शोध का सार
- UC Berkeley के शोधकर्ताओं ने अप्रैल 2025 से दिसंबर 2025 तक 8 महीनों में टेक कंपनियों के 200 कर्मचारियों का अवलोकन किया
- नतीजा: AI अपनाने के बाद काम कम नहीं हुआ, बल्कि और तीव्र व अधिक हो गया
- Harvard Business Review के फ़रवरी 2026 अंक में प्रकाशित
AI के काम को तीव्र करने के 3 मुख्य पैटर्न
- काम के दायरे का विस्तार
- AI ने knowledge gap भर दिए → लोग अपने मूल काम से बाहर के क्षेत्रों में भी घुसने लगे (PM ने code लिखना, designer ने coding करना आदि)
- छोटे प्रयोग → वे काम भी व्यक्ति ने अपने ऊपर ले लिए जिनके लिए पहले अतिरिक्त staff चाहिए होता था
- engineers ने AI code review, correction, Slack coaching, और अधूरे PR पूरे करने में और अधिक समय लगाया
- समय-सीमाओं का क्षरण
- काम शुरू करने की friction घट गई → lunch, meetings के दौरान, या file loading के बीच भी “छोटे काम” ठूँस दिए जाने लगे
- दफ़्तर से निकलने से ठीक पहले “आख़िरी prompt”, और दफ़्तर के बाद या सुबह जल्दी भी AI बातचीत जारी रही
- काम और जीवन की सीमा धुंधली हो गई (chatting जैसा हल्का लगता है, लेकिन असल में आराम कम होता है)
- multitasking में विस्फोट
- AI की वजह से कई काम एक साथ चलाना संभव हुआ (coding के दौरान AI alternatives बनाना, multiple agents को parallel चलाना आदि)
- टाले गए काम भी आसानी से फिर शुरू हो गए → खुले पड़े tasks की संख्या बढ़ी
- attention switching और output verification का बोझ ↑ → cognitive fatigue और गहरा हुआ
स्वैच्छिक अपनाना ही उल्टा समस्या बना
- यह स्थिति कंपनी के दबाव से नहीं, बल्कि कर्मचारियों की स्वैच्छिक पसंद से पैदा हुई
- “सोचा था productivity बढ़ेगी तो कम काम करेंगे, लेकिन उल्टा और ज़्यादा काम करने लगे” (एक कर्मचारी की गवाही)
- Simon Willison: “LLM इस्तेमाल करने पर मैं 2~3 projects एक साथ चलाता हूँ → 1~2 घंटे में ही दिन भर की ऊर्जा ख़त्म हो जाती है”
productivity बढ़ने का paradox (संबंधित शोध)
- METR: skilled developers के वास्तविक काम के समय में 19% वृद्धि, जबकि उन्हें व्यक्तिपरक रूप से लगा कि वे 20% तेज़ हुए
- NBER: AI अपनाने वाली कंपनियों में productivity बढ़ोतरी सिर्फ 3% रही, काम के घंटे और आय में लगभग कोई बदलाव नहीं
- दीर्घकालिक जोखिम: cognitive fatigue → burnout → निर्णय-क्षमता कमज़ोर → quality गिरावट → attrition बढ़ना
सुझाव और निष्कर्ष
- संगठन स्तर पर “AI practice” की ज़रूरत: कब, कैसे और कब रोकना है, इसके नियम तय हों
- उदाहरण: महत्वपूर्ण निर्णय से पहले “decision pause” (विपरीत राय माँगना, goals से alignment जाँचना आदि)
- मुख्य सवाल: “AI काम को बदल रहा है, यह पर्याप्त नहीं; हम उस बदलाव को कैसे design करते हैं, यही अधिक महत्वपूर्ण है”
मुख्य संदेश यह है कि AI काम को आसान बनाता है, लेकिन उसे रोकना कठिन भी बना देता है।
9 टिप्पणियां
मैं भी इन दिनों यही महसूस कर रहा हूँ, पहले 6~7 घंटे में जो मानसिक थकान आती थी, अब वह सिर्फ 2 घंटे में आ जाती है.
फ़िलहाल तो लगता है कि टेक्स्ट नेक थोड़ी कम हो जाएगी
फ़िलहाल मैं Claude Code चलाते-चलाते जब human brain context overflow हो जाता है, तो टहलने चला जाता हूँ या स्ट्रेचिंग करके session flush कर लेता हूँ। लंच टाइम में जिम जाकर hard reset भी कर लेता हूँ.. फिर भी एक दिन में जितना context देख सकता हूँ उसकी सीमा है.. billing (महीने की सैलरी) करो तो थोड़ा बढ़ जाता है..
पैसे से आने वाली ताकत... अजीब तरह से मानवीय है...
काम के घंटे घटाने पर गंभीरता से चर्चा होनी चाहिए, लेकिन सिर्फ़ कोरिया ही कम काम नहीं कर सकता, इसलिए सच में चिंता होती है।
क्या जितना ज़्यादा काम किया गया, उतना ही कंपनी का मुनाफ़ा भी बढ़ा?
यह रेड क्वीन के विरोधाभास की याद दिलाता है।
AI ने efficiency बढ़ाने के बजाय काम की density ही बढ़ा दी और नतीजतन workers पर सिर्फ दबाव बढ़ा, यह निष्कर्ष वाकई काफ़ी दिलचस्प है.
फिर भी मुझे लगा था कि tech companies में AI अपनाना काफ़ी efficient होगा...
अभी adoption का शुरुआती दौर है, इसलिए यह अस्थायी समस्या है या AI-आधारित work assistance की कोई बुनियादी समस्या, यह समझने के लिए शायद थोड़ा और समय लगेगा.
बचपन में पढ़ी Michael Ende की कहानी की किताब [Momo] क्या आप सबको याद है.. यह वही हक़ीक़त है जिसकी भविष्यवाणी पहले ही हो चुकी थी।