अमेरिकी नॉलेज वर्क (knowledge work) का परिदृश्य एक शांत लेकिन गहरा बदलाव देख रहा है क्योंकि AI एकीकरण प्रयोग से हटकर कार्यों को सौंपने (delegation) की ओर बढ़ रहा है। एक नए प्रतिनिधि सर्वेक्षण से पता चलता है कि अमेरिका में कार्यरत 20 प्रतिशत वयस्कों ने पहले से ही कम से कम एक ऐसा कार्य AI को सौंप दिया है, जिसे पहले किसी मानव सहकर्मी या ठेकेदार द्वारा प्रबंधित किया जाता था।

सॉफ्टवेयर डेवलपमेंट और डेटा एनालिसिस इस बदलाव का नेतृत्व कर रहे हैं

Epoch AI और पोलिंग फर्म Ipsos द्वारा किए गए एक संयुक्त अध्ययन में, जिसमें 1,106 कार्यरत अमेरिकी वयस्कों का साक्षात्कार लिया गया, विभिन्न व्यावसायिक कार्यों में AI अपनाने के क्रम में एक स्पष्ट पदानुक्रम (hierarchy) देखने को मिला है। दैनिक कार्यों की संरचना में जनरेटिव AI (generative AI) को कैसे शामिल किया जा रहा है, इसका पता लगाने के लिए सर्वेक्षण में अमेरिकी श्रम विभाग के डेटा पर आधारित दस सामान्य कार्य कार्यों का उपयोग किया गया था।

सॉफ्टवेयर डेवलपमेंट और कंप्यूटर सिस्टम डिज़ाइन AI एकीकरण के प्राथमिक चालक के रूप में उभरे, जिसमें इस क्षेत्र के 57 प्रतिशत कार्यकर्ता AI टूल्स का उपयोग कर रहे हैं। डेटा एनालिसिस 46 प्रतिशत के साथ इसके करीब रहा, जबकि कार्य दस्तावेजों को पढ़ने के कार्य में 39 प्रतिशत की अपनाई दर देखी गई। इसके विपरीत, रिकॉर्ड-कीपिंग जैसे अधिक पारंपरिक प्रशासनिक कार्य पीछे हैं, जिनमें केवल 25 प्रतिशत प्रभावित कार्यकर्ताओं ने AI के उपयोग की सूचना दी है।

कार्य प्रतिस्थापन (Task Substitution) बनाम आंशिक सहायता

रिपोर्ट में एक महत्वपूर्ण अंतर "AI-सहायता प्राप्त" (AI-assisted) कार्य और वास्तविक "कार्य प्रतिस्थापन" (task substitution) के बीच है। वर्तमान में, अधिकांश उपयोगकर्ता AI को ऑटोपायलट के बजाय एक को-पायलट के रूप में देखते हैं। AI द्वारा कार्य का पूर्ण या लगभग पूर्ण समापन अभी भी दुर्लभ है, जो सॉफ्टवेयर डेवलपमेंट में केवल 10 प्रतिशत तक पहुँचता है और सर्वेक्षण की अन्य सभी श्रेणियों के लिए 7 प्रतिशत से नीचे रहता है।

हालांकि, कार्य प्रतिस्थापन की घटना—जहाँ AI उन कार्यों को संभाल लेता है जिन्हें पहले मनुष्यों द्वारा किया जाता था—तेजी से बढ़ रही है। प्रत्यक्ष प्रतिस्थापन की उच्चतम दरें यहाँ पाई गईं:

  • डेटा एनालिसिस: 7.1 प्रतिशत उत्तरदाता।
  • कार्य दस्तावेजों को पढ़ना: 5.7 प्रतिशत उत्तरदाता।
  • रिकॉर्ड-कीपिंग: 5.3 प्रतिशत उत्तरदाता।

Epoch AI इस बात पर जोर देता है कि यह बदलाव जरूरी नहीं कि बड़े पैमाने पर नौकरियों के विस्थापन का संकेत दे, बल्कि यह मानव बुद्धि और मशीन प्रोसेसिंग के बीच श्रम के पुनर्वितरण का संकेत है।

उत्पादकता और आउटपुट गुणवत्ता का विरोधाभास

डेटा AI के उपयोग और समय दक्षता के बीच एक जटिल संबंध को प्रकट करता है। जब AI किसी कार्य के अधिकांश या सभी हिस्सों को संभालता है, तो 53 प्रतिशत कार्यकर्ता समय बचाने की रिपोर्ट करते हैं, जबकि केवल आंशिक सहायता के लिए AI का उपयोग करने पर यह आंकड़ा 37 प्रतिशत है। दिलचस्प बात यह है कि "दक्षता में वृद्धि" सार्वभौमिक नहीं है; लगभग छह में से एक AI-सहायता प्राप्त कार्य वास्तव में पारंपरिक मैन्युअल विधि की तुलना में अधिक समय लेता है। यह बताता है कि AI को प्रॉम्प्ट देने, सत्यापित करने और उसके साथ बातचीत करने में लगने वाला समय गति के कुछ लाभों को कम कर सकता है।

इसके अलावा, सर्वेक्षण AI आउटपुट में "विश्वास की कमी" (trust gap) पर प्रकाश डालता है। चौंकाने वाले रूप में, 66 प्रतिशत AI-जनरेटेड कंटेंट का उपयोग बहुत कम या बिना किसी संपादन के किया जाता है, जबकि केवल 5 प्रतिशत आउटपुट को ही व्यापक रूप से रीवर्क (rework) किया जाता है। हालांकि यह उच्च कथित उपयोगिता का सुझाव देता है, शोधकर्ता चेतावनी देते हैं कि कम संपादन प्रयास AI के आउटपुट की वास्तविक गुणवत्ता का निश्चित पैमाना नहीं है।

मुख्य निष्कर्ष

  • हाई-टेक अपनाना: सॉफ्टवेयर डेवलपमेंट और डेटा एनालिसिस AI के लिए अग्रणी क्षेत्र हैं, जिनमें अपनाई जाने वाली दर क्रमशः 57% और 46% तक है।
  • प्रतिस्थापन के बजाय डेलीगेशन: जबकि 20% कार्यकर्ता AI को कार्य सौंपते हैं, पूर्ण कार्य स्वचालन (automation) अभी भी कम (10% से कम) है, जो बताता है कि AI वर्तमान में मानव भूमिकाओं के प्रतिस्थापन के बजाय एक "बहुमुखी उपकरण" (versatile tool) है।
  • संपादन का रुझान: दो-तिहाई कार्यकर्ता न्यूनतम परिवर्तनों के साथ AI आउटपुट स्वीकार करते हैं, जो LLM-जनरेटेड परिणामों की तत्काल उपयोगिता पर बढ़ती निर्भरता को दर्शाता है।

निष्कर्ष

AI अब कुछ नवाचारों (innovators) के लिए कोई मामूली प्रयोग नहीं रह गया है; यह अब एक ऐसा उपकरण है जिस पर पांच में से एक अमेरिकी कार्यकर्ता पारंपरिक रूप से सहकर्मियों द्वारा किए जाने वाले कार्यों को सौंपने के लिए भरोसा करता है। इस तकनीक की सबसे मजबूत पकड़ सॉफ्टवेयर डेवलपमेंट और डेटा एनालिसिस में है, जहाँ अपनाई जाने वाली दर क्रमशः 57% और 46% है, और पूर्ण कार्य प्रतिस्थापन, हालांकि अभी भी मामूली है, बढ़ रहा है। जबकि कई लोगों के लिए उत्पादकता लाभ स्पष्ट हैं, मिश्रित दक्षता परिणाम और संपादन का निम्न स्तर यह सुझाव देते हैं कि मानव समीक्षा चक्र (human review loop) अभी भी आवश्यक है।