AI नौकरियों से पहले क्या छीन लेता है

• AI युग का सबसे बड़ा लाभार्थी होने का दावा करने वाला एक डेवलपर, AI के साथ ही काम करते हुए 1 साल से अधिक समय बीतने पर महसूस हुई बेचैनी को उपन्यास 《The Three-Body Problem》 के 'Sophon' रूपक के ज़रिये खोलता है
• मुख्य तर्क: AI नौकरियाँ छीनने से बहुत पहले, डूबकर काम करने की क्षमता, अपनेपन का एहसास, और विकास की सीढ़ी जैसी वे चीज़ें चुपचाप पहले छीन लेता है जो "नौकरी से पहले गायब होती हैं"
• यह AI के पक्ष या विपक्ष का लेख नहीं, बल्कि यह विचार-प्रयोग है कि "कहीं अनंत सुविधा हमें धीरे-धीरे रोक तो नहीं रही"

0. प्रोलॉग — 'Sophon' का रूपक

• 《The Three-Body Problem》 में Trisolarans, Ye Wenjie द्वारा भेजे गए पृथ्वी के निर्देशांक पाकर अपना बेड़ा रवाना करते हैं. वहाँ पहुँचने में लगभग 450 साल लगते हैं.
• उससे पहले जो आता है, वह है 'Sophon'. प्रोटॉन के आकार में मोड़ा गया एक अतिबुद्धिमान कंप्यूटर, जो ① मानवता की बातचीत, दस्तावेज़ और प्रयोगों की निगरानी करता है और ② particle accelerator को बाधित करके बुनियादी विज्ञान को रोक देता है.
• Sophon के बाद मानवता शहर, ऐप और कंप्यूटर तो आगे बढ़ाती है, लेकिन सबसे बुनियादी विज्ञान ठहर जाता है. "दुश्मन मारने आए उससे पहले, पहले ही तुम्हारे और अधिक बुद्धिमान बनने का रास्ता रोक दे" — यह सेटिंग मुझे गहराई से लगी.
• लेखक इस Sophon की तुलना हमारे प्रिय AI, खासकर बड़े LLMs, से करता है.
  • हाँ, यह पूरी तरह समान नहीं है. आधुनिक AI विज्ञान को आगे भी बढ़ा सकता है. समानता सिर्फ इस सवाल में है: "क्या AI मानवता से कुछ और पहले छीन रहा है?"
• AI के प्रति बिना शर्त समर्थन या विरोध — दोनों से सावधान रहने की बात कही गई है.
  • जब Monet की 〈Water Lilies〉 को AI चित्र बताकर लोगों के सामने रखा गया, तो लोगों ने उसकी आलोचना की, जबकि वह असली Monet थी; दूसरी ओर Boris Eldagsen ने AI फोटो अवॉर्ड लेने से इनकार किया.
  • मनोविज्ञान शोध भी कहता है कि सिर्फ 'AI' लेबल लगा देने पर लोग उसी चित्र को कमतर आँकते हैं. लेखक मानता है कि उसके भीतर भी ऐसा bias है.

1. मैं AI का उत्साही समर्थक हूँ

• लेखक पहले साफ कहता है कि वह AI युग का सबसे बड़ा लाभार्थी है.
  • अप्रैल 2025 में नौकरी छोड़ने की बड़ी वजहों में से एक AI था, और उसने Cursor → Claude Code → Codex का सक्रिय रूप से इस्तेमाल किया.
  • करियर backend में था, लेकिन अब वह अकेले iOS ऐप लॉन्च करता है और data analysis, design, marketing तक सब करता है. "अकेले कुछ बनाने-चलाने के लिए इससे बेहतर समय नहीं रहा."
  • हाँ, blog posts वह खुद लिखता है; AI से सिर्फ polishing, review और research कराता है.
  • संगठन में AI का असर छोटा दिखता है, तो उसकी वजह तकनीक से ज़्यादा संगठन और काम करने का तरीका है — इस पुराने मत पर भी वह कायम है.
• लेकिन 1 साल से ज़्यादा समय तक लगभग सिर्फ AI के साथ काम करने के बाद, उसे एक संकेत महसूस हो रहा है: "ऐसा नहीं होना चाहिए." वह AI का आनंद भी लेना चाहता है और स्वस्थ भी रहना चाहता है.
• इस संकेत के सामने लोग तीन समूहों में बँटते दिखते हैं.
  • ① AI frontier group: "अब coder नहीं, orchestrator महत्वपूर्ण है; असली चीज़ Taste है" कहकर बेचैनी को नज़रअंदाज़ करने वाले.
  • ② निराशावादी: "अब डेवलपर की ज़रूरत ही नहीं" कहकर टूट जाने वाले.
  • ③ मानवीय मूल्य प्राथमिकता समूह: लिखो, पढ़ो, ज़रूरत हो तो AI को सीमित करके भी अपनी क्षमता बढ़ाओ — ऐसा कहने वाले.
• तीसरा समूह 'पुराने ख़याल' कहे जाने के डर से चुप रहता है. इसलिए इंटरनेट पर ① का आत्मविश्वास और ② की निराशा ही ज़्यादा दिखती है.
• जब कोई junior कहता है, "सिर्फ AI इस्तेमाल करने से मेरी skill बन ही नहीं रही," तो frontier लोग जवाब देते हैं, "AI से ही पूछ लो." लेखक इस empathy की कमी की ओर इशारा करता है.
• मुख्य सवाल: "AI के ज़रिये काम करने वाला मैं, और आप — क्या अभी सचमुच खुश हैं? क्या हमारी ज़िंदगी वाकई बेहतर हुई है?"

2. नकली श्रम हटाने वाली मशीन

• Arendt ने 《The Human Condition》 में मानवीय गतिविधि को तीन हिस्सों में बाँटा.
  • labor: जीवन बनाए रखने के लिए दोहराया जाने वाला काम. जैसे ईमेल व्यवस्थित करना, सामग्री का सार बनाना, repetitive coding, accounting. AI सबसे पहले इसी क्षेत्र को हटाने का वादा करता है.
  • work: टिकाऊ चीज़ें बनाने वाला सृजन. writing, programming, design, research इसी में आते हैं. vibe coding इसलिए झटका था, क्योंकि जिन कामों को हम विशुद्ध मानवीय मानते थे, उनमें भी प्रतिस्थापन शुरू हो गया.
  • action: दूसरों के सामने कोई नई बात कहना, वादा करना, माफ़ी माँगना, मनाना. Arendt के लिए मनुष्य के मनुष्य होने की सबसे गहरी वजह यही है.
• action भी सुरक्षित क्षेत्र नहीं है. माफ़ीनामा, भाषण, SOP, प्रेमपत्र — जिन चीज़ों को इंसान सबसे ज़्यादा टालता है, उनमें AI खूब लगाया जा रहा है. लेखक के अनुसार, "जिस पल इसे किसी और से करवाया, वह फिर action नहीं रहता."
• और क्या AI labor को भी साफ-साफ मिटा देता है? ऐसा भी नहीं.
  • 《Bullshit Jobs》 और 'fake work' जैसी चर्चाओं की तरह, लोग अर्थहीन काम से भी खुद को व्यस्त दिखाना चाहते हैं.
  • पहले बेकार रिपोर्ट भी इंसानी समय और पीड़ा के कारण कुछ सीमित रहती थीं; अब meeting notes, reports, OKR, strategy drafts लगभग मुफ़्त में बनते हैं. जब दस्तावेज़ की लागत 0 हो जाती है, तो दस्तावेज़ की माँग उल्टा बढ़ जाती है.
• AI-जनित slides और dashboards इतने विश्वसनीय दिखते हैं कि नकली काम अब ढीला-ढाला भी नहीं लगता.
• लेकिन लेखक असल में 'सच्चे श्रम' की बात करना चाहता है. दोहराव के बीच भी एक rhythm, शरीर की अनुभूति, और बारीक निर्णय पैदा होते हैं.
  • खराब friction हटाई जा सकती है — जैसे अनावश्यक approvals, धीमे tools, duplicate reporting.
  • लेकिन अच्छी friction नहीं हटनी चाहिए — जैसे समस्या को समझने के लिए ठहरने का समय, हाथ से की गई trial and error, या वह क्षण जब सामग्री आपकी मंशा के विरुद्ध जाती है.
  • ज़्यादातर AI products इन दोनों में फर्क नहीं करते; वे बस 'frictionless' बेचते हैं.
• लेखक ने 15 साल तक हाथ से business models और architecture के sketches बनाए. AI ने उन्हें साफ-सुथरे diagrams में बदलना आसान किया, जिससे sketching का समय कम हुआ; लेकिन हाथ से बनाए विचारों के विपरीत, AI-planned drafts के details एक हफ्ते बाद याद नहीं रहे.
• MIT Media Lab का 'cognitive debt' शोध भी कहता है कि LLM इस्तेमाल करने वाला समूह अपनी ही पंक्तियाँ ठीक से quote नहीं कर सका. यानी output की quality बेहतर हो सकती है, पर वह 'मेरी चीज़' बनकर नहीं रहती.
• जब काम की मात्रा बहुत अधिक हो जाती है, तो अंततः वही झंझटी sketching छोड़ दी जाती है. आप पहले से दस गुना अधिक output बनाते हैं, लेकिन उनमें से कोई भी सचमुच आपका नहीं रहता.

3. क्या श्रम का गायब हो जाना सचमुच अच्छी बात है

• "श्रम से मुक्ति तो मानवता का पुराना सपना है" — इस आपत्ति पर लेखक पलटकर पूछता है: क्या सच में सिर्फ श्रम ही गायब हो रहा है?
• Okinawa की दीर्घायु संस्कृति में 'retirement' से ज़्यादा 'ikigai' — यानी सुबह उठने का कारण — महत्वपूर्ण माना जाता है. कारण-परिणाम पर बहस हो सकती है, लेकिन जो लोग खुद काम छोड़कर भी अर्थ से अपना दिन भर लेते हैं, वे ठीक रहते हैं — इस बात से सहमति हो सकती है.
  • मुख्य चर है श्रम नहीं, बल्कि उद्देश्य.
• मनोवैज्ञानिक Marie Jahoda ने कहा था कि काम सिर्फ पैसा नहीं देता. काम ① समय की संरचना ② सामाजिक संपर्क ③ उद्देश्य ④ पहचान ⑤ गतिविधि देता है. वेतन तो बस सबसे दिखने वाला बाहरी तत्व है.
• Arendt की भाषा में कहें, तो labor वह व्यवस्था थी जो हर दिन फिर से शुरू करने का मंच दे देती थी. labor हटे तो खोती सिर्फ salary नहीं, बल्कि फिर से शुरू करने की जगह भी है.
• लेखक 10 अरब वाली thought experiment लाता है. अगर आपकी चाही हर चीज़ पूरी हो जाए, तो इंसान अंततः उस स्थिति का आदी हो जाता है. lottery research भी दिखाती है कि बड़ी जीत स्थायी खुशी की गारंटी नहीं देती.
  • हाँ, बाद के बड़े शोध यह भी कहते हैं कि पैसा खुशी बढ़ाता रहता है. पैसा महत्वपूर्ण है. लेकिन एक खाली स्थान ऐसा भी है जिसे पैसा नहीं भर सकता.
• 10 अरब Jahoda के छह खाने में सिर्फ 'पैसा' वाला खाना भरता है. समय, जुड़ाव, उपयोगिता, पहचान, गतिविधि — ये सीधे खरीदे नहीं जा सकते. श्रम से पूर्ण मुक्ति उन पाँच खानों को संभालने वाले बर्तन को भी खाली कर सकती है.
• "जिससे हम निकलना चाहते हैं, वह अर्थहीन श्रम है, श्रम अपने-आप में नहीं. हमसे जो सचमुच नहीं छीना जाना चाहिए, वह सोमवार नहीं, बल्कि सोमवार सुबह उठने का कारण है."
• वास्तविकता में अभी AI ने श्रम का 100% हिस्सा भी नहीं लिया है; बल्कि AI जो झंझटी काम नहीं कर पाता, वह बढ़ा है, और नौकरी बाज़ार भी खराब है. इस संक्रमण के बाद सच्ची श्रम-स्वतंत्रता आएगी या नहीं, यह अभी पता नहीं.

4. जो मनुष्य डूबकर काम नहीं करता, वह दुखी हो जाता है

• "सुबह उठने का कारण" का जवाब है Flow.
• Mihaly Csikszentmihalyi ने Flow को ऐसा optimal experience बताया जिसमें व्यक्ति किसी गतिविधि में इतना डूब जाता है कि समय का एहसास बदल जाता है. जब चुनौती उपयुक्त हो, feedback मिले, और लक्ष्य स्पष्ट हो, तब Flow बनता है.
• फ़िल्म 〈F1〉 का Sonny Hayes जीत से ज़्यादा 'flying' — यानी जीवित होने की अनुभूति — के लिए racing करता है. लेखक इसे Flow का रूपक मानता है.
• डेवलपर के रूप में वह design sketch से code implementation तक के क्रम में अक्सर Flow में जाता था. लेकिन CTO और manager के रूप में काम करते हुए वह क्षण खो गया; और अकेले कुछ बनाने के लिए नौकरी छोड़ने की वजह भी उसी Flow को वापस पाना था.
• विडंबना यह रही कि जब वह coder के रूप में लौटा, तब तक coding इंसानी हाथ से करने का काम नहीं रह गई थी. Claude Code के बाद खुद code पकड़कर बैठना productivity के विरुद्ध विकल्प बन गया — यानी वह मानो फिर manager के काम में लौट आया.
• AI agents को सही निर्देश देने की क्षमता तो थी, लेकिन जिन कामों में परिणाम देना ज़रूरी था, उनमें बीच की प्रक्रिया का Flow और आनंद गायब हो गया.
• लेखक यह नहीं कह रहा कि सबको खुद code लिखना चाहिए. AI के बिना अकेले full-stack product बनाना संभव नहीं था, और कई बार परिणाम प्रक्रिया के आनंद से अधिक महत्वपूर्ण होते हैं. बस इतना कि Flow ढूँढना कठिन हो गया है.
• यह सिर्फ coding की समस्या नहीं. AI जवाब बहुत जल्दी दे देता है. इस तरह खालीपन में मिला सही उत्तर, समस्या समझने से पहले पहुँच जाता है, इसलिए वह आपका नहीं बन पाता.
• पहले वह सफ़ाई, घर के काम, छोटे-मोटे काम पैसे देकर करवाता था; अब उसे समझ आया कि सफ़ाई, कपड़े धोना, बर्तन, चलना, tax filing — इनमें भी Flow संभव है. अंततः पैसा उस समय की कीमत था जिसे आप पूरी तरह डूबकर जी सकें.
• निष्कर्ष: AI नौकरियाँ छीनने से बहुत पहले जिस चीज़ को चुपचाप छीन लेता है, वह है 'डूबकर काम करने का अवसर'. इसे वापस कैसे पाया जाए, यह लेखक को अभी नहीं पता; लेकिन हाथ से यह लेख लिखते हुए उसे लंबे समय बाद थोड़ा Flow महसूस हुआ.

5. विकास के अवसर का छिन जाना (व्यक्ति से पीढ़ी और संरचना की समस्या तक)

• समस्या सिर्फ व्यक्ति के Flow के खोने तक सीमित नहीं; यह पीढ़ी और संरचना तक फैलती है.
• जब junior पूछता है, "सिर्फ AI इस्तेमाल करूँ तो skill नहीं बन रही," और जवाब मिलता है, "AI से पूछ लो," तो यह बेहद अधूरा जवाब है. क्या पूछना है, यह जानना भी अपने-आप में skill है.
• लेखक अपने junior दिनों को याद करता है. किताब पढ़कर भी समझ नहीं आता था, copy-paste किए code की logic भी नहीं मालूम होती थी. server crash होने के बाद जाकर SQL query की समस्या समझ आती थी, और चीज़ें ठीक न हो पाने की हद तक बिगड़ने पर architecture पढ़ना पड़ता था.
• ज़्यादातर growth ठोकरें खाने से आई. आधे दिन वाले bugs, दूसरों का code पढ़ना, ऐसे docs जिन्हें कोई नहीं पढ़ेगा, कई दिनों का UI implementation — कंपनी के लिए वे inefficiency थे, लेकिन संवेदना और समझ वहीं बनी.
• समस्या यह है कि AI सबसे पहले इन्हीं निचली सीढ़ियों को हटाता है. छोटे bugs, test code, boilerplate, simple features — यह सब junior के सीखने की जगह थी; अब Claude उनसे सस्ता और तेज़ है.
• इसमें किसी की बुरी नीयत नहीं. लेखक खुद भी रोज़ ऐसे ही तर्कसंगत चुनाव करता है. लेकिन जब यही चुनाव जमा होते हैं, तो अगली पीढ़ी के senior बनने की जगह ही गायब हो जाती है.
• Stanford शोधकर्ताओं के अमेरिकी वेतन डेटा विश्लेषण के अनुसार, AI से अधिक प्रभावित पेशों में career की शुरुआती hiring झुकी है, और software developers की संख्या peak की तुलना में लगभग 20% घटी. वहीं experienced workers अपेक्षाकृत सुरक्षित रहे या बढ़े भी.
  • हाँ, इसे सीधे AI की वजह नहीं कहा जा सकता. ब्याज दर और अर्थव्यवस्था का भी असर था, और कुछ देशों में ऐसा संकेत नहीं दिखता — यह आपत्ति भी मान्य है. लेखक मानता है कि शीर्षक कुछ अधिक तीखा हो सकता है.
• फिर भी mechanism साफ है. AI सबसे अच्छी नकल किसकी करता है? दस्तावेज़ों और किताबों से सीखे ज्ञान की. और junior के पास बाज़ार में लाने के लिए लगभग वही सब कुछ होता है. इसलिए प्रतिस्थापन सबसे पहले ठीक 'entry point' पर होता है.
• लेखक अपनी विडंबना भी स्वीकार करता है. कभी वह full-stack applicants को कम गहराई वाला मानता था; आज वही AI की मदद से अकेले full-stack काम कर रहा है. इसलिए junior से कहने की नैतिक ताकत भी कम हो गई है कि जाओ, ठोकरें खाकर सीखो.
• पहले mentoring का मतलब था सही जवाब बता देने की इच्छा को रोकना. लेकिन अब मैं रुक भी जाऊँ, तो बगल में Claude जवाब दे देता है. भटकने का अवसर ही मिट जाता है.
• अंत का सवाल यह है: सभी से ownership की अपेक्षा की जाती है, लेकिन सभी owner नहीं बन सकते. "अगर मेरे junior दिनों वाला मैं आज के समय का सामना करता, तो क्या मैं बढ़ पाता? नहीं, मुझे लगता है कि शायद नहीं."

6. एपिलॉग — Wallfacer, और बाकी बचा सवाल

• समस्या सिर्फ junior की नहीं. search के दौर में भटकते-भटकते दिमाग में नक्शा बन जाता था; AI उसी भटकन को एक वाक्य में समेट देता है. उत्तर अधिक सटीक हो गया है, लेकिन मैं कभी भटका ही नहीं. "चिकनाहट हिचकिचाहट को मिटा देती है."
• लेखक एक thought experiment रखता है: "अगर कल सुबह दुनिया के सारे GPU रुक जाएँ, तो?" उसके अगले दिन छात्र, कर्मचारी, और मैं — हम क्या कर पाएँगे? वह कहता है कि उसे तो अपने code को भी AI के बिना तुरंत पढ़ पाने का भरोसा नहीं.
• automation से skill degradation के उदाहरण पहले भी हैं.
  • aviation उद्योग autopilot की वजह से अधिक सुरक्षित हुआ, लेकिन manual flying की समझ बचाए रखने के लिए हाथ से उड़ाने की training जारी रखता है.
  • London taxi drivers रास्ते याद करने की परीक्षा से spatial memory प्रशिक्षित करते हैं. इसके उलट GPS पर निर्भरता इस क्षमता को कुंद कर सकती है.
• जिन GPUs का हम उपयोग करते हैं, वे भी हमारे अपने नहीं हैं. 'orchestrator' जैसी उपाधि भी big tech data centers के होने पर ही टिकती है.
• "असल डर शायद यह नहीं कि AI बहुत ताकतवर हो जाएगा, बल्कि यह कि AI गायब होने पर हम बहुत कमज़ोर निकले."
• 《The Three-Body Problem》 में मानवता का अंतिम हथियार 'Wallfacer' है. Sophon सब कुछ देख सकता है, लेकिन इंसानी दिमाग के भीतर नहीं. इसलिए मानवता ऐसे लोगों को खड़ा करती है जो योजनाएँ सिर्फ अपने मन में चलाएँ.
• AI युग के Wallfacer को लेखक इस तरह परिभाषित करता है: वह जो AI का उपयोग नहीं करता, ऐसा व्यक्ति नहीं; बल्कि वह जिसके पास सोच का कम-से-कम एक ऐसा कमरा बचा हो जहाँ AI प्रवेश न कर सके.
• लेखक ने अपने लिए तीन रेलिंग बनाई हैं.
  • एक. सोच की पहली sketch हाथ से करना.
  • दो. हफ्ते में एक चीज़, चाहे कितनी भी छोटी हो, AI के बिना शुरू से अंत तक बनाना.
  • तीन. पढ़ना, और फिर पढ़ना.
  • इन रेलिंग्स को खड़ा करने की प्रक्रिया में AI की मदद ली जा सकती है. दुश्मन के साथ सह-निवास ही शायद हमें बचाने वाला काम कर जाए.
• पहले सवाल, "क्या Sophon पहले ही आ चुका है?" का जवाब है — हाँ. Sophon आ चुका है. बस हमारा Sophon शत्रुता नहीं, सुविधा लेकर आया है. वह कुछ रोके बिना सब कर देता है, और उसी सुविधा के साथ वह गहराई से जानने का रास्ता और जीने के कारण एक-एक कर कम करता जाता है.
• समापन: Sophon (AI) अंततः किसी को मारेगा नहीं. न गोलियों की आवाज़ होगी, न आक्रमण. वह बस उन जगहों को एक-एक कर छीन लेगा जहाँ हम डूबकर काम करते थे, जहाँ से हमें सोमवार सुबह उठने का कारण मिलता था.
• लेखक उत्तर नहीं, प्रश्न के साथ बंद करता है: "बेड़ा पहुँचने से पहले, क्या हम खुश रह पाएँगे?"

[dieafterwork]

खुश नहीं हूँ