किसी नौकरी पर AI का कितना असर पड़ सकता है, इसका आकलन सिर्फ इस बात से नहीं किया जा सकता कि उस काम के कितने हिस्से को तकनीक संभाल सकती है. CEPR के चर्चा-पत्र में शोधकर्ताओं ने तर्क दिया है कि कार्यस्थल पर AI का वास्तविक उपयोग इस बात पर भी निर्भर करता है कि उसे इस्तेमाल करना आर्थिक रूप से कितना लाभकारी है.

Ilse Lindenlaub, Ryungha Oh, María Alejandra Rodríguez और Laura Veldkamp के इस अध्ययन में जर्मनी के प्रतिनिधि DiWaBe कर्मचारी सर्वे को कर्मचारियों और प्रतिष्ठानों से जुड़े आंकड़ों के साथ इस्तेमाल किया गया. शोधपत्र के अनुसार, कर्मचारियों द्वारा बताए गए AI उपयोग और प्रचलित AI exposure measures के बीच संबंध कमजोर मिला.

तकनीकी संभावना और वास्तविक उपयोग में अंतर

AI exposure को आम तौर पर किसी पेशे या कार्य में AI के तकनीकी रूप से लागू हो सकने की संभावना के रूप में देखा जाता है. लेकिन शोधकर्ताओं का कहना है कि वास्तविक adoption के लिए यह अकेला पैमाना पर्याप्त नहीं है.

उनके प्रस्तावित ढांचे में AI की उत्पादकता, उसे चलाने या इस्तेमाल करने की लागत, कर्मचारी की उत्पादकता और उसके वेतन को साथ रखकर देखा गया है. यानी किसी काम को AI से करना संभव होने के बावजूद, नियोक्ता उसे अपनाने का फैसला तभी कर सकता है जब उसे मौजूदा कर्मचारी के मुकाबले आर्थिक लाभ दिखे.

नया सूचकांक क्या बताता है

अध्ययन ने task level पर एक नया AI adoption index तैयार किया. इसमें कर्मचारियों की उत्पादकता को उनके वेतन के सापेक्ष मापने, exposure indices को AI productivity से जोड़ने और वास्तविक adoption के आधार पर अलग-अलग कार्यों की user costs का अनुमान लगाने की कोशिश की गई.

शोधपत्र के मुताबिक, occupation level पर यह comparative advantage आधारित सूचकांक AI के देखे गए उपयोग में पेशों के बीच अंतर का करीब 60% समझा सका. इसके मुकाबले सिर्फ exposure पर आधारित मॉडल का आंकड़ा 14% रहा.

शोधकर्ताओं ने यह भी पाया कि करीब 30% कर्मचारियों के मामले में दोनों तरीकों से निकला अनुमान काफी अलग था. इसका अर्थ यह नहीं कि उन नौकरियों में AI का असर तय हो गया है, बल्कि यह कि केवल automation की तकनीकी क्षमता देखकर रोजगार या AI adoption के निष्कर्ष निकालना भ्रामक हो सकता है.

नौकरियों पर बहस के लिए संकेत

यह अध्ययन वर्किंग पेपर है, इसलिए इसके निष्कर्षों को अंतिम नीति-निर्णय के बजाय शोध-आधारित संकेत के रूप में देखना चाहिए. फिर भी यह कंपनियों, नीति निर्माताओं और श्रम बाजार के विश्लेषकों के लिए महत्वपूर्ण सवाल उठाता है: AI किस काम को कर सकता है, इससे अलग प्रश्न है कि वह किस काम में वास्तव में लगाया जाएगा.

भारत जैसे बड़े और विविध श्रम बाजार में भी यह अंतर प्रासंगिक हो सकता है. किसी क्षेत्र में AI tools की उपलब्धता बढ़ने से उनका उपयोग अपने-आप नहीं बढ़ेगा. कौशल, प्रशिक्षण, सॉफ्टवेयर की लागत, कामकाज की प्रक्रिया और उत्पादकता जैसे कारक adoption की गति तय कर सकते हैं.