जब कहा जाता है कि कृत्रिम बुद्धिमत्ता थाईलैंड के लाखों कामगारों को प्रभावित कर सकती है, तो आसानी से यह तस्वीर बनती है कि सॉफ्टवेयर बड़े पैमाने पर लोगों की जगह ले रहा है। लेकिन ताजा प्रमाण इससे कहीं अधिक जटिल बदलाव की ओर इशारा करते हैं।
थाईलैंड के National Economic and Social Development Council (NESDC) ने 2025 की चौथी तिमाही के श्रम बल सर्वेक्षण पर generative AI exposure framework लागू किया। उसके अनुमान के अनुसार लगभग 87 लाख कामगार, यानी थाईलैंड के श्रम बल का 21.8%, ऐसे पेशों में हैं जिन पर generative AI का असर पड़ सकता है।
इसी अनुमान में एक अहम अंतर भी है। लगभग 22 लाख कामगार, यानी श्रम बल का 5.4%, task replacement समूह में थे। इससे कहीं बड़ा समूह 65 लाख कामगारों का था, यानी 16.3%, जहां AI के मुख्य काम को पूरी तरह हटाने के बजाय productivity बढ़ाने और कुछ tasks को support करने की संभावना अधिक है।
इसलिए बेहतर सवाल सिर्फ यह नहीं है कि "AI कितनी नौकरियां लेगा?" बल्कि यह है कि काम के कौन से हिस्से बदलेंगे और उन हिस्सों के सस्ता या तेज हो जाने के बाद इंसानी मूल्य कहां जाएगा।
AI exposure का मतलब अपने आप नौकरी जाना नहीं है
एक नौकरी आम तौर पर कई activities का मिश्रण होती है। कुछ automate हो सकती हैं, कुछ तेज हो सकती हैं, जबकि कई काम communication, negotiation, judgment और responsibility पर निर्भर रहते हैं।
NESDC प्रभाव को दो बड़े समूहों में बांटता है। Task Replacement उन structured और repeatable tasks को शामिल करता है जिनमें AI काम के एक हिस्से या पूरे हिस्से को बदल सकता है। यह समूह लगभग 22 लाख कामगारों का है और इसमें clerical, accounting और programming के कुछ tasks आते हैं।
बड़ा समूह Task Augmentation है, जिसमें लगभग 65 लाख कामगार आते हैं। यहां AI कुछ steps संभाल सकता है या information को अधिक efficient तरीके से process कर सकता है, लेकिन महत्वपूर्ण जिम्मेदारियां अभी भी इंसानों पर निर्भर रहती हैं।
क्षेत्रीय आंकड़े भी इसी दिशा में हैं। International Labour Organization के अनुमान के अनुसार 2025 में ASEAN employment का 22.9% उन occupations में था जिनमें generative AI exposure न्यूनतम स्तर से अधिक था, जबकि highest-exposure category में सिर्फ 3.3% रोजगार था। जुलाई 2026 तक ILO ने generative AI के कारण व्यापक labour-market disruption के बहुत कम प्रमाण बताए।
इसका मतलब यह नहीं कि जोखिम नहीं है। इसका मतलब केवल इतना है कि "काम बदल रहा है" और "नौकरी खत्म हो रही है" एक ही बात नहीं हैं।
AI अक्सर पूरी नौकरी से पहले task तक पहुंचता है
एक finance worker डेटा जुटा सकता है, tables बना सकता है, anomalies जांच सकता है, management को findings समझा सकता है और recommendation की जिम्मेदारी ले सकता है। Marketing worker customers की research कर सकता है, material draft कर सकता है, campaigns evaluate कर सकता है, clients से बात कर सकता है और budget allocation तय कर सकता है।
AI इनमें से कुछ activities में बहुत तेज हो सकता है, बिना role के बाकी हिस्सों का value खत्म किए। अगर AI कुछ मिनट में first draft बना देता है, तो first draft बनाने का value कम हो सकता है। लेकिन यह पहचानना कि कौन सा data भरोसेमंद है, क्या गलत दिख रहा है, कोई conclusion बहुत risky तो नहीं और आगे कौन सा decision लेना चाहिए, अधिक मूल्यवान हो सकता है।
इसी वजह से सिर्फ occupational exposure देखकर risk का अनुमान लगाना भ्रामक हो सकता है। Highly exposed occupation में automate होने वाले tasks भी हो सकते हैं और ऐसे tasks भी जहां AI productivity बढ़ाता है, यानी समान resources से अधिक useful output निकलता है।
Task सस्ता हो जाए तो company के पास एक से अधिक विकल्प होते हैं
मान लीजिए software एक घंटे का काम 15 मिनट में कर देता है। उस task की लागत घट गई, लेकिन company का अगला कदम पहले से तय नहीं है।
वह headcount कम कर सकती है। वह team वही रखकर अधिक output दे सकती है, अधिक customers serve कर सकती है, products तेजी से test कर सकती है या workers को अधिक judgment वाले काम में लगा सकती है। अगर प्रति worker output बढ़ता है और market अतिरिक्त output खरीद सकता है, तो AI तुरंत jobs कम करने के बजाय business expansion को support कर सकता है।
उल्टा भी हो सकता है। अगर demand नहीं बढ़ती और automation के बाद कम high-value work बचता है, तो positions कम करने का incentive बढ़ेगा। Employment outcome technology, business model, market demand और workers की उस काम की ओर जाने की क्षमता पर निर्भर करेगा जहां AI अभी कमजोर है।
ऐसा कोई सरल formula नहीं है कि productivity 20% बढ़े तो employment भी 20% घटना ही चाहिए।
अधिक मूल्यवान काम वह हो सकता है जिसमें judgment चाहिए
जैसे-जैसे tools structured production में बेहतर होते हैं, scarce capability तेज text या calculation बनाने से हटकर context समझने, सही सवाल पूछने और outcome की responsibility लेने की ओर जा सकती है।
OECD के अनुसार AI adoption कई workplaces में skill bar बढ़ा रहा है। Manufacturing और finance में survey किए गए आधे से अधिक employers ने AI अपनाने के बाद highly educated workers की अधिक जरूरत बताई। वहीं OECD का अनुमान है कि model development या AI programming जैसी advanced AI-specific skills की जरूरत 1% से कम workers को होगी।
अधिकांश workers के लिए relevant skill set व्यापक है: data का इस्तेमाल, analysis और interpretation, problem-solving, creativity, management और अन्य human skills।
अगर AI "पहला जवाब" सस्ता कर देता है, तो worker समस्या को सही तरह frame करने, जवाब verify करने, business context से जोड़ने और अधूरी information में decision लेने से अधिक value बना सकता है।
सबसे करीब का जोखिम career ladder की पहली सीढ़ी हो सकती है
Labour-market adjustment हमेशा बड़े layoffs के रूप में नहीं आता। यह नए workers के लिए कम openings के रूप में भी दिख सकता है।
Entry-level jobs में traditionally information collect करना, documents draft करना, files check करना, basic analysis करना और structured problems solve करना शामिल रहा है। यही काम junior workers को experience भी देते हैं ताकि वे आगे अधिक judgment वाली roles में जा सकें।
Stanford Digital Economy Lab का US data warning signal की तरह उपयोगी है, लेकिन यह इस बात का प्रमाण नहीं है कि वही pattern थाईलैंड में भी है। जून 2026 तक, highly AI-exposed occupations में 22 – 25 वर्ष के workers का employment उस level से लगभग 19% नीचे था जो कम exposure वाले समान उम्र के workers के समान pace से बढ़ने पर होता। Adjustment मुख्य रूप से weaker hiring से दिखा, higher separations से नहीं।
Stanford साफ कहता है कि ये descriptive patterns हैं, AI के causal effect का estimate नहीं। फिर भी सवाल महत्वपूर्ण है: अगर AI अधिक junior tasks संभालेगा, तो young workers senior roles के लिए जरूरी experience कहां से हासिल करेंगे?
हर किसी को AI engineer बनने की जरूरत नहीं है
AI के जवाब की शुरुआत इस assumption से नहीं होनी चाहिए कि हर worker को machine learning या model development सीखना होगा।
कई professions में advantage अपने field को अधिक गहराई से समझने, repetitive work में AI का उपयोग करने और domain knowledge, verification और judgment पर आधारित हिस्सों को मजबूत करने से आ सकता है। Accountant AI से information organize कर सकता है, लेकिन result validate और interpret करना अभी भी जरूरी है। Marketer AI से options बना सकता है, लेकिन customer, budget, brand और business objective को समझना होगा।
Companies के लिए भी AI tool खरीदना अपने आप productivity gain नहीं बनाता। खराब data, कमजोर process design और insufficient verification काम को तेज करते हुए errors को भी तेजी से फैलने दे सकते हैं।
Economic opportunity काम को इस तरह redesign करने में है कि humans और AI अपनी-अपनी strengths वाले हिस्से करें और productivity gain को सिर्फ time saving के बजाय अधिक valuable products या services में बदला जाए।
आगे किन संकेतों पर नजर रखनी चाहिए
पहला संकेत है थाईलैंड में entry-level hiring, खासकर office support, finance, accounting, marketing, technology और basic analytical roles में। अगर junior vacancies overall employment से तेजी से कमजोर होती हैं, तो companies career ladder को redesign कर रही हो सकती हैं।
दूसरा संकेत है job postings में मांगी जाने वाली skills। अहम बात सिर्फ AI शब्द का दिखना नहीं, बल्कि analysis, verification, communication, project management और industry knowledge की demand बढ़ना है।
तीसरा संकेत है AI-complemented work और आसानी से automate होने वाले work के wages और employment में अंतर। Gap बढ़ता है तो यह companies द्वारा खरीदे गए AI tools की संख्या से अधिक सीधे labour-market effect दिखाएगा।
अंतिम संकेत है employer investment in upskilling and reskilling, और यह कि छोटे तथा मध्यम businesses AI को प्रभावी रूप से अपना पाते हैं या नहीं। अगर productivity gains बड़े firms में केंद्रित होते हैं, तो businesses के बीच efficiency और wages की खाई बढ़ सकती है।
AI कुछ tasks का value घटा सकता है। इसका मतलब यह नहीं कि human work का value भी उसी speed से घटेगा। बढ़ता हुआ अहम सवाल यह है कि AI जब job के एक layer को संभाल लेता है, तब उस job में क्या बचता है, और workers तथा firms कितनी तेजी से उस नए value की ओर बढ़ सकते हैं।
