AI सबसे पहले एंट्री-लेवल काम घटा रहा है, और नई प्रतिभा के विकास का रास्ता संकरा हो रहा है

एंट्री-लेवल भर्ती पहले से ही घट रही है

आज के लेख नौकरियों में कटौती की खबरों से भरे हैं। रिपोर्ट के अनुसार Anthropic ने शुरुआती स्तर की तकनीकी भर्तियों का हिस्सा 27% से घटाकर 9% कर दिया। एक अन्य रिपोर्ट कहती है कि AI एजेंट (ऐसा AI जो व्यक्ति की ओर से कामकाज को अंजाम देने तक जाता है) इंसानों से छह गुना अधिक घंटे काम करते हैं, इसलिए कंपनियों ने नए लोगों की भर्ती लगभग बंद कर दी है। अमेरिका में साइबर सुरक्षा की नौकरियों के विज्ञापन 26% घटे, जबकि AI सुरक्षा सँभालने वाले इंजीनियरों की माँग बढ़ रही है।

हालाँकि, हर बात के लिए AI को दोष नहीं दिया जा सकता। कुछ लोग बताते हैं कि दूरसंचार कंपनियों में छंटनी AI से पहले शुरू हो चुकी थी और अब AI को केवल कारण के रूप में पेश किया जा रहा है। क्या गिरावट का असली कारण सचमुच AI है, या कंपनियाँ AI को अपनी सफ़ाई के रूप में इस्तेमाल कर रही हैं? केवल इन लेखों से दोनों को अलग नहीं किया जा सकता।

अगर युवा कर्मचारियों को तैयार नहीं किया गया, तो कुछ वर्षों में काम की जाँच करने वाला कोई नहीं बचेगा

AI के जाने-माने आलोचक Gary Marcus इस बिंदु को लेकर चेतावनी देते हैं। हम उन लोगों की पाइपलाइन को खत्म कर रहे हैं जो पहले यह सीखते हैं कि यह कैसे काम करता है। इसलिए हमारे पास वरिष्ठ सॉफ्टवेयर डेवलपर तो हैं जो अब भी जानते हैं कि क्या हो रहा है, लेकिन जूनियर डेवलपरों को मूलतः कोई नौकरी नहीं मिल रही।── गैरी मार्कस (2026-10-15 09:08 UTC · YouTube "Bloomberg New Economy | Day 3 | Morning Session" (Bloomberg New Economy) 2:04:53 पर, स्रोत)

इसका मतलब है कि यदि अभी भर्तियाँ घटती हैं, तो पाँच या दस साल बाद ऐसे लोग बहुत कम होंगे जो बता सकें कि AI का आउटपुट सही है या नहीं। अनुभवी लोग इसलिए तैयार होते हैं क्योंकि उन्होंने नए सदस्य के रूप में एक दौर बिताया होता है, जिसमें उन्होंने अनुभव हासिल किया। अगर नए लोगों का काम AI को सौंप दिया जाए, तो अनुभव पाने की वह जगह भी खत्म हो जाती है। Marcus लंबे समय से इसे एक समस्या मानते रहे हैं कि इंसान AI के भीतरी तंत्र को नहीं समझते। इसलिए यह पढ़ा जा सकता है कि वे यह समझने वाले लोगों के दायरे के सिकुड़ने को विशेष गंभीरता से लेते हैं कि चीज़ें कैसे काम करती हैं।

उत्पादकता के आँकड़ों में अब भी कोई नतीजा नहीं दिख रहा

कंपनियाँ संभवतः नए लोगों की कटौती इसलिए कर रही हैं क्योंकि AI कम लोगों से उतना ही काम करवा देता है। लेकिन पूरी अर्थव्यवस्था के आँकड़े ऐसा नहीं दिखाते। AI अगली औद्योगिक क्रांति हो सकता है, लेकिन औद्योगिक क्रांति ने उत्पादकता बढ़ाई थी और अब तक AI ने वास्तव में ऐसा नहीं किया है।── Gary Marcus (2026-10-15 09:08 UTC · YouTube "Bloomberg New Economy | Day 3 | Morning Session" (Bloomberg New Economy) 1:58:30 पर, स्रोत)

दावा यह है कि औद्योगिक क्रांति ने उत्पादकता बढ़ाई, लेकिन AI ने अभी तक ऐसा नहीं किया है। आज के लेखों में "AI हर जगह है, पर उत्पादकता के आँकड़ों में नहीं दिखता" शीर्षक वाला एक व्याख्यात्मक लेख भी है। Marcus इसे इस तरह देखते हैं क्योंकि मौजूदा AI कोडिंग और गणित में अच्छा है, और उनका मानना है कि गणित हल कर पाने का मतलब यह नहीं कि वह वास्तविक दुनिया के दूसरे कामों को भी हल कर सकता है।

[Council reasoning] ऐसा है तो जो कंपनियाँ नतीजे पुष्ट होने से पहले नए लोगों में कटौती करती हैं, वे लागत पहले ही चुका रही हैं।

चिकित्सा में AI आने के बाद भी विशेषज्ञों की संख्या बढ़ी

प्रतिउदाहरण भी हैं। NVIDIA के Jensen Huang रेडियोलॉजी का उदाहरण देते हैं। कंप्यूटर विज़न पूरी तरह मानव से बेहतर हो चुका है। आज हर रेडियोलॉजी प्लेटफ़ॉर्म और पैकेज AI से संचालित है। फिर भी रेडियोलॉजिस्टों की संख्या बढ़ी है।── जेन्सेन हुआंग (2026-10-15 17:01 UTC · YouTube "AI Business Leadership Webinar | Integram & RBC Wealth Management - Private Banking Ft. Jim Harris" (Integram) 0:18:28 पर, स्रोत)

AI के इमेज पढ़ने में इंसानों से आगे निकल जाने के बावजूद रेडियोलॉजिस्ट की संख्या बढ़ी। इसे इस तरह समझाया जा सकता है कि AI ने जाँचों को तेज़ और सस्ता बना दिया, जिससे जाँचों की माँग ही बढ़ गई। दावा यह है कि काम की जगह AI ज़रूरी तौर पर नहीं लेता, और अगर काम की मात्रा बढ़ती है तो लोगों की भी ज़रूरत पड़ती है। Huang AI के लिए सेमीकंडक्टर बेचने वाले पक्ष में हैं। वे ऐसी स्थिति में भी हैं जहाँ यह कहना कि AI नौकरियाँ नहीं छीनता, उनकी अपनी कंपनी के कारोबार के अनुकूल बैठता है।

[Council reasoning] हालाँकि, यह कुशल विशेषज्ञों का उदाहरण है। इससे यह पता नहीं चलता कि नए लोगों के लिए प्रवेश का रास्ता संकरा हो रहा है या नहीं।

निवेश पहले आता है, और नुकसान कोई और उठाएगा

भर्ती की कहानी के पीछे भारी निवेश है। डेटा सेंटर निवेश के $6.7 trillion तक पहुँचने और नए बीमा जोखिम पैदा करने की ख़बर है। Citi और Bank of America ने AI एजेंटों की ग्राहक खातों तक पहुँच सीमित कर दी है, और अमेरिकी हाउस में AI एजेंट लेन-देन को नियंत्रित करने वाला एक विधेयक भी पेश किया गया है। निवेश आगे बढ़ रहा है, लेकिन उपयोगकर्ता की ओर की सुरक्षा अभी तक मौजूद नहीं है।

Huang इस बात से इनकार करते हैं कि बाज़ार ज़रूरत से ज़्यादा गर्म है। बबल तब बनता है जब आपूर्ति माँग से अधिक हो जाती है। अंततः आपूर्ति और माँग में सामंजस्य बैठ जाएगा।── जेन्सेन हुआंग (2026-10-15 13:36 UTC · YouTube "Nvidia CEO Jensen Huang Calls For US-China Cooperation On AI Safety | Trump | N18G" (CNBC-TV18) 0:02:31 पर, स्रोत)

अगर आपूर्ति माँग से ज़्यादा हो जाए तो वह बुलबुला बन जाता है, लेकिन नज़रिया यह है कि दोनों आख़िरकार संतुलित हो जाएँगे। उसी दिन Marcus ने बताया कि तिमाही वृद्धि लगभग 145% से घटकर लगभग 45% रह गई और कहा कि उद्योग ने ज़रूरत से ज़्यादा विस्तार कर लिया है। दोनों के बीच अंतर इस पर टिका है कि कोई मानता है कि माँग आख़िरकार पकड़ बना लेगी, या यह कि राजस्व की पुष्टि नहीं हुई है।

[Council reasoning] यदि दोनों के संतुलन से पहले नुकसान हो जाए, तो उसे कौन उठाएगा, यह अब तक तय नहीं हुआ है।

लाभ और हानि को बराबर संख्या में सामने रखना

लाभ की तीन बातें हैं: रेडियोलॉजी का उदाहरण, जहाँ AI के फैलने के बाद डॉक्टरों की संख्या बढ़ी; सुरक्षित ढंग से आगे बढ़ने के लिए कंपनियों के आपसी सहयोग का रवैया; और यह संभावना कि मौजूदा तकनीक से अलग कोई तकनीक चिकित्सा को बुनियादी रूप से बदल सकती है। नुकसान की भी तीन बातें हैं: नए लोगों के लिए नौकरी के अवसर और आउटपुट की जाँच कर सकने वाले लोगों को तैयार करने का रास्ता; निर्देशों का पालन न करने वाले सिस्टमों से दुर्घटनाओं का फैलना; और पुष्ट आय के बिना किया गया अत्यधिक निवेश।

अल्पमत राय के रूप में Yann LeCun का रुख़ है। उनका मानना है कि ऐसी घटनाएँ मौजूदा बड़े भाषा मॉडलों की क्षमता और नियंत्रण की सीमाओं को दर्शाती हैं, अस्तित्वगत ख़तरे के आधार पर विकास को सीमित करना उचित नहीं है, और इनका समाधान डिज़ाइन के स्तर पर सुरक्षा और खुले विकास से किया जा सकता है। [काउंसिल का तर्क] इस दृष्टि से, नए लोगों का विकास प्रतिबंध से नहीं, बल्कि AI के काम की जाँच करने वाले कार्य को नए सिरे से डिज़ाइन करके सुरक्षित किया जाएगा।