नौकरी की गुणवत्ता, नौकरियों की गिनती नहीं

यह पन्ना क्या है — और क्या नहीं है

विस्थापन के सवाल को आमतौर पर एक गिनती के रूप में पूछा जाता है: AI कितनी नौकरियां लेता है? यह मायने रखता है, और श्रम और आर्थिक विस्थापन इसे कवर करता है। यह पन्ना एक अलग सवाल पूछता है: बची हुई नौकरियों का क्या होता है? कोई कर्मचारी वेतन बनाए रख सकता है जबकि शेड्यूल, गति, निर्णय-क्षमता, और उस गरिमा पर नियंत्रण खो सकता है जो काम को करने-लायक़ बनाती थी।

यहां वर्णित तंत्र — एल्गोरिद्मिक प्रबंधन — देखा गया, दस्तावेज़ीकृत, और असली है। आज के गिग-अर्थव्यवस्था और गोदाम के निष्कर्षों को पूरी अर्थव्यवस्था पर प्रक्षेपित करना एक तर्क है, कोई माप नहीं। यह पन्ना बताता है कि कौन-सा क्या है।

तंत्र: एल्गोरिद्मिक प्रबंधन

Kellogg, Valentine, और Christin की व्यापक रूप से उद्धृत समीक्षा एल्गोरिद्मिक प्रबंधन को ऐसे सॉफ़्टवेयर के रूप में परिभाषित करती है जो प्रबंधकीय कार्य करता है: कार्य सौंपना, प्रदर्शन की निगरानी करना, आउटपुट का मूल्यांकन करना, और कर्मचारियों को अनुशासित करना या पुरस्कृत करना (Kellogg, Valentine & Christin, “Algorithms at Work: The New Contested Terrain of Control,” Academy of Management Annals, 2020)। वे टूलकिट को छह तंत्रों में व्यवस्थित करते हैं — सिफ़ारिश करना, रिकॉर्ड करना, रेटिंग देना, बदलना, पुरस्कृत करना, और अनुशासित करना — और नोट करते हैं कि यह विवादित क्षेत्र नया नहीं है। नियोक्ता हमेशा कम भुगतान के लिए ज़्यादा मेहनत निकालने की कोशिश करते रहे हैं; जो बदला है वह है इसे करने वाले सिस्टम की बारीकी, गति, और असमानता।

व्यवहार में इसका मतलब है: पूर्वानुमानित मांग द्वारा तय शेड्यूल, न कि किसी मैनेजर द्वारा जो जानता हो कि आपका बच्चा स्कूल में है; कीस्ट्रोक, स्कैन, या प्रति-कार्य-सेकंड से गणना की गई उत्पादकता-स्कोर; ग्राहक की स्टार-रेटिंग को प्रदर्शन-समीक्षा माना जाना; और किसी मीट्रिक के सीमा से नीचे गिरने पर स्वचालित रूप से ट्रिगर होने वाली बर्ख़ास्तगी, कभी-कभी बीच में कोई इंसान बिल्कुल नहीं। कर्मचारी इसे ऐसे बॉस के रूप में अनुभव करता है जो हमेशा देख रहा हो, कभी सौदेबाज़ी न करे, और जिससे अपील करना असंभव हो, क्योंकि वहां कोई है ही नहीं।

दिशा किधर है

जैसे-जैसे AI नियमित संज्ञानात्मक काम को समाहित करता है, इंसानों के लिए बची हुई नौकरियां दो श्रेणियों में बंट जाती हैं। पहली वह काम है जो मशीनें अभी नहीं कर सकतीं: अप्रत्याशित भौतिक परिवेशों में कुशल व्यवसाय, जटिल मानवीय बातचीत, असली रचनात्मक निर्णय। दूसरी वह काम है जिसके लिए इंसानों को बनाए रखा जाना चाहिए — क्योंकि कोई क़ानून, कोई देनदारी-नियम, या ग्राहक की प्राथमिकता श्रृंखला में कहीं किसी व्यक्ति की मांग करती है, भले ही सिस्टम बाक़ी लगभग सब कुछ कर सके।

यह दूसरी श्रेणी है जहां गुणवत्ता सबसे तेज़ी से गिरती है। अगर कोई व्यक्ति केवल किसी आवश्यकता को पूरा करने के लिए मौजूद है, तो नियोक्ता का प्रोत्साहन उस उपस्थिति को यथासंभव सस्ता और नियंत्रित बनाना है: स्क्रिप्टेड विवेकाधिकार, निगरानी में अनुपालन, कोई गुंजाइश नहीं। कर्मचारी किसी मशीन के आउटपुट पर लगी एक मानवीय मंज़ूरी-मुहर बन जाता है — नतीजे के लिए ज़िम्मेदार, इसे आकार देने के अधिकार से वंचित। कोई नर्स जिसे प्रति मरीज़ बारह सेकंड में AI-ट्रायाज को “सत्यापित” करने के लिए बाध्य किया जाता है, वह सशक्त नहीं है; वह स्टेथोस्कोप के साथ एक देनदारी-बफ़र है।

सबूत क्या दिखाते हैं — और क्या नहीं

सबसे मज़बूत सबूत उन परिवेशों से आते हैं जहां एल्गोरिद्मिक प्रबंधन पहले से ही संपूर्ण है। गिग-प्लेटफ़ॉर्म पर, शोधकर्ताओं ने दस्तावेज़ीकृत किया कि रेटिंग-सिस्टम और अपारदर्शी निष्क्रियकरण-नियम जोखिम को कर्मचारियों पर डालते हैं जबकि उन्हें यह जानकारी नकारते हैं कि कौन निर्णय लेता है और क्यों (Rosenblat & Stark, 2016)। गोदामों में, प्रति-कार्य-सेकंड तक की निगरानी-बारीकी पत्रकारिता और पैरोकारी रिपोर्टिंग में ऊंची चोट-दरों और कर्मचारी-क्षरण से जुड़ी है, हालांकि पीयर-रिव्यूड कारणात्मक अनुमान अब भी कम हैं। International Labour Organization का जनरेटिव AI का वैश्विक विश्लेषण स्पष्ट है कि स्वचालन का एक्सपोज़र नौकरी की हानि के बराबर नहीं है, और गुणवत्ता के आयाम — कार्य-तीव्रता, स्वायत्तता, और कौशल-इस्तेमाल का अवसर — कर्मचारी-संख्या से अलग चलते हैं (ILO, 2023)।

ईमानदारी को सीमा-रेखा चाहिए: ये अध्ययन विशिष्ट, भारी निगरानी वाले कार्यस्थलों को मापते हैं। इन्हें पूरी अर्थव्यवस्था तक विस्तारित करना उपमा से एक तर्क है, कोई माप नहीं। कुछ बची हुई नौकरियां बेहतर होंगी; कुछ निगरानी विफल होगी या उल्टा असर करेगी; कुछ कर्मचारी ऐप-मध्यस्थ लचीलेपन को उस विकल्प से तरजीह देते हैं जो अक्सर कुछ भी नहीं होता। बचाव-योग्य दावा ज़्यादा संकुचित है और फिर भी गंभीर है: जहां भी नियोक्ता की प्राथमिकता के विरुद्ध इंसानों को प्रक्रिया में रखा जाता है, डिफ़ॉल्ट आर्थिक दबाव स्वायत्तता की ओर नहीं, नियंत्रण की ओर चलता है।

तीन संकेत बताते हैं कि कोई कार्यस्थल किस दिशा में जा रहा है: क्या कर्मचारी अपने मूल्यांकन में इस्तेमाल किए गए डेटा को देख और चुनौती दे सकते हैं, क्या अधिकार रखने वाला कोई इंसान सिस्टम को पलट सकता है, और क्या उत्पादकता-लक्ष्य अपने-आप बढ़ते जाते हैं जैसे-जैसे सॉफ़्टवेयर सीखता है कि सबसे बेहतर-प्रदर्शन वाली शिफ़्ट कैसी दिखी। तीसरा संकेत असली पहचान है। एक सिस्टम जो कर्मचारियों के ढलने के साथ-साथ बार लगातार ऊपर उठाता रहता है, वह काम को संगठित करने का टूल नहीं है; यह एक निष्कर्षण-रैचेट है, और इसकी छत निर्णय-क्षमता से नहीं, शरीरक्रिया-विज्ञान से तय होती है।

पूरकता का सवाल

क्या AI किसी बची हुई भूमिका को सशक्त बनाता है या उसे बिगाड़ता है, यह तकनीक तय नहीं करती। यह तय करता है कि डिज़ाइन कौन चुनता है। वही ट्रायाज-मॉडल जो किसी नर्स को उन मरीज़ों के साथ अपना घंटा बिताने देता है जिन्हें उसकी ज़रूरत है, उसका इस्तेमाल इसके बजाय उसका कोटा तय करने के लिए किया जा सकता है। वही कोडिंग-सहायक जो बॉयलरप्लेट संभालता है ताकि कोई जूनियर डेवलपर आर्किटेक्चर सीख सके, उसका इस्तेमाल इसके बजाय दो सीनियर की भर्ती करने के बजाय चार जूनियर की निगरानी को उचित ठहराने के लिए किया जा सकता है।

डिज़ाइन-निर्णय	सशक्त बनाने वाला नतीजा	बिगाड़ने वाला नतीजा
गति कौन तय करता है	कर्मचारी क्रम को नियंत्रित करता है	सिस्टम कोटा तय करता है, कर्मचारी उससे तालमेल बिठाता है
डेटा कौन देखता है	कर्मचारी को प्रदर्शन-प्रतिक्रिया मिलती है	नियोक्ता निगरानी करता है, कर्मचारी जांच नहीं कर सकता
निर्णय-क्षमता किसकी है	AI सलाह देता है, इंसान कारणों के साथ निर्णय लेता है	इंसान बिना सवाल किए मुहर लगाता है, देनदारी इंसान की रहती है
त्रुटि पर क्या होता है	समीक्षा और पुनर्प्रशिक्षण	स्वचालित पदावनति या बर्ख़ास्तगी

निर्धारक संस्थागत हैं, तकनीकी नहीं: सौदेबाज़ी की शक्ति, प्रवर्तनीय मानक, क्या कर्मचारी डेटा की जांच और चुनौती दे सकता है, और क्या एल्गोरिद्म से ऊपर किसी के पास इसे पलटने का अधिकार और प्रोत्साहन दोनों हैं।

एक असमानता पर ज़ोर देने लायक़ है। जब सशक्तिकरण का वादा किया जाता है, तो वादा किया गया लाभार्थी कर्मचारी होता है; जब बिगाड़ होता है, तो लाभार्थी लागत-रेखा होती है। इस बेमेल का मतलब है कि सबूत का बोझ तैनात करने वाली संस्था पर होना चाहिए: अगर कोई सिस्टम वाक़ई सशक्त बनाता है, तो इसके डिज़ाइनर बचाए गए विवेकाधिकार, जांचने-योग्य डेटा, और स्थिर लक्ष्य दिखा सकते हैं। “इंसान हमेशा प्रक्रिया में है” सशक्तिकरण का सबूत नहीं है जब इंसान की एकमात्र अनुमत क्रिया जारी रखना हो।

नीति और सौदेबाज़ी की प्रतिक्रियाएं

नौकरी की गुणवत्ता एक श्रम-मानक का सवाल है, महज़ संक्रमण-सहायता का सवाल नहीं। पुनर्प्रशिक्षण कार्यक्रम उस कर्मचारी के लिए कुछ नहीं करते जिसकी नई नौकरी एल्गोरिद्मिक रूप से गति-नियंत्रित, रेट की गई, और समाप्त की जाने वाली है। प्रासंगिक साधन पुराने और ज़्यादा सीधे हैं: आपके मूल्यांकन में इस्तेमाल किए गए डेटा पर पारदर्शिता-अधिकार, प्रतिकूल कार्रवाई से पहले सूचना और मानवीय समीक्षा, ड्यूटी-समय के बाहर निगरानी पर सीमाएं, और शेड्यूलिंग व गति पर फ़र्श तय करने वाली क्षेत्रीय सौदेबाज़ी। कामकाजी परिस्थितियों और व्यावसायिक सुरक्षा पर ILO के अभिसमय स्थापित पृष्ठभूमि देते हैं — तीव्रता और निगरानी को व्यक्तिगत रूप से सौदेबाज़ी की जाने वाली सुविधाओं के बजाय मानक-मुद्दों के रूप में बरतने का ढांचा (ILO, कार्यस्थल पर सुरक्षा और स्वास्थ्य)।

इनमें से किसी के लिए भी AI को अनोखे रूप से दुष्ट मानने की ज़रूरत नहीं है। इसके लिए इस फ़्रेमिंग को अस्वीकार करने की ज़रूरत है कि एकमात्र विकल्प नौकरियों की गिनती और कुछ भी न होने के बीच है। बिगड़ी हुई गुणवत्ता का सामना कर रहे कर्मचारी वही सवाल झेलते हैं जो वितरणात्मक अर्थशास्त्र और सत्ता का संकेंद्रण में विस्थापन का सामना कर रहे कर्मचारी झेलते हैं: क्या फ़ायदे उन लोगों तक पहुंचते हैं जिन्हें सिस्टम देखता है, या सिर्फ़ उन तक जो इसके मालिक हैं। व्यक्ति करियर और आय विविधीकरण के ज़रिए घरेलू स्तर पर बचाव कर सकते हैं; मानक ख़ुद एक सामूहिक लड़ाई हैं, और नौकरियों की दूसरी श्रेणी के मानक बनने से पहले इसे लड़ना उचित है।