विषय-सूची

मई 2025 में Anthropic के CEO डारियो अमोडेई ने Axios को दिए एक साक्षात्कार में कहा कि AI अगले एक से पाँच साल में शुरुआती स्तर की आधी व्हाइट-कॉलर नौकरियाँ ख़त्म कर सकता है और बेरोज़गारी को 10–20% तक पहुँचा सकता है। यह तकनीक बनाने वाली कंपनी के प्रमुख की चेतावनी थी, इसलिए इसने ख़ूब ध्यान खींचा।

तब से डेटा कैसे बदला है? इस लेख का काम है पूरे व्हाइट-कॉलर काम के बारे में अनुमानों को उस डेटा के साथ रखना जो वास्तव में मापा गया है। संक्षेप में: सितंबर 2026 तक प्राथमिक डेटा पूरी अर्थव्यवस्था में व्हाइट-कॉलर कर्मचारियों के बड़े पैमाने पर नौकरी खोने की तस्वीर नहीं दिखाता। अगस्त 2026 में अमेरिका की बेरोज़गारी दर 4.1% थी, जो एक साल पहले से लगभग बराबर है। लेकिन एक सीमित दायरे — AI से प्रभावित पेशों के युवा — में साफ़ बदलाव दिख रहा है। पेशेवार अनुमान AI से सबसे ज़्यादा प्रभावित 15 पेशे में, युवा और अनुभवी कर्मचारियों का अंतर अनुभवी बनाम नए कर्मचारी में, और काम के टिके रहने की शर्तें AI युग में बचने वाले पेशे में हैं।

पहले हमारी राय: "AI सब कुछ बदल देगा" को मौजूदा डेटा का समर्थन नहीं है, और "कुछ नहीं बदलेगा" भी युवाओं की भर्ती के डेटा से मेल नहीं खाता। हक़ीक़त पूरे पेशों के ग़ायब होने से कम और इससे ज़्यादा मिलती है कि हर पेशे के भीतर काम का कुछ हिस्सा AI के पास जा रहा है और भर्ती प्रवेश-द्वार पर ही सिकुड़ रही है। नीचे हम अनुमान, उससे तुलना करने लायक़ डेटा, असर का रूप, इंसान के फ़ायदे और व्यक्तिगत रणनीति — सब प्राथमिक स्रोतों से — देखेंगे।

WHITE COLLAR × AI · FORECAST VS DATA

ख़ात्मा नहीं, "पुनर्वितरण" — 3 रास्ते

— अनुमानों के बड़े आँकड़ों को मापे गए डेटा के साथ रखना

रास्ता 1 · घटेंगे
नियमित, दोहराव वाली भूमिकाएँ
रिसेप्शन, डेटा एंट्री, पहली पंक्ति की सहायता। 2030 तक दुनिया में लगभग 9.2 करोड़ नौकरियों का विस्थापन (WEF)
रास्ता 2 · बदलेंगे
AI के साथ काम करने वाली भूमिकाएँ
विकास, योजना, विश्लेषण। कंप्यूटर और गणित के पेशों में 33% कार्यों में Claude का उपयोग दिखता है (सैद्धांतिक रूप से 94%)
रास्ता 3 · बनेंगे
नया काम
डेटा, सुरक्षा, AI का उपयोग। 2030 तक दुनिया में लगभग 17 करोड़ नई नौकरियाँ (WEF)

WEF Future of Jobs Report 2025: लगभग 7.8 करोड़ नौकरियों की शुद्ध बढ़त। Anthropic (मार्च 2026): कंप्यूटर और गणित पेशों में उपयोग दर।
व्हाइट-कॉलर काम एक साथ ग़ायब होने के बजाय कार्यों के हिसाब से बँट रहा है — अहम यह है कि आप कौन-से कार्य संभालते हैं।

1. Amodei की "आधी नौकरियाँ जा सकती हैं" वाली चेतावनी — मई 2025 का अनुमान और सितंबर 2026 की स्थिति

Axios ने 28 मई 2025 को जो साक्षात्कार प्रकाशित किया, उसमें अमोडेई ने कहा कि AI शुरुआती स्तर की आधी व्हाइट-कॉलर नौकरियाँ ख़त्म कर सकता है और अगले एक से पाँच साल में बेरोज़गारी को 10–20% तक उछाल सकता है। उन्होंने तकनीक, वित्त, क़ानून, परामर्श और अन्य दफ़्तरी पेशों, ख़ास कर शुरुआती पदों का ज़िक्र किया। शीर्षक — "white-collar bloodbath" ("व्हाइट-कॉलर नरसंहार") — Axios का शब्द था। अमोडेई ने स्वयं चेतावनी के इरादे पर ज़ोर दिया और कहा कि AI कंपनियों और सरकार को आने वाली चीज़ों पर "पर्दा डालना" बंद करना चाहिए।

यह "ऐसा हो सकता है" वाली चेतावनी थी, तय समय और पैमाने वाला पूर्वानुमान नहीं। इसे ध्यान में रखते हुए, एक साल से कुछ ज़्यादा बाद सितंबर 2026 में मापा गया डेटा ऐसा दिखता है:

  • बेरोज़गारी: अमेरिकी श्रम सांख्यिकी ब्यूरो (BLS) की Employment Situation रिपोर्ट के अनुसार अगस्त 2026 में बेरोज़गारी दर 4.1% थी, जो साल भर में लगभग नहीं बदली। 25 वर्ष से ऊपर, स्नातक या उससे अधिक शिक्षा वालों में यह 2.7% (मौसमी समायोजित) थी, जो अगस्त 2025 के बराबर है
  • पूरी अर्थव्यवस्था में रोज़गार: स्टैनफ़ोर्ड का वेतन-डेटा विश्लेषण (अगस्त 2026 संशोधित) पूरी अर्थव्यवस्था में बड़े पैमाने पर विस्थापन का कोई प्रमाण नहीं पाता
  • युवा: उसी विश्लेषण में AI से प्रभावित पेशों में 22–25 वर्ष वालों का रोज़गार कम प्रभावित साथियों की गति की तुलना में 19% कम है

यानी "10–20% बेरोज़गारी" जितने बड़े बदलाव का डेटा में कोई संकेत नहीं है। वहीं "शुरुआती स्तर" की नौकरियों पर उँगली रखना युवाओं की भर्ती के डेटा से दिशा में मेल खाता है। फ़िलहाल का निष्पक्ष सार: पैमाने पर अनुमान को अभी समर्थन नहीं, लेकिन किस पर असर होगा, इस पर संकेत उभर रहे हैं।

2. अनुमान और वास्तविक डेटा साथ-साथ — बेरोज़गारी, रोज़गार और AI उपयोग

AI और रोज़गार पर बहस में अनुमान के आँकड़े और मापे गए आँकड़े अक्सर गड्डमड्ड हो जाते हैं। यहाँ प्रकाशकों के मूल पृष्ठों पर जाँचे गए आँकड़ों को "अनुमान" और "माप" में बाँटकर रखा गया है।

FORECAST VS MEASURED

अनुमान के आँकड़े और मापे गए आँकड़े

अनुमान: Amodei
10–20%
1–5 साल में संभावित
बेरोज़गारी (मई 2025)
माप: BLS
4.1%
अमेरिका की बेरोज़गारी दर
(अगस्त 2026)
माप: स्टैनफ़ोर्ड
−19%
प्रभावित पेशों में 22–25
वर्ष वालों का रोज़गार (सापेक्ष)
अनुमान: BLS 2025→35
−4.0%
कार्यालय और प्रशासनिक सहायता
(लगभग 7,52,000 कम)

स्रोत: Axios (28 मई 2025) / BLS Employment Situation (4 सितंबर 2026 को प्रकाशित) / Stanford Digital Economy Lab (अगस्त 2026 संशोधित) / BLS Employment Projections 2025–35 (27 अगस्त 2026 को प्रकाशित)।

प्रकारप्रकाशक और तारीख़क्या कहता है
अनुमानAnthropic CEO (Axios, मई 2025)AI शुरुआती स्तर की आधी व्हाइट-कॉलर नौकरियाँ ख़त्म कर सकता है और 1–5 साल में बेरोज़गारी 10–20% तक ले जा सकता है
अनुमानWEF Future of Jobs Report 2025 (जनवरी 2025)2030 तक लगभग 17 करोड़ नई, 9.2 करोड़ विस्थापित, शुद्ध +7.8 करोड़। 40% नियोक्ता जहाँ AI काम स्वचालित कर सके वहाँ कर्मचारी घटाने की सोच रहे हैं
अनुमानBLS Employment Projections 2025–35 (अगस्त 2026)कुल +3.5%। कार्यालय और प्रशासनिक सहायता −4.0% (लगभग 7,52,000 कम), कारणों में AI सहित स्वचालन
मापBLS Employment Situation (सितंबर 2026 में प्रकाशित)बेरोज़गारी 4.1% (साल भर में लगभग स्थिर)। स्नातक और अधिक: 2.7% (अगस्त 2025 के बराबर)
मापयेल Budget Lab (अक्टूबर 2025)ChatGPT के 33 महीने बाद पूरे श्रम बाज़ार में कोई पहचानने योग्य उथल-पुथल नहीं। पेशों की संरचना पिछली तकनीकी बदलावों से थोड़ी तेज़ बदली, पर बहुत ज़्यादा नहीं
मापAnthropic, "Labor market impacts of AI" (मार्च 2026)अधिक प्रभावित कर्मचारियों में बेरोज़गारी की व्यवस्थित बढ़ोतरी नहीं। 22–25 वर्ष वालों का प्रभावित पेशों में नौकरी पाना लगभग 14% घटा (मुश्किल से महत्वपूर्ण)
मापस्टैनफ़ोर्ड, "Canaries in the Coal Mine?" (अगस्त 2026 संशोधित)पूरी अर्थव्यवस्था में व्यापक विस्थापन का प्रमाण नहीं। प्रभावित नौकरियों में 22–25 वर्ष वाले 19% कम। गिरावट कम भर्ती से

इससे साफ़ है कि अनुमान और माप के आँकड़े दायरे और समय-सीमा, दोनों में अलग हैं। WEF और BLS पाँच से दस साल आगे देखते हैं; बेरोज़गारी दर इस महीने का नतीजा है। "×× करोड़ नौकरियाँ जाएँगी" वाले अनुमान को "हो चुकी बात" मानकर पढ़ना ग़लत फ़ैसलों की ओर ले जाता है।

कंपनियों की छँटनी की घोषणाओं के साथ भी यही सावधानी चाहिए। "AI से दक्षता" बताकर की गई कटौती हर कंपनी का अपना बयान है, तीसरे पक्ष द्वारा मापा गया कारण नहीं। जैसा येल Budget Lab बताता है, पिछली तकनीकों को कार्यस्थलों में फैलने में दशकों लगे, इसलिए बेरोज़गारी और पेशों की संरचना में बदलाव जैसे समग्र आँकड़ों पर नज़र रखना अलग-अलग घोषणाओं से ज़्यादा सच्ची तस्वीर देता है।

3. "ख़त्म होना" और "बदलना" अलग करें — कार्य और पेशे का फ़र्क़

साफ़ सोचने की कुंजी है कार्यों और पेशों को अलग करके देखना। Anthropic ने मार्च 2026 में जो विश्लेषण प्रकाशित किया, वह Claude के कामकाजी उपयोग को हर पेशे के कार्यों से जोड़कर मापता है। कंप्यूटर और गणित के पेशों में सैद्धांतिक रूप से 94% कार्यों में AI इस्तेमाल हो सकता है, लेकिन वास्तविक उपयोग सिर्फ़ 33% में दिखता है। कार्यालय और प्रशासनिक सहायता भी सैद्धांतिक रूप से 90% तक पहुँचती है। वही विश्लेषण निष्कर्ष निकालता है कि वास्तविक उपयोग अभी सैद्धांतिक क्षमता से बहुत दूर है। "AI कर सकता है" और "AI वास्तव में कर रहा है" के बीच बड़ा फ़ासला है।

नज़रियाख़ात्मे का परिदृश्यबदलाव का परिदृश्य
लक्ष्यपूरे पेशे ग़ायबहर पेशे के काम का कुछ हिस्सा AI के पास
उदाहरण: वकीलवकीलों की ज़रूरत नहींनियमित दस्तावेज़ और शोध AI करता है, रणनीति और ग्राहक इंसान (BLS अनुमान: वकील +4.7%, पैरालीगल −0.3%)
उदाहरण: मार्केटिंगमार्केटिंग पद ग़ायबड्राफ़्ट और विश्लेषण AI, रणनीति और संबंध इंसान
उदाहरण: लेखाकारलेखाकारों की ज़रूरत नहींप्रविष्टियाँ और मिलान AI, निर्णय और सलाह इंसान (BLS अनुमान: लेखाकार और ऑडिटर +5.0%)
नतीजाबेरोज़गारी में उछालशुरुआती भर्ती संकरी, योग्यता की माँग ऊँची

सितंबर 2026 तक का डेटा दाहिने कॉलम (बदलाव) के ज़्यादा क़रीब है। WEF के अनुमान में 2030 तक लगभग 9.2 करोड़ नौकरियाँ विस्थापित होती हैं और लगभग 17 करोड़ बनती हैं, यानी शुद्ध लगभग 7.8 करोड़ की बढ़त। असली चुनौती ख़त्म होती नौकरियाँ × उन्हें करने वाले लोग और नई नौकरियाँ × नए कौशल के बीच का बेमेल है — व्हाइट-कॉलर काम का पूरा ख़ात्मा नहीं। जैसा अनुभवी बनाम नए कर्मचारी में देखा, इस बेमेल का दबाव युवाओं पर सबसे ज़्यादा पड़ता है।

4. सबसे ज़्यादा प्रभावित 5 भूमिकाएँ और सबसे कम प्रभावित 5

सारे "व्हाइट-कॉलर" काम को एक टोकरी में डालने के बजाय हम उसे असर के रूप के हिसाब से 5×2 में बाँटते हैं। यह BLS के अनुमान-कारणों और Anthropic के उपयोग डेटा पर आधारित हमारा अपना वर्गीकरण है। पेशेवार आँकड़े AI से सबसे ज़्यादा प्रभावित 15 पेशे में और बढ़ते पेशे AI युग में बचने वाले पेशे में हैं।

IMPACT MAP

सबसे ज़्यादा प्रभावित 5 बनाम सबसे कम प्रभावित 5

सबसे ज़्यादा प्रभावित
  • लिपिकीय काम और डेटा एंट्री
  • ग्राहक सहायता
  • पैरालीगल काम और नियमित शोध
  • केवल कोड लिखने वाला विकास
  • नियमित रिपोर्ट पर टिका प्रबंधन
VS
सबसे कम प्रभावित
  • देखभाल, स्वास्थ्य और शिक्षा
  • विशेषज्ञ निर्णय (डॉक्टर, वकील)
  • दिशा तय करना (नेतृत्व, रणनीति)
  • मोलभाव और संबंध-आधारित बिक्री
  • साइट पर कुशल काम (बिजली, प्लंबिंग, नर्सिंग)

BLS 2025–35 के अनुमान-कारणों और Anthropic (मार्च 2026) के उपयोग डेटा पर आधारित वर्गीकरण। डेटा एंट्री −25.5%, ग्राहक सेवा −5.3% (BLS अनुमान)।

यहाँ एक दिलचस्प उलटफेर है। WEF के अनुमान में कुल संख्या में सबसे बड़ी बढ़त अग्रिम पंक्ति के काम — खेती, डिलीवरी, निर्माण, बिक्री, खाद्य प्रसंस्करण — और देखभाल के काम, जैसे नर्सिंग, व्यक्तिगत देखभाल और परामर्श में है (प्रतिशत में सबसे तेज़ बढ़त तकनीकी भूमिकाओं में है)। अमेरिका के लिए BLS अनुमान में भी स्वास्थ्य सहायता (+13.3%) और स्वास्थ्य पेशेवर (+8.0%) सबसे तेज़ बढ़ते हैं, जबकि कार्यालय और प्रशासनिक सहायता (−4.0%) सबसे ज़्यादा घटती है। "दफ़्तरी काम सुरक्षित, हाथ का काम ख़तरे में" वाली पुरानी सोच इन अनुमानों से मेल नहीं खाती।

5. "नए लोग → AI" पहले क्यों हो रहा है

सबसे साफ़ डेटा उसी "शुरुआती स्तर" के बारे में है जिसकी ओर अनुमान ने इशारा किया था। स्टैनफ़ोर्ड की Digital Economy Lab के विश्लेषण (अगस्त 2026 संशोधित) में AI से प्रभावित पेशों में 22–25 वर्ष वालों का रोज़गार, कम प्रभावित साथियों की गति की तुलना में 19% कम है, जबकि उन्हीं पेशों में 35–49 वर्ष वालों में लगभग 10% बढ़त हुई। इस अंतर को हम "अनुभव की खाई" कहते हैं। विस्तृत डेटा और प्रतिवाद अनुभवी बनाम नए कर्मचारी में हैं।

तीन संभावित कारण हैं। (1) नए लोगों के काम ठीक वही हैं जिनमें AI माहिर है — शोध, सारांश, नियमित कोड, बैठक के नोट्स और पहले ड्राफ़्ट वही काम हैं जिनसे नए लोग सीखते हैं। (2) सबसे पहले भर्ती सिकुड़ती है — स्टैनफ़ोर्ड के विश्लेषण में गिरावट कम भर्ती से आई, नौकरी छोड़ने वालों की बढ़त से नहीं। (3) AI अनुभवियों की ताक़त बढ़ाता है — उसी विश्लेषण में, जिन पेशों में AI लोगों की मदद करता है, वहाँ अनुभवियों का रोज़गार स्थिर रहा या बढ़ा।

नतीजतन आज का श्रम बाज़ार ऐसा दिखता है: अनुभवी कम नहीं हो रहे, लेकिन युवाओं का प्रवेश-द्वार संकरा हो गया है। नए स्नातक और शुरुआती कर्मचारी अपने पहले कुछ साल कैसे पार करते हैं, यही अब करियर का सबसे कठिन पड़ाव है। रास्ते भाग 7 में हैं।

6. फिर भी दफ़्तरी काम ख़त्म क्यों नहीं होगा — इंसान के 3 फ़ायदे

AI इंसानों की पूरी तरह जगह कहाँ नहीं ले सकता? Anthropic के उपयोग डेटा में लगभग 30% कर्मचारी ऐसे पेशों में हैं जहाँ उपयोग लगभग नहीं दिखता, और कंप्यूटर व गणित के पेशों में भी वास्तविक उपयोग केवल एक-तिहाई कार्यों तक है। दफ़्तरी काम के भीतर, जहाँ इंसानों को ढाँचागत बढ़त है, उन क्षेत्रों को हम तीन हिस्सों में रखते हैं:

HUMAN EDGE

AI के लिए बदलने में कठिन 3 क्षेत्र

बढ़त 1 · संदर्भ-आधारित निर्णय
संगठन के भीतर की खींचतान, ग्राहक की परिस्थिति, उद्योग के अनलिखे नियम। जिन निर्णयों का "सही उत्तर" कहीं लिखा नहीं, वे AI के लिए कठिन हैं। नेतृत्व, बिक्री और HR का मूल यही है।
बढ़त 2 · ज़िम्मेदारी और भरोसा
अंतिम निर्णय की ज़िम्मेदारी क़ानूनी और नैतिक रूप से इंसानों पर होती है। डॉक्टर, वकील, प्रबंधक — AI के परिणाम को मंज़ूरी देने वाले की भूमिका बनी रहती है।
बढ़त 3 · संबंधों की पूँजी
वर्षों का भरोसा, उद्योग का नेटवर्क, संगठन के भीतर प्रभाव। जो लोगों के बीच जमा होता है, उसे AI से दोहराना कठिन है। बिक्री, परामर्श, नेतृत्व।

Anthropic (मार्च 2026): वास्तविक उपयोग संहिताबद्ध कार्यों की ओर झुका है और कंप्यूटर व गणित के पेशों में भी 33% कार्यों तक है। संदर्भ, ज़िम्मेदारी और संबंधों की परतें अब भी ज़्यादातर इंसानों के पास हैं।

ये तीनों फ़ायदे अनुभव के साथ मज़बूत होते हैं। इसीलिए अनुभवियों का रोज़गार टिका रहता है, जबकि युवाओं पर पहले कुछ वर्षों में तेज़ी से अनुभव जुटाने का दबाव है। स्टैनफ़ोर्ड का यह निष्कर्ष कि अंतर्निहित ज्ञान पर ज़्यादा निर्भर पेशों में अनुभवियों का रोज़गार तेज़ बढ़ता है, इसी दिशा में है।

7. व्यक्तिगत रणनीति — आज से 3 क़दम

व्यावहारिक बनाने के लिए यहाँ आज से शुरू किए जा सकने वाले तीन क़दम हैं — करियर के चरण के हिसाब से नहीं, बल्कि ऐसे तीन जो सबके लिए ज़रूरी हैं।

SURVIVAL 3 MOVES

आज से 3 क़दम

क़दम 1 · AI के साथ काम
जो काम AI ले सकता है, पहले वही उसे सौंपें। ईमेल और चैट की दक्षता जैसे तरीक़े तुरंत अपनाएँ और बचा समय निर्णय और संबंधों के काम में लगाएँ।
क़दम 2 · गहराई में जाएँ
वर्षों तक किसी एक उद्योग या क्षेत्र में गहरे उतरें। सामान्य कौशल (प्रेज़ेंटेशन, खोज, नियमित काम) AI पर छोड़ें और क्षेत्र की समझ अपने पास रखें। "T-आकार" से बेहतर "I-आकार"।
क़दम 3 · संबंधों में निवेश
उद्योग के संपर्क, कंपनी के भीतर प्रभाव, ग्राहकों का भरोसा। AI के लिए दोहराना कठिन संपत्तियों पर समय लगाएँ। अध्ययन-समूह और मेंटरिंग बर्बादी नहीं, निवेश हैं।

साझा सूत्र: जिन कामों में AI माहिर है वे AI को दें, और अपना समय उन कामों पर लगाएँ जिनमें इंसान माहिर हैं। जो ऐसा करते हैं, वे बदलाव के बीच अपनी जगह आसानी से बनाए रखते हैं।

नए स्नातकों और शुरुआती कर्मचारियों के लिए एक और सलाह: अपने बॉस से पहले AI इस्तेमाल करना सीखें। प्रवेश-द्वार के संकरे होने के दौर में यह अनुभव की खाई पार करने का व्यावहारिक तरीक़ा है। वर्षों का अनुभव रातों-रात नहीं आता, लेकिन AI के उपयोग में नए लोग आगे निकल सकते हैं। हालाँकि, जैसा Stack Overflow के 2025 सर्वेक्षण से दिखता है, कई डेवलपर AI के परिणामों की सटीकता पर भरोसा नहीं करते, इसलिए साथ में AI के जवाबों पर शक करने और उन्हें जाँचने की आदत भी बनानी होगी। हमारी "AI सुझाता है" शृंखला जैसे लेखों से तकनीकी निर्णय क्षमता भी साथ-साथ निखारें।

सारांश

"क्या AI व्हाइट-कॉलर नौकरियाँ ख़त्म कर देगा?" सितंबर 2026 तक का डेटा जो जवाब देता है वह है "ख़ात्मा नहीं, पुनर्वितरण — प्रवेश-द्वार से शुरू होकर"। अमोडेई की मई 2025 की चेतावनी में से "10–20% बेरोज़गारी" का पैमाना डेटा में नहीं दिखा (अगस्त 2026 में अमेरिका की बेरोज़गारी 4.1%)। वहीं "शुरुआती स्तर" पर उँगली रखना युवाओं की भर्ती के डेटा से दिशा में मेल खाता है (प्रभावित पेशों में 22–25 वर्ष वाले 19% कम)। WEF का अनुमान 2030 तक लगभग 7.8 करोड़ नौकरियों की शुद्ध बढ़त का है।

हर व्यक्ति को तीन क़दम चाहिए: (1) जो काम AI ले सकता है, पहले वही सौंपें, (2) किसी विशेषज्ञता में गहरे उतरें, और (3) संबंधों की पूँजी (भरोसा, नेटवर्क, संगठन की समझ) में समय लगाएँ। "व्हाइट-कॉलर के अंत" के डर से ठिठक जाना और "मुझ पर असर नहीं होगा" कहकर टाल देना, दोनों ही नुक़सानदेह हैं। AI को अपनी ताक़त बढ़ाने वाले लीवर की तरह इस्तेमाल करें, और स्थिति पर अनुमानों से नहीं, मापे गए डेटा से नज़र रखें।

संबंधित लेख: युवाओं और अनुभवियों का डेटा, AI से सबसे ज़्यादा प्रभावित 15 पेशे, AI युग में बचने वाले पेशे, उत्पादकता-मापक का जाल और ईमेल और चैट की दक्षता।

अक्सर पूछे जाने वाले प्रश्न

प्र. क्या अमोडेई का "आधी नौकरियाँ जा सकती हैं" वाला अनुमान ग़लत साबित हो चुका है?
उ. किसी भी दिशा में कहना अभी जल्दबाज़ी है। यह एक से पाँच साल में ऐसा हो सकने की चेतावनी थी, और वह अवधि अभी पूरी नहीं हुई। सितंबर 2026 तक 10–20% बेरोज़गारी जैसे बड़े बदलाव का संकेत नहीं है (अमेरिका 4.1%, अगस्त 2026)। लेकिन AI से प्रभावित पेशों में युवाओं का रोज़गार कम प्रभावित पेशों से 19% कम है (स्टैनफ़ोर्ड, अगस्त 2026 संशोधित)। पैमाने पर अभी समर्थन नहीं, लेकिन किस पर असर होगा, इस पर संकेत हैं।

प्र. कैसे जानूँ कि AI मेरी नौकरी की जगह लेगा या नहीं?
उ. तीन सवाल पूछें। (1) अगर आपके दिन का ज़्यादातर हिस्सा तय-प्रक्रिया वाले दस्तावेज़ या डेटा के काम में जाता है, तो आप ज़्यादा प्रभावित हैं। (2) अगर काम में संदर्भ-आधारित निर्णय, व्यक्तिगत ज़िम्मेदारी या संबंधों की पूँजी चाहिए, तो आप कम प्रभावित हैं। (3) अगर आप अपने पद के AI में माहिर साथियों से साफ़ पीछे हैं, तो जल्दी क़दम उठाएँ। अमेरिका के पेशेवार दस-वर्षीय अनुमान AI से सबसे ज़्यादा प्रभावित 15 पेशे में हैं।

प्र. नए स्नातक और शुरुआती कर्मचारी क्या करें?
उ. "अपने बॉस से बेहतर AI इस्तेमाल करना" सबसे पहली प्राथमिकता रखें। Cursor, Claude Code और ChatGPT जैसे उपकरणों में महारत हासिल करें और साथ में अपने उद्योग का ज्ञान सीखें। इसके अलावा AI के परिणामों पर शक करने और उन्हें जाँचने का अभ्यास करें, और अनुभवियों को वर्षों में मिलने वाली निर्णय-क्षमता जल्दी आत्मसात करें। विस्तार अनुभवी बनाम नए कर्मचारी में है।

प्र. व्यवसाय चलाने वालों को क्या करना चाहिए?
उ. कर्मचारियों की कटौती का फ़ैसला करने से पहले तीन काम। (1) कर्मचारियों को AI इस्तेमाल करना सिखाने में निवेश करें (WEF सर्वेक्षण में 85% नियोक्ता कहते हैं कि वे अपने कर्मचारियों के कौशल-उन्नयन को प्राथमिकता देंगे)। (2) पूरी भूमिकाएँ ख़त्म करने से पहले कार्यों का पुनर्वितरण आज़माएँ। (3) शुरुआती भर्ती बंद न करें — प्रवेश-द्वार बंद करने से कुछ साल बाद मध्य-स्तर और अनुभवी लोगों की कमी का ख़तरा है। अल्पकालिक बचत के बदले दीर्घकालिक प्रतिभा-आधार न गँवाएँ।

प्र. क्या साइट पर हाथ का काम (ब्लू-कॉलर) सुरक्षित है?
उ. अनुमान-डेटा में अग्रिम पंक्ति और देखभाल के काम बढ़ने वाली तरफ़ हैं। WEF के अनुमान में सबसे बड़ी कुल बढ़त खेती, डिलीवरी, निर्माण, बिक्री जैसे अग्रिम पंक्ति के कामों और देखभाल में है; अमेरिका के BLS अनुमान में स्वास्थ्य सहायता (+13.3%) सबसे तेज़ बढ़ती है। शारीरिक उपस्थिति, लोगों से व्यवहार और जटिल भौतिक माहौल को जोड़ने वाला काम AI के लिए कठिन है। फिर भी वेतन और कामकाज की शर्तें पेशे के हिसाब से बहुत अलग हैं, इसलिए ठोस आँकड़े AI युग में बचने वाले पेशे में देखें।