- Anthropic के CEO Dario Amodei ने चेतावनी दी कि AI कुछ ही वर्षों में एंट्री-लेवल ऑफिस नौकरियों के आधे हिस्से को खत्म कर सकता है, लेकिन 50% के अनुमान के समर्थन में कोई शोध या सबूत पेश नहीं किया
- यह बयान उस धारणा से जुड़ता है कि AI इंसानों के लगभग सभी बौद्धिक कामों को पीछे छोड़ देगा, और इसकी आलोचना सिलिकॉन वैली की उस कथा के रूप में हुई है जिसमें “सब कुछ ठीक करने से पहले सब कुछ बर्बाद कर देता है”
- Amodei ने जिस भविष्य की तस्वीर पेश की, उसमें कैंसर का इलाज, सालाना 10% आर्थिक वृद्धि, संतुलित बजट और साथ ही 20% बेरोज़गारी एक साथ मौजूद हैं; श्रम अर्थशास्त्री Aaron Sojourner ने इसे “अभूतपूर्व रूप से चरम दृष्टि” कहा
- Mark Cuban ने जवाब दिया कि अतीत में सचिव और ऑफिस डिक्टेशन जैसी नौकरियां भी बदली गई थीं, लेकिन नई कंपनियां और नई नौकरियां भी बनीं; उनके अनुसार AI कुल रोजगार बढ़ा सकता है
- जनरेटिव AI दस्तावेज़ सारांश या ईमेल लिखने जैसे कुछ खास कामों में मज़बूत है, लेकिन hallucination, बुनियादी तथ्यात्मक गलतियां और manipulation की कमजोरियां अब भी मौजूद हैं, इसलिए Anthropic को विनाशकारी जोखिम के रास्ते और उसके समाधान साबित करने होंगे
Amodei की नौकरी संबंधी चेतावनी से छिड़ी बहस
- Dario Amodei ने Axios इंटरव्यू में कहा कि AI जल्द ही एंट्री-लेवल ऑफिस नौकरियों के आधे हिस्से को खत्म कर सकता है
- उनका मानना था कि यह “आने वाले कुछ वर्षों में” हो सकता है
- बाद में CNN Anderson Cooper इंटरव्यू में भी उन्होंने इसी तरह की बात दोहराई
- Amodei ने कहा कि AI लगभग सभी बौद्धिक कामों में इंसानों से बेहतर होना शुरू कर चुका है, और इसमें उनका अपना काम तथा दूसरे CEOs का काम भी अपवाद नहीं है
- 50% के अनुमान के साथ कोई अलग शोध या सबूत नहीं दिया गया, और इस बयान की आलोचना AI अतिशयोक्ति कथा के रूप में हुई जिसमें “AI सब कुछ ठीक करेगा, लेकिन पहले सब कुछ बिगाड़ देगा”
- उन्होंने भविष्य की एक और तस्वीर पेश की जिसमें आशावाद और झटका साथ-साथ मौजूद हैं
- कैंसर का इलाज हो जाता है
- अर्थव्यवस्था सालाना 10% बढ़ती है
- बजट संतुलित हो जाता है
- 20% लोगों के पास नौकरी नहीं होती
- श्रम अर्थशास्त्री Aaron Sojourner का मानना है कि ऊंची बेरोज़गारी और मज़बूत GDP वृद्धि एक साथ तभी दिख सकती है जब यह मान लिया जाए कि AI उत्पादकता को बहुत बड़ा बढ़ावा देगा
- उनका कहना है कि यह संयोजन संभव होने के लिए श्रम उत्पादकता में 30% की छलांग लगनी चाहिए
- तुलना में उन्होंने कहा कि 1980 और 1990 के दशक में कंप्यूटर अपनाने से श्रम बाजार बदला था, लेकिन श्रम उत्पादकता में बढ़ोतरी सिर्फ 2~3% थी
Anthropic की स्थिति और जनरेटिव AI की वास्तविक सीमाएं
- Amodei का बयान उस समय आया जब Anthropic ने Claude chatbot के प्रमुख मॉडल अपडेट जारी किए कुछ ही दिन हुए थे, और Anthropic, OpenAI के ChatGPT से प्रतिस्पर्धा करने वाली कंपनी है
- Anthropic खुद को मुख्य रूप से AI safety और research कंपनी कहती है, और इसके संस्थापकों को ऐसे लोगों के रूप में पेश किया जाता है जिन्होंने OpenAI से वैचारिक मतभेदों के कारण कंपनी छोड़ी थी
- Amodei ऐसी तकनीक से लाभ उठाने की स्थिति में हैं जिसके बारे में वे कहते हैं कि वह श्रम बाजार को नुकसान पहुंचा सकती है, इसलिए उनकी चेतावनी को जनहित मार्गदर्शन से अधिक विज्ञापन के करीब माना गया
- AI आशावादी Mark Cuban ने Bluesky पोस्ट में अतीत में सचिव और ऑफिस डिक्टेशन नौकरियों के बदले जाने के उदाहरण देते हुए कहा कि AI से नई कंपनियां और नई नौकरियां निकलेंगी और कुल रोजगार बढ़ेगा
- ChatGPT और Claude जैसे large language model आधारित जनरेटिव AI कुछ कामों में ताकत दिखाते हैं
- दस्तावेज़ सारांश
- साधारण ईमेल लिखना
- छात्रों की होमवर्क cheating में मदद
- reading list सुझाना
- newsletter की writing style की नकल
- साथ ही इसकी विश्वसनीयता की सीमाएं भी तेजी से सामने आई हैं
- hallucination होता है
- बुनियादी तथ्य गलत हो जाते हैं
- manipulation के प्रति कमजोर है
- अगर AI कंपनियां ऐसे अर्ध-विश्वसनीय text predictor को आर्थिक क्रांति में बदल सकती हैं, तो उन्हें इसकी संभावना साबित करनी होगी; Anthropic को भी सिर्फ जोखिम की चेतावनी देने के बजाय यह दिखाना होगा कि AI कैसे विनाशकारी हो सकता है और Anthropic उसे कैसे हल कर सकता है
1 टिप्पणियां
Hacker News टिप्पणियाँ
असली white-collar mass layoffs मुझे ZIRP के खत्म होने के साथ दिखती हैं, जब अनंत software job openings खत्म हुईं और layoffs शुरू हुए
अभी AI को वजह बताना आसान है, लेकिन यह पहले ही हो चुके एक बड़े बदलाव का चारा जैसा लगता है
https://fred.stlouisfed.org/graph/?g=1JmOr
पैमाने के लिहाज से असर बहुत बड़ा है और अभी भी जारी है; यह 2020 से पहले के स्तर पर वापस नहीं आया है और आगे भी शायद न आए। महामारी से पहले की job openings को 100 मानें तो software करीब 61 पर है
हालांकि IT roles पर AI का असर हो सकता है, क्योंकि 2025 की शुरुआत के आसपास एक अलग-सा मोड़ दिखता है: https://fred.stlouisfed.org/graph/?g=1JmOv
तुलना करें तो construction और nursing job openings महामारी से पहले से ऊपर हैं, क्रमशः लगभग 120 और 116, और banking अभी भी 100 के आसपास है
AI hype की चर्चा इतनी assertive है कि यह trend शायद लगभग भुला दी गई history बनकर रह जाएगा। 10 साल बाद लोग मानेंगे कि Elon ने Twitter का staff 90% इसलिए घटाया क्योंकि AI initiatives थे, न कि इसलिए कि उन्हें लगा था कि इसे कहीं ज्यादा lean तरीके से चलाया जा सकता है। दूसरी कंपनियाँ भी 3–4 साल से यही सवाल पूछ रही हैं, और AI कभी न कभी इसमें असर डाल सकता है, लेकिन अब तक headcount घटाने के लिए ऐसे सहारे की जरूरत नहीं पड़ी थी
status games की लत वाली दुनिया में यह आसमान से मिला बहाना है
AI नकारात्मक coverage का सारा ध्यान खींच लेगा, लेकिन अंत में capital flows ही तय करते हैं कि business कैसे चलता है, और वही तय करता है कि किस तरह का software बनता है। Conway’s law की बुनियाद यही है
white-collar mass layoffs, ZIRP excess के दौर में जमा हुई फालतू चीजों को हटाने वाली slimming down के ज्यादा करीब हैं
मैं उस दौर से जैसे-तैसे निकला था, इसलिए इस बार भी आते देख लिया था, और जब मैंने लोगों से कहा कि नौकरी पकड़े रहो और job hopping बंद करो, तो उन्होंने मुझे पागल कहा। क्योंकि अक्सर बार-बार नौकरी बदलने वाले लोग layoffs की पहली कतार में होते हैं
2000 में मैं एक नए शहर में शिफ्ट हुआ था, और दोस्तों की चल रही कंपनी में मेरे लिए job ready थी। CEO सहित करीब 15 अच्छे दोस्त उस कंपनी में थे, software development role पक्का था और interview सिर्फ औपचारिकता होना था। लेकिन शिफ्ट होने के बाद CEO से मिला तो पता चला कि funding रुक गई है और hiring freeze है, इसलिए वे मुझे hire नहीं कर सकते
इसके बाद freelance करके महीने के कुछ सौ डॉलर भी जोड़कर गुजारा करना पड़ा। सौभाग्य से जिस घर में मैं शिफ्ट हुआ था वह उसी कंपनी के दोस्तों के साथ एक बड़ा घर था, इसलिए उस समय rent कम था और उन्होंने कई साल मदद की। आखिरकार उस कंपनी से कुछ freelance काम भी मिला, लेकिन full-time programming job 2004 में ही मिली, और उससे पहले के 4 साल बहुत कठिन थे
Covid के दौरान बहुत सारी tech companies ने over-hiring की और FAANG व बाकी tech companies में एक बड़ा bubble था। tech jobs का crash टल नहीं सकता था
इस बार ठंड में छोड़े गए लोगों के लिए दुख होता है, और मुझे पता है वे किस दौर से गुजर रहे हैं
इसके बजाय हमने consumption चुना, और helicopter money ने और ज्यादा बकवास खरीदवाने के लिए बकवास jobs बना दीं। जब helicopter money खत्म हुआ और ऐसी jobs कटती दिखीं, तो बात काफी साफ हो गई
AI efficiency और बढ़ा सकता है, लेकिन वह ज्यादा leisure नहीं, बल्कि और ज्यादा बकवास jobs और consumption से भरा जाएगा
ZIRP के दौर में मैंने 10 अरब डॉलर से ज्यादा market cap वाली दो कंपनियों में काम किया, और ज्यादातर meetings में मौजूद knowledge workers में आधे से ज्यादा गैर-जरूरी थे
हमारी team में schedule इतना packed था कि cross-functional meetings में हमारी जगह शामिल होने के लिए एक व्यक्ति तक hire किया गया। कंपनी grow कर रही थी, और meeting attendee hire करने से तेजी से बढ़ते stock price पर खरोंच नहीं आती थी। ऊपर से, लोग hire करने से VP की headcount बढ़ती थी और influence भी
market efficiency नहीं, कंपनी की growth को value कर रहा था, लेकिन market आखिरकार समय के साथ value के आगे झुकता है। तब ऐसी सारी padded hiring कट जाती है। दोनों कंपनियों ने बाद में 10,000 से ज्यादा लोगों को lay off किया
AI scapegoat था; असल में जिन knowledge worker jobs को AI “replace” कर रहा है, उनमें से काफी ने शुरुआत से ही वास्तविक value बनाई ही नहीं थी
मुझे लगता है कि अच्छे product managers सोने के भाव के बराबर कीमती होते हैं, लेकिन ZIRP era में मिले कई PM असल में Jira updates संभालने वाले और meeting schedules coordinate करने वाले ज्यादा थे। tech industry से आए जिन लोगों को अब hiring में दिक्कत हो रही है, उनमें बहुत से “adjacent” roles जैसे agile coach, TPM थे। बेशक उनके लिए सहानुभूति बहुत है। कई लोगों ने सालों तक मेहनत की और capabilities बनाईं, लेकिन ऐसे roles मूल रूप से कुछ हद तक “optional” ही थे
tech hiring में गिरावट के लिए over-hiring के अलावा offshoring को मैं AI से कहीं ज्यादा जिम्मेदार मानता हूँ। video conferencing technology सच में अच्छी और व्यापक 2010s के आखिर में हुई, खासकर remote workers के बीच, और उसके बाद offshore contractors में विस्फोटक बढ़ोतरी देखी। जब वैसे भी बहुत से लोग remote काम कर रहे हैं, तो colleague उसी शहर में है या दूसरे continent में, इससे फर्क नहीं पड़ता। बस दिन में कुछ overlap hours होने चाहिए। इसलिए India से ज्यादा Latin America और Europe में भी काफी offshoring देखी
कुछ समय तक software industry सचमुच पागल थी। लोग college से अभी-अभी निकलकर, किसी अनजानी CS degree के साथ 120k, 150k डॉलर पा रहे थे। तब 120k डॉलर सच में 120k डॉलर था। वह music कभी न कभी रुकना ही था
“मैं दीवार पर बैठी मक्खी की तरह सुनूँगा”, “मैं meeting notes ले लूँगा” वाले लोग बहुत थे, और ज्यादातर ने कोई contribution नहीं दिया
काश कोई इसे किसी और तरीके से समझने में मदद करे
अगर ये tools वाकई लोगों को इतना productive बना रहे हैं, तो क्या यह कंपनी के output में दर्दनाक रूप से साफ़ नहीं दिखना चाहिए? उदाहरण के लिए, अगर AI coding tools आखिरकार productivity में ज़बरदस्त बढ़ोतरी हैं, तो हमें software कंपनियों को features और fixes पहले से कहीं तेज़ी से जारी करते देखना चाहिए। Innovative products और मौजूदा products में बड़े सुधारों की बाढ़ आनी चाहिए, और यह blog posts या earnings calls में नहीं, बल्कि customers और users को साफ़ तौर पर महसूस होना चाहिए
अगर यह cost department है, तो यह तुरंत layoffs में बदल सकता है। लेकिन अगर कोई कंपनी software बनाती और बेचती है, तो उसे इसका फायदा उठाना चाहिए, और लोगों की संख्या तभी घटानी चाहिए जब वह इस मुकाम पर पहुंच जाए कि “हमें समझ नहीं आ रहा कि इस extra productivity का क्या करें, हमारे ideas खत्म हो गए हैं।” मैंने ऐसी एक भी कंपनी नहीं देखी
इसलिए ये फैसले मुझे hype-driven narrative से प्रभावित short-term thinking लगते हैं
उदाहरण के लिए, मैंने पिछले साल के अंत में एक SaaS कंपनी शुरू की और वह बहुत तेज़ी से बढ़ रही है। कंपनी के पहले birthday से पहले ARR 1 million dollars पार करने की राह पर है। पूरी तरह bootstrapped है, founders के पास 100% equity है, और team में 2 लोग हैं। मुझे भरोसा है कि हम इस growth rate को काफी समय तक hiring या investment के बिना बनाए रख सकते हैं। बेशक यह भी कहा जा सकता है कि ज्यादा पैसा या लोग हों तो growth rate और बढ़ सकती है
अपने career के शुरुआती दौर में दूसरी कंपनियों में capacity की समस्या आती थी तो hiring से हल निकाला जाता था। लेकिन मेरे co-founder और मैं इसे AI से हल कर पाए, और बहुत ज्यादा upfront time लगाए बिना लगातार double-digit percentage productivity improvements खोज रहे हैं। जब मैंने काम शुरू किया था, तब तो छोड़िए, AI के मुख्यधारा में आने से कुछ साल पहले भी यह बिल्कुल संभव नहीं होता
यह “दर्दनाक रूप से साफ़” क्यों नहीं दिख रहा, इस पर मेरी theory यह है कि इस technology से सबसे ज्यादा value पाने वाले ज्यादातर businesses के बारे में आपने सुना ही नहीं है। क्योंकि वे सभी बहुत छोटे हैं। जिन कंपनियों को हम जानते हैं वे औसतन बड़ी होती हैं। बड़ी कंपनियों के लिए नई technology के हिसाब से रातोंरात खुद को reinvent करना बहुत मुश्किल है, और बड़े जहाज़ को मोड़ने में समय लगता है। लेकिन मेरी कंपनी जैसे छोटे businesses आज काम करने का तरीका बदल सकते हैं और कल परिणाम देख सकते हैं
bottleneck बौद्धिक productivity नहीं है। bottlenecks regulation, intellectual property law, marketing और ऐसी अनगिनत दूसरी चीजें हैं। executives के emails लिखने वालों और meetings में बैठने वालों के दिमाग में तरह-तरह के business considerations हमेशा आपस में टकराते रहते हैं। हर चीज़ को सुरक्षित तरीके से monetize करने के लिए बहुत सारी तथाकथित शानदार सोच चाहिए, और संबंधित factors में से कई legal कारणों से कहीं लिखित रूप में सामने नहीं आते
AI जिस एक क्षेत्र को हिला रहा है वह research है। researchers models को नए तरीकों से apply करके mathematics, medicine आदि में वास्तविक progress कर रहे हैं। दूसरा क्षेत्र art “creation” है, खासकर graphic artists। ये शुरुआती victims हैं और निकट भविष्य में पूरी तरह replace हो जाने की संभावना है। थोड़ा और समय बीतेगा तो writers, actors आदि भी इसके बाद आएंगे
https://www.ft.com/content/4f20fbb9-a10f-4a08-9a13-efa1b55dd...
कहा जा रहा है कि Goldman Sachs के 46,000 कर्मचारियों में 11,000 engineers हैं, और वह public filing documents के drafts तैयार करने में AI का उपयोग कर रही है
Solomon के मुताबिक, IPO की initial registration statement यानी S-1 draft तैयार करने में 6 लोगों की team को 2 हफ्ते लग सकते थे, लेकिन अब AI इसे कुछ ही मिनटों में 95% तक पूरा कर सकता है
मतलब यह है कि “अब आखिरी 5% मायने रखता है, क्योंकि बाकी commoditized हो चुका है”
मेरी नज़र में यह बड़ा बदलाव है। junior investment bankers सस्ते नहीं होते, और उन्हें कम से कम 150,000 dollars annual total compensation मिलता है
उदाहरण के लिए यह लेख: https://sourcegraph.com/blog/revenge-of-the-junior-developer
तो फिर 2027 के आसपास autonomous AI agent swarms को हर bug report के आसपास झुंड बनाकर घूमना चाहिए और इंसानों से कई गुना तेज़ी से उन्हें हल करना चाहिए। बढ़िया। तब 2028 के आसपास buggy software अतीत की बात हो जाएगा। बेशक केवल उन कंपनियों के लिए जिन्होंने AI को पूरी तरह अपनाया होगा
मुझे सचमुच उस future का इंतज़ार है जहां IT projects schedule और budget से बाहर नहीं जाते और उम्मीद से ज्यादा value देते हैं। क्या मुझे दोष दिया जा सकता है कि यह इतना अच्छा है कि इस पर यकीन करना मुश्किल लगता है?
complex systems में अंदरूनी बड़े बदलावों के परिणाम हमेशा महसूस किए जा सकें, यह जरूरी नहीं, खासकर जब जिस evidence पर अभी निर्भर किया जा रहा है वह sensory sample का बहुत छोटा हिस्सा भर है
आपको अंदाज़ा नहीं है कि average company नए code changes कितनी जल्दी deploy करती है, और मुझे समझ नहीं आता कि आपको क्यों लगता है कि आप यह जान सकते हैं। public end-user feature releases तो अच्छा signal भी नहीं हैं। वह downstream product है और लिखे जा रहे software का सिर्फ छोटा हिस्सा है
यह कुछ वैसा है जैसे shopping mall में घूमकर यह सोच लेना कि आप हर महीने देश में आने वाले immigrants की संख्या में बदलाव का माहौल भांप रहे हैं
AI जिन चीज़ों को खत्म करेगा, वे हैं white-collar jobs जहां लोग workday को नींद में चलने जैसा बिताते हैं और हर काम बस आधा-अधूरा करते हैं
2025 में LLM से वह काम कराया जा सकता है। अफसोस कि जो executives AI को असली काम का वैध विकल्प मानते हैं, वे यह फर्क पहचान नहीं पाएंगे
लगता है कि आसानी से बहकने वाले CEO इसके चलते अपनी ही कंपनियों को उड़ा देंगे। बाकी लोग बच पाएंगे या नहीं, यह देखना होगा। बेशक CEO तो ठीक रहेंगे
AI इसे ठीक नहीं करेगा। अगर आप 50% कर्मचारियों को हटाते हैं, तो इसका मतलब यह नहीं कि आपने निचले 50% को हटा दिया। सबसे बुरे हाल में, और औसतन भी, चयन लगभग random होगा। अंत में पहले जैसी ही अनुपात में खराब worker बचे रहेंगे
इससे भी बुरा यह कि खराब metrics के कारण आप उल्टा सबसे खराब workers को सक्रिय रूप से चुन बैठते हैं, और यह हमारी सोच से कहीं ज्यादा बार होता है
जो managers घर से काम करना नहीं समझते, वे वही लोग हैं जिन्होंने पूरी जिंदगी दफ्तर में बातें करने के अलावा कुछ नहीं किया। इसलिए वे समझ ही नहीं पाते कि किसी शांत जगह बैठकर सोचना कैसे काम है और कंपनी को value कैसे देता है
यह स्वीकार न कर पाना कि business के भीतर अलग-अलग लोग अलग-अलग काम करते हैं, एक बड़ी विफलता है
कुछ लोग धीमे होते हैं, कुछ तेज या ज्यादा efficient और productive, लेकिन सभी पर बहुत ज्यादा काम का दबाव होता है। यह हमेशा साफ होता है कि और लोगों की जरूरत है, लेकिन supposedly budget रोक रहा होता है
इसलिए जो स्थिति बताई जा रही है, वह मुझे मिथक जैसी लगती है। हालांकि अमेरिकी कंपनियां बेहद अमीर हैं, या कम से कम उनकी valuation बहुत ऊंची है, और investors के पास पैसा लगाने की जगहें भी बहुत हैं, इसलिए सचमुच ऐसा हो सकता है
अगर यह बात सच है, तो consumer के तौर पर हमें और ज्यादा नींद में चलने जैसे, आधे-अधूरे products की उम्मीद करनी चाहिए। बस उन्हें बनाने वाली entity AI होगी
क्या AI विज्ञापनों पर click करेंगे और iPhone खरीदेंगे?
entry-level jobs के AI से replace होने की बड़ी समस्या जरूर है
intern या अभी-अभी graduate हुए fresher को क्यों hire करें, जब उसमें वह expertise या experience ही नहीं है जिससे वह ऐसा काम कर सके जो AI शायद कर सकता है?
हां, AI को भी हाथ पकड़कर चलाना और prompts देना पड़ सकता है, लेकिन AI सस्ता है या सच में ज्यादा “smart” है। कई मामलों में दोनों
मैं ऐसे लोगों के साथ काम करता हूं जिनके बारे में भरोसा है कि उनमें आगे चलकर सक्षम बनने की क्षमता और potential है, लेकिन उन्हें वहां तक पहुंचाने में समय और संसाधनों का निवेश बहुत बड़ा है। जिन कामों को उन्हें delegate करता, उन्हें AI से करवा लेने का विकल्प मैं अक्सर चुनता हूं। क्योंकि जरूरत अभी और जल्दी होती है। इंसान को देने पर जल्दी नहीं मिलता, और usable हालत में लाने के लिए feedback और review के कई दौर लगाने पड़ते हैं
इंसान होने के कारण deadline 2–3 business days खिसक जाती है। वहीं AI को prompt देकर और hand-hold करके 3 घंटे में काम पूरा कराया जा सकता है
इसका मतलब यह नहीं कि AI भगवान का तोहफा है, लेकिन नए graduates और entry-level roles काफी मुश्किल में आ गए हैं
intern का मूल concept training position का था। net productivity negative होना ही चाहिए
ढांचा यह था कि internship के बाद लोग कंपनी में रहें या दूसरी कंपनी में जाएं, और trained लोगों की प्राथमिकताएं साथ ले जाएं
लेकिन आजकल corporate HR कर्मचारियों के खिलाफ चीजें सक्रिय रूप से करता है, और कर्मचारी भी इतने fluid हैं कि employer का नाम मुश्किल से याद रखते हैं, इसलिए पूरी चीज लगभग बेकार exercise बन गई है
पिछली कंपनी में हमने Japanese interns को train किया था। वे अक्सर 2-year visa पर अमेरिका आते थे, और जब Japan लौटते थे तो बहुत अच्छे engineers बन चुके होते थे। यह पूरी तरह worthwhile था
और interns व freshers भी AI इस्तेमाल कर सकते हैं। यह ऐसा लगता है जैसे पूछा जाए, “compiler आ गया है तो junior programmers को क्यों hire करें? boring assembly लिखने वाले की जरूरत नहीं रही”
अगर AI सचमुच बड़ी productivity boost है, तो पिछले 75 वर्षों में computers और software से मिली productivity improvement की तरह लोग इसे अधिक software, features, optimization आदि में बदल देंगे
आज intern hire करें तो वह high-touch होगा, organization के लिए net cost बनेगा, और modest लाभ देगा
कल का intern AI इस्तेमाल करने का आदी होगा, कम hand-holding मांगेगा, और AI की मदद से ज्यादा बना पाएगा। कुल impact कहीं बड़ा हो सकता है
“entry-level बर्बाद है” वाला नजरिया तभी टिकता है जब मान लिया जाए कि कंपनी interns और entry-level employees की सारी कमियां चाहती है, और काम की मात्रा finite है। तब logic यह बनता है कि वे कमियां AI से सस्ते में मिल सकती हैं
लेकिन मुझे ऐसा नहीं दिखता। AI इस्तेमाल करना जानने वाला एक entry-level employee, जो 6 लोगों जितना output दे, कहीं बेहतर है। 1-person startup से लेकर सबसे बड़ी tech company तक, जहां भी मैंने काम किया, वहां करने को भारी मात्रा में काम बचा था। इसलिए हर कोई कठोर prioritization की बात करता है
तो फिर ठीक-ठीक क्यों entry-level खत्म हो गया?
implementation cost कम हो गई है, इसलिए आप खुद कर रहे हैं
ठीक से परिभाषित delegation में केवल task नहीं, बल्कि outcome पर judgment और ownership भी सौंपना शामिल है। perfect delegation का मतलब है कि आप भरोसा करते हैं कि सामने वाला आपकी तरह decision करेगा, या कम से कम ऐसे तरीके से decision करेगा जिसे आप respect और understand कर सकें
AI को पूरी तरह delegate नहीं किया जा सकता, और सच कहें तो ऐसा करना भी नहीं चाहिए। AI को prompt, interpretation और post-processing चाहिए। सोच अब भी आप ही रहे होते हैं। implementation cost कम है, लेकिन decision-making cost अब भी आप पर है। यह delegation नहीं, assisted execution है
इसके उलट, इंसान को सचमुच delegate किया जा सकता है। समय के साथ वह goals को internalize करता है, context के हिसाब से adapt करता है, और ऐसे तरीके से responsibility लेता है जो AI कभी नहीं कर सकता
AI आपका स्थान क्यों नहीं ले सकता, इसकी कई वजहें हैं। पहली, shallow context। उसे organizational norms, tacit expectations, और prompt या codebase में explicitly न लिखे domain details नहीं पता होते। दूसरी, उसका कुछ दांव पर नहीं लगा होता। AI का career, reputation, consequences कुछ नहीं होते। trained और trusted junior इंसान केवल तेज नहीं होता, बल्कि स्वतंत्र रूप से जिम्मेदारी लेने वाला बनता है
juniors और interns भी AI tools इस्तेमाल कर सकते हैं
यह अपने ऊपर चढ़ जाने के बाद सीढ़ी को लात मारकर गिराने जैसा ultimate व्यवहार लगता है
ऐतिहासिक रूप से लोगों ने यह काफी अच्छी तरह अनुमान लगाया है कि नई technology मौजूदा नौकरियों पर क्या असर डालेगी
लेकिन वे यह अनुमान लगाने में बहुत कमजोर रहे हैं कि उसी technology से आखिरकार कौन-सी नई नौकरियां, careers और industries बनेंगी
इसलिए free-market economy समय के साथ central-planned economy से ज्यादा wealth बनाती है। Free market ज्यादा लोगों को पहली नजर में पागल लगने वाले ideas आजमाने देता है, अच्छे ideas को जल्दी पहचानता है और resources को उनकी तरफ reallocate करता है
जब भरोसेमंद prediction न हो, तो तेज प्रतिक्रिया जीतती है
वैसे, AI मौजूदा white-collar नौकरियों को बहुत बड़े पैमाने पर “तोड़” भी दे, तो इसका मतलब जरूरी नहीं कि mass unemployment होगा। लेकिन यह inference इतना आम है कि उसके लिए एक अपमानजनक नाम भी है: Luddite
और Ludditism का उल्टा पक्ष अभी AI समर्थकों में दिख रहा है। वे मौजूदा नौकरियों पर बड़े झटके को ऐसे shorthand की तरह बुलाते हैं जो बड़ी क्षमता का impression देता है। CNN article के शब्दों में, यह एक तरह की marketing है
असली समस्या यह थी कि mechanized equipment का इस्तेमाल करके उस समय की economy के पूरे एक sector पर हावी हुआ गया, व्यापक artisan labour की value नष्ट की गई और उन्हें social ladder से नीचे खींच दिया गया
जिन्हें काम मिला, वे भी कहीं ज्यादा खतरनाक workplaces में पहुंचे, और उन्हें ज्यादा rigid legal employer/worker structure में जबरन शामिल किया गया। बड़े संदर्भ में देखें तो यह अपेक्षाकृत नया “corporate innovation” था। स्वाभाविक रूप से इससे state को labour contracts लागू कराने की जिम्मेदारी लेनी पड़ी होगी, और public/private police forces का इस्तेमाल उन contracts को हिंसा के जरिए enforce करने में हुआ होगा
इस board के कई high-skilled artisans के लिए भी यह सोचने लायक बात है। क्योंकि यह मान लेना आसान है कि नई technological innovation अपनाने से होने वाले बड़े economic transition में वे कभी नहीं फंसेंगे
कम से कम Wikipedia article सरसरी तौर पर देखने लायक है: https://en.wikipedia.org/wiki/Luddite
Newcomen engine देखकर “अरे, railways!” सोचने वाले सिर्फ पागल लोग थे, और वे पागल लोग बेहद अमीर हो गए। बड़े job categories खत्म हुए, और दूसरे categories पैदा हुए
मुझे लगता है कि आज की स्थिति भी scope को underestimate करने के मामले में बहुत मिलती-जुलती है। बस नए job categories की availability अलग हो सकती है। लेकिन शायद मैं भी उन नए categories को underestimate कर रहा हूं जो अभी दिख नहीं रहे, जैसे कभी firemen और train conductors के मामले में था
विकसित देशों में ज्यादा और बेहतर services की काफी latent demand है
उदाहरण के लिए India और Thailand जैसे देशों के upper-middle और middle class लोग अक्सर wealthy countries के समान वर्गों की तुलना में restaurants, hotels और घरों में बेहतर service पाते हैं
elder care और health services ऐसे खास तौर पर महत्वपूर्ण sectors हैं जहां समाज ज्यादा labour लगाकर फायदा उठा सकता है
इसके अलावा, बहुत से लोग robots बनाने, maintain करने और supervise करने की roles में होंगे। तेज प्रगति के बावजूद robots आने वाले कई वर्षों तक adult humans जितने dexterous, reliable और overall capable नहीं होंगे। Moravec’s paradox देखिए
Trump के interest rates घटाना चाहने की वजह है
दर्दनाक जरूर है, लेकिन ZIRP economy final consumers की नहीं सुनती। अगर income काफी ज्यादा हो, तो innovate करने या पागल ideas बनाने की वजह नहीं रहती
जब भी कोई AI tools की मौजूदा हालत के आधार पर यह analysis करता है कि AI disruption बस overheating है, मुझे वे skeptics याद आते हैं जिन्होंने शुरुआती numbers कम होने के कारण COVID-19 cases की exponential growth को नजरअंदाज किया था
खैर, मुझे समझ नहीं आता कि यह article analysis कैसे है, opinion piece क्यों नहीं। पूरी analysis बस इतनी है कि एक labour economist से पूछा गया कि इस दावे के सही होने के लिए किन conditions की जरूरत होगी, और यह पहले से घूम रही alternative theory पेश की गई कि AI company CEOs झूठी hype बना रहे हैं
लेखक “Yeaaahhh. So, this is kind of Anthropic’s whole ~thing.~” जैसी casual expression तक इस्तेमाल करता है। क्या CNN इस विषय पर सचमुच बस इतना ही analysis दे सकता है?
वे foundation model capabilities की growth को data, compute और hardware जैसे finite resources के मुकाबले plot कर सकते थे। वे मौजूदा venture capital market और companies को promises नहीं, results दिखाने की जरूरत पर बात कर सकते थे। वे यह लिख सकते थे कि विशाल biotech industry नए और रोमांचक drug-discovery tools को धीमे चलने वाले FDA approvals के साथ मिलाने में कैसी कठिनाई झेलती है। यहां इनमें से कुछ भी नहीं किया गया
यह सही है कि humans की nonlinear growth को लेकर intuition कमजोर होती है, लेकिन वह commonality बाकी differences की भरपाई नहीं करती
हम आज भी उसके aftereffects झेल रहे हैं, और उसका नतीजा politics से working-class representation हटाने और Occupy Wall Street जैसे वास्तविक protests को दबाने में निकला
अगर यह bubble फूटा तो IT industry 2000 की तरह कई वर्षों तक collapse करेगी
लेकिन यह बहुत उपयोगी नहीं है। दरअसल इस तरह का argument by analogy दिखाता है कि actual analysis, credible evidence और position के justification की कमी है
इस तरह analogies चुन-चुनकर argument करने से आप बस अपनी position दोहराते हैं, दूसरों को उसे मानने की वजह नहीं देते
pg जैसे acceleration graphs बनाने वाले सभी लोग गलत थे
सच कहूं तो शुरुआती कुछ महीनों में COVID का क्या होगा, इस बारे में political leaning से अलग, लगभग हर commentator गलत था
समझ नहीं आता कि कोई business leader इस बात पर कैसे उत्साहित हो सकता है कि इंसानों की जगह AI ले लेगा
अगर किसी के पास नौकरी ही नहीं होगी, तो आपका सामान खरीदेगा कौन? देश में बेरोज़गारी दर बढ़े तो consumer spending धीमी होती है और recession शुरू होता है। कोई इसकी उम्मीद कैसे कर सकता है?
अब तक किसी भी automation में हर actor अपना खर्च घटाकर फायदा उठाता है, और अगर दूसरों से ज़्यादा स्मार्ट तरीके से करे तो थोड़े समय के लिए बाज़ार जीत लेता है
turkey को अपने हर ज़िंदा दिन के साथ थोड़ा और सबूत मिलता है कि किसान उसके लिए सिर्फ़ अच्छा चाहने वाला, कभी न खत्म होने वाला free food source है
Jevons paradox जैसी चीज़ों का हवाला देकर खुद को यह समझाना आसान है कि आर्थिक नियम हमेशा के लिए रहते हैं
वह बस बिना सोचे अपना काम करता रहता है
अगर वह सोच सकता, तो शायद वह अपने दिखा सकने वाले quarterly, नहीं, hourly metrics पर बहुत गर्व करता। numbers ऊपर गए हैं, तो reward लेने का समय है
सिर्फ़ lower-rank junior लोग ही जोखिम में नहीं हैं, कंपनियां भी आसानी से पीछे धकेली जा सकती हैं। क्योंकि माना जा सकता है कि AI मौजूदा products से बेहतर हो सकता है या उन्हें replace कर सकता है
क्या product को support करने वाले AI को चलाने की processing power और physical equipment के लिए funding ही सबसे बड़ा entry barrier बनेगी?
मूल article भी AI lab Anthropic के CEO के बारे में है, जिन्होंने कहा कि उन्हें लगता है कि जल्द ही बड़ी social problem आने वाली है
समस्या यह है कि information environment विकृत है। लेखक और कई commenters इन चिंताओं को “optimism” या “hype” के रूप में पेश करते हैं। क्योंकि वे नहीं मानते कि AI सचमुच इतना बड़ा प्रभाव डालेगा
computers आने के बाद से बहुत बड़ी मात्रा में white-collar work automate हो चुका है
1960s के office workers जो काम करते थे, उसकी तुलना आज लोग जो करते हैं उससे करें तो वह लगभग पहचान में नहीं आएगा
वे उन कामों में बहुत समय लगाते थे जिन्हें software अपने-आप कर देता है या 1,000 गुना तेज़ बना देता है। लेकिन कुल मिलाकर उसने उल्टा और ज़्यादा white-collar jobs बनाई। उन क्षमताओं की वजह से ज़्यादा काम निपटा, और उसके परिणामस्वरूप नए tasks की ज़रूरत पैदा हुई
पहली बात पर कहें तो, Great Depression के दौरान बेरोज़गारी दर भी “सिर्फ़” 30% थी। और वे लोग आखिरकार दूसरी नौकरियां ढूंढ सके थे। यहां हम और ज़्यादा लोगों की permanent unemployment की बात कर रहे हैं
Luddites सही थे। machines ने उनकी नौकरियां छीन ली थीं। जिन individuals ने अपनी skills में बहुत निवेश किया था वे permanent disadvantage में चले गए, और जिन्होंने resistance किया उन्हें execute कर दिया गया
दूसरी बात को सही-सही कहें तो, jobs न होना इसका मतलब नहीं कि problems नहीं हैं। society को हासिल करने लायक बहुत सारे काम हैं, और एक perfect world में Amazon box packing की नौकरी automation से खोने वाला व्यक्ति low-income parents के लिए daycare खोल सकता। लेकिन हमारे पास ऐसे ज़्यादातर कामों को संभव बनाने वाला economic model नहीं है, और आगे यह सिर्फ़ और खराब होगा
यह बात बिना खास commentary के गुजर गई
LLMs से पहले, ज़रूरी class time पाने के लिए मुझे कहीं ज़्यादा पैसा देना पड़ता, लेकिन Google Translate और DeepL की वजह से meaningful casual learning संभव हुई। मैं खुद पढ़ सकता था, समझने की कोशिश कर सकता था, और हफ्ते में 2–3 बार class में teacher के पास questions ले जा सकता था
आजकल मैं अपने parents की languages, Cantonese और Mandarin, सीख रहा हूं। LLM कभी-कभी कितना गड़बड़ करता है, यह हंसाने लायक होता है। जैसे d20 पर natural 1 roll करके कोई भी phrase गिरा दे। कम से कम मेरे दिमाग में तो setting यही है। बगल में DnD चल रहा है
“AI मेरे काम का पूरा हिस्सा नहीं कर सकता, इसलिए मेरी नौकरी safe है” यह बात अक्सर दिखती है
लेकिन scale बढ़ने और समय गुजरने पर, अगर AI आपके काम का 80% कर सकता है तो AI वही 80% करेगा। बचे हुए 20% human work को consolidate करके मूल headcount के 20% लोगों की full-time jobs बना दी जाएंगी, और बाकी 80% को lay off कर दिया जाएगा
आज define की गई किसी job के 100% हिस्से को AI को कर पाना ज़रूरी नहीं है तभी बड़े पैमाने पर labour reshuffling होगी। jobs redefine होंगी, और आम तौर पर उन्हें उस हिस्से तक छोटा कर दिया जाएगा जिसे सचमुच इंसान को करना है
employee के नज़रिए से AI से मिली efficiency gains आपकी नहीं, कंपनी की हैं
उम्मीद करनी होगी कि उससे आप mortgage चुका पाएंगे