white-collar नौकरियों में बड़े पैमाने पर छंटनी AI hype के माहौल का हिस्सा है

• हाल के समय में white-collar छंटनी बढ़ी है
• कई कंपनियाँ AI की प्रगति को कर्मचारियों की कटौती का कारण बताती हैं
• वास्तव में छंटनी के कारण लागत में कटौती और restructuring हैं
• AI ने वास्तव में बहुत कम नौकरियों की जगह ली है
• AI hype का इस्तेमाल corporate strategy के एक हिस्से के रूप में किया जा रहा है

---

अवलोकन

• हाल के समय में अमेरिका आदि में बड़ी कंपनियों ने बड़े पैमाने पर white-collar कर्मचारियों की छंटनी की है
• मीडिया और कंपनियाँ इस बात पर ज़ोर देती हैं कि artificial intelligence की प्रगति नौकरियों की जगह ले रही है
• लेकिन अधिकांश छंटनी के वास्तविक कारण प्रबंधन दक्षता, लागत में कटौती, आर्थिक समायोजन जैसे पारंपरिक restructuring हैं

AI और छंटनी का वास्तविक संबंध

• कंपनियाँ छंटनी के कारणों को AI innovation के रूप में पेश करने की प्रवृत्ति दिखाती हैं
• वास्तव में AI द्वारा प्रतिस्थापित पेशे या automation से समाप्त हुई नौकरियाँ अभी भी बहुत कम हैं
• मौजूदा management transition के मुद्दों या मुनाफ़ा सुधार रणनीति पर AI discourse की परत चढ़ाई जा रही है

AI hype और corporate strategy

• AI को लेकर जनता की उम्मीदों और डर का उपयोग करके कंपनियाँ organizational restructuring को उचित ठहराती दिखती हैं
• बढ़ा-चढ़ाकर पेश किया गया AI discourse निवेशकों को मनाने या सामाजिक स्वीकार्यता बढ़ाने के लिए इस्तेमाल होता है
• वास्तव में छंटनी का शिकार हुए श्रमिकों को तुरंत AI से बदले जाने के मामले दुर्लभ हैं

निष्कर्ष

• इस समय white-collar क्षेत्रों में बड़े पैमाने पर छंटनी, AI के प्रभाव को बढ़ा-चढ़ाकर पेश करने वाली “AI hype machine” प्रवृत्ति का हिस्सा है
• इस स्थिति को समझने के लिए छंटनी की वास्तविकता और AI अपनाने के वास्तविक प्रभाव के बीच अंतर करना ज़रूरी है

[GN⁺]

Hacker News राय

• मैंने ZIRP (Zero Interest Rate Policy) के दौर में दो ऐसी कंपनियों में काम किया है जिनका market cap $10B से अधिक था। ज़्यादातर मीटिंग्स में शामिल होने वाले knowledge workers में आधे से अधिक लोग वास्तव में ज़रूरी नहीं थे। शेड्यूल इतने भरे हुए थे कि सिर्फ मीटिंग में शामिल होने के लिए dedicated staff तक रखे जाते थे। कंपनी की growth story जारी रखने में hiring बढ़ना stock price के लिए कोई समस्या नहीं था, बल्कि VP लोग headcount बढ़ाकर और ताकत हासिल करते थे। उस समय market efficiency से ज़्यादा growth को महत्व देता था, लेकिन अंततः market हमेशा value पर लौटता है। समय बीतने पर ऐसे जोड़े गए लोग restructuring का निशाना बनते हैं। दोनों कंपनियों ने बाद में 10,000 से अधिक कर्मचारियों को निकाला, और AI को layoffs का कारण बताया गया, लेकिन हकीकत में जिन knowledge workers को AI द्वारा replace होने वाला कहा गया, उनमें से अधिकांश भूमिकाएँ पहले से ही बहुत कम value create कर रही थीं
  • इस बात से सचमुच सहमति है। interest rates बढ़ने के दौर में मैं व्यंग्य में “Zero Interest Rate Product Managers” कहा करता था। बेहतरीन PM अपनी कीमत साबित करते हैं, लेकिन ZIRP के समय बहुत सारे PM सिर्फ Jira मैनेजमेंट और schedule coordination ही कर रहे थे। आजकल दोबारा नौकरी पाने में कठिनाई झेल रहे कई IT लोग ऐसे peripheral roles, जैसे agile coach, TPM आदि, में केंद्रित हैं। बेशक, इन roles में ईमानदारी से काम करने वाले लोगों के लिए सहानुभूति भी है। समस्या सिर्फ over-hiring नहीं है; मेरा मानना है कि अमेरिका में tech jobs घटने पर AI से कहीं अधिक असर offshoring का है। remote work फैलने के बाद video conferencing technology की वजह से Latin America, Europe आदि में offshoring तेज़ी से बढ़ा। जब remote सामान्य हो गया, तो location की अहमियत धीरे-धीरे कम होती गई
  • मुझे शक है कि AI के नाम पर हो रही ज़्यादातर restructuring असल में interest rate hike वाले दौर की layoffs को नया पैकेज देकर पेश करना है। software industry एक समय सचमुच पागल हो गई थी। कोई नया graduate अगर सीधे $120k–$150k पा रहा था, तो वह दौर लंबे समय तक चलने वाला नहीं था
  • इसमें कोई शक नहीं कि बहुत से ऐसे knowledge workers हैं जो बिना खास प्रोत्साहन के value add नहीं करते। लेकिन यह चिंता की बात है कि junior opportunities लगातार कम हो रही हैं
  • इतना व्यस्त schedule कि सिर्फ मीटिंग में जाने के लिए अलग लोग रखे जाएँ — यह तो किसी organizational satire के सच हो जाने जैसा लगता है
  • मैंने भी startup में काम किया है, और अक्सर मीटिंग के लगभग आधे लोग ऐसे होते थे जिनके पास करने को कुछ नहीं होता था। “observer” या “note taker” जैसी भूमिकाओं की वजह से उनका वास्तविक प्रभाव लगभग शून्य था
• यह निश्चित रूप से एक layered समस्या है कि junior और intern roles को AI replace कर रहा है। कई बार AI किसी ऐसे नए व्यक्ति से तेज़ और ज़्यादा स्मार्ट होता है जिसके पास न अनुभव है न विशेषज्ञता। हाँ, AI को भी कभी-कभी बहुत काम करवाना पड़ता है, लेकिन आखिरकार वह या तो सस्ता है या ज़्यादा बुद्धिमान। promising juniors मौजूद हैं, लेकिन उन्हें विकसित करने में इतना समय और resources लगते हैं कि मैं खुद को साधारण tasks भी juniors की जगह AI को देते हुए पाता हूँ। अगर वही काम junior को दूँ, तो कई rounds के feedback और fixes की ज़रूरत पड़ती है और कई दिन लग जाते हैं, जबकि AI उसे 3 घंटे में पूरा कर देता है। junior और entry-level लोगों के नज़रिए से भविष्य सचमुच बहुत अंधकारमय लगता है
  • कंपनी और कर्मचारियों दोनों तरफ loyalty की कमी इस स्थिति को और बिगाड़ती है। मूल रूप से internship शुद्ध “training” उद्देश्य वाली एक negative-productivity position होती है। कंपनियाँ interns को इसलिए विकसित करती थीं क्योंकि वह पूरे संगठन और पूरे उद्योग के भविष्य की तैयारी में निवेश था। लेकिन HR और कर्मचारियों के बीच आपसी भरोसे के टूटने और बार-बार नौकरी बदलने की संस्कृति ने इस ढाँचे को ही अर्थहीन बना दिया है। Japanese कंपनियों में interns को सही तरह विकसित होते देखने के अनुभव से मैं निश्चिंत हूँ कि इस तरह की प्रणाली का मूल्य बहुत बड़ा है
  • short term में junior और entry-level लोग संगठन के लिए घाटे का सौदा लग सकते हैं, लेकिन कुछ महीनों या कुछ वर्षों बाद वही बेहद productive core talent बनते हैं। और junior लोग भी AI का उपयोग कर सकते हैं। अगर AI adoption सच में productivity को तेज़ी से बढ़ा देता है, तो बची हुई क्षमता अधिक software, features, optimization आदि में बदली जाएगी। यह कुछ वैसा ही तर्क है जैसा कभी compiler आने पर पूछा जाता था कि फिर juniors को और क्यों रखें
  • मैं इस दावे से बिल्कुल सहमत नहीं हूँ। अगर आज juniors को संभालना मेहनत का काम है, तो कल वही junior AI को स्वाभाविक रूप से उपयोग करके और बड़ा impact ला सकते हैं। “entry level खत्म हो गया” वाला नज़रिया तभी सही है जब कोई कंपनी सिर्फ juniors की “कमियों” को देखे और यह मान ले कि करने के लिए काम सीमित है। लेकिन जिन भी संगठनों में मैं रहा हूँ, वहाँ हमेशा काम की कोई कमी नहीं रही। इसलिए अगर junior AI की मदद से 6 गुना काम कर सके, तो वह तो और भी अच्छा विकल्प है
  • “intern” और “entry level” जैसी तुलना अक्सर complexity का प्रतीक बन जाती है, लेकिन इसका मतलब यह नहीं कि junior roles खत्म हो जाएँगे; केवल उनकी प्रकृति बदलेगी
  • यह सही है कि AI entry-level व्यक्ति से तेज़ और अधिक efficient हो सकता है, लेकिन मूल रूप से वह “delegation” नहीं बल्कि अपना काम खुद करने जैसा है। delegation का मतलब जिम्मेदारी और judgment का हस्तांतरण है, जबकि AI में training, feedback, context understanding और self-driven motivation — सबकी कमी है। AI को सच में delegate नहीं किया जा सकता, और वह नतीजों की जिम्मेदारी भी नहीं लेता। दूसरी ओर, एक human junior goals और context को absorb करके सचमुच संगठन का हिस्सा बनता है। और interns व juniors भी AI tools का उपयोग कर सकते हैं
• मुझे लगता है कि AI जिन jobs को सबसे पहले हटाएगा वे वे white-collar पद होंगे जहाँ लोग दिनभर इधर-उधर लगे रहते हैं और बस ऊपर-ऊपर से काम करते हैं। 2025 में LLM ऐसे काम भी संभाल लेंगे। समस्या यह है कि management अगर असली काम और दिखावटी काम में फर्क ही न कर सके, तो इस भ्रम में पड़कर पूरा संगठन बर्बाद कर सकता है। अंत में बचता हमेशा CEO ही है
  • ऐसे white-collar पदों के अस्तित्व का एकमात्र कारण यह है कि performance evaluation मूल रूप से बहुत कठिन है। अगर AI इस समस्या को हल नहीं कर सकता, तो आधे कर्मचारियों की छँटनी करने पर यह ज़रूरी नहीं कि नीचे के 50% ही हटें — सबसे बुरे हाल में layoffs लगभग random हो सकते हैं, और उसका उल्टा असर भी पड़ सकता है
  • remote work की बहस में भी यही याद आता है कि कुछ managers असली काम की value समझे बिना office chatter को ही productivity मान बैठते हैं। वे यह भूल जाते हैं कि काम करने के कई तरीके होते हैं
  • CEO के लिए भी आखिरकार कोई खुशी की बात नहीं होगी अगर customers ही गायब हो जाएँ। आखिर AI ads पर click करके products खरीदने वाला तो नहीं है
  • AI बेकार काम पैदा करने में बहुत सक्षम है। असली ज़रूरत productivity बढ़ाने की नहीं, बल्कि अनावश्यक काम को जड़ से खत्म करने की है
  • मेरा अमेरिकी कंपनियों में अनुभव नहीं है, लेकिन जहाँ मैंने काम किया वहाँ हमेशा manpower की कमी रही। inefficient staffing वाली बातें मेरे अनुभव से बहुत दूर हैं। हाँ, यह मान सकता हूँ कि capital से भरी अमेरिकी बड़ी कंपनियों में ऐसा होता होगा
• computers के आने के बाद office automation का पैमाना बहुत बड़ा रहा है। 1960s के office work की आज से तुलना करें तो काम की प्रकृति ही पूरी तरह बदल चुकी है। software ने speed को 1000 गुना तक बढ़ाया, और इसी से उल्टा अधिक white-collar jobs पैदा हुईं। नई productivity ने नए tasks भी पैदा किए
  • मुझे यह तर्क पसंद नहीं क्योंकि, पहली बात, यह बड़े पैमाने पर बेरोज़गारी के सामाजिक झटके को नज़रअंदाज़ करता है; और दूसरी बात, ऐसा कोई प्राकृतिक नियम नहीं कि खत्म हुई नौकरियाँ ज़रूर नई नौकरियों से बदल जाएँ। Great Depression के समय भी बेरोज़गारी लगभग 30% तक पहुँची थी, और आज उससे भी अधिक लोग स्थायी रूप से unemployed हो सकते हैं। जब Luddites कहते थे कि तकनीकी प्रगति नौकरियाँ खत्म करेगी, तो उन्हें रोकने की कोशिश में लोग कुर्बान भी हुए। समाज में समस्याएँ और unmet demand बहुत हैं, लेकिन आर्थिक मॉडल न होने के कारण नौकरी गंवाने वाले लोग वास्तविक रूप से नई value create नहीं कर पाते, और आगे यह समस्या और गंभीर हो सकती है
  • 1960s में “computer” खुद एक job title था, लेकिन आज वह गायब हो चुका है
• जब मैं ऐसे analysts को देखता हूँ जो कहते हैं कि AI transformation सिर्फ hype है क्योंकि उसके समर्थन में पर्याप्त empirical data नहीं है, तो मुझे COVID के शुरुआती दिनों के वे skeptics याद आते हैं जिन्होंने case counts कम होने के कारण exponential growth की संभावना को नज़रअंदाज़ किया था। और यह भी समझ नहीं आता कि CNN जैसे लेख को analysis क्यों कहा जाता है। उसमें बस labor economists की कुछ राय, AI hype theory वगैरह दोहराई जाती है। data, compute resources, VC funding flows, FDA drug policy जैसे अधिक ठोस विश्लेषण का कोई निशान नहीं है
  • “COVID की शुरुआती underestimation” जैसी analogy में तर्क की छलांग है, क्योंकि वह पहले से सैकड़ों बार देखी गई एक phenomenon को AI जैसी पूरी तरह नई growth story से सिर्फ non-linear growth की समानता के आधार पर जोड़ देती है
  • कुछ लोग यह भी कहते हैं कि housing bubble collapse की तरह guaranteed exponential growth मान लेना IT industry को और ज़ोर का झटका दे सकता है। और अगर यह bubble फूटता है, तो IT sector 2000s की तरह कई वर्षों के लिए slump में जा सकता है
  • इतिहास में public prediction failures की मिसालें बहुत हैं, लेकिन analogy पर बहस अक्सर ठोस analysis देने के बजाय सिर्फ लोगों को अपनी ही राय में और अड़ा देती है
  • AI को COVID virus से तुलना करके लोगों को मनाने की कोशिश उपयुक्त उदाहरण नहीं लगती
  • सच तो यह है कि COVID के शुरुआती दौर में तेज़ growth curve खींचने वाले लोग भी गलत निकले थे। उस समय लगभग सभी commentators की predictions चूक गई थीं
• यह समझ नहीं आता कि AI द्वारा इंसानों की जगह लेने से उपभोग घटेगा और मंदी आएगी, फिर भी लोग उसके लिए उत्साहित क्यों हैं। अगर सब बेरोज़गार हो गए तो products खरीदेगा कौन? unemployment बढ़ेगी, consumption गिरेगा, recession लगभग तय होगी — फिर management इसे क्यों स्वागतयोग्य मानता है?
  • यहाँ game theory, Nash equilibrium, prisoner’s dilemma, और turkey induction जैसी अवधारणाएँ आर्थिक incentives को समझाने में लागू होती हैं। हर संगठन के लिए automation से cost कम करना सीधे लाभ का सौदा है, इसलिए वे यह फैसला लेते हैं। समस्या यह है कि लोग यह मान बैठते हैं कि यह ढाँचा हमेशा चलता रहेगा। Jevons paradox जैसी बातों से भी लोग आसानी से प्रभावित हो जाते हैं
  • cancer cells भी आखिरकार पूरे organism को नुकसान पहुँचाती हैं, लेकिन वे सिर्फ अपना हित देखती हैं। short-term metrics बेहतर होने पर आत्मसंतोष भी उसी तर्क जैसा है
  • tragedy of the commons। हर कोई workers को निकालकर cost बचाना चाहता है, इसलिए selfish behavior करता है, लेकिन कुल मिलाकर इससे समाज बीमार होता है
  • यदि यह मान लिया जाए कि AI सबकी jobs खत्म कर देगा, तो competitors भी AI से लैस होकर कभी भी market share छीन सकते हैं। अंततः AI infrastructure बनाने की क्षमता एक entry barrier बन जाएगी
  • jobs कम होने पर भी government jobs, blue-collar work, self-employment, freelancing, black market आदि जैसे कई रोज़गार स्रोत बने रह सकते हैं। ऐसा scenario भी संभव है जिसमें jobs बहुत घटें लेकिन quality of life उतनी न गिरे। इतिहास में technology progress ने कई बार नौकरियाँ घटाने के बजाय बढ़ाई भी हैं। अंततः हर कोई वही देखता है जो वह देखना चाहता है। कई scenarios संभव हैं, और कौन-सा सही निकलेगा यह परिस्थिति पर निर्भर करेगा
• इस तरह के AI bubble वाले तर्क मुझे सचमुच अजीब लगते हैं। अगर मकसद AI adoption को विभिन्न white-collar भूमिकाओं तक फैलाना है, तो फिर ऐसी marketing क्यों की जा रही है जो उन्हीं output workers को डरा दे? क्या यह बस C-level को बेचने की रणनीति है?
  • AI को बेचने की strategy पूरी तरह C-level केंद्रित है। white-collar jobs बचाने में किसी की दिलचस्पी नहीं है
  • FOMO (दूसरों से पीछे रह जाने का डर) भड़काने वाली रणनीति sales बढ़ाती है
• मुझे यह लेख इसलिए अच्छा लगा क्योंकि इसने यह रेखांकित किया कि “बड़े दावों के लिए बड़े सबूत चाहिए।” मुझे ML technology सचमुच बहुत पसंद है, लेकिन मैं इसे human replacement के स्तर तक विश्वसनीय नहीं मानता। augmentation एक यथार्थवादी vision है, पूर्ण replacement बढ़ा-चढ़ाकर बेची गई कल्पना
• असली value शायद उन क्षेत्रों में मिलेगी जहाँ न machine और न human पहले कुछ कर पाते थे
• AI-human replacement की चर्चा में कुछ कमी लगती है। AI boom ठीक उसी समय आया जब interest rates तेज़ी से बढ़े, और coding-capable AI के उभरने के साथ ही VC funding सूखने लगी और startup hiring भी कम हुई। अगर आज भी low-interest-rate era की तरह पैसा बह रहा होता, तो क्या यह बहस कुछ और होती? इस पर industry experts की राय सुनना दिलचस्प होगा
  • “AI revolution interest rate spike के साथ-साथ आगे बढ़ रही है” — इस नज़रिए से C-level लोग AI adoption को labor cost कम करने के विकल्प की तरह देख रहे हों, यह free money के खत्म होने का असर हो सकता है। लेकिन 0% interest rate खुद इतिहास में एक अपवाद था, और उस नीति ने दुनिया भर में investment distortions पैदा किए। interest rate normalization को असामान्य मानना ही उल्टा विचित्र है। historical interest rate data link
  • इस बातचीत में यह दृष्टिकोण केंद्र में नहीं आता, क्योंकि वास्तव में इसका प्रभाव उतना बड़ा नहीं है (1), और (2) लोगों को इस बात का पर्याप्त अंदाज़ा नहीं कि VC वास्तव में कितना capital manage करता है। 1) seed और Series A stage की funding अपने आप में counter-cyclical होती है, और AI की प्रमुख तकनीकी प्रगति अक्सर छोटी teams और अपेक्षाकृत कम पैसों से हुई है। GPT2→3 में investment MS ने किया था। 2) VC funding सिर्फ 2022–2023 में धीमी हुई थी, और इस साल फिर 70% तक बढ़ गई है। Big Tech, SoftBank आदि से capital आना जारी है — यही वास्तविकता है