કર્મચારીઓને વેતન વિશેની સમજણથી સશક્ત બનાવવું

વેતન સંબંધિત માહિતી મહત્વપૂર્ણ નિર્ણયોનું સ્વરૂપ ઘડે છે: લોકો કઈ નોકરી માટે અરજી કરે છે, તેઓ વાટાઘાટ કરે છે કે નહીં, અને કોઈ ચોક્કસ કારકિર્દીનો માર્ગ અપનાવવા યોગ્ય છે કે નહીં. પરંતુ મોટા ભાગના માલના ભાવથી ભિન્ન રીતે, શ્રમની કિંમત ઘણી વખત શોધવામાં મુશ્કેલ અને સમજવામાં કઠિન હોય છે, ખાસ કરીને એવા કર્મચારીઓ માટે જે તેમની કારકિર્દીની શરૂઆતમાં છે, ક્ષેત્ર બદલી રહ્યા છે, અથવા સ્થળાંતર કરી રહ્યા છે.

AI શ્રમ-બજાર માટેનું નવું પ્રકારનું સ્રોત છે. કર્મચારીને અનેક વેબસાઇટ્સ પર શોધ કરવાની, છૂટાછવાયા પગાર પૃષ્ઠો સમજવાની, અથવા સામાજિક રીતે સંકોચજનક પ્રશ્ન પૂછવાની જરૂર રહે તે બદલે, એક મોડલ વેતન સંબંધિત માહિતીનું સંશ્લેષણ કરીને સેકન્ડોમાં એક બેન્ચમાર્ક આપી શકે છે. કર્મચારીઓ પહેલેથી જ ChatGPT નો આ રીતે ઉપયોગ કરી રહ્યા છે અને અમેરિકામાં સરેરાશ દરરોજ લગભગ 30 લાખ સંદેશાઓ મોકલીને વેતન, વળતર અથવા કમાણી વિશે પૂછે છે.

અમારો તાજેતરનો સંશોધન અહેવાલ⁠(નવી વિન્ડોમાં ખૂલે છે) તપાસે છે કે અમેરિકનો વેતન માહિતીની ખાધ ઓછી કરવા માટે ChatGPT નો કેવી રીતે ઉપયોગ કરી રહ્યા છે. તેઓ મોટા ભાગે બે પ્રકારની મદદ માટે ChatGPT પાસે આવે છે: વેતનને ઉપયોગી બેન્ચમાર્કમાં રૂપાંતરિત કરવું, અને કોઈ ભૂમિકા, કંપની, કારકિર્દીનો માર્ગ અથવા વ્યાવસાયિક વિચાર વાસ્તવમાં કેટલું ચૂકવી શકે તે સમજવું. લેબલ કરાયેલા વેતન-બેન્ચમાર્કિંગ સંદેશાઓમાં, વેતનની ગણતરી 26% પ્રશ્નો માટે જવાબદાર છે, ત્યારબાદ ચોક્કસ ભૂમિકા (19%), ઉદ્યોગસાહસિકતા (18%), કંપનીમાં ચોક્કસ ભૂમિકા (11%), અને વ્યવસાય અથવા કારકિર્દી સંબંધિત પ્રશ્નો (11%) આવે છે. અમે આ નિષ્કર્ષ ગોપનીયતા જાળવનારા વિશ્લેષણ દ્વારા કર્યો હતો, જેમાં સ્વચાલિત વર્ગીકરણકારોનો ઉપયોગ થાય છે અને ક્યારેય કોઈ માનવી વ્યક્તિગત સંદેશાઓ જોતો નથી.

આ પ્રશ્નોની રચના મહત્વપૂર્ણ છે. વ્યવસાય-સંબંધિત વેતન શોધો ખાસ કરીને કલા, ડિઝાઇન, મનોરંજન, રમતગમત અને મીડિયા; મેનેજમેન્ટ; હેલ્થકેર; પરિવહન; વેચાણ; અને વ્યવસાય તથા નાણાકીય કામગીરી જેવા ક્ષેત્રોમાં કેન્દ્રિત છે. રોજગારની સરખામણીમાં, વેતન શોધ વધુ કુશળતા માંગતા અને ઓછી પારદર્શકતા ધરાવતા વ્યવસાયોમાં વધુ પ્રમાણમાં જોવા મળે છે, જેમ કે સર્જનાત્મક ક્ષેત્રો, મેનેજમેન્ટ, હેલ્થકેર, અને કમ્પ્યુટર તથા ગણિતીય ભૂમિકાઓ. આ સૂચવે છે કે માંગ ત્યાં સૌથી વધુ છે જ્યાં વેતનનું બેન્ચમાર્ક કરવું વધુ મુશ્કેલ, વધુ વાટાઘાટયોગ્ય, અથવા કારકિર્દી ગતિશીલતા માટે વધુ મહત્વપૂર્ણ હોય. અમે ઉદ્યોગસાહસિકતા-સંબંધિત પ્રશ્નોમાં પણ આવો જ રૂઝાન দেখি છીએ, જે સર્જનાત્મક કામ અને નાના સેવા વ્યવસાયો પર કેન્દ્રિત છે, એવા ક્ષેત્રો જ્યાં ઘણીવાર કોઈ જાહેર વેતન બેન્ચમાર્ક હોતો નથી.

વિવિધ ઉદ્યોગોમાં, જ્યાં વેતન વધુ વિખરાયેલું હોય અને જ્યાં વેતન વધુ હોય ત્યાં વેતન શોધ વધે છે. બીજા શબ્દોમાં કહીએ તો, કર્મચારીઓ એવું લાગે છે કે તેઓ વેતન સંબંધિત માહિતી સૌથી વધુ ત્યારે શોધે છે જ્યારે સાચો જવાબ મળવો વધુ મહત્વનો હોય અને જ્યારે વેતન સમજવું વધુ મુશ્કેલ હોય. એટલે જ આ મુદ્દો માત્ર વેતન શોધથી આગળનો છે. સંભવિત કમાણી વિશેની ગેરસમજ કર્મચારીઓને ઓછી આવકવાળી નોકરીઓમાં અટકાવી શકે છે, વાટાઘાટ કરવાની શક્તિ ઓછી કરી શકે છે, કારકિર્દી બદલવાના પગલાં મોડા પાડી શકે છે, અથવા શિક્ષણ અને તાલીમમાં રોકાણ કરવા નિરોત્સાહિત કરી શકે છે. વધુ સારી માહિતી અનિશ્ચિતતા દૂર કરી શકતી નથી, પરંતુ તે કામ માટે કેટલું વેતન મળે તેની યોગ્ય સમજ બનાવવી સરળ કરી શકે છે અને તેથી લોકોને વધુ સારા નિર્ણયો લેવામાં મદદ કરી શકે છે.

અમારા મોડલ કર્મચારીઓને કેવી રીતે સેવા આપે છે તે વધુ સારી રીતે સમજવા માટે, આ અહેવાલ WorkerBench નામના નવા પ્રયત્નનો પણ પરિચય કરાવે છે, જેનો હેતુ શ્રમ બજારના એવા કાર્યો પર ChatGPTનું મૂલ્યાંકન કરવો છે જે કર્મચારીઓ માટે મૂલ્યવાન છે. આ પ્રથમ બેન્ચમાર્કમાં, અમે GPT‑5.4નું મૂલ્યાંકન 2024 OEWS મધ્યમ વેતન સામે રાષ્ટ્રીય વ્યવસાય અને મેટ્રો સ્તરે કર્યું. જોવામાં આવેલ નમૂનામાં, મોડલ ખૂબ જ ચોક્કસ છે: આવરણ ઊંચું છે, પક્ષપાત નાનો છે, અને લગભગ બધા આંકડાકીય અંદાજ બેન્ચમાર્કની ખૂબ નજીક આવે છે.

વેતન સંબંધિત માહિતી આર્થિક રીતે મહત્વપૂર્ણ છે, પરંતુ તે મેળવવી ઘણી વખત મુશ્કેલ અથવા સંવેદનશીલ હોય છે. કર્મચારીઓ આ સમસ્યાનો સામનો કરવા માટે પહેલેથી જ ChatGPT નો ઉપયોગ કરી રહ્યા છે, ખાસ કરીને શ્રમબજારના એવા ભાગોમાં જ્યાં અનિશ્ચિતતા સૌથી વધુ છે અને પરિણામો સૌથી વધુ મહત્વ ધરાવે છે. અમારો હેતુ આ મદદને વધુ ઉપયોગી અને વિશ્વસનીય બનાવવા માટે સતત સુધારો કરવાનું છે, જેથી રાષ્ટ્રીય બેન્ચમાર્કથી આગળ વધીને ભૂગોળ, કંપની, સ્તર અને વળતર સંબંધિત એવા પ્રશ્નોને પહોંચી વળાય જે કર્મચારીઓ દરરોજ વાસ્તવમાં પૂછે છે.