सबूत कि AI युवाओं की नौकरियां नष्ट कर रहा है

• हाल ही में प्रकाशित Stanford शोधकर्ताओं के एक पेपर में पाया गया कि AI के प्रति अत्यधिक exposed नौकरियों में 22~25 वर्ष के युवा कर्मचारियों का रोजगार लगभग 13% गिरा है
• यह अध्ययन ADP payroll data पर आधारित है और इसमें कोरोना, remote work, अर्थव्यवस्था आदि जैसे विभिन्न परिकल्पनाओं को नियंत्रित करते हुए विश्लेषण किया गया
• केवल उन नौकरियों में, जहां AI का automation impact बड़ा है (software development, customer service आदि), युवाओं के रोजगार में स्पष्ट गिरावट दिखी
• जिन भूमिकाओं में AI augmentation (सहायक·पूरक) की भूमिका निभाता है, वहां युवाओं के रोजगार में गिरावट उतनी स्पष्ट नहीं है
• इसे इस बात के मजबूत empirical evidence के रूप में देखा जा रहा है कि AI अभी से युवा श्रम बाजार में संरचनात्मक बदलाव ला रहा है

---

अमेरिका में युवाओं की नौकरियों में गिरावट और AI के प्रभाव पर नवीनतम शोध रुझान

बहस की पृष्ठभूमि

• अमेरिकी अर्थव्यवस्था की स्थिति और AI के प्रभाव को लेकर अलग-अलग बहसें जारी हैं
• "क्या AI पहले से ही युवाओं की नौकरियां छीन रहा है?" इस सवाल पर तीन प्रमुख दृष्टिकोण मौजूद हैं
  • संभव है: शुरुआती विश्लेषणों में यह बात उठी कि हाल के graduates की कमजोर hiring AI के प्रभाव का संकेत हो सकती है
  • बिल्कुल हां: New York Times, Axios जैसे प्रमुख मीडिया संस्थानों ने दावा किया कि AI entry-level कर्मचारियों की नौकरियां ले रहा है, और Anthropic के CEO ने अनुमान लगाया कि अगले 5 वर्षों में white-collar entry roles का आधा हिस्सा गायब हो सकता है
  • लगभग नहीं: आर्थिक विश्लेषण संस्थानों ने ऐसे data जारी किए जिनमें AI का रोजगार पर असर स्पष्ट नहीं दिखता, और रिपोर्ट किया कि अधिकांश कंपनियों में AI का workforce पर net effect लगभग नगण्य है

Stanford शोधपत्र और अनुभवजन्य निष्कर्ष

• हाल ही में Stanford की शोध टीम ने ADP के लाखों payroll records का उपयोग कर 2025 के मध्य तक रोजगार रुझानों का अवलोकन किया
• AI के प्रति बहुत अधिक exposed नौकरियों (जैसे software developer, customer service work) में 22~25 वर्ष के युवाओं के रोजगार में ChatGPT के आने के बाद 13% की गिरावट देखी गई
• दूसरी ओर, कम exposure वाली नौकरियों (जैसे home healthcare) और अधिक उम्र के समूहों में रोजगार या तो बना रहा या बढ़ा
• कोरोना, remote work, low growth जैसे विभिन्न बाहरी कारकों को नियंत्रित करने के बाद भी परिणामों में बड़ा बदलाव नहीं आया
• यह causal experiment नहीं बल्कि observational analysis है। फिर भी, high-exposure roles में युवाओं के रोजगार में गिरावट का पैटर्न स्पष्ट रूप से सामने आता है

चार्ट और मामलों के अनुसार विश्लेषण

• ग्राफ 1: युवा software engineers और customer service भूमिकाओं में नए भर्ती अवसरों में स्पष्ट गिरावट दिखाता है
  • अधिक उम्र के समूहों में रोजगार बना रहता है या बढ़ता है, जबकि उसी job category में केवल युवा वर्ग में तेज गिरावट दिखती है
• ग्राफ 2: home healthcare जैसी बहुत कम AI exposure वाली भूमिकाओं में युवाओं का रोजगार तेजी से बढ़ रहा है
  • इससे संकेत मिलता है कि AI के कारण युवाओं के रोजगार में गिरावट कुछ खास भूमिकाओं तक सीमित है
• marketing जैसी मध्यम स्तर की AI exposure वाली भूमिकाओं में भी युवाओं के रोजगार में स्पष्ट कमी दिखी

यह शोध पिछले अध्ययनों से अलग क्यों है?

• पिछले शोध (CPS आदि) में sample size छोटा था, इसलिए 22~25 वर्ष जैसे सूक्ष्म समूहों का विश्लेषण करने में सीमाएं थीं
• ADP data की वजह से उम्र और job category के हिसाब से छोटे समूहों में भी भरोसेमंद अनुमान संभव हो पाए

AI के automation और augmentation प्रभाव का अंतर

• भूमिका के अनुसार उन मामलों को अलग करके विश्लेषण किया गया जहां AI automation के जरिए मानव कार्य को replace करता है, और जहां AI मानव कार्य को augment·complement करता है
  • automation विशेषता वाली नौकरियां (software engineer, audit आदि): युवाओं के रोजगार में स्पष्ट गिरावट
  • augmentation विशेषता वाली नौकरियां (जटिल या रणनीतिक भूमिकाएं): युवाओं के रोजगार में गिरावट स्पष्ट नहीं
• Anthropic Economic Index जैसे बाहरी संकेतकों का भी उपयोग कर, नौकरी-विशेष AI प्रभावों का वर्गीकरण और विश्लेषण किया गया
• ग्राफ 6, 7: जिन नौकरियों में automation आसान है, उनमें युवाओं का रोजगार स्पष्ट रूप से घटता है, जबकि augmentation वाली नौकरियों में रोजगार उलटे बढ़ने की दिशा में है

एक ही कंपनी के भीतर भी विभागों के अनुसार भर्ती प्रभाव में अंतर

• एक ही कंपनी के भीतर भी legal/accounting जैसे automation exposure वाले विभागों में युवाओं का रोजगार घटता है, जबकि दूसरे विभाग augmentation प्रभाव के कारण स्थिर रहते हैं या बढ़ते हैं
• कंपनी-स्तरीय आर्थिक कारकों (जैसे ब्याज दरें) से अलग, job exposure के आधार पर स्पष्ट अंतर मौजूद है

AI द्वारा प्रतिस्थापन की संभावना और कार्यबल की विशेषताएं

• LLM (large language model) मुख्य रूप से documented और structured knowledge पर अच्छी तरह प्रशिक्षित होते हैं। यह युवाओं द्वारा अर्जित औपचारिक ज्ञान से काफी हद तक मेल खाता है
• इसके विपरीत, अधिक उम्र और अनुभव वाले कर्मचारियों का tacit knowledge (वह सूक्ष्म know-how जो केवल field में सीखा जाता है) इससे कम मेल खाता है
• छोटे समय के, दोहराव वाले और आसानी से मूल्यांकित होने वाले काम AI के लिए replace करना आसान है। जटिल और दीर्घकालिक रणनीतिक काम AI के लिए कठिन हैं

विश्वविद्यालय शिक्षा की प्रतिक्रिया की दिशा

• AI को tool की तरह सक्रिय रूप से इस्तेमाल करने की क्षमता अब अधिक महत्वपूर्ण हो रही है
  • हैरानी की बात यह है कि senior developers अक्सर AI उपयोग में अधिक दक्ष दिखते हैं। इससे university curriculum में बदलाव की जरूरत पर जोर दिया गया है
• LLM की सीमाएं (physical work, human interaction आदि) और नए job skills के महत्व को रेखांकित किया गया

निष्कर्ष और आगे का दृष्टिकोण

• केवल AI की भविष्य की उपलब्धियों या खतरों पर चर्चा करने के बजाय, यह स्वीकार करना होगा कि AI पहले से ही मौजूदा अर्थव्यवस्था और युवा श्रम बाजार पर वास्तविक प्रभाव डाल रहा है
• युवाओं की नौकरियों और AI के संबंध को समझने के लिए real-time data और दोहराए गए सत्यापन की आवश्यकता पर जोर दिया गया
• संदेश यह है कि भविष्यवाणी से ज्यादा, मौजूदा स्थिति का सटीक निदान महत्वपूर्ण है

[kimjoin2]

हर तकनीक की प्रगति मौजूदा नौकरियों को खत्म कर रही है, लेकिन सिर्फ AI ही अभी लोगों का ध्यान ज़्यादा खींच रहा है।

[GN⁺]

Hacker News की राय

• यह जानने की जिज्ञासा है कि जनवरी 2023 से Customer Service Rep जैसे NLP-केंद्रित पदों में hiring में गिरावट क्यों दिखने लगी, क्योंकि मेरी जानकारी में ज़्यादातर बड़ी कंपनियों ने LLM/NLP pilot 2023 के मध्य या उत्तरार्ध में शुरू किए थे, इसलिए वास्तविक तकनीकी adoption से एक साल से भी पहले hiring घटना समझ में नहीं आता, SWE hiring में गिरावट 2022 के मध्य से थी और यह लगभग पूरी तरह ब्याज दर बढ़ोतरी के समय से मेल खाती है, जबकि LLM और Copilot का व्यापक प्रसार एक साल बाद हुआ, पेपर में ZIRP समाप्ति के लिए adjustment की बात है, लेकिन वह पर्याप्त है या नहीं, यह स्पष्ट नहीं, आसपास के अनौपचारिक सर्वे में भी LLM Copilot का गंभीर adoption 2023 के अंत से 2024 के मध्य के बीच था, तब तक यह इतना फैल नहीं चुका था

  • SWE (software engineer) hiring में गिरावट 2017 के tax law बदलाव की वजह से है, research and development (R&D) से जुड़ी कुछ tax credit 2022 से खत्म हो गईं, इसलिए R&D भूमिकाओं (जैसे engineer, scientist) पर labor cost काफी बढ़ गई, R&D का अनुपात अधिक रखने वाली बड़ी कंपनियों पर इसका असर सबसे पहले पड़ा, वहीं Customer Service hiring में गिरावट इसलिए है क्योंकि कंपनियाँ customer service की परवाह ही नहीं करतीं, दशकों से automated phone systems, outsourced call centers, खराब websites जैसी चीज़ों के बावजूद service quality कम रही है, और अगर निवेशकों से कहा जाए कि “AI लागू करके और layoffs करेंगे” तो उल्टा सराहना मिलती है, न market और न regulation इसे रोकता है, इसलिए सेवा को जानबूझकर बिगाड़ने पर भी उसके सुधरने की उम्मीद नहीं बचती

  • मैं consulting करता हूँ, और नवंबर 2022 के आसपास माहौल नाटकीय रूप से बदल गया, पहले इतने prospective clients थे कि संभालना मुश्किल था, फिर अचानक काम लगभग रुक गया, जिन clients से डील होती थी वे भी startup या mid-sized firms थे, आंतरिक जानकारी या cutting-edge trends से दूर, GPT से labor cost घटाने की चर्चा मैंने किसी में नहीं देखी, मेरी अनुभूति में ZIRP का अंत और layoffs की शुरुआत (projects का तुरंत भर जाना) ही मुख्य कारण थे

  • मैं भी लेखक की तरह सोचता हूँ, LLM और AI पर गंभीर चर्चा शुरू होने से पहले ही labor market की कमजोरी के संकेत साफ़ थे, hiring contraction का मुख्य कारण LLM नहीं बल्कि केवल correlation है, और अधिक बुनियादी स्तर पर सिर्फ अमेरिका नहीं बल्कि दुनिया भर में आर्थिक संरचना में दरारें बढ़ रही हैं, इसलिए youth employment crisis फैल रही है, इसके कारण financial/fiscal policy के side effects, wealth inequality, tariffs, geopolitics जैसे कई जटिल कारक हैं

  • पेपर में ZIRP समाप्ति के प्रभाव के लिए adjustment का ज़िक्र है, लेकिन वह कितना पर्याप्त है इस पर संदेह है, पेपर (Equation 4.1, p.15) company, AI exposure, और समय के हिसाब से अलग-अलग effects को वर्गीकृत करता है (log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t}), पूरे time series में फैले effects (ZIRP, Section 174 आदि) को b में absorb होना चाहिए, g को अक्टूबर 2022 और exposure 1 पर normalize किया गया है, और Figure 9 (p.20) में age group और exposure के हिसाब से graph हैं, सिर्फ exposure 3·4·5 वाले youth group में 2024 के मध्य से गिरावट दिखती है, लेख के graph और पेपर के Figure 9 का overall impression अलग है और मुझे ZIRP का प्रभाव बहुत बड़ा लगता है, लेकिन मौजूदा तरीका junior, high AI exposure jobs (जैसे SWE) पर Section 174 के सीधे प्रहार को b से ठीक नहीं कर पाता और वह g में चला जाता है, जिससे उसे AI effect समझने की गलतफहमी हो सकती है, SWE जैसे Section 174-प्रभावित roles को हटाकर फिर से analysis किया जाए तो वह अर्थपूर्ण होगा, पेपर का मूल पाठ

  • हमारी कंपनी ने भी 2023 में outsourcing को गंभीर रूप से बढ़ाया, AI projects भी शुरू किए, लेकिन नतीजे कमज़ोर रहे, जबकि outsourcing बहुत तेज़ी से आगे बढ़ी

• मैंने एक simple model बनाया, जिसमें 2021 तक सभी groups (age bands) में hiring धीरे-धीरे बढ़ती है और उसके बाद क्रमशः घटती है, तो पेपर के graph जैसा pattern निकलता है, क्योंकि peak के आसपास बड़ी संख्या में hire किए गए engineers उम्र के साथ age bands में आगे बढ़ते जाते हैं, पेपर में 2022 के आधार पर graph normalize करने से यह तथ्य छिप जाता है कि वास्तविक hiring ratio में लगभग कोई बदलाव नहीं है, Google Spreadsheet साझा

  • दिलचस्प नतीजा है, वास्तव में अगर सभी age groups में hiring समान भी हो, तब भी data structure (जैसे young cohort का समय के साथ उम्र बढ़ना) की वजह से यह गलत दिखाई दे सकता है कि सिर्फ युवाओं की नौकरियाँ जा रही हैं

  • थोड़ा भ्रमित करने वाला है, explanatory model में 20-24 और 25-29 age groups अलग-अलग सालों में peak करते हैं (2022 vs 2024), अगर संरचना समान है तो लगा था कि सबमें rise/fall और peak एक ही समय पर होंगे, यह सामान्य है या नहीं, यह जानना चाहता हूँ

• junior hiring में गिरावट 'tragedy of the commons' है, यह AI boom से पहले COVID काल से ही शुरू हो चुकी थी, और यह सिर्फ अमेरिका की घटना भी नहीं है, ZIRP की वजह से कंपनियाँ अंतहीन hiring कर रही थीं, और competitors से talent खींचते-खींचते interns तक को 2 साल experience होने पर senior जैसा treatment मिलता था, मेरे परिचितों को bootcamp करके भी वेतन मिल रहा था, आखिरकार hired junior बहुत जल्दी दूसरी कंपनी में senior बनकर चले जाते थे, इसलिए कंपनियाँ junior hiring से कतराने लगीं

  • AI से जुड़ी overhyped हवा traditional hiring से capital खींच रही है

• जिसे अब हम “AI” कहते हैं, वह तकनीक नहीं बल्कि subscription service बन चुका है, तकनीक को toolchain में जोड़कर मेरी क्षमता बढ़ाई जा सकती है, लेकिन subscription कंपनी सिर्फ तब तक cognitive load संभालती है जब तक मैं subscription fee देता रहूँ, Anthropic के CEO का white-collar jobs के गायब होने की बात करना भी इस अर्थ में marketing statement है कि enterprise AI subscription बेचने वाले के नज़रिये से कंपनियाँ अनिवार्य खरीदार बनेंगी

  • AI जल्द ही commoditization के चरण में पहुँचने वाला है, open source models निजी/closed models से सिर्फ एक generation पीछे हैं, लेकिन ज़्यादातर users के लिए वे पर्याप्त हैं, natural language-आधारित होने की वजह से किसी भी कंपनी का LLM आसानी से बदला जा सकता है, AI hosting के अलावा services बेचना चाहने वाली कंपनियाँ बहुत निराश हो सकती हैं, सिर्फ vendor lock-in ही commoditization को रोक सकता है, लेकिन तकनीकी रूप से यह आसान नहीं दिखता

• 2020~2025 के आर्थिक data का कोई अर्थ नहीं, इसलिए उसे फेंक देना चाहिए, अभी pandemic, तेज़ inflation, interest rate uncertainty, tariffs जैसे variables का दौर है, इसलिए AI के प्रभाव को अलग करके समझना संभव नहीं, अगली recession और variables के शांत होने के बाद की employment स्थिति देखकर ही AI के वास्तविक प्रभाव का आकलन किया जा सकेगा

  • और उससे पहले के 20 साल भी global housing crisis, sovereign debt crisis की वजह से खराब data थे, उससे पहले के 20 साल dotcom bubble, 9.11 जैसी असाधारण घटनाओं से भरे थे, economics data में हमेशा noise रहता है और sterile प्रयोग संभव नहीं, इसलिए इसे कभी-कभी कड़वा discipline भी कहा जाता है, लेकिन इसका मतलब यह बिल्कुल नहीं कि data बेकार है

• कई unexplained कारण हो सकते हैं, अनिश्चितता के दौर में कंपनियाँ सिर्फ वही hiring करती हैं जो बिल्कुल ज़रूरी हो, junior या customer center hiring आसानी से टाली जा सकती है, लेकिन care work जैसे essential roles में विकल्प कम होते हैं, आजकल business uncertainty में tariffs नंबर 1 हैं, और interest rate uncertainty भी बड़ी है

• मैं भी 2004 में (ऑस्ट्रेलिया में) dotcom bubble के असर के तुरंत बाद university गया था, तब CS applicants कम थे और लोग job insecurity के कारण इससे दूर भाग रहे थे, इसके कारण fresh graduates की भारी कमी हो गई, और कंपनियों ने 2004 के आसपास फिर से hiring बढ़ाई, मैं भी graduation (2008) के समय तुरंत नौकरी में चला गया और उसके बाद कभी काम की चिंता नहीं हुई, 2025 के high school students को सलाह दूँ तो कहूँगा कि अभी CS में जाने का बिल्कुल सही समय है, 5 साल बाद तक AI overhype ठंडी पड़ जाएगी और freshers की कमी होगी

  • इसका आधार क्या है, यह जानना चाहता हूँ, क्या आप सच में इतने आश्वस्त हैं कि AI केवल hype है?

  • alternative view: इस बार AI hype नहीं बल्कि वास्तविकता हो सकती है, AI सच में jobs replace कर सकता है, और 5 साल बाद सब बेरोज़गार भी हो सकते हैं, दूसरी ओर यह भी हो सकता है कि 5 साल बाद baby boomers और GenX की पहली बड़ी retirement wave आ जाए और अधिकांश क्षेत्रों में job market खुद ही खुल जाए

  • इस बार मामला अलग हो सकता है, अभी हम LLM और agent को orchestration करके software develop कर सकते हैं, software engineer की भूमिका quality control, compliance, software architecture, और LLM जिन edge cases को ठीक से नहीं संभाल पाते उनके समाधान तक सिमट सकती है, लेकिन संभव है कि AI की प्रगति यह भी हल कर दे, अंततः CS graduates की सीखी हुई skills से किए जा सकने वाले काम लगातार कम होते जाएँगे, आगे चलकर customer needs को abstract रूप में design करना, AI को judgement और direction देना, और AI के output का कला-कृति की तरह मूल्यांकन करना अधिक महत्वपूर्ण हो जाएगा

• trends को समय चाहिए, “AI” लिखकर बहुत हलचल मचाई जाती है, लेकिन बाद में यह भी स्पष्ट नहीं होता कि AI वास्तव में 'Intelligence' भी है या नहीं, HR को ऊपर से AI adoption का आदेश मिलते ही संदिग्ध आधारों पर कुछ महीनों में बड़े पैमाने पर layoffs कर दिए जाते हैं, और rehiring बहुत धीमी होती है, LLM उपयोगी हैं लेकिन mass layoffs के औज़ार नहीं, management के लिए cost efficiency आकर्षक है, लेकिन वास्तविक दुनिया में AI उम्मीद के अनुसार तुरंत I नहीं बन जाता, मेरे अपने उपयोग के अनुभव में LLM क्रांतिकारी tool कम और बेहतरीन slide rule ज़्यादा हैं, मेरा slide rule बिना internet या बिजली के भी हमेशा काम करता है, LLM ऐसा नहीं करते

• youth hiring में ज्ञान और skill के अलावा भी कई कारक काम करते हैं, IT के भीतर भी blue-collar प्रकृति के बहुत से simple tasks हैं, और इन्हें अधिकतर outsourced/contract workers (मुख्यतः युवा) करते हैं, जैसे IT support, maintenance जैसी repetitive work का बड़ा हिस्सा पश्चिमी देशों के बाहर होता है, AI जल्द ही इस क्षेत्र को replace करेगा ऐसा नहीं लगता, कुछ simple tasks जिम्मेदारी बाँटने और risk distribution के कारण युवाओं को दिए जाते हैं, मुझे नहीं लगता AI इंसानों की तरह accountability ले सकता है, युवाओं को speed, flexibility, high energy, low wages आदि के कारण पसंद किया जाता था, और वे बिना ज़्यादा लगाव के overtime भी कर लेते थे, मेरे अनुभव में teamwork भी युवाओं में बेहतर था, अगर हम आज की स्थिति को सिर्फ capability के चश्मे से समझेंगे तो पूरी तस्वीर छूट जाएगी

• software engineering 2022 से correction phase में है, AI तो सिर्फ mass layoffs का बहाना है, Zuck कई वर्षों से “year of efficiency” की बात कर रहा है