AI की वजह से नौकरी जाने की मुझे चिंता क्यों नहीं है

• Matt Shumer का निबंध "Something Big Is Happening" लगभग 10 करोड़ views दर्ज कर चुका है, और AI से नौकरियों पर खतरे को लेकर जन-भय तेज़ी से फैल रहा है; यह लेख उसी पर एक प्रतिवाद पेश करता है
• AI द्वारा मानव श्रम का प्रतिस्थापन absolute advantage नहीं बल्कि comparative advantage का सवाल है, और जब तक मानव+AI का संयुक्त output, अकेले AI से अधिक है, तब तक मानव श्रम का आर्थिक महत्व बना रहता है
• कानून, संगठनात्मक संस्कृति, bureaucracy, बदलाव के प्रति प्रतिरोध जैसे मनुष्य-निर्मित bottleneck structures AI के तीव्र automation और श्रम-प्रतिस्थापन को सीमित करने वाले मुख्य कारक हैं
• GPT-3 के रिलीज़ के बाद 6 साल और GPT-4 के बाद 3 साल बीत चुके हैं, फिर भी बड़े पैमाने पर बेरोज़गारी नहीं हुई; इससे संकेत मिलता है कि सीमा intelligence की नहीं बल्कि bottleneck structures की है
• AI जितना productivity बढ़ाएगा, demand elasticity (Jevons paradox) के कारण मानव श्रम की मांग उलटे बढ़ भी सकती है
• AI-भय को भड़काने से data center निर्माण पर रोक, lifetime employment guarantees जैसी AI विकास को सीमित करने वाली populist प्रतिक्रिया पैदा हो सकती है, और यह लंबे समय में बड़ा जोखिम बन सकती है
• AI से आने वाला आर्थिक बदलाव COVID-19 जैसे अचानक झटके की बजाय क्रमिक और असमान संक्रमण के ज़्यादा करीब है; आम लोगों को अत्यधिक चिंता के बजाय adaptation और collaboration-केंद्रित प्रतिक्रिया की ज़रूरत है

---

Matt Shumer के निबंध का वायरल होना और AI-भय का फैलाव

• Matt Shumer ने Twitter पर "Something Big Is Happening - कुछ बड़ा हो रहा है" शीर्षक से एक निबंध पोस्ट किया, जिसे लिखे जाने के समय तक लगभग 10 करोड़ views मिल चुके थे
• दक्षिणपंथी टिप्पणीकार Matt Walsh ने इसे “वाकई शानदार लेख” कहा, और प्रगतिशील टिप्पणीकार Mehdi Hasan ने इसे “आज, इस हफ्ते, इस महीने का सबसे महत्वपूर्ण लेख” बताया; यानी यह राजनीतिक झुकाव से परे फैल गया
• माता-पिता, भाई-बहन, दोस्तों द्वारा बिना खास व्याख्या के यह लेख आगे भेजने के कई उदाहरण सामने आए, इसलिए यह इस साल का सबसे ज़्यादा पढ़ा गया long-form लेख बन सकता है
• अब तक बहुतों के लिए AI सिर्फ़ मुफ्त ChatGPT-स्तर के टूल तक सीमित था, लेकिन अब लोग दुनिया पर AI के विशाल प्रभाव को महसूस करना शुरू कर रहे हैं
• The Atlantic से लेकर Bernie Sanders तक, AI से नौकरी जाने की बात खुलकर की जा रही है; Matt Walsh ने तो कहा कि “AI लाखों नौकरियाँ खत्म कर देगा, और हिमस्खलन शुरू हो चुका है”
• Shumer का निबंध मौजूदा स्थिति की तुलना फ़रवरी 2020 में COVID फैलने से ठीक पहले की स्थिति से करता है, और दावा करता है कि AI जल्द ही आम लोगों की ज़िंदगी पर गहरा असर डालेगा
• निबंध का बड़ा हिस्सा AI से generated था, और Shumer ने इसे स्वीकार भी किया; लेकिन timing और positioning इतनी सटीक थी कि यह विस्फोटक रूप से फैल गया

इस निबंध पर मूलभूत प्रतिवाद

• मौजूदा स्थिति फ़रवरी 2020 वाले COVID-क्षण जैसी नहीं है, और आम लोगों के लिए AI से तुरंत बड़ा खतरा महसूस करने का कारण नहीं है
• कुछ महीनों में बड़े पैमाने की बेरोज़गारी, दुनिया का अचानक बदल जाना, या “हिमस्खलन” जैसी भविष्यवाणियों के पीछे यथार्थपरक आधार कमज़ोर है
• AI बिजली या steam engine के बराबर, बल्कि मानव इतिहास के सबसे महत्वपूर्ण आविष्कारों में से एक हो सकता है; लेकिन इसका अर्थ यह नहीं कि तुरंत बड़े पैमाने पर बेरोज़गारी या cognitive labor का तेज़ी से अंत हो जाएगा
• AI का वास्तविक आर्थिक प्रभाव लोगों की कल्पना से काफ़ी धीमे और असमान रूप में सामने आ सकता है, और भले कोई रोज़ AI tools न इस्तेमाल करे, आम जीवन बहुत ज़्यादा नहीं डगमगाएगा

श्रम-प्रतिस्थापन सोचे से कहीं अधिक कठिन है

• श्रम-प्रतिस्थापन का मूल प्रश्न absolute advantage नहीं बल्कि comparative advantage है
• भले AI किसी व्यक्तिगत task में इंसान से बेहतर हो, यदि मानव+AI का कुल output अकेले AI से अधिक है, तो मानव श्रम आर्थिक रूप से अब भी सार्थक है
• अभी software engineering में भी human-AI combination, यानी तथाकथित “cyborg” model, अकेले AI से बेहतर परिणाम दे रहा है
  • coding agents को user, company और customer preferences को ठोस रूप से बताने की भूमिका अब भी ज़रूरी है
• Claude Code के लॉन्च के बाद 12 महीनों में software engineer job postings बढ़ी हैं, ऐसा data मौजूद है
• AI की क्षमता जितनी तेज़ी से बढ़ेगी, complementarity उतनी धीरे-धीरे कम हो सकती है, लेकिन हर task और हर परिस्थिति में AI का पूरी तरह हावी हो जाना, यानी corner solution, वास्तविक दुनिया में कम संभावित है
• मानव और AI का संबंध पूर्ण प्रतिस्थापन की बजाय एक ऐसी दिशा में है जहाँ वे धीरे-धीरे करीब आते हैं; मानव-AI की वास्तविक complementarity लोगों की सोच से कहीं अधिक समय तक बनी रह सकती है

bottleneck सब कुछ नियंत्रित करते हैं

• लगभग हर क्षेत्र में inefficiency को कम करके आँका जाता है, और उसका बड़ा हिस्सा मानव स्वभाव से पैदा हुए bottleneck structures से आता है
• bottleneck के उदाहरण: कानून और regulation, corporate culture, tacit local knowledge, व्यक्तियों के बीच प्रतिस्पर्धा, पेशागत प्रथाएँ, internal politics, national politics, कठोर hierarchy, bureaucracy, इंसानों की दूसरे इंसानों के साथ काम करने की पसंद, किसी खास व्यक्ति को प्राथमिकता देने की प्रवृत्ति, narrative और branding के प्रति आसक्ति, मानवीय पसंद की चंचलता, मानवीय समझ की सीमाएँ आदि
• सबसे शक्तिशाली bottleneck है बदलाव के प्रति मानवीय प्रतिरोध, यानी पुराने तरीक़े बदलने से हिचकना
• production process पर सबसे अक्षम घटक का नियंत्रण होता है, और जितनी efficiency बढ़ती है, उतना ही inefficient तत्वों का बाधक प्रभाव उभरकर सामने आता है
• तकनीक लंबे समय में bottleneck को काटती-घिसती है, लेकिन यह चट्टान को धीरे-धीरे काटती नदी जैसा क्रमिक process है
  • 20वीं सदी की शुरुआत में बिजली को पुराने factory setup और रूढ़िवादी management practices पर काबू पाने में दशकों लगे
  • इतिहास बताता है कि बिजली को productivity gains में बदलने में भी काफ़ी समय लगा
• AI में agentic गुण होने के कारण यह बिजली से तेज़ फैल सकता है, लेकिन bottleneck स्वयं अब भी वास्तविक constraint हैं

बड़े पैमाने पर श्रम-प्रतिस्थापन अभी तक क्यों नहीं हुआ

• अगर 10 साल पहले किसी ने आज के GPT 5.2 और Claude Opus 4.6 स्तर के बारे में बताया होता, तो बड़े पैमाने की बेरोज़गारी की आशंका स्वाभाविक लगती
• सिर्फ़ GPT-4 को देखकर भी यह अनुमान लगाया जा सकता था कि 12–24 महीनों में कम-से-कम outsourced customer service industry का बड़ा हिस्सा automate हो जाएगा
• लेकिन GPT-3 के बाद 6 साल और GPT-4 के बाद 3 साल बीत जाने पर भी AI की वजह से बड़े पैमाने की layoffs दिखाई नहीं दीं
  • यहाँ तक कि outsourced customer service जैसे अपेक्षाकृत आसान automation वाले क्षेत्र में भी बड़े पैमाने की छँटनी के स्पष्ट उदाहरण नहीं हैं
• वास्तविक बदलाव अचानक ढहने जैसा नहीं, बल्कि तकनीक के क्रमिक प्रसार जैसा दिखता है
• इसका कारण यह नहीं कि models पर्याप्त smart नहीं हैं — GPT-3.5 भी 2016 के मानकों से हैरान कर देने वाला था, यानी मूल सीमा intelligence नहीं है
• यहाँ तक कि call center में भी contractual obligations, liability के सवाल, legacy systems के साथ integration, और शिकायत किसी दूसरे इंसान तक पहुँचाने की मनोवैज्ञानिक ज़रूरत जैसी कई bottleneck मौजूद हैं
• सबसे सरल दिखने वाली नौकरियाँ भी bottleneck structures से बँधी हुई हैं

पूरक मानव श्रम की मांग उलटे बढ़ सकती है

• मनुष्यों द्वारा उत्पादित goods और services की मांग सामान्यतः काफ़ी elastic होती है
• जब तक इंसान production process में complement के रूप में शामिल हैं, efficiency gains अक्सर demand growth द्वारा absorb हो जाती हैं — यही Jevons paradox है
  • energy efficiency बढ़ने पर consumption घटने के बजाय कुल consumption बढ़ सकता है
• आधुनिक समाज सिर्फ़ energy ही नहीं, बल्कि content, legal services और तरह-तरह की business services भी पिछली पीढ़ियों की कल्पना से कहीं अधिक विशाल पैमाने पर consume करता है
• software “जो कुछ भी computer कर सकता है” उसे समेटता है, इसलिए यह बेहद बड़ी संभावित मांग वाला क्षेत्र है
  • low-level languages से high-level languages की ओर बदलाव, frameworks और libraries का आगमन—हर productivity wave में software engineering श्रम की मांग नाटकीय रूप से बढ़ी है
  • आज software engineers की संख्या 20–30 साल पहले की तुलना में बहुत अधिक है
• Claude Code और Codex का प्रसार इसका उदाहरण है — coding अधिक efficient होने के बावजूद लोग software development में और ज़्यादा समय व मेहनत लगा रहे हैं
• human-AI complementarity के चरण में मानव श्रम को लेकर तुलनात्मक रूप से आशावादी दृष्टिकोण संभव है
• consumers को बड़ा consumer surplus मिलता है, और workers भी productivity gains के सकारात्मक असर की उम्मीद कर सकते हैं

अगर नौकरियों की ज़रूरत ही न रहे, तब भी इंसान नई नौकरियाँ बना लेते हैं

• bottleneck समय के साथ कमज़ोर होंगे और अंततः पार कर लिए जाएँगे, इसलिए लंबी अवधि में AI के प्रति मानव complementarity एक wasting asset की तरह धीरे-धीरे घट सकती है और चरम स्थिति में 0 की ओर जा सकती है
• लेकिन यह संक्रमण लोगों की कल्पना से कहीं लंबा और नरम हो सकता है, और तब तक हम शायद ऐसी समृद्धि की स्थिति में पहुँच चुके हों जहाँ नौकरी स्वयं अनिवार्य न रह जाए
• लोग leisure पर केंद्रित जीवन, कविता, pure mathematics, तरह-तरह के शौक, या फिर इंसान और कीट के बीच की बुद्धिमत्ता-खाई जैसी किसी digital god को बनाने वाली दुनिया में रह सकते हैं
• पहली agricultural surplus के बाद से ही इंसानों ने जीवित रहने के लिए सीधे आवश्यक न होने वाली गतिविधियों पर लगातार अधिक संसाधन खर्च किए हैं
  • आज barista, yoga instructor, personal trainer, video director, podcast producer, streamer जैसी नौकरियों में बड़ी संख्या में लोग काम करते हैं
  • surplus बढ़ने के साथ लोग और भी अजीब, नए और दिलचस्प roles और activities खोज निकालेंगे—या गढ़ लेंगे

आम लोग ठीक रहेंगे

• इसका मतलब यह नहीं कि हर नौकरी और हर व्यक्ति सुरक्षित है; कुछ लोग AI के कारण नौकरी खो सकते हैं, उनकी skills की कीमत घट सकती है, या उन्हें अनचाहे adjustments झेलने पड़ सकते हैं
• लेकिन समग्र रूप से देखें तो AI से आने वाला आर्थिक बदलाव अनुमान से कहीं अधिक धीमा हो सकता है
• COVID से इसकी तुलना करना वास्तविकता से मेल नहीं खाता; यह अनुचित, बल्कि बेहद ख़राब तुलना है
• कोई सामान्य नौकरी करने वाला और diversified index funds में निवेश करने वाला औसत व्यक्ति आम तौर पर बड़े ख़तरे में नहीं होगा
  • बहुत से बदलाव क्रमिक होंगे और सूक्ष्म सुधार के रूप में दिखेंगे, कुछ गिरावट के रूप में महसूस होंगे, और चौंकाने वाली मात्रा में बहुत कुछ वैसा ही रहेगा
• ज़रूरी adjustments परिस्थिति के अनुसार धीरे-धीेरे होंगे, इसलिए बहुत ज़्यादा चिंता की ज़रूरत नहीं है

AI का असली जोखिम: populist backlash

• आने वाले वर्षों में अव्यवस्था और अस्थिरता दिख सकती है, लेकिन इसकी वजह तकनीक का सीधा आर्थिक प्रभाव कम और राजनीतिक-सामाजिक प्रतिक्षेप ज़्यादा हो सकता है
• Shumer जैसे लोगों का संदेश, चाहे इरादतन हो या नहीं, डर को उकसा रहा है
• आम जनता से यह कहना कि “अभी फ़रवरी 2020 है और हिमस्खलन बस आने वाला है”, न सिर्फ़ वास्तविकता से मेल नहीं खाता बल्कि गंभीर ग़लत आकलन है
• जन-प्रतिक्रिया में भय और panic के संकेत दिख रहे हैं, और हम AI के खिलाफ बड़े पैमाने के populist backlash के शुरुआती चरण में प्रवेश कर सकते हैं
• “AI नौकरियाँ छीन लेगा” जैसी कहानी ChatGPT Plus subscriptions बढ़ाने से ज़्यादा, data center निर्माण पर पूर्ण रोक, lifetime employment guarantees, और आर्थिक efficiency बढ़ा सकने वाली तकनीकों के development और deployment को सीमित करने वाले दलीय सीमाओं से परे regulatory moves को जन्म दे सकती है
• अगर आप मानते हैं कि AI ऊँची productivity, medicine और science में तेज़ प्रगति, और सभ्यता के नए चरण ला सकता है, तो ऐसे regulatory परिणाम मानव कल्याण के लिए आपदा होंगे

software engineering demand पर अतिरिक्त चर्चा

• software engineering की मांग बढ़ना ज़रूरी नहीं कि software engineers की संख्या भी उतनी ही बढ़े
  • जैसे Excel ने accountants को खत्म करने के बजाय हर office job में जगह बना ली, वैसे ही software engineering भी कई तरह की नौकरियों में घुल-मिल सकती है
• यह भी संभव है कि productivity gains, induced demand से पैदा हुई consumption growth को लंबे समय में पीछे छोड़ दें
  • चरम स्थिति में human-AI complementarity 0 की ओर सिमट सकती है
• software या किसी और क्षेत्र में वास्तव में Jevons effect दिखाई देगा या नहीं, यह efficiency gains और consumption expansion के बीच संतुलन पर निर्भर करता है

[jjw9512151]

औद्योगिक क्रांति के दौर में बेरोज़गारी की समस्या बहुत ज़्यादा ज्ञात न होने की एक वजह यह भी है कि तब सबसे कमज़ोर औपनिवेशिक समाजों के लोगों को ही खाई के किनारे तक धकेल दिया गया था।

[tazuya]

Amazon की बड़े पैमाने पर layoffs से खराब माहौल वाले Seattle की बात हो, या फिर San Francisco की, जहां developers के लिए दोबारा नौकरी पाना भी धीरे-धीरे और मुश्किल होता जा रहा है, ऐसी बातें सुनकर लगता है कि भले कुछ अतिशयोक्ति हो, लेकिन job market का कठिन होना सच है। इसलिए आम लोगों के लिए सब ठीक रहेगा, इस मूल लेख की बात से सहमत होना मेरे लिए मुश्किल है।

[summ1055]

जब कृषि क्रांति से उत्पादकता में वृद्धि हुई थी, तब बड़े पैमाने पर बेरोज़गारी नहीं हुई; बल्कि श्रम का शोषण बढ़ा। अधिशेष संसाधन साम्राज्यों में केंद्रित हुए और युद्धों के माध्यम से एंट्रॉपी में भारी वृद्धि हुई। यही प्रवृत्ति औद्योगिक क्रांति के बाद भी बनी रही, और मनुष्यों ने अधिशेष संसाधनों को छोड़ा नहीं बल्कि अपने जीवन स्तर को बेहतर बनाया; यहाँ तक कि बच्चों को भी काम के मैदान में खींच लाया गया और उन्हें बेहद कठोर श्रम-शोषण का सामना करना पड़ा।

[cshj55]

"खुद coding भी नहीं करता और बस रोना-धोना कर रहा है।"
कम तनख्वाह, सख्त

[GN⁺]

Hacker News की राय

• मैं अकाउंटेंट्स और बहीखाता संभालने वालों के लिए automation tools बना रहा हूँ
  automation काम को खत्म नहीं करती, बल्कि उबाऊ हिस्सों को हटाकर काम की प्रकृति बदल देती है
  पहले 80% समय data entry और classification में जाता था, और 20% numbers का analysis करने में; अब यह अनुपात उलट गया है
  समस्या transition period की है। जो लोग mechanical काम में अच्छे थे उनकी competitive edge गायब हो रही है, और जिनकी judgment अच्छी है वे अधिक मूल्यवान बन रहे हैं
  आखिरकार “AI आपका काम नहीं छीनता” कहना बहुत सरल बना देना है। असली बात यह है कि कौन-सी skills की कीमत घट रही है, और लोग कितनी जल्दी reskill हो सकते हैं
  accounting क्षेत्र में बदलाव की रफ्तार बहुत धीमी है

  • तुमने जो कहा वह काम का पुनर्वितरण है, लेकिन बड़ा बदलाव यह है कि अब कंपनियाँ मानव judgment कहाँ से source करती हैं
    AI की वजह से कम domain knowledge वाले लोग भी काम कर सकते हैं, इसलिए वह judgment work भी overseas outsourcing के लिए आसान हो रहा है
    training time में कमी, automated quality verification, और communication cost में गिरावट के कारण labour cost में global race to the bottom तेज हो रही है
    नतीजे में नौकरियाँ तो रहती हैं, लेकिन wages ठहर जाती हैं, career ladder पतली हो जाती है, और value का बड़ा हिस्सा workflow own करने वाली कंपनियाँ ले जाती हैं
  • numbers को खुद दर्ज करने से एक mental map बनता है
    AI अगर यह काम कर दे, तो उन रिश्तों का प्रत्यक्ष एहसास नहीं होता, और गलती होने पर उसे पकड़ना भी मुश्किल हो जाता है
  • automation को सही ठहराने के लिए headcount कम होना चाहिए
    एक simple CRUD server भी काफी है, लेकिन हर transaction पर LLM चलाना बहुत महंगा पड़ता है
    sandwich automation के उदाहरण देखें तो, Nala Sandwich Bot धीमा और अक्षम है, और Raptor/JLS line flexible है लेकिन reset करना पड़ता है
    Weber automated line बहुत high-speed है, लेकिन product change लगभग असंभव है
    आखिर में standardized products न हों तो automation की economics कमजोर पड़ती है
  • जिस mid-sized retail company में मैं काम करता था, वहाँ CFO ने AI लागू करने के after accounting staff आधा कर दिया
    व्यवहार में अक्सर headcount reduction ही मुख्य बात होती है
  • मैं इस बदलाव को systems engineering और dashboard building के अंतर के रूप में देखता हूँ
    systems engineering अब भी कठिन है, और AI की मदद की इसमें काफी सीमाएँ हैं
    दूसरी ओर dashboard building वह क्षेत्र है जिसमें AI अच्छा है
    लेकिन अंततः अब भी अच्छी software engineering capability की जरूरत होती है

• मैं लेखक की बात से लगभग सहमत हूँ, लेकिन “automation समृद्धि लाएगी और फिर काम करने की जरूरत नहीं रहेगी” मुझे पुराना भ्रम लगता है
  steam engine, बिजली, computer, internet, AI — किसी ने भी वह वादा पूरा नहीं किया
  production cost घटती है तो price भी गिरता है और demand बढ़ती है
  short term में machines के मालिक ही संपत्ति ले जाते हैं, और workers को उसका बहुत कम लाभ मिलता है

  • हमने “काम घटाने” की बजाय जीवन-स्तर सुधारना चुना है
    अगर हम सिर्फ 100 साल पहले के स्तर पर जीना चाहें, तो बहुत कम काम करके भी चल सकता है
  • मुझे UBI संभव नहीं लगता। “वे लोग काम भी नहीं करते और सिर्फ पैसे लेते हैं” वाला frame लगातार इस्तेमाल होता रहेगा
  • समृद्ध दुनिया का सपना देखने से पहले राजनीतिक वास्तविकता देखनी चाहिए
    जब government spending घटाने वाली पार्टियाँ सत्ता में हों, तब बिना काम के redistribution असंभव है
  • काम सिर्फ जीविका का साधन नहीं, बल्कि सामाजिक नियंत्रण का उपकरण भी है
    ऐसी दुनिया जहाँ हर किसी को वह सब आसानी से मिल जाए जो वह चाहता है, उलटे विघटन ला सकती है
  • सच तो यह है कि लोगों ने और ज्यादा चीजें खरीदने के लिए और लंबा काम करना चुना है

• जब कभी मैं चिंतित होता हूँ, तो हमारी टीम का ticket tracker देख लेता हूँ; मौजूदा AI से उसका 0% भी automate नहीं हो सकता
  AI जब memory problem हल कर लेगा और business व codebase को धीरे-धीरे समझने लगेगा, तब मैं चिंता करूँगा

  • “steam roller अभी दूर है, इसलिए जब पैरों तक पहुँचेगा तब चिंता करेंगे” — यह खतरनाक सोच है
    contingency plan न बनाना गैर-जिम्मेदाराना है
  • मुझे डर है कि management AI की सीमाएँ समझे बिना जल्दबाजी में layoffs कर देगी
    और फिर आखिर में लोगों को दोबारा hire करना पड़ेगा
  • ज़्यादातर समय अस्पष्ट tickets की व्याख्या करने में जाता है
    AI जब लोगों के बीच के context को follow करके उसका मतलब समझ पाएगा, तभी वह सचमुच खतरा बनेगा
  • अगर code documentation और requirement management अच्छे हों, तो AI का onboarding बहुत आसान हो जाता है
    project की शुरुआत में AI खुद notes छोड़े, तो बाद में reference के लिए उपयोगी होगा
  • भले complete replacement न हो, लेकिन developers की संख्या घटाकर productivity बढ़ाने का दबाव वास्तविक है

• श्रम का प्रतिस्थापन सोच से कहीं ज्यादा कठिन है
  burger पलटना जैसी simple labour भी वास्तव में कई भूमिकाओं का मिश्रण है
  इसे robot से बदलने की economics बिल्कुल fit नहीं बैठती

  • मैं भी developer की नौकरी से निकाले जाने के बाद burger पलट चुका हूँ, और यह सोचे से कहीं ज्यादा कठिन है
    AI अगर नौकरियाँ खत्म कर दे, तो दूसरे काम में shift करना बेहद कठिन होता है, यह मैंने खुद महसूस किया
  • लोग जिस बात से डरते हैं, वह white-collar का replacement है
    robotics और AI पूरी तरह अलग क्षेत्र हैं
  • physical labour अपेक्षाकृत सुरक्षित है, लेकिन computer-based jobs जोखिम में हैं
    आगे चलकर 20 लोगों का काम 3–4 लोग AI को manage करके कर लेंगे
  • customer service जैसे बिना physical interaction वाले jobs burger पलटने से अलग हैं
  • वास्तव में McDonald’s automation काफी आगे बढ़ चुकी है
    staff आधे से भी कम हो गए हैं, और order kiosk, predictive cooking, automated drink systems वगैरह से efficiency अधिकतम हुई है
    पूरी तरह unmanned न सही, लेकिन gradual automation पहले से हकीकत है

• अगर AI 80% काम कर ले लेकिन बाकी 20% न कर पाए, तब भी 80% workforce reduction संभव है

  • लेकिन labour कोई simple parallel structure नहीं है
    comparative advantage के नज़रिए से देखें तो human-AI collaboration अब भी आर्थिक रूप से सार्थक है
  • व्यवहार में AI काम को पूरी तरह replace न भी करे, सिर्फ management की धारणा से भी layoffs हो जाते हैं
    व्यक्तिगत वित्त के लिए यह विनाशकारी है
  • Jevons paradox की तरह, software cost घटे तो demand विस्फोटक रूप से बढ़ती है
    सिर्फ SMEs को देखें तो customized software की demand असीम है
  • समस्या यह है कि AI जिन 20% मामलों में गलत है, उसमें कब और कहाँ गलत हुआ यह पता नहीं चलता
    वह पूरे confidence के साथ बेतुका जवाब दे देता है
  • हकीकत में शायद सिर्फ 60% developers कम होंगे, और बचे हुए 40% AI का इस्तेमाल करके ज्यादा features implement करेंगे
    नतीजतन efficiency बढ़ेगी, लेकिन workforce structure फिर से बन जाएगी

• अतीत की automation ने नए industries बनाए, लेकिन LLM तो बस human input को tokens में बदलने जैसी चीज है
  यह लगभग कोई नई नौकरियाँ नहीं बनाता
  आखिर में बचते हैं data center या semiconductor plants, और वे भी कभी न कभी automate हो जाएँगे

  • creative destruction आर्थिक वृद्धि का मूल है
    production cost घटती है तो prices गिरते हैं, और बचे पैसे से नए industries बनते हैं
    जैसे refrigerator ने ice industry खत्म की, लेकिन cold-chain industry बना दी
    मुझे लगता है AI replacement का पैमाना बढ़ा-चढ़ाकर बताया गया है
  • automation jobs घटाती है, लेकिन demand बढ़ाती भी है
    farmers कम हुए, लेकिन खाने वाले ज्यादा हुए; horse carriage whip गायब हुई, लेकिन taxi और Uber आ गए
  • नौकरियाँ आखिरकार उन चीजों से बनती हैं जो पैसे वाले लोग चाहते हैं
    भविष्य में अमीरों के personal assistant या entertainer जैसी jobs बढ़ सकती हैं
    पहले से ही कई white-collar jobs में यही चरित्र दिखता है
  • data center और semiconductor plants पहले से ही highly automated हैं
    वहाँ manpower demand बहुत ज्यादा नहीं है
  • latest LLMs कम input से बहुत बड़ा output बना सकती हैं, इसलिए efficiency के लिहाज से वे क्रांतिकारी हैं

• semiconductor उद्योग में AI overinvestment से होने वाली layoffs पहले ही हकीकत हैं
  लेकिन अगर LLMs आगे बढ़ती रहीं, तो मेरे काम जैसे NP-complete problems से जुड़े jobs गायब हो सकते हैं
  चूँकि AI ने खुद को सुधारना शुरू कर दिया है, इसलिए इंसानी सीमाएँ अब bottleneck नहीं रहीं

  • लेकिन AI को अच्छी तरह काम करने के लिए स्पष्ट goal definition चाहिए
    वास्तविक उद्योगों में हित इतने उलझे होते हैं कि AI के लिए उस nuance को समझना कठिन है
    उदाहरण के लिए trading algorithm बनाते समय, वह गणितीय रूप से परिपूर्ण हो फिर भी अगर PM उसे समझ न पाए, तो उसे अपनाया नहीं जाएगा

• आम लोग अभी भी पहले से मुश्किल में हैं
  software engineers middle class या उससे ऊपर हैं, लेकिन अगर AI हमारा काम छीन ले, तो हम भी आम लोगों की तरह अस्थिर जीवन जीने लगेंगे

• मौजूदा corporate structure AI की क्षमता का प्रभावी उपयोग नहीं कर पाता
  AI puzzle pieces नहीं, बल्कि पूरी तस्वीर को संभाल सकती है, जबकि मानव संगठन hierarchy में बँटे हैं
  भविष्य में शायद एक operator पूरे system को संभालेगा
  आखिर में कंपनी खुद bottleneck बन जाएगी, और ऐसा दौर आएगा जब व्यक्ति ही कंपनी होगा

  • मैं खुद अभी ऐसा बदलाव महसूस कर रहा हूँ
    कई क्षेत्रों का अनुभव रखने वाले generalist के रूप में, अगर capital, AI, और autonomy मिले तो मैं अकेले भी high-quality products जल्दी बना सकता हूँ
    AI का अच्छा उपयोग न कर पाना तकनीक की नहीं, बल्कि organization की समस्या है
  • बहुत-सी SaaS कंपनियाँ Sears की तरह गायब होंगी, और उनकी जगह नए Amazon जैसे ढाँचे आएँगे
  • यह बदलाव decentralized service industry की संभावना खोल सकता है
    accounting या legal जैसे क्षेत्रों में भी व्यक्ति स्वतंत्र रूप से काम कर सकेंगे
  • लेकिन अगर AI पूरी puzzle संभाल सकती है, तो वह एक operator भी शायद जरूरी न रहे

• आजकल तो उलटे AI की वजह से मेरी नौकरी ज्यादा सुरक्षित लगती है
  junior developers AI का बेतहाशा इस्तेमाल कर रहे हैं, और वे अपने लिखे code तक को नहीं समझते

  • AI खिड़की तोड़ती है और फिर तुम्हें उसे ठीक करने पर मजबूर करती है
    Parable of the Broken Window
  • मुझे जिज्ञासा है कि पिछली नौकरी में बनी domain expertise क्या अब भी काम आ रही है
  • आजकल तो junior developers दिखना ही मुश्किल हो गया है