्या करना चाहिए?
- AI adoption को सिर्फ headcount reduction project न बनाएं।
- High-value workflows identify करें।
- Employees को training और clear usage policy दें।
- Human approval points define करें।
- Productivity gains को quality और employee workload के साथ measure करें।
क्या AI से बेरोजगारी का risk नहीं है?
Risk वास्तविक है। कुछ roles और tasks की demand घट सकती है, और transition uneven हो सकता है। ILO ने भी countries और occupations के बीच exposure differences highlight किए हैं। इसलिए reskilling, labour-market adjustment और responsible adoption जरूरी हैं।
Bottom line
AI का impact “jobs रहेंगी या खत्म होंगी” जैसे binary सवाल से ज्यादा complex है। ज्यादा practical सवाल यह है: किसी role के कौन-से tasks automate होंगे, कौन-से augment होंगे और कौन-सी नई skills की जरूरत पड़ेगी? जो workers और companies इस task-level बदलाव को जल्दी समझेंगे, उनके लिए transition manage करना आसान हो सकता है।
