OpenAI के 8,00,000 से अधिक कार्य-संबंधी ChatGPT प्रश्नों के विश्लेषण से पता चलता है कि 43.5% विशेषज्ञ-स्तर के अनुरोधों को उपयोगकर्ता अपने प्राथमिक कार्य की भूमिका से बाहर रहकर संभाल रहे हैं, एक ऐसा रुझान जिसे कंपनी “task crossover” कहती है। यह निष्कर्ष महत्वपूर्ण है क्योंकि यह इस बात का संकेत देता है कि व्यवसाय विशेषज्ञता के लिए कर्मचारियों की नियुक्ति कैसे करते हैं और व्यक्ति अपनी पेशेवर क्षमताओं को कैसे परिभाषित करते हैं, इसमें तेजी से बदलाव आ रहा है।

“task crossover” के पीछे का डेटा

OpenAI ने अमेरिकी व्यावसायिक डेटाबेस O*NET का उपयोग करके प्रत्येक प्रश्न को एक मानक व्यवसाय से जोड़ा। ईमेल ड्राफ्टिंग या शेड्यूलिंग जैसी सामान्य गतिविधियों को हटाने के बाद, अध्ययन ने उन उच्च-स्तरीय दक्षताओं पर ध्यान केंद्रित किया जिनके लिए आमतौर पर डोमेन-विशिष्ट प्रशिक्षण की आवश्यकता होती है। शेष प्रश्नों में से, लगभग आधे में ChatGPT से ऐसे कर्तव्य निभाने के लिए कहा गया जो उपयोगकर्ता की अपनी पेशेवर श्रेणी से भिन्न थे।

यह बदलाव कहाँ हो रहा है

मार्केटिंग और इंजीनियरिंग में यह क्रॉसओवर तेजी से बढ़ रहा है।

  • मार्केटिंग पेशेवर तकनीकी समस्या निवारण (troubleshooting) और डेटा विश्लेषण के लिए ChatGPT का उपयोग करते हैं—ये ऐसे कार्य हैं जिन्हें आमतौर पर इंजीनियर या डेटा वैज्ञानिक संभालते हैं।
  • इंजीनियर मॉडल से अनुबंधों (contracts) की समीक्षा करने और वेबसाइट की समस्याओं को हल करने के लिए कहते हैं, ये ऐसी भूमिकाएँ हैं जिन्हें पारंपरिक रूप से कानूनी या फ्रंट-एंड टीमों द्वारा निभाया जाता है।

छोटे व्यवसाय इस पैटर्न को और बढ़ा देते हैं। विशेषज्ञों के लिए सीमित बजट के कारण, एक अकेला कर्मचारी ChatGPT का उपयोग एक “force multiplier” के रूप में कर सकता है, जिससे वह ऐसे कई कार्यों को संभाल सकता है जिनके लिए अन्यथा कई लोगों को काम पर रखने की आवश्यकता होती।

कार्य और AI के लिए यह क्रॉसओवर क्यों महत्वपूर्ण है

डेटा “specialist” से “augmented generalist” की ओर बढ़ने का संकेत देता है। जैसे-जैसे prompt-crafting अपने आप में एक कौशल बनता जा रहा है, गहरा विशिष्ट ज्ञान (siloed knowledge) AI-संवर्धित बहुमुखी प्रतिभा के लिए जगह छोड़ सकता है। संस्थापकों और डेवलपर्स पर अब बड़े भाषा मॉडल (LLMs) को केवल साधारण टेक्स्ट जनरेशन से आगे ले जाने और कानून, वित्त या इंजीनियरिंग में उच्च-सटीकता वाला तर्क (reasoning) प्रदान करने का दबाव है। तकनीकी कार्यों की बाधाओं को कम करने से भर्ती, प्रशिक्षण और यहाँ तक कि जॉब टाइटल भी बदल सकते हैं।

जोखिम और प्रति-तर्क

हर कोई इस बदलाव को स्वीकार नहीं कर रहा है। आलोचकों ने चेतावनी दी है कि विशेषज्ञ कार्यों को AI को सौंपने से विशेषज्ञता कम हो सकती है, छिपी हुई त्रुटियां आ सकती हैं, और संगठन अनुपालन (compliance) जोखिमों के प्रति संवेदनशील हो सकते हैं। यह अध्ययन इस बात को ट्रैक नहीं करता है कि AI-जनित आउटपुट को कितनी बार सत्यापित किया जाता है, और न ही यह अनुबंध कानून या इंजीनियरिंग डिजाइन जैसे उच्च-जोखिम वाले क्षेत्रों में गलतियों की संभावित लागत को मापता है। ये चिंताएं बताती हैं कि हालांकि AI क्षमता का विस्तार कर सकता है, लेकिन यह क्षमता का एक झूठा अहसास भी पैदा कर सकता है।

आगे क्या देखने की आवश्यकता है

  • टूल विकास: भविष्य के LLM अपग्रेड को टास्क क्रॉसओवर की मांगों को पूरा करने के लिए डोमेन-विशिष्ट तर्क और त्रुटि-जांच में सुधार करना होगा।
  • संगठनात्मक नीतियां: कंपनियां AI-सहायता प्राप्त कार्य के लिए नए आंतरिक दिशानिर्देश तैयार कर सकती हैं, विशेष रूप से विनियमित (regulated) क्षेत्रों में।
  • श्रम बाजार के संकेत: रिक्रूटर्स “AI-augmented generalist” को एक दक्षता के रूप में सूचीबद्ध करना शुरू कर सकते हैं, और प्रशिक्षण कार्यक्रम prompt-engineering कौशल की ओर झुक सकते हैं।

मुख्य बातें

  • टास्क क्रॉसओवर विशेषज्ञ प्रश्नों का 43.5% हिस्सा है, जो पेशेवर कार्यों के पर्याप्त ओवरलैप का संकेत देता है।
  • मार्केटिंग और इंजीनियरिंग इस बदलाव का नेतृत्व कर रहे हैं, वे उन कार्यों के लिए AI का उपयोग कर रहे हैं जो पारंपरिक रूप से अन्य विशेषज्ञताओं से संबंधित हैं।
  • छोटे व्यवसाय प्रतिभा की कमी को पूरा करने के लिए AI पर भरोसा करते हैं, जिससे प्रभावी रूप से एक अकेला कर्मचारी एक बहु-विषयक ऑपरेटर बन जाता है।
  • यह रुझान अवसर और जोखिम दोनों पैदा करता है, जिससे मजबूत AI सत्यापन और नए कार्यस्थल मानदंडों की आवश्यकता महसूस हो रही है।