AI से बचा समय आखिरकार नए काम में ही समायोजित हो गया
(arstechnica.com)- डेनमार्क के 2023~2024 श्रम बाज़ार डेटा में ChatGPT जैसे generative AI chatbots तेज़ी से अपनाए गए, लेकिन कुल वेतन या रोज़गार में अभी तक लगभग कोई बदलाव नहीं दिखा
- University of Chicago और University of Copenhagen के अर्थशास्त्रियों ने ऑटोमेशन के प्रति संवेदनशील माने जाने वाले 11 job categories के 25,000 कामगारों और 7,000 कार्यस्थलों के डेटा का विश्लेषण किया
- AI उपयोगकर्ताओं में 64~90% ने समय बचत की रिपोर्ट दी, लेकिन औसत बचत काम के समय की 2.8%, यानी हफ़्ते में लगभग 1 घंटे तक सीमित रही
- 8.4% कामगारों के लिए शिक्षकों द्वारा ChatGPT होमवर्क उपयोग की पहचान, AI output की quality review, और prompt लिखने जैसे नए काम पैदा हुए, जिससे बचत का असर कुछ हद तक कम हो गया
- डेटा शुरुआती adoption phase और डेनमार्क तक सीमित है, इसलिए सामान्यीकरण में सावधानी चाहिए, लेकिन यह उम्मीद ज़रूर धीमी पड़ती है कि generative AI तुरंत व्यापक श्रम बाज़ार बदलाव ला देगा
डेनमार्क के श्रम बाज़ार डेटा से generative AI के शुरुआती असर
- नई स्टडी के अनुसार, 2023~2024 के डेनमार्क श्रम बाज़ार में ChatGPT जैसे generative AI models ने कुल वेतन या रोज़गार पर अभी तक लगभग कोई महत्वपूर्ण असर नहीं डाला है
- University of Chicago और University of Copenhagen के अर्थशास्त्री Anders Humlum और Emilie Vestergaard के working paper का शीर्षक “Large Language Models, Small Labor Market Effects” है
- विश्लेषण का दायरा ऑटोमेशन के प्रति संवेदनशील माने गए 11 job categories तक था, जिनमें accountants, software developers, और customer support specialists शामिल थे
- डेटा का पैमाना डेनमार्क के 25,000 कामगारों और 7,000 कार्यस्थलों तक फैला है
तेज़ adoption, लेकिन छोटे आर्थिक बदलाव
- कंपनियों के AI निवेश ने tools के adoption को बढ़ाया, और अध्ययन की गई job categories के उपयोगकर्ताओं में 64~90% ने समय बचत की सूचना दी
- लेकिन अध्ययन अवधि के दौरान AI chatbots ने किसी भी job category में आय या दर्ज कार्य घंटों पर महत्वपूर्ण असर नहीं डाला
- सांख्यिकीय विश्लेषण के confidence interval ने यह संभावना ख़ारिज की कि औसत असर 1% से ज़्यादा था
- Humlum ने The Register से कहा कि exposed job categories के ज़्यादातर कामगारों ने chatbots अपनाए, लेकिन आर्थिक नतीजों में इसने “सुई तक नहीं हिलाई”
समय बचत को खा गए नए काम
- AI chatbots ने 8.4% कामगारों के लिए नए काम पैदा किए, और जो कामगार tools सीधे इस्तेमाल नहीं करते थे, वे भी इससे प्रभावित हुए
- नए कामों के उदाहरण इस प्रकार हैं
- शिक्षक द्वारा यह पहचानने में लगाया गया समय कि छात्र ने ChatGPT homework का उपयोग किया या नहीं
- दूसरे कामगारों द्वारा AI output की quality review करना
- प्रभावी prompts बनाने के लिए बार-बार कोशिश करना
- उपयोगकर्ताओं द्वारा बताई गई productivity gain औसतन काम के समय की 2.8% थी, यानी हफ़्ते में लगभग 1 घंटा
- बचाया गया सारा समय आर्थिक मुआवज़े में नहीं बदला, और अनुमान है कि productivity increase का सिर्फ 3~7% ही कामगारों की अधिक आय में बदला
लैब नतीजों और वास्तविक काम के बीच का अंतर
- The Register ने इशारा किया कि यह नतीजा फ़रवरी में प्रकाशित एक randomized controlled trial से टकराता है
- उस randomized controlled trial में generative AI से कामगारों की productivity औसतन 15% बढ़ी थी
- Humlum का मानना है कि यह फ़र्क इसलिए आया क्योंकि दूसरे प्रयोगों ने उन कामों पर ध्यान दिया जो AI के लिए खास तौर पर उपयुक्त थे
- ज़्यादातर वास्तविक jobs में ऐसे काम शामिल होते हैं जिन्हें AI पूरी तरह automate नहीं कर सकता, और organizations अभी भी यह सीख रही हैं कि tools को प्रभावी ढंग से कैसे integrate किया जाए
सीमित snapshot और बाकी बचे सवाल
- समय और दायरे की वजह से इस निष्कर्ष की आगे फिर समीक्षा हो सकती है
- 2023~2024 का डेटा generative AI deployment के सिर्फ शुरुआती चरण को पकड़ता है, इसलिए delayed effects या chatbots से आगे बढ़कर अधिक integrated generative AI उपयोग के असर छूट सकते हैं
- डेनमार्क डेटा पर फोकस करने से दूसरे श्रम बाज़ारों या freelance creative work जैसे खास क्षेत्रों में पहले से दिख रहे स्थानीय प्रभाव छूट सकते हैं
- फिर भी, इस अध्ययन को एक ऐसे शुरुआती snapshot की तरह देखा जा सकता है जो इस धारणा को चुनौती देता है कि generative AI ने तुरंत और व्यापक श्रम बाज़ार बदलाव पैदा कर दिए हैं
- generative AI का दीर्घकालिक आर्थिक असर अब भी अनिश्चित है और तेज़ तकनीकी प्रगति की वजह से बहस का विषय बना हुआ है
1 टिप्पणियां
Hacker News की राय
मुझे याद है कि करीब 10 साल पहले Economist में पढ़ा था कि automation का नतीजा नौकरियां खत्म होना नहीं, बल्कि काम बढ़ जाना और junior hiring कम हो जाना है
उदाहरण यह था कि search engines और digital documents ने junior lawyers की संख्या बहुत घटा दी। पहले trial की तैयारी के समय संबंधित case law खोजने के लिए 3–10 juniors की टीम को असली document archive में भेजा जाता था, लेकिन अब laptop वाला एक junior काफी है। नतीजतन law firms ज्यादा cases भी संभाल सकती हैं। यह काफी सामान्य pattern जैसा लगता है
लेकिन Facebook के internal AI की वजह से अब उन्हें लगने लगा है कि call center शायद संभव हो सकता है। ज्यादातर calls “password भूल गया” या “यह खराब है” जैसी होंगी, इसलिए 50 से ज्यादा भाषाओं में FAQ समझाने वाला robot करीब 90% मामलों के लिए काफी होगा। सिर्फ ज्यादा मुश्किल मामलों को इंसानों तक भेजना होगा
इसलिए नई technology और labor का रिश्ता hierarchy से ज्यादा fractal जैसा लगता है। Zuck पहले के दौर में call center के बारे में सोचता ही नहीं, और उतनी नौकरियां भी नहीं होतीं, लेकिन नई technology की वजह से एक छोटा call center बनता है जहां इंसान केवल मुश्किल समस्याएं संभालते हैं। रूप मिलता-जुलता है, लेकिन थोड़ा अलग
इसका मतलब यह नहीं कि technology disruptive नहीं है। बस technology आम तौर पर नई नौकरियां बनाती है, और वे नौकरियां ज्यादा मुश्किल समस्याओं से जुड़ी होती हैं। सीमाएं और बारीक हो जाती हैं, और दिमाग के लिए माहौल ज्यादा specialized और कठिन हो जाता है। समस्या यह है कि जैसे grad students पर भरोसा करना पड़ता है, वैसे ही उस सीमा पर काम कर रहे व्यक्ति पर भरोसा करना पड़ता है कि वह सच में काम कर रहा है या बस डींग मार रहा है। Cal Newport भी अक्सर कहते हैं कि knowledge work लंबे समय तक बिना खास output के दिख सकता है और फिर अचानक genius moment आता है। मुझे यह बौद्धिक समस्या से ज्यादा भावनात्मक समस्या लगती है
बाद में automation आने पर machine maintenance जैसी नई नौकरियां तो बनती हैं, लेकिन फिर भी बहुत से unskilled लोग नौकरी खो देते हैं
छोटे feudal estates और empires बने रहेंगे
लगता है लोग article के नतीजे को गलत समझ रहे हैं। बात यह नहीं है कि AI से समय बचता है और वह समय नए काम में लग जाता है, बल्कि यह है कि AI use करने से पैदा हुए output verification, prompt writing, cheating detection, debugging जैसे नए काम महसूस होने वाली बचत को cancel कर देते हैं
tech industry में भी observation के हिसाब से यह सही लगता है। दुनिया के बेहतरीन programmers और engineers transformers, datasets और evaluations में उलझे हुए हैं, और इसकी वजह से सबसे खराब programmers अब temperature converters और insecure Twitter clones जैसे काम जैसे-तैसे बना पा रहे हैं। इस बीच असली consumers द्वारा इस्तेमाल किए जाने वाले software की quality तेजी से गिर रही है
AI spec की खाली जगहें भरने में हैरानीजनक रूप से अच्छा था, और उसने काफी C++ code generate किया जो सच में compile होता था। हालांकि जरूरी
#includeछोड़ दिए। Build करके run किया तो output पूरी तरह गलत थाअब गलत होने की वजह ढूंढने के लिए C++ की सैकड़ों lines पढ़नी और पूरी तरह समझनी होंगी। इसने मुझे समस्या के बारे में सोचने पर मजबूर किया और कुछ interesting solution approaches भी दिखाए, इसलिए यह पूरी तरह समय की बर्बादी नहीं थी, लेकिन क्या इसने बहुत समय बचाया? नहीं। उल्टा, यह समझने में ज्यादा समय लग सकता है कि यह कर क्या रहा है
web और mobile apps बनाने वालों के प्रति सम्मान रखते हुए कहूं तो, AI high-level repetitive problems के लिए शानदार है, लेकिन systems programming में यह अब भी ज्यादातर बेकार लगता है
“यह गड़बड़ है” जैसे aesthetic sense में नहीं, बल्कि सिर्फ पैसे कमाने की efficiency के नजरिए से, मैंने अब तक जो code लिखा है उसका 90% से ज्यादा हिस्सा कंपनियों के लिए meaningfully contribute नहीं करता था। मैंने उस ratio को घटाने की सच में बहुत कोशिश की, फिर भी ऐसा ही रहा। यह professional software की बात है, और अगर vibe coders को भी शामिल करें तो मेरा मानना है कि यह number कहीं ज्यादा होगा
ऐसा लगता है कि computing को दुनिया में fit करने का हमारा पूरा तरीका ही गलत दिशा में है। हम कई दिन लगाकर UI बनाते हैं, लेकिन वह UI असली users की मदद नहीं करता और process जरा सा बदलते ही टूट जाता है। और उस UI को support करने में हम असल automation लगभग कर ही नहीं पाते
मुझे अब भी लगता है कि computers मानवता के लिए बेहद उपयोगी हैं, लेकिन हम computers इस्तेमाल करना भूल गए हैं
AI समस्या को बदतर बना रहा है, सुधार रहा है, या status quo बनाए हुए है—यह कहना अभी जल्दबाजी होगी। यह खराब कर रहा है, इस राय से सहानुभूति है, लेकिन पक्के तौर पर कहना मुश्किल है
क्या उन्होंने 99% engineers निकाल दिए? शायद वह memo भी AI ने लिखा होगा। क्या कोई software company है जहां 5 लोग 50 लोगों का काम कर रहे हों? मैंने नहीं देखा। लोग खुद जिस कहानी पर विश्वास करने लगे हैं और reality के macro data के बीच इतना बड़ा gap कब तक रहेगा, यह देखना दिलचस्प होगा
आधुनिक AI टूल्स शानदार हैं, लेकिन यह कुछ वैसा ही है जैसा पहली बार आने पर spell checker शानदार लगा था। क्या यह छोटे-मोटे कामों में मदद करता है? हां, लेकिन यह बस एक नया baseline बनाता है जो सबके पास होता है और सिर्फ मानक ऊपर कर देता है।
इस बात के बहुत कम सबूत हैं कि जल्द ही AI कंपनियां चलाएगा और हम समुद्र किनारे लेटे होंगे। किसी भी AI कंपनी से ऐसे संकेत बहुत कम मिलते हैं कि वे कुछ ऐसा बना रही हैं जो एक नए baseline product में न बदल जाए, और अधिकांश AI products की profitability बेहद खराब है। इस वास्तविकता का सामना भी जल्द ही करना होगा।
वीडियो गेम शायद आज जितने ज्यादा नहीं होंगे, लेकिन बदले में खाली समय मिलेगा। मेरे हिसाब से समय गेम्स से ज्यादा मूल्यवान है। Lee Iacocca की बात को बदलकर कहें तो, हमें रुककर खुद से पूछना चाहिए: हमें सच में कितने वीडियो गेम चाहिए?
अब spelling errors की जगह सही शब्द की जगह गलत शब्द आ जाता है। आजकल किसी भी वेबसाइट पर लंबा लेख देखें तो पारंपरिक मीडिया साइटों पर भी गलतियों से भरा होने की काफी संभावना होती है।
अगर मौजूदा रफ्तार से 3–5 साल और सुधार हुआ, तो engineering में human input कितना उपयोगी रहेगा, इसकी कल्पना करना मुश्किल है।
यह असल में Jevons paradox को काम करते हुए देखने जैसा है।
किसी खास तरह का काम पूरा करने की लागत—चाहे पैसे में हो या समय में—घट जाती है। फिर लोग मांग बढ़ाकर उस खाली जगह को भर देते हैं, और worker “full capacity” पर आ जाता है।
यह दावा बहुत पुराना है कि अगली तकनीक एक ऐसी utopia लाएगी जहां हम काम नहीं करेंगे या बहुत कम काम करेंगे। लेकिन हम बार-बार साबित करते हैं कि असल में हम ऐसा नहीं चाहते।
मेरी परिकल्पना शायद नई या मौलिक नहीं है, लेकिन बहुत कम लोग जानते हैं कि खाली हाथ होने पर क्या करना है। हम अपना stress level ऊंचा रखकर ध्यान भटकाए रखने की प्रवृत्ति रखते हैं, और जब stress कम हो और कोई “करना ही है” वाला काम न हो, तो हम कई तरीकों से अस्थिर हो जाते हैं।
https://en.m.wikipedia.org/wiki/Jevons_paradox
सरल शब्दों में मान लें कि मैं, आप, और HN के 8 users Bezos के warehouse में दिन में 8 घंटे काम करते हैं। एक दिन एक नई machine आती है जो हमारे जैसा ही काम करती है, और एक machine हममें से 2–4 लोगों का काम कर देती है। अगर Bezos 4 machines खरीदकर हर एक को 2x capacity पर चलाए, तो हम 8 लोगों को दिन में 8 घंटे × हफ्ते में 5 दिन × 4 हफ्ते = 160 घंटे की leisure मिलती है।
समस्या यह है कि हम 8 लोगों को अब भी जिंदा रहने के लिए पैसे चाहिए। खाना, किराया, utilities, healthcare हैं। tech utopians के मुताबिक अब हम 160 घंटे के free time में ज्यादा महत्वपूर्ण और संतोषजनक काम कर सकते हैं। यह उसी तरह है जैसे AI sellers कहते हैं कि AI हमें ज्यादा महत्वपूर्ण और संतोषजनक काम करने देगा। लेकिन जीवित रहने के लिए मेरा संतोषजनक काम gig work या उसी intensity का, या फिर उससे भी लंबे समय का काम बन जाता है।
सिद्धांत रूप में automation को control करने वाले owner को interviews और राजनीतिक-सामाजिक events में जाने के लिए ज्यादा leisure मिलता है। automation से विस्थापित लोग नीचे गिरते हैं और survival बनाए रखने के लिए और ज्यादा मेहनत करनी पड़ती है। उम्मीद है कि LLM providers को पैसे देकर अपने replacements को train करने वाले उत्साही लोग इस equation को जल्दी समझेंगे। जैसे automation आने के दौरान अस्थायी safety net की जरूरत थी, इसलिए Bezos warehouse ने कुछ लोगों को थोड़े समय के लिए leisure दिया, वैसे ही “अधिक meaningful काम करने के लिए free time” वाली बात पर फिर न बिकें।
अगर पैसे की चिंता न हो, तो मैं अपना समय किसी soulless corporation को बेचना नहीं चाहूंगा। व्यस्त रहने के लिए मेरे पास काफी interests हैं। काम बस वह समय चूस लेता है जिसे मैं बेहतर चीजों में लगाना चाहूंगा।
मौजूदा AI tools उन बदलावों की तुलना में बहुत कमजोर हैं जिन्होंने productivity को सचमुच 1,000 गुना बढ़ाया, इसलिए हम अभी उस तरह के बदलाव से बहुत दूर हैं। इसलिए 100 साल से कम समय में programming बेहद niche भी हो सकती है।
employers के पास आम तौर पर यह incentive होता है, और political system इसे स्पष्ट रूप से प्रतिबंधित भी नहीं करता, इसलिए shorter working hours चाहने वाले workers के पास अच्छे विकल्प ज्यादा नहीं हैं।
अभी हम 4×10 घंटे सोच रहे हैं, लेकिन “salary hike की जगह इसे वैसे ही रहने दें और 4×8 घंटे कर दें” जैसे negotiation की कोशिश भी की जा सकती है। अगर AI उसी समय में ज्यादा काम करवा देता है, तो ठीक है। दूसरी ओर, कंपनी AI tools के लिए महीने के 30 डॉलर budget कर रही है, इसलिए मैं personally खरीदे गए AI tool से बचा समय workweek से घटा हुआ मानता हूं।
“लाखों लोग जो बारिश वाली रविवार दोपहर को अपना समय कैसे बिताएं यह भी नहीं जानते, अमरता की लालसा रखते हैं” — Susan Ertz
मेरे पिता ने computers और automation के बारे में अच्छी बात कही थी। उन्होंने बताया कि 1970s में जब office computers आने शुरू हुए, तो उन्होंने सुना था कि “computers इतनी मेहनत बचा देंगे कि लोगों को समझ नहीं आएगा कि बचे हुए समय का क्या करें।”
असल में computers की वजह से हम बस एक दिन में और ज्यादा काम करने लगे।
प्रोग्रामिंग की बात करें तो मैं कह सकता हूँ कि AI ने अब तक मेरी productivity को लगभग 2 गुना बढ़ा दिया है
हाँ, prompt लिखने में समय जाता है। जैसे “कभी ऐसा मत करना, कभी वैसा मत करना, हमेशा ऐसे करना, वह check करना” — इस तरह मैं अपनी coding preferences AI को बताता हूँ। लेकिन वे prompts बने रहते हैं। ज़्यादातर मैंने कई महीने पहले लिखे थे, और अब उनका फायदा मिल रहा है
ज़रा रुककर सोचें तो, AI ने productivity दोगुनी कर दी है कहने का मतलब है कि आप पहले से सचमुच दोगुना काम कर रहे हैं। क्या इसे metrics से support किया जा सकता है?
Test conditions लिखने, जल्दी फेंक देने वाले prototypes बनाने जैसे खास कामों में AI आपको कहीं ज़्यादा productive बना सकता है, यह मुझे मान्य है। लेकिन कुल मिलाकर पहले से दोगुना काम हो रहा है, यह बहुत बड़ा दावा है
असल में अधिक संभावना यह है कि लोगों को पहले से ज़्यादा productive महसूस होता है। इसलिए व्यक्ति 2–10 गुना productive होने की बात कहते हैं, जबकि workplace studies में ऊँची तरफ भी लगभग 25% productivity improvement दिखता है—मेरे हिसाब से यही gap बनता है
वह अक्सर आत्मविश्वास के साथ गलत code देता है, और compile हो भी जाए तो result खराब होता है और जिस समस्या को मैं ठीक करना चाहता हूँ उसे ठीक से हल नहीं करता। दूसरी तरफ, इस साल की शुरुआत में जब मुझे backend के लिए Terraform project लिखना था, तब generative AI सच में चमका
सुनने में तो पूरी जीत लगती है
कल ही मैंने एक scraper में बड़ा overhaul किया; manually करता तो कम से कम 1 हफ्ता लगता। दिन में 2–4 घंटे के हिसाब से 5 दिन यानी लगभग 15 घंटे लगते। ChatGPT की मदद से 2 घंटे से भी कम में खत्म कर दिया
इसलिए काम की मात्रा भी कम हुई, delivery time भी बहुत छोटा हुआ, और stress भी काफी कम रहा
किसी खास model को मनाकर एक खास तरीके से behave कराया जा सकता है, लेकिन दूसरा model उसी input से बिल्कुल अलग state में जा सकता है और शायद पूरी तरह अलग prompt चाहिए हो। तब supplier जब भी model update करे, सारे prompts बेकार हो सकते हैं
असली समस्या low-skilled roles में है। आसान roles करने वाले लोग या juniors इसमें आते हैं। आखिरकार अपनी skill level के हिसाब से positions कम पड़ेंगी और आबादी का एक बड़ा हिस्सा employable नहीं रहेगा
इसका outcome काफी हद तक इस पर निर्भर हो सकता है कि education system समय के साथ कैसे बदलता है
काम को augment करने के लिए AI इस्तेमाल करने की skill भी literacy का नया रूप बनेगी, ऐसा मुझे लगता है
यह हर technology की कहानी है, और pmarca वगैरह की यह prediction कि AI jobs नहीं छीनेगा, भी इसी logic पर आधारित है। हमारा focus धीरे-धीरे और संकरे domains की ओर shift हो सकता है
फिल्में भी 100 साल पहले लगभग मौजूद नहीं थीं। 100 साल बाद, labor मुक्त होने की वजह से पूरी तरह नई industries बनेंगी
अगर AI software production को automate करता है, तो software की demand बेहद बढ़ सकती है। जब high-level languages ने assembly की manual coding को replace किया था, तब भी यही हुआ था। हम बहुत अधिक software और अधिक complex व interesting software बना सके, और industry भी बढ़ी
इंसानों को जो काम करना पड़ता है उसकी मात्रा घटे, यह असल में अच्छी बात है। लेकिन उस कमी को mass unemployment, 70 साल से पहले retirement असंभव, और 50-hour work week में बदलने के बजाय पूरे समाज में फैलाना हो तो institutional structure बदलना होगा। समस्या AI नहीं, uncontrolled capitalism हो सकती है
Automation और बाकी सब चीज़ों पर भी यही लागू होता है। हमारे पास बहुत पहले से कम काम करने की technology थी, लेकिन लगता है वह हमारी psychology से मेल नहीं खाती
मेरा मतलब यह नहीं कि हम बिना वजह जानबूझकर 40-hour week चुनते हैं। बस ऐसा लगता है जैसे हम फँसे हुए हैं; अगर कोई व्यक्ति कम काम करने की कोशिश करे तो दूसरों की तुलना में पीछे रह जाता है, इसलिए कोई move नहीं करता
आश्चर्य नहीं है। IT में भी यही हो सकता है। PC से पहले का समय याद है, जब ज़्यादातर काम mainframes, paper और file cabinets से होता था
आज की तुलना में काम की मात्रा लगभग उतनी ही है, या थोड़ी ज़्यादा भी। बड़ा फर्क data की मात्रा का है जिसे process और store किया जाता है; वह मात्रा तब से exponentially बढ़ी है और अभी भी बढ़ रही है
इसलिए मुझे उम्मीद है कि AI के साथ भी ऐसा ही होगा। काम का रूप थोड़ा बदल सकता है, लेकिन data बढ़ने जितना काम वही रहेगा या और बढ़ेगा