कोडिंग से आगे बढ़ा टेक जगत, एंट्री-लेवल नौकरियों में चुपचाप हो रहा बड़ा बदलाव

डॉ. लीना एन फुके, डॉ. अंजलि पीके, डॉ. शमना टीसी द्वारा

हर साल, हज़ारों युवा ग्रेजुएट अपनी डिग्रियां लेकर टेक सेक्टर के हलचल भरे गलियारों में आते हैं। इन डिग्रियों को लंबे समय से आर्थिक सुरक्षा का पक्का ज़रिया माना जाता रहा है। दशकों तक, कॉर्पोरेट और IT सेक्टर का एक अनकहा नियम था: आप सबसे निचले स्तर से शुरुआत करते थे, उबाऊ और मेहनत वाले काम करते थे—जैसे डेटाबेस को व्यवस्थित करना, बेसिक रिपोर्ट बनाना, कोड की स्टैंडर्ड लाइनों को टेस्ट करना या बार-बार एक जैसी समरी लिखना—और धीरे-धीरे तरक्की करते हुए ऊपर बढ़ते थे। यह कॉर्पोरेट जगत में सीखने का एक ज़रूरी दौर था, जिसमें प्रोफेशनल्स छोटी-मोटी गलतियां करते थे और धीरे-धीरे अपनी इंडस्ट्री की बारीकियां सीखते थे।

लेकिन आज, करियर की उस पारंपरिक सीढ़ी में बड़े संरचनात्मक बदलाव आ रहे हैं। शुरुआती स्तर के पायदान गायब हो रहे हैं, और एंट्री-लेवल की व्हाइट-कॉलर नौकरियां तेज़ी से बदल रही हैं या कुछ मामलों में तो पूरी तरह खत्म हो रही हैं।

सिर्फ़ 'प्रॉम्प्ट' से आगे

कुछ समय पहले तक, आर्टिफिशियल इंटेलिजेंस (AI) को लेकर लोगों की चिंता मुख्य रूप से बेसिक जेनरेटिव टूल्स तक ही सीमित थी। हम उन चैटबॉट्स को देखकर हैरान होते थे जो एक झटके में ईमेल लिख सकते थे, आसान सवालों के जवाब दे सकते थे या कहने पर मार्केटिंग का कोई सामान्य पैराग्राफ तैयार कर सकते थे। इन टूल्स के लिए भी एक इंसान की ज़रूरत होती थी जो लगातार स्क्रीन के सामने बैठा रहे, खास 'प्रॉम्प्ट' (निर्देश) टाइप करे और आउटपुट को एक साथ जोड़े। AI को बस एक कुशल डिजिटल असिस्टेंट के तौर पर देखा जाता था।

लेकिन टेक्नोलॉजी की दुनिया अब साधारण 'प्रॉम्प्ट-और-रिस्पॉन्स' (निर्देश और जवाब) वाले सिस्टम से कहीं आगे निकल चुकी है। हम अब 'एजेंटिक AI' (खुद काम करने वाले AI) के दौर में आ गए हैं। ये ऐसे स्वतंत्र सॉफ्टवेयर सिस्टम हैं जो जटिल और कई चरणों वाले काम (वर्कफ़्लो) को पूरी तरह से खुद ही पूरा करने में सक्षम हैं।

किसी सिस्टम से सिर्फ़ एक ईमेल लिखवाने के बजाय, कंपनियां अब AI एजेंट को कोई बड़ा और जटिल लक्ष्य सौंप सकती हैं—जैसे लॉजिस्टिक्स बजट का ऑडिट करना, किसी खास इलाके में मार्केटिंग कैंपेन चलाना या पूरा सॉफ्टवेयर पैच लिखना। यह एजेंट घंटों तक स्वतंत्र रूप से काम करता है, अपनी गलतियों (बग्स) को खुद ठीक करता है, अपने काम करने के तरीकों को बेहतर बनाता है और बिना किसी इंसानी दखल के पूरा प्रोजेक्ट तैयार करके देता है।

सबसे पहले प्रभावित होने वाले

काम करने के इस नए तरीके से सबसे पहले पारंपरिक एंट्री-लेवल व्हाइट-कॉलर कर्मचारी प्रभावित हो रहे हैं। कॉर्पोरेट नज़रिए से देखें तो हिसाब-किताब बिल्कुल साफ है। मार्केट डेटा को इकट्ठा करने और प्रोसेस करने में 40 घंटे लगाने के लिए जूनियर एनालिस्ट की टीम को क्यों रखा जाए, जब एक ऑटोमैटिक डिजिटल एजेंट वही काम 40 सेकंड में और बहुत कम खर्च में पूरा कर सकता है? मशीन हर बार रफ़्तार, काम की मात्रा और लागत के मामले में बाज़ी मार ले जाती है। नतीजतन, ग्लोबल कैपेबिलिटी सेंटर्स (GCCs) और IT सर्विस प्रोवाइडर्स चुपचाप अपनी हायरिंग प्रैक्टिस में बदलाव कर रहे हैं और बड़े पैमाने पर एंट्री-लेवल पर लोगों को भर्ती करने से दूर हट रहे हैं।

इससे भारत जैसे तेज़ी से बढ़ते टेक इकोसिस्टम के लिए एक बड़ी उलझन पैदा होती है। अगर एंट्री-लेवल का 'दिमागी मेहनत वाला रूटीन काम' ऑटोमेटेड हो जाता है, तो हम भविष्य के सीनियर लीडर्स, आर्किटेक्ट्स और मैनेजर्स को कैसे तैयार करेंगे? अगर युवा प्रोफेशनल्स को कभी किसी इंडस्ट्री के बुनियादी और रोज़मर्रा के पहलुओं को सीखने का मौका नहीं मिलता, तो वे ऊंचे स्तर के फैसले लेने के लिए ज़रूरी 'संस्थागत समझ' (institutional intuition) कैसे विकसित करेंगे? किसी सिस्टम को प्रभावी ढंग से चलाने के लिए यह समझना ज़रूरी है कि उसके मुख्य हिस्से एक-दूसरे से कैसे जुड़े हैं।

व्हाइट-कॉलर काम का भविष्य नए सिरे से कंटेंट बनाने में नहीं, बल्कि ऑटोमेटेड सिस्टम से बनी चीज़ों पर सही फैसला लेने में है। AI के दौर में, सबसे अहम स्किल 'ह्यूमन इन द लूप' (यानी प्रोसेस में इंसान की भागीदारी) के तौर पर काम करना होगा।

इस बदलाव को संभालने के लिए, हमारे स्किल डेवलपमेंट मॉडल और एजुकेशनल फ्रेमवर्क दोनों को पुराने पैमानों से आगे बढ़ना होगा। बहुत समय से, प्रोफेशनल सफलता को काम की मात्रा से मापा जाता रहा है - जैसे कोई कितनी तेज़ी से कोड लिख सकता है, कितनी बड़ी रिपोर्ट बना सकता है, या कितनी कुशलता से स्प्रेडशीट मैनेज कर सकता है। हम अभी युवा दिमागों को ऐसे कामों में माहिर होने की ट्रेनिंग दे रहे हैं जिन्हें मशीनें पहले ही बखूबी कर सकती हैं।

व्हाइट-कॉलर रोज़गार का भविष्य नए सिरे से कंटेंट बनाने में नहीं, बल्कि ऑटोमेटेड सिस्टम से बनी चीज़ों पर सही फैसला लेने में है। इस नए दौर की सबसे ज़रूरी स्किल 'ह्यूमन इन द लूप' बनना है।

जब कोई AI एजेंट फाइनेंशियल स्ट्रैटेजी, लीगल ब्रीफ या टेक्निकल डिज़ाइन बनाता है, तो वह पूरी तरह से पैटर्न, पुराने डेटासेट और संभावनाओं के आधार पर काम करता है। उसमें सहानुभूति, संदर्भ की समझ और इंसानी नतीजों की समझ बिल्कुल नहीं होती। वह क्लाइंट की आँखों में आँखें डालकर बात नहीं कर सकता, बोर्डरूम की नाज़ुक राजनीतिक स्थितियों को नहीं समझ सकता, या यह तय नहीं कर सकता कि कोई फैसला कमर्शियली तो सही है लेकिन सामाजिक या नैतिक रूप से गलत है। ये इंसानी गुण - जैसे क्रिटिकल थिंकिंग, नैतिक संदेह और इमोशनल इंटेलिजेंस - ही ऑटोमेशन के दौर में असल सुरक्षा कवच हैं।

नतीजतन, किसी युवा प्रोफेशनल की अहमियत अब काम की रफ़्तार से नहीं, बल्कि एल्गोरिदम से बने सॉल्यूशन की ऑडिटिंग करने, स्ट्रेस-टेस्ट करने और उसमें मौजूद बारीक कमियों को खोजने की उनकी क्षमता से तय होगी। उनका काम डिजिटल नींव में मौजूद खराबी को तब खोजना होगा, जब वह पूरे स्ट्रक्चर को नुकसान न पहुँचा पाए।

ध्यान बदलना

यह बदलाव एक बड़ी सच्चाई को दिखाता है जिसे पॉलिसी बनाने वाले और इंडस्ट्री के लीडर तेज़ी से मान रहे हैं: पारंपरिक व्हाइट-कॉलर नौकरियों के लिए अब सिर्फ़ रटे-रटाए एकेडमिक सर्टिफ़िकेट पर निर्भर नहीं रहा जा सकता। अब ध्यान पूरी तरह से हाई-वैल्यू स्किल डेवलपमेंट और प्रैक्टिकल प्रॉब्लम-सॉल्विंग पर होना चाहिए। कंपनियों को एंट्री-लेवल की नौकरियों को सस्ते और बार-बार दोहराए जाने वाले काम के तौर पर नहीं, बल्कि ह्यूमन कैपिटल में एक ज़रूरी लॉन्ग-टर्म इन्वेस्टमेंट के तौर पर देखना चाहिए। उन्हें जूनियर भूमिकाओं को इस तरह से बदलना चाहिए कि युवा प्रोफ़ेशनल डेटा एंट्री में कम समय बिताएं और ऑटोमेटेड सिस्टम को कंट्रोल करना सीखने में ज़्यादा समय लगाएं।

आज के युवाओं में चिंता होना स्वाभाविक है, लेकिन इससे निराशा नहीं होनी चाहिए। काम की दुनिया खत्म नहीं हो रही है; यह बस नए सिरे से बन रही है। पारंपरिक और आसानी से समझ में आने वाली एंट्री-लेवल डेस्क जॉब भले ही कम हो रही हों, लेकिन इंसानी समझ, देखरेख और रणनीतिक सोच की सामाजिक मांग पहले से कहीं ज़्यादा है। अपने युवा वर्कफ़ोर्स की तरक्की पक्की करने के लिए, हमें उन्हें मशीनों से मुकाबला करने के लिए तैयार करना बंद करना होगा और उन्हें यह सिखाना होगा कि मशीनों को कंट्रोल कैसे किया जाए।