किसी काम को AI से कर पाना और उसे AI से कराना आर्थिक रूप से फायदेमंद होना, दो अलग बातें हैं. MIT से जुड़े शोधकर्ताओं के एक अध्ययन में पाया गया कि कंप्यूटर विजन वाले कई कार्य तकनीकी तौर पर ऑटोमेट किए जा सकते हैं, फिर भी मौजूदा लागत पर ज्यादातर मामलों में मानव श्रम सस्ता पड़ता है. अध्ययन ने खास तौर पर इमेज और वीडियो को पहचानने-वर्गीकृत करने वाली AI प्रणालियों के आर्थिक असर का आकलन किया था.

यह निष्कर्ष किसी नए 2026 शोध का परिणाम नहीं है. उपलब्ध आधिकारिक MIT सामग्री के अनुसार यह कार्य 2024 में प्रकाशित/प्रचारित हुआ था. हाल में इसे फिर से साझा किए जाने के कारण इसे नई खोज समझा जा सकता है, लेकिन इसकी लागत और तकनीक संबंधी गणनाएं उस समय के डेटा व कीमतों पर आधारित थीं.

केवल क्षमता नहीं, कुल खर्च भी अहम

शोधकर्ताओं ने पहले यह देखा कि किसी काम को मानव स्तर पर करने के लिए AI को कितनी तकनीकी सटीकता चाहिए. इसके बाद उस स्तर का कंप्यूटर विजन सिस्टम विकसित करने, उसे किसी विशेष कार्य के लिए ढालने और चलाने की लागत का अनुमान लगाया गया. फिर इस कुल लागत की तुलना उस काम को करने वाले कर्मचारियों के वेतन से की गई.

MIT CSAIL के सार के मुताबिक, विजन-आधारित कार्यों पर दिए जाने वाले वेतन का करीब 23 प्रतिशत हिस्सा ही उस समय AI ऑटोमेशन के लिए आर्थिक रूप से व्यवहार्य पाया गया. इसका अर्थ यह नहीं कि बाकी सभी काम AI के लिए असंभव थे. निष्कर्ष यह था कि सिस्टम की शुरुआती और परिचालन लागत जोड़ने पर उन्हें ऑटोमेट करना कंपनियों के लिए पर्याप्त बचत नहीं देता था.

अध्ययन में अमेरिकी अर्थव्यवस्था, कृषि को छोड़कर, के संदर्भ में अनुमान लगाया गया कि कंप्यूटर विजन से तकनीकी रूप से ऑटोमेट हो सकने वाले कार्य मजदूरी के 1.6 प्रतिशत के बराबर थे. लेकिन इनमें से केवल लगभग 0.4 प्रतिशत मजदूरी के बराबर काम ही तब की लागत पर कंपनियों के लिए सस्ते ढंग से ऑटोमेट किए जा सकते थे.

बड़े पैमाने पर इस्तेमाल से बदल सकती है गणित

रिपोर्ट का एक महत्वपूर्ण बिंदु ‘minimum viable scale’ है. किसी AI सिस्टम की डेवलपमेंट और सेटअप लागत स्थिर हो सकती है, इसलिए उसे बहुत बड़े पैमाने पर इस्तेमाल करने पर प्रति काम खर्च घटता है. इसी कारण बड़े संगठनों या एक ही समाधान को अनेक ग्राहकों तक पहुंचाने वाली सेवा कंपनियों के लिए ऑटोमेशन का गणित अलग हो सकता है.

शोधकर्ताओं ने यह भी संकेत दिया कि रिटेल और हेल्थकेयर जैसे क्षेत्रों में कंप्यूटर विजन ऑटोमेशन की गुंजाइश अपेक्षाकृत अधिक हो सकती है, जबकि निर्माण, खनन और रियल एस्टेट जैसे क्षेत्रों में इसका विस्तार कम होने की संभावना थी. हालांकि यह क्षेत्रवार संकेत है, हर कंपनी या हर भूमिका पर लागू होने वाला अंतिम निर्णय नहीं.

नौकरियों पर बहस के लिए क्या मायने

यह अध्ययन AI से नौकरियां कभी नहीं बदलेंगी, ऐसा निष्कर्ष नहीं देता. इसका संदेश अधिक सीमित और व्यावहारिक है: किसी कार्य की तकनीकी ऑटोमेशन क्षमता को नौकरी खत्म होने की सीधी भविष्यवाणी नहीं मानना चाहिए. कंपनियों को मॉडल की सटीकता, डेटा, हार्डवेयर, एकीकरण, रखरखाव और इस्तेमाल के पैमाने सहित पूरी लागत देखनी होगी.

साथ ही, यह निष्कर्ष मुख्य रूप से कंप्यूटर विजन तक सीमित है, न कि हर तरह के generative AI, चैटबॉट या AI एजेंट तक. इसलिए इसे सभी ज्ञान-आधारित या कार्यालयी कामों पर लागू करना सही नहीं होगा. समय के साथ AI सिस्टम सस्ते होते हैं, बड़े पैमाने पर तैनाती बढ़ती है या तकनीक बेहतर होती है तो आर्थिक व्यवहार्यता भी बदल सकती है.