स्वचालन, एआई और नौकरियाँ: साक्ष्य क्या दिखाते हैं और अभी क्या पूर्वानुमान है

कृत्रिम बुद्धिमत्ता और नौकरियों को लेकर दावे इस बात से लेकर कि “सभी नौकरियों में से आधी खत्म हो जाएँगी” से लेकर “कुछ भी नहीं बदला है” तक हैं। इनमें से अधिकांश दावे तीन अलग-अलग तरह के कथनों को मिला देते हैं: अतीत के स्वचालन के बारे में क्या मापा गया है, नई प्रौद्योगिकियाँ कौन-से कार्य कर सकती हैं इसका क्या अनुमान लगाया गया है, और भविष्य के बारे में क्या पूर्वानुमान है। यह अध्ययन इन तीनों को अलग-अलग रखता है। इसमें औद्योगिक रोबोटों पर सबसे अधिक चर्चित शोध, कंप्यूटरीकरण से “जोखिम में” नौकरियों के व्यापक रूप से उद्धृत अनुमानों और उनकी आलोचनाओं, OpenAI और अंतर्राष्ट्रीय श्रम संगठन के शोधकर्ताओं द्वारा बड़े भाषा मॉडल के कार्य-उजागरता संबंधी अध्ययनों, जनरेटिव एआई और उत्पादकता पर क्षेत्रीय और प्रयोगशाला प्रयोगों, तथा 2023–2026 के वास्तविक श्रम-बाज़ार परिणामों के शुरुआती अध्ययनों की समीक्षा की गई है। स्थापित निष्कर्ष सार्वजनिक बहस के संकेत से अधिक सीमित हैं: स्वचालन ने विशिष्ट स्थानों और समूहों में कामगारों को विस्थापित किया है, जबकि समग्र रोज़गार अब तक समायोजित हुआ है; जनरेटिव एआई कुछ कार्यों में उत्पादकता बढ़ाता है, विशेषकर कम अनुभवी कामगारों के लिए; और शुरुआती प्रशासनिक आँकड़े अर्थव्यवस्था-व्यापी विस्थापन नहीं दिखाते, लेकिन सबसे अधिक प्रभावित व्यवसायों में युवा कामगारों के रोज़गार का अंतर बढ़ता दिखाते हैं। इसके आगे की हर बात पूर्वानुमान है।

प्रमुख निष्कर्ष

• रोबोटों का मापे जा सकने वाला स्थानीय प्रभाव पड़ा है। अमेरिका के आवागमन क्षेत्रों में, प्रति हज़ार कामगारों पर एक अतिरिक्त औद्योगिक रोबोट से रोज़गार-जनसंख्या अनुपात में 0.2 प्रतिशत अंक और वेतन में 0.42% की कमी आई (Acemoglu and Restrepo, 2020)। जर्मनी में, विनिर्माण क्षेत्र में रोबोट-संबंधी नौकरियों के नुकसान की भरपाई नई सेवा-क्षेत्र की नौकरियों से पूरी तरह हुई, जिसका भार मुख्यतः श्रमबल में प्रवेश कर रहे युवा कामगारों पर पड़ा (Dauth et al., 2021)। 1993–2007 में 17 देशों में, रोबोटों ने कुल रोज़गार में उल्लेखनीय कमी किए बिना वार्षिक श्रम उत्पादकता वृद्धि को लगभग 0.36 प्रतिशत अंक बढ़ाया (Graetz and Michaels, 2018)।
• “जोखिम में नौकरियों” के अनुमान नौकरी जाने के पूर्वानुमान नहीं हैं। Frey और Osborne का 2013 का अनुमान कि अमेरिका में लगभग 47% रोज़गार पर कंप्यूटरीकरण का उच्च जोखिम था, तकनीकी संभावना का वर्णन करता था—“कुछ अनिर्दिष्ट वर्षों के दौरान, शायद एक-दो दशकों में”। OECD के लिए कार्य-आधारित पुनर्विश्लेषण में पाया गया कि 21 OECD देशों में औसतन 9% नौकरियाँ स्वचालित की जा सकती थीं।
• बड़े भाषा मॉडल अनेक कार्यों के संपर्क में हैं। Eloundou और उनके सहकर्मियों का अनुमान है कि अमेरिकी कार्यबल के लगभग 80% लोगों के कम-से-कम 10% कार्य बड़े भाषा मॉडलों से प्रभावित हो सकते हैं, और लगभग 19% लोगों के कम-से-कम आधे कार्य प्रभावित हो सकते हैं; केवल LLM के साथ लगभग 15% कार्य समान गुणवत्ता पर काफ़ी तेज़ी से किए जा सकते हैं, जबकि इसके ऊपर निर्मित सॉफ़्टवेयर के साथ यह अनुपात 47–56% तक पहुँचता है।
• ILO स्वचालन की तुलना में रूपांतरण को अधिक संभावित मानता है। इसके 2025 के सूचकांक के अनुसार, दुनिया भर में हर चार में से एक कामगार ऐसे व्यवसाय में है जिस पर जनरेटिव एआई का कुछ प्रभाव पड़ सकता है, और वैश्विक रोज़गार का 3.3% सर्वाधिक प्रभाव वाली श्रेणी में है—महिला रोज़गार का 4.7%, जबकि पुरुष रोज़गार का 2.4%। उच्च-आय वाले देशों में रोज़गार का 34% और निम्न-आय वाले देशों में 11% इस प्रभाव के दायरे में है।
• मापे गए कार्यों में एआई सहायता उत्पादकता बढ़ाती है। 5,172 ग्राहक-सहायता एजेंटों के बीच, एआई सहायक तक पहुँच से प्रति घंटे हल किए गए मामलों की संख्या औसतन 15% बढ़ी; सबसे अधिक लाभ कम अनुभवी और कम कौशल वाले कामगारों को हुआ (Brynjolfsson, Li and Raymond, 2025)। 453 पेशेवरों पर किए गए एक प्रयोग में, ChatGPT ने लेखन कार्यों में लगने वाला समय 40% घटाया और गुणवत्ता 18% बढ़ाई (Noy and Zhang, 2023)।
• शुरुआती परिणामों के आँकड़े समग्र विस्थापन नहीं दिखाते। डेनमार्क के प्रशासनिक आँकड़े एआई चैटबॉट के कमाई और काम के घंटों पर सटीक शून्य प्रभाव दिखाते हैं; इससे ChatGPT के जारी होने के दो साल बाद 2% से बड़े प्रभावों की संभावना खारिज होती है (Humlum and Vestergaard, 2025)। जून 2026 तक के अमेरिकी पेरोल आँकड़े व्यापक विस्थापन नहीं दिखाते, लेकिन एआई से प्रभावित व्यवसायों में 22–25 वर्ष के लोगों का रोज़गार उस स्तर से 19% नीचे है जहाँ वह कम प्रभावित समकक्षों के साथ तालमेल बनाए रखने पर होता—यह वर्णनात्मक अंतर है, कारणात्मक अनुमान नहीं (Brynjolfsson, Chandar and Chen, revised 2026)।
• समष्टि-अर्थव्यवस्था के लाभ मामूली हो सकते हैं। Acemoglu (2025) का अनुमान है कि एआई दस वर्षों में कुल कारक उत्पादकता को अधिकतम 0.66% बढ़ाएगा, और संभवतः 0.53% से भी कम।

शोध प्रश्न और दायरा

यह अध्ययन पूछता है कि रोज़गार, वेतन और काम के संगठन पर स्वचालन और एआई के प्रभावों के बारे में शोध ने क्या स्थापित किया है और क्या नहीं। हमारी इस प्रश्न में रुचि इसलिए है कि यह “श्रमोत्तर” बहस के केंद्र में है: क्या समाजों को नई संस्थाओं—मूल आय, सामाजिक संपदा कोष, संपत्ति के नए रूपों—की ज़रूरत है, क्योंकि मानव श्रम की माँग घट जाएगी।

इस दायरे में 2013 से 2026 तक के पाँच श्रेणियों के समकक्ष-समीक्षित और प्रमुख कार्य-पत्र शोध शामिल हैं: औद्योगिक रोबोटों पर स्थानीय श्रम-बाज़ार अध्ययन; व्यवसायों के "जोखिम" के अनुमान; जनरेटिव AI के संपर्क-सूचकांक; उत्पादकता पर प्रयोग; और नवंबर 2022 में ChatGPT जारी होने के बाद से श्रम-बाज़ार के परिणामों पर शुरुआती प्रशासनिक साक्ष्य। हम उद्योग के पूर्वानुमानों, परामर्शदात्री रिपोर्टों या अधिकारियों के इरादों के सर्वेक्षणों की समीक्षा नहीं करते, जिन्हें अक्सर उद्धृत किया जाता है, लेकिन जिनकी पद्धति शायद ही कभी पारदर्शी होती है। एटलस के अन्य अध्ययन उन आय-सहायता नीतियों के साक्ष्यों को समेटते हैं जो श्रम-बाज़ार में बदलाव के जवाब में काम आ सकती हैं।

पृष्ठभूमि

एक पुराना प्रश्न

तकनीकी बेरोज़गारी का भय औद्योगिक अर्थशास्त्र जितना ही पुराना है। जॉन मेनार्ड कीन्स ने 1930 में "तकनीकी बेरोज़गारी" पद गढ़ा और इसे ऐसी बेरोज़गारी के रूप में वर्णित किया जो श्रम के उपयोग में मितव्ययिता लाने के साधनों की खोज की गति, श्रम के नए उपयोग खोजने की गति से आगे निकल जाने के कारण होती है। तब से, समृद्ध देशों में मशीनीकरण और कम्प्यूटरीकरण की बार-बार आई लहरों के दौरान रोज़गार बढ़ा है।

अब तक नौकरियाँ क्यों बची रही हैं

डेविड ऑटर का 2015 का निबंध "अब भी इतनी सारी नौकरियाँ क्यों हैं?" मुख्यधारा की व्याख्या का सार प्रस्तुत करता है। स्वचालन श्रम का स्थान लेता है—जैसा कि उसका उद्देश्य है—लेकिन यह श्रम का पूरक भी बनता है, उत्पादन बढ़ाता है जिससे श्रम की माँग बढ़ती है, और श्रम-आपूर्ति में होने वाले समायोजनों के साथ अंतःक्रिया करता है। ऑटर का तर्क है कि टिप्पणीकार मशीनों द्वारा श्रम के प्रतिस्थापन को बढ़ा-चढ़ाकर बताते हैं और इन पूरकताओं की अनदेखी करते हैं। प्रौद्योगिकी उपलब्ध नौकरियों के प्रकार और उनके वेतन को बदलती है: हाल के दशकों में श्रम-बाज़ार के "ध्रुवीकरण" के कारण वेतन-वृद्धि का अनुपातहीन हिस्सा कौशल-वितरण के ऊपरी और निचले छोर के लोगों को मिला, न कि बीच के लोगों को।

नौकरियाँ नहीं, कार्य

आधुनिक रूपरेखा, जिसे अन्य विद्वानों के साथ-साथ डारोन एसिमोग्लू और पास्कुअल रेस्ट्रेपो ने विकसित किया, नौकरियों को कार्यों के समूह के रूप में देखती है। उनके 2018 के मॉडल में, मौजूदा कार्यों का स्वचालन रोज़गार और श्रम-अंश को घटाता है और वेतन भी घटा सकता है, जबकि ऐसे नए कार्यों का सृजन, जिनमें श्रम को तुलनात्मक लाभ प्राप्त है, इसका उलटा प्रभाव डालता है। श्रम की स्थिति सुधरती है या बिगड़ती है, यह इन दोनों शक्तियों के बीच प्रतिस्पर्धा पर निर्भर करता है। विषम कौशल वाले एक संस्करण में, तेज़ स्वचालन या नए कार्यों से प्रेरित संक्रमणों के दौरान असमानता बढ़ती है। यह रूपरेखा बताती है कि "AI से कितनी नौकरियों को ख़तरा है?" गलत प्रश्न क्यों है: महत्त्वपूर्ण यह है कि कौन-से कार्य स्वचालित होते हैं, कौन-से नए कार्य सामने आते हैं, और श्रमिक उनके बीच कितनी तेज़ी से जा सकते हैं।

पद्धति और स्रोत

साक्ष्य के पाँच प्रकार

एटलस दावों का मूल्यांकन कैसे करता है

हम पहली और चौथी श्रेणियों के निष्कर्षों को स्थापित मानते हैं, जहाँ वे विश्वसनीय पहचान-विधि वाले समकक्ष-समीक्षित अध्ययनों से प्राप्त होते हैं; साथ ही यह मानते हुए कि वे विशिष्ट प्रौद्योगिकियों, स्थानों और अवधियों का वर्णन करते हैं। हम संपर्क के अनुमानों को मापन के रूप में स्थापित मानते हैं, लेकिन पूर्वानुमान के रूप में नहीं। हम परिणामों की शुरुआती निगरानी को उभरता हुआ मानते हैं: जानकारीपूर्ण, लेकिन निष्कर्षात्मक होने के लिए अभी बहुत नया। भविष्य के समग्र रोज़गार के बारे में किसी भी कथन को हम पूर्वानुमान मानते हैं।

निष्कर्ष: औद्योगिक रोबोट

संयुक्त राज्य अमेरिका

Acemoglu and Restrepo (2020) अमेरिका के श्रम-बाज़ारों पर औद्योगिक रोबोटों के प्रभावों का अध्ययन करते हैं। वे रोबोटों के संपर्क में आने की विविधता का उपयोग करते हैं, जिसे उद्योग-स्तर पर रोबोटिक्स में हुई प्रगति और प्रत्येक आवागमन क्षेत्र के उद्योग-मिश्रण के आधार पर परिभाषित किया गया है। उन्हें रोज़गार और वेतन पर मज़बूत नकारात्मक प्रभाव मिलते हैं: प्रति हज़ार श्रमिकों पर एक अतिरिक्त रोबोट से रोज़गार-से-जनसंख्या अनुपात में 0.2 प्रतिशत अंक और वेतन में 0.42% की कमी आती है। 1990 के बाद रोबोटों के सबसे अधिक संपर्क में आए क्षेत्रों में उससे पहले कोई अलग प्रवृत्ति नहीं दिखती, और रोबोटों का प्रभाव अन्य पूँजी और प्रौद्योगिकियों के प्रभाव से अलग है।

जर्मनी

Dauth, Findeisen, Suedekum and Woessner (2021) औद्योगिक रोबोटों के प्रति जर्मनी के स्थानीय श्रम-बाज़ारों के समायोजन का अध्ययन करने के लिए विस्तृत प्रशासनिक आँकड़ों का उपयोग करते हैं। रोबोटों के संपर्क का संबंध विनिर्माण क्षेत्र में नौकरियों के विस्थापन से है, लेकिन सेवाओं में नई नौकरियाँ इन नुकसानों की पूरी भरपाई कर देती हैं। इसका भार मुख्यतः उन युवा श्रमिकों पर पड़ता है जो अभी श्रम-बल में प्रवेश ही कर रहे होते हैं; वे व्यावसायिक प्रशिक्षण से हटकर कॉलेजों और विश्वविद्यालयों की ओर जाते हैं। पहले से कार्यरत श्रमिकों को अपनी कंपनियों में अधिक स्थिर रोज़गार मिलता है, अक्सर अपने मूल कारखानों में नए कार्य अपनाने के ज़रिये; और प्रबंधकों तथा तकनीकी वैज्ञानिकों जैसे पूरक कार्यों वाले व्यवसायों के श्रमिकों को लाभ मिलता है।

देशों के बीच साक्ष्य

Graetz and Michaels (2018) 1993 से 2007 तक 17 देशों में रोबोटों को अपनाने का विश्लेषण करते हैं। रोबोटों के बढ़ते उपयोग ने वार्षिक श्रम उत्पादकता-वृद्धि में लगभग 0.36 प्रतिशत अंक का योगदान दिया, साथ ही कुल कारक उत्पादकता बढ़ाई और उत्पादन-मूल्य घटाए। उन्हें ऐसा कोई महत्त्वपूर्ण प्रमाण नहीं मिला कि रोबोटों ने कुल रोज़गार घटाया हो, हालाँकि उन्होंने रोज़गार में कम-कुशल श्रमिकों का हिस्सा घटाया।

रोबोट संबंधी अध्ययन क्या स्थापित करते हैं

ये तीनों अध्ययन परस्पर विरोधाभासी नहीं हैं। संस्थाओं, मांग और अपनाने की गति के आधार पर स्वचालन से इसके संपर्क में आने वाले स्थानों और समूहों में रोजगार और वेतन घट सकते हैं, जबकि समग्र रोजगार समायोजित हो सकता है। वितरणात्मक प्रभाव—क्षेत्रों, युवा श्रम-बाज़ार प्रवेशकर्ताओं और कम-कौशल वाले श्रमिकों पर—किसी भी समग्र प्रभाव की तुलना में अधिक ठोस रूप से स्थापित हैं।

निष्कर्ष: जोखिम में नौकरियों के अनुमान

Frey और Osborne

17 सितंबर 2013 के एक कार्यपत्र में, जिसे बाद में Technological Forecasting and Social Change (2017) में प्रकाशित किया गया, Carl Benedikt Frey और Michael Osborne ने 702 विस्तृत व्यवसायों के कंप्यूटरीकरण की संभावना का अनुमान लगाया; इसके लिए उन्होंने कुछ व्यवसायों के लिए विशेषज्ञों द्वारा दिए गए वर्गीकरण और बाकी के लिए एक सांख्यिकीय वर्गीकारक का इस्तेमाल किया। उन्होंने निष्कर्ष निकाला कि अमेरिका के कुल रोजगार का लगभग 47% उच्च-जोखिम श्रेणी में था, "जिसका अर्थ है कि संबंधित व्यवसाय संभावित रूप से कुछ अनिर्दिष्ट वर्षों में—शायद एक या दो दशकों में—स्वचालित किए जा सकते हैं"। उन्होंने कंप्यूटरीकरण की किसी व्यवसाय की संभावना और उसके वेतन तथा शैक्षिक उपलब्धि के बीच एक मज़बूत नकारात्मक संबंध भी पाया।

आलोचनाएँ

47% का आँकड़ा स्वचालन पर बहस में सबसे अधिक उद्धृत संख्याओं में से एक बन गया, और अक्सर इसे इस पूर्वानुमान के रूप में पेश किया गया कि आधी नौकरियाँ समाप्त हो जाएँगी। तीन आलोचनाएँ महत्त्वपूर्ण हैं।

1. व्यवसाय कार्यों के समान नहीं होते। Arntz, Gregory और Zierahn (2016) ने OECD के लिए तर्क दिया कि यह मानना कि पूरे व्यवसाय स्वचालित हो जाते हैं, स्वचालन की संभावना को बढ़ा-चढ़ाकर बताता है, क्योंकि उच्च-जोखिम के रूप में वर्गीकृत व्यवसायों में अक्सर अब भी ऐसे कार्यों का पर्याप्त हिस्सा होता है जिन्हें स्वचालित करना कठिन है। व्यवसायों के भीतर कार्यों की विविधता को ध्यान में रखते हुए, उन्होंने पाया कि 21 OECD देशों में औसतन 9% नौकरियाँ स्वचालित की जा सकती थीं; यह अनुपात कोरिया में 6% से लेकर ऑस्ट्रिया में 12% तक था।
2. तकनीकी संभावना अपनाए जाने के समान नहीं है। कोई कार्य स्वचालित होगा या नहीं, यह केवल तकनीकी व्यवहार्यता पर नहीं, बल्कि लागत, विनियमन, संगठनात्मक परिवर्तन और मांग पर भी निर्भर करता है। Frey और Osborne ने स्पष्ट रूप से इसे नौकरी छूटने का पूर्वानुमान नहीं, बल्कि एक "मोटे तौर पर अनुमानित समय-सीमा" बताया था।
3. व्यक्तिगत स्तर के अनुमान अलग-अलग हैं। OECD के लिए Nedelkoska और Quintini (2018) ने Frey और Osborne के विशेषज्ञ आकलन को आधार बनाया, लेकिन 32 देशों में Survey of Adult Skills का उपयोग करके व्यक्तिगत नौकरियों के जोखिम का अनुमान लगाया और जोखिम को कौशल के उपयोग तथा प्रशिक्षण से जोड़ा। Arntz और उनके सहयोगियों की तरह, उनकी पद्धति से व्यवसाय-आधारित आँकड़े की तुलना में काफ़ी कम अनुमान प्राप्त होते हैं।

एक दशक बाद

2013 के शोधपत्र के एक दशक से अधिक समय बाद, अमेरिका में रोजगार में 47% जैसी कोई गिरावट नहीं आई है। इससे यह साबित नहीं होता कि Frey और Osborne गलत थे, क्योंकि उन्होंने कोई तारीख़ बताकर पूर्वानुमान नहीं किया था; लेकिन यह दर्शाता है कि तकनीकी संभावना के अनुमानों को पूर्वानुमान क्यों नहीं समझना चाहिए।

निष्कर्ष: जनरेटिव AI के संपर्क में आने की संभावना

"GPTs are GPTs"

Eloundou, Manning, Mishkin और Rock ने बड़े भाषा मॉडल की क्षमताओं के साथ उनके सामंजस्य का आकलन करने के लिए अमेरिकी व्यवसायों का अध्ययन किया और इसमें मानव एनोटेटरों तथा GPT-4 वर्गीकरणों को मिलाया। उनका पहला संस्करण मार्च 2023 में जारी किया गया; अध्ययन 2024 में Science में प्रकाशित हुआ। उनका अनुमान है कि अमेरिकी कार्यबल के लगभग 80% लोगों के कार्यों में से कम-से-कम 10% कार्य LLM से प्रभावित हो सकते हैं, और लगभग 19% कामगारों के कम-से-कम 50% कार्य प्रभावित हो सकते हैं। LLM तक पहुँच होने पर, सभी कामगारों के लगभग 15% कार्य समान गुणवत्ता बनाए रखते हुए काफ़ी तेज़ी से पूरे किए जा सकते हैं; LLM पर आधारित सॉफ़्टवेयर और टूलिंग के साथ यह आँकड़ा बढ़कर 47–56% हो जाता है। अनुमानित प्रभाव सभी वेतन स्तरों पर फैले हैं, और अधिक आय वाली नौकरियों के लिए जोखिम अधिक हो सकता है। लेखक विकास या अपनाने की समय-सीमा के बारे में कोई पूर्वानुमान स्पष्ट रूप से नहीं लगाते, और तर्क देते हैं कि LLM में सामान्य-उद्देश्य वाली प्रौद्योगिकियों के गुण हैं।

दो सावधानियाँ लागू होती हैं। “प्रभावित” का अर्थ है कि किसी कार्य को तेज़ी से किया जा सकता है, न कि किसी कामगार की जगह ले ली जाएगी। और वर्गीकरण आंशिक रूप से इस बात पर निर्भर करता है कि कोई भाषा मॉडल अपनी ही संभावनाओं का आकलन करे, जिससे अंशांकन पर सवाल उठते हैं।

ILO का 2023 का विश्लेषण

ILO के पहले वैश्विक अध्ययन (Gmyrek, Berg और Bescond, अगस्त 2023) ने GPT-4 के प्रति जोखिम का आकलन किया और निष्कर्ष निकाला कि इस प्रौद्योगिकी का व्यापक प्रभाव व्यवसायों का स्वचालन करने के बजाय उन्हें संवर्धित करना होगा। उच्च स्वचालन क्षमता वाली नौकरियों में निम्न-आय वाले देशों के केवल 0.4% रोज़गार, लेकिन उच्च-आय वाले देशों के 5.5% रोज़गार शामिल थे। संवर्धन की क्षमता अधिक व्यापक थी: निम्न-आय वाले देशों के 10.4% और उच्च-आय वाले देशों के 13.4% रोज़गार प्रभावित होते। प्रभावों में लैंगिक अंतर बहुत स्पष्ट था: उच्च-आय वाले देशों में, उच्च स्वचालन क्षमता वाली नौकरियाँ महिलाओं के रोज़गार का 8.5% थीं, जबकि पुरुषों के रोज़गार का 3.9%; इसका बड़ा कारण यह था कि लिपिकीय नौकरियाँ महिलाओं के रोज़गार का एक महत्वपूर्ण स्रोत हैं।

ILO का 2025 का परिष्कृत सूचकांक

2025 के अद्यतन (Gmyrek et al.) में सूचकांक को फिर से तैयार किया गया। इसमें पोलिश व्यवसाय वर्गीकरण के 29,753 कार्यों का नमूना, सभी प्रमुख व्यावसायिक समूहों के 1,640 कामगारों का सर्वेक्षण शामिल था, जिससे 2,861 कार्यों पर 52,558 डेटा-बिंदु प्राप्त हुए, साथ ही अंतरराष्ट्रीय विशेषज्ञों के साथ डेल्फ़ी-शैली के कई दौर भी शामिल थे। इसके निष्कर्ष हैं कि लिपिकीय व्यवसायों में जोखिम अब भी सबसे अधिक है, कुछ अत्यधिक डिजिटलीकृत पेशेवर और तकनीकी व्यवसायों में जोखिम बढ़ा है, और विश्व स्तर पर हर चार में से एक कामगार ऐसे व्यवसाय में है जिसमें जनरेटिव-AI का कुछ जोखिम है। वैश्विक रोज़गार का 3.3% सर्वाधिक जोखिम स्तर में आता है—महिलाओं के रोज़गार का 4.7%, जबकि पुरुषों के रोज़गार का 2.4%; उच्च-आय वाले देशों में यह अंतर बढ़कर क्रमशः 9.6% और 3.5% हो जाता है। कुल जोखिम निम्न-आय वाले देशों के रोज़गार का 11% और उच्च-आय वाले देशों के रोज़गार का 34% है। ILO का निष्कर्ष है कि चूँकि अधिकांश व्यवसायों में ऐसे कार्य शामिल होते हैं जिनमें मानवीय योगदान आवश्यक है, इसलिए नौकरियों का रूपांतरण सबसे संभावित प्रभाव है।

निष्कर्ष: उत्पादकता प्रयोग

ग्राहक सहायता

Brynjolfsson, Li और Raymond ने 5,172 ग्राहक-सहायता एजेंटों के लिए जनरेटिव-AI संवाद सहायक की चरणबद्ध शुरुआत का अध्ययन किया। AI सहायता तक पहुँच से उत्पादकता में औसतन 15% की वृद्धि हुई, जिसे प्रति घंटे सुलझाए गए मामलों से मापा गया; हालाँकि, परिणामों में पर्याप्त विविधता थी। कम अनुभवी और कम कुशल कामगारों ने अपने काम की गति और गुणवत्ता, दोनों में सुधार किया, जबकि सबसे अनुभवी और सर्वाधिक कुशल कामगारों की गति में मामूली बढ़ोतरी और गुणवत्ता में मामूली गिरावट आई। AI सहायता से कामगारों को सीखने में मदद मिलती दिखाई दी और उनकी अंग्रेज़ी में प्रवाह बेहतर हुआ, विशेष रूप से अंतरराष्ट्रीय एजेंटों में। मध्यम रूप से दुर्लभ समस्याओं के मामले में लाभ सबसे अधिक थे। ग्राहक अधिक विनम्र थे और मैनेजर से बात कराने की माँग करने की संभावना कम थी।

पेशेवर लेखन

Noy और Zhang ने कॉलेज-शिक्षित 453 पेशेवरों को उनके व्यवसाय से संबंधित, प्रोत्साहन-आधारित लेखन कार्य दिए और आधे प्रतिभागियों को यादृच्छिक रूप से ChatGPT तक पहुँच दी। काम पूरा करने का औसत समय 40% घटा और काम की गुणवत्ता 18% बढ़ी। कामगारों के बीच असमानता कम हुई। प्रयोग में ChatGPT का उपयोग करने वाले कामगारों ने दो सप्ताह बाद अपनी वास्तविक नौकरी में इसका इस्तेमाल करने की सूचना देने की संभावना दोगुनी और दो महीने बाद 1.6 गुना अधिक बताई।

प्रयोग क्या दिखाते हैं और क्या नहीं

ये अध्ययन स्थापित करते हैं कि मौजूदा जनरेटिव-AI उपकरण स्पष्ट रूप से परिभाषित कार्यों में उत्पादकता को काफ़ी बढ़ा सकते हैं, और कम अनुभवी कामगारों को आम तौर पर अधिक लाभ होता है—जिससे उन कार्यों के भीतर अंतर घटता है। ये यह नहीं दिखाते कि ऐसे लाभ फैलने पर रोज़गार का क्या होगा। प्रति कामगार अधिक उत्पादकता से आवश्यक कामगारों की संख्या घट सकती है, उत्पादन और माँग बढ़ सकती है, या कामगारों को नए कार्यों की ओर स्थानांतरित किया जा सकता है; ये प्रयोग यह नहीं बता सकते कि इनमें से कौन-सा प्रभाव हावी होगा।

निष्कर्ष: श्रम-बाज़ार के आरंभिक परिणाम, 2023–2026

डेनमार्क: तेज़ी से अपनाया जाना, लेकिन अभी तक कमाई पर कोई प्रभाव नहीं

Humlum और Vestergaard ने चैटबॉट अपनाने पर बड़े पैमाने के सर्वेक्षणों को डेनमार्क के प्रशासनिक श्रम-बाज़ार रिकॉर्ड से जोड़ा। उन्होंने “तेज़ लहरों” का दस्तावेज़ीकरण किया: जोखिम वाले व्यवसायों के अधिकांश नियोक्ताओं ने चैटबॉट पहलें अपनाई थीं, कामगारों ने उत्पादकता संबंधी लाभ बताए थे, और AI से जुड़े नए कार्य व्यापक रूप से प्रचलित थे। फिर भी, अंतर-अंतर विधियों का इस्तेमाल करके, उन्होंने कामगार और कार्यस्थल—दोनों स्तरों पर कमाई और दर्ज किए गए कार्य-घंटों पर सटीक शून्य प्रभाव का अनुमान लगाया; ChatGPT शुरू होने के दो साल बाद 2% से बड़े प्रभावों की संभावना को खारिज किया। काम की संरचना में बदलाव आया: नियोक्ताओं ने कार्यों को पुनर्गठित करके AI को अपनाया, जिसमें सामग्री तैयार करने, AI की निगरानी और AI एकीकरण से जुड़े नए कार्य शामिल थे।

संयुक्त राज्य अमेरिका: युवा कामगारों के लिए बढ़ती खाई

Brynjolfsson, Chandar और Chen ADP के उच्च-आवृत्ति वाले पेरोल डेटा का उपयोग करते हैं, जिसमें लाखों अमेरिकी कामगार शामिल हैं। उनका शोधपत्र, जिसे पहली बार अगस्त 2025 में जारी किया गया और अगस्त 2026 में जून 2026 तक के डेटा के साथ संशोधित किया गया, व्यापक स्तर पर, पूरी अर्थव्यवस्था में नौकरियों के विस्थापन का कोई प्रमाण नहीं पाता। हालाँकि, AI से प्रभावित व्यवसायों में 22–25 वर्ष की आयु के युवा कामगारों का रोजगार अब उस स्तर से 19% नीचे है, जहाँ वह कम प्रभावित समकक्षों के साथ तालमेल बनाए रखने पर होता; अगस्त 2025 से यह अंतर लगातार बढ़ा है। अनुभवी कामगारों में ऐसा कोई तुलनीय अंतर नहीं दिखता। यह विचलन मुख्यतः युवा कामगारों की नियुक्ति में कमी के कारण है, न कि नौकरी छोड़ने वालों की संख्या में वृद्धि के कारण, और उन व्यवसायों में केंद्रित है जहाँ AI का उपयोग मुख्यतः मानवीय कार्यों का स्थान लेने के लिए होता है; जहाँ यह मुख्यतः कामगारों का पूरक बनता है, वहाँ रोजगार स्थिर है या बढ़ रहा है। यह प्रवृत्ति तब भी बनी रहती है जब प्रौद्योगिकी कंपनियों और कंप्यूटर-संबंधी व्यवसायों को बाहर रखा जाता है, और ब्याज-दर के प्रभाव तथा दूरस्थ कार्य को नियंत्रित किया जाता है। शिक्षा को नियंत्रित करने पर यह कम स्पष्ट हो जाती है; जनरेटिव AI से पहले भी कुछ भिन्न प्रवृत्तियाँ दिखती हैं, और राष्ट्रीय सर्वेक्षण के मानकों की तुलना में ADP के नमूने में यह अधिक स्पष्ट है। लेखक इन तथ्यों को कारणात्मक अनुमान के बजाय शुरुआती, वर्णनात्मक संकेतक—"खदान में कोयले के पास बैठी चेतावनी देने वाली चिड़ियाँ"—बताते हैं।

व्यापक आर्थिक अपेक्षाएँ

Acemoglu का "The simple macroeconomics of AI" (2025) कार्य-आधारित मॉडल और जोखिम-संपर्क तथा कार्य-स्तर पर उत्पादकता लाभ के मौजूदा अनुमानों का उपयोग करके समग्र प्रभावों का अनुमान लगाता है। उन्हें ऐसे व्यापक आर्थिक प्रभाव मिलते हैं जो नगण्य नहीं, लेकिन मामूली हैं—दस वर्षों में कुल कारक उत्पादकता में अधिकतम 0.66% की वृद्धि—और उनका तर्क है कि यह अनुमान भी बहुत ऊँचा हो सकता है, क्योंकि शुरुआती साक्ष्य आसानी से सीखे जा सकने वाले कार्यों से आते हैं; इसलिए वे संशोधित अनुमान 0.53% से कम बताते हैं। उनका यह भी तर्क है कि AI से असमानता में पिछली स्वचालन प्रौद्योगिकियों जितनी वृद्धि होने की संभावना नहीं है, लेकिन ऐसा कोई प्रमाण नहीं है कि इससे श्रम-आय की असमानता घटेगी; साथ ही, अनुमान है कि इससे पूँजी और श्रम की आय के बीच का अंतर बढ़ेगा।

साक्ष्य और पूर्वानुमान को अलग-अलग रखना

साक्ष्य क्या नहीं दिखाते

• यह नहीं दर्शाता कि AI बड़े पैमाने पर बेरोज़गारी पैदा करेगा। यहाँ समीक्षा किए गए किसी भी अध्ययन में अब तक जनरेटिव AI से कुल रोजगार-हानि का प्रमाण नहीं मिलता, और प्रभावित होने के अनुमान रोजगार-विस्थापन के अनुमान नहीं हैं।
• यह नहीं दर्शाता कि AI से रोजगार का बड़ा नुकसान नहीं होगा। शुरुआती परिणाम-अध्ययनों में ऐसी तकनीक के दो से तीन साल बाद के प्रभाव शामिल हैं, जिसकी क्षमताएँ और स्वीकार्यता तेज़ी से बदल रही हैं। पिछली स्वचालन प्रक्रियाओं के पूर्ण प्रभाव सामने आने में दशकों लगे।
• यह नहीं दर्शाता कि पिछला स्वचालन भविष्य के लिए विश्वसनीय मार्गदर्शक है। रोबोट संबंधी अध्ययन ऐसी तकनीक से जुड़े हैं जिसका उपयोग मुख्यतः विनिर्माण में होता है। जनरेटिव AI उच्च वेतन वाली नौकरियों सहित, विभिन्न क्षेत्रों के संज्ञानात्मक और लिपिकीय कार्यों को प्रभावित करता है।
• यह नहीं दर्शाता कि उत्पादकता में हुई बढ़ोतरी का लाभ व्यापक रूप से साझा होगा। प्रयोग किसी कार्य में प्रति कर्मचारी उत्पादन को मापते हैं, यह नहीं कि लाभ किसे मिलता है।
• यह युवा कर्मचारियों के अंतर का कारण नहीं बताता। पेरोल संबंधी साक्ष्य वर्णनात्मक हैं और शिक्षा को नियंत्रित करने तथा पहले से मौजूद रुझानों के कारण उनका प्रभाव आंशिक रूप से कम हो जाता है।
• यह तय नहीं करता कि प्रभावित होने का अर्थ संवर्धन है या प्रतिस्थापन। ILO और Eloundou सूचकांक यह मापते हैं कि किन चीज़ों पर प्रभाव पड़ सकता है; एक ही प्रकार का प्रभाव, कंपनियाँ तकनीक को कैसे इस्तेमाल करती हैं, इसके आधार पर श्रम की माँग बढ़ा या घटा सकता है।

संस्थागत अभिकल्पना के निहितार्थ

1. प्रतिक्रियाएँ तैयार करने से पहले निगरानी व्यवस्था बनाएँ। हाल के सबसे उपयोगी कार्यों में अपनाने संबंधी सर्वेक्षणों को प्रशासनिक पेरोल और कर अभिलेखों से जोड़ा गया है। सरकारों और सांख्यिकीय एजेंसियों को व्यवसाय, आय और कार्यों में बदलाव के सार्वजनिक, नियमित रूप से अद्यतन किए जाने वाले संकेतक पेशे और आयु के अनुसार तैयार करने चाहिए, ताकि नीति पूर्वानुमानों के बजाय साक्ष्यों के आधार पर प्रतिक्रिया दे सके।
2. प्रवेश-स्तर की नियुक्तियों पर नज़र रखें। यदि AI से प्रभावित पेशों में युवा कर्मचारियों की नियुक्तियाँ घटती हैं, तो सबसे पहले उन संस्थानों पर दबाव पड़ेगा जो नए प्रवेशकों को प्रशिक्षित करके काम दिलाते हैं: प्रशिक्षुता कार्यक्रम, स्नातक योजनाएँ और पेशेवर करियर की शुरुआती सीढ़ियाँ। जर्मनी में रोबोट संबंधी अध्ययनों में भी पाया गया कि इसका भार नए युवा प्रवेशकों पर पड़ा।
3. ऐसी आय-सहायता तैयार रखें जिसका विस्तार साक्ष्यों के अनुरूप हो सके। एटलस में अन्यत्र समीक्षा किए गए नकद हस्तांतरण संबंधी साक्ष्य से पता चलता है कि बिना शर्त भुगतान का श्रम-आपूर्ति पर प्रभाव मामूली होता है। ऐसे बीमा-सदृश तंत्र, जो मापे गए विस्थापन में वृद्धि होने पर अपने-आप विस्तार करें, समय से पहले शुरू की गई सार्वभौमिक योजनाओं या कोई योजना न होने—दोनों से अधिक उचित ठहराए जा सकते हैं।
4. पूँजी और श्रम के बीच हिस्से को अभिकल्पना का प्रश्न मानें। यदि Acemoglu की भविष्यवाणी के अनुसार AI से पूँजी और श्रम की आय के बीच अंतर बढ़ता है, तो सामाजिक संपत्ति कोष, लाभ-साझाकरण या "AI लाभांश" पर बहस केवल लाभों का नहीं, बल्कि स्वामित्व का प्रश्न बन जाती है।
5. केवल विस्थापन नहीं, संवर्धन को भी बढ़ावा दें। प्रयोग दिखाते हैं कि AI उपकरण कम अनुभवी कर्मचारियों की उत्पादकता बढ़ा सकते हैं। प्रशिक्षण, खरीद-प्रक्रिया और कार्यस्थल पर परामर्श के ज़रिए तकनीक के इस्तेमाल को इस दिशा में मोड़ा जा सकता है कि वह कर्मचारियों की पूरक बने — परिणाम ज्ञात होने से पहले उपलब्ध कुछ उपायों में से एक।
6. पूर्वानुमानों को पूर्वानुमान के रूप में चिह्नित करें। इस अध्ययन में अपनाए गए अनुशासन से सार्वजनिक बहस को लाभ होगा: जो मापा गया है, जो मॉडल के आधार पर निकाला गया है और जो पूर्वानुमान है, उन्हें अलग-अलग रखा जाए और प्रत्येक के साथ तारीख़ तथा स्रोत दिया जाए।

खुले प्रश्न

• क्या AI से प्रभावित पेशों में युवा कर्मचारियों के रोजगार का अंतर बना रहेगा, बढ़ेगा या मिट जाएगा, और क्या इसका मुख्य कारण AI है?
• कंपनियों के भीतर कार्यों का पुनर्गठन — AI की निगरानी और एकीकरण से जुड़े नए कार्यों का सृजन — कितनी तेज़ी से वेतन और पेशागत संरचना में बदलाव लाएगा?
• क्या जनरेटिव AI पहले के स्वचालन के पैटर्न का अनुसरण करेगा, जिसमें स्थानीय और वितरणात्मक प्रभावों के बावजूद कुल रोजगार स्थिर रहा, या विभिन्न क्षेत्रों में इसकी व्यापकता से कुल प्रभाव अधिक बड़े होंगे?
• लिपिकीय कार्यों पर लैंगिक रूप से असमान प्रभाव महिलाओं के रोजगार को कैसे प्रभावित करेगा, विशेषकर उच्च-आय वाले देशों में?
• AI-प्रेरित उत्पादकता-वृद्धि का कितना हिस्सा श्रमिकों, उपभोक्ताओं और पूँजी के मालिकों को मिलेगा?

स्रोत

1. Acemoglu, D. and Restrepo, P. (2020). "Robots and Jobs: Evidence from US Labor Markets." Journal of Political Economy 128(6): 2188–2244. doi:10.1086/705716
2. Acemoglu, D. and Restrepo, P. (2018). "The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment." American Economic Review 108(6): 1488–1542. doi:10.1257/aer.20160696
3. Dauth, W., Findeisen, S., Suedekum, J. and Woessner, N. (2021). "The Adjustment of Labor Markets to Robots." Journal of the European Economic Association 19(6): 3104–3153. doi:10.1093/jeea/jvab012
4. Graetz, G. and Michaels, G. (2018). "Robots at Work." Review of Economics and Statistics 100(5): 753–768. doi:10.1162/rest_a_00754
5. Frey, C. B. and Osborne, M. A. (2013). The Future of Employment: How Susceptible Are Jobs to Computerisation? ऑक्सफ़ोर्ड मार्टिन स्कूल कार्यपत्र। PDF; Technological Forecasting and Social Change 114 (2017): 254–280 में प्रकाशित, doi:10.1016/j.techfore.2016.08.019
6. Arntz, M., Gregory, T. and Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. OECD सामाजिक, रोज़गार और प्रवासन कार्यपत्र 189. doi:10.1787/5jlz9h56dvq7-en
7. Nedelkoska, L. and Quintini, G. (2018). Automation, skills use and training. OECD सामाजिक, रोज़गार और प्रवासन कार्यपत्र 202. doi:10.1787/2e2f4eea-en
8. Autor, D. H. (2015). "Why Are There Still So Many Jobs? The History and Future of Workplace Automation." Journal of Economic Perspectives 29(3): 3–30. doi:10.1257/jep.29.3.3
9. Eloundou, T., Manning, S., Mishkin, P. and Rock, D. (2024). "GPTs are GPTs: Labor market impact potential of LLMs." Science 384(6702): 1306–1308. doi:10.1126/science.adj0998; कार्यपत्र arXiv:2303.10130
10. Gmyrek, P., Berg, J. and Bescond, D. (2023). Generative AI and Jobs: A global analysis of potential effects on job quantity and quality. ILO कार्यपत्र 96. doi:10.54394/FHEM8239
11. Gmyrek, P., Berg, J., Kamiński, K. et al. (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO कार्यपत्र. doi:10.54394/HETP0387
12. Brynjolfsson, E., Li, D. and Raymond, L. (2025). "Generative AI at Work." Quarterly Journal of Economics 140(2): 889–942. doi:10.1093/qje/qjae044
13. Noy, S. and Zhang, W. (2023). "Experimental evidence on the productivity effects of generative artificial intelligence." Science 381(6654): 187–192. doi:10.1126/science.adh2586
14. Humlum, A. and Vestergaard, E. (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER कार्यपत्र 33777. doi:10.3386/w33777
15. Brynjolfsson, E., Chandar, B. and Chen, R. (2025, संशोधित 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. स्टैनफ़र्ड डिजिटल इकोनॉमी लैब. digitaleconomy.stanford.edu
16. Acemoglu, D. (2025). "The simple macroeconomics of AI." Economic Policy 40(121): 13–58. doi:10.1093/epolic/eiae042