നഷ്ടപരിഹാരത്തെക്കുറിച്ചുള്ള ഉൾക്കാഴ്ചകൾ തൊഴിലാളികളിൽ സജ്ജരാക്കുക
അമേരിക്കക്കാർ വേതന വിവരങ്ങളിലെ വിടവ് നികത്താൻ സഹായം ചെയ്യാൻ ഓരോ ദിവസവും ഏകദേശം 30 ലക്ഷം സന്ദേശങ്ങൾ ChatGPT‑യ്ക്ക് അയയ്ക്കുന്നു.
വേതന വിവരങ്ങൾ പ്രധാനപ്പെട്ട തീരുമാനങ്ങളെ സ്വാധീനിക്കുന്നു: ആളുകൾ ഏത് ജോലികൾക്ക് അപേക്ഷിക്കണം, അവർ ശമ്പളം ചർച്ച ചെയ്യണോ, ഒരു പ്രത്യേക കരിയർ പാത പിന്തുടരുന്നത് മൂല്യമുണ്ടോ എന്നതിനെക്കുറിച്ചും മറ്റും. എന്നാൽ മിക്ക വസ്തുക്കളുടെ വിലയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, തൊഴിൽവില പലപ്പോഴും കണ്ടെത്താനും വ്യാഖ്യാനിക്കാനും പ്രയാസമാണ്, പ്രത്യേകിച്ച് കരിയറിന്റെ തുടക്കത്തിലിരിക്കുന്ന, മേഖല മാറുന്ന, അല്ലെങ്കിൽ സ്ഥലം മാറ്റുന്ന തൊഴിലാളികളെ സംബന്ധിച്ച്.
AI തൊഴിൽ വിപണിയിലെ ഒരു പുതിയ തരത്തിലുള്ള വിഭവമാണ്. ഒരു തൊഴിലാളിയെ അനേകം വെബ്സൈറ്റുകളിൽ തിരയാൻ നിർബന്ധിക്കുകയോ, ചിതറിക്കിടക്കുന്ന ശമ്പള പേജുകൾ വ്യാഖ്യാനിക്കുകയോ, അല്ലെങ്കിൽ സാമൂഹികമായി അപകടസാധ്യതയുള്ള ഒരു ചോദ്യം ചോദിക്കുകയോ ചെയ്യുന്നതിനുപകരം, ഒരു മോഡലിന് വേതന വിവരങ്ങൾ സംശ്ലേഷണം ചെയ്ത് സെക്കൻഡുകൾക്കകം ഒരു ബെഞ്ച്മാർക്ക് തിരിച്ചുനൽകാൻ കഴിയും. തൊഴിലാളികൾ ഇതിനകം തന്നെ ChatGPT- യെ ഇത്തരത്തിൽ ഉപയോഗിക്കുന്നു, യു.എസ്.-ൽ ശരാശരി ദിവസേന ഏകദേശം 3 million സന്ദേശങ്ങൾ അയച്ച് വേതനം, പ്രതിഫലം, അല്ലെങ്കിൽ വരുമാനം എന്നിവയെക്കുറിച്ച് ചോദിക്കുന്നു.
ഞങ്ങളുടെ ഏറ്റവും പുതിയ ഗവേഷണ റിപ്പോർട്ട് വേതന വിവരങ്ങളിലെ വിടവ് നികത്താൻ അമേരിക്കക്കാർ ChatGPT എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നതിനെക്കുറിച്ച് പരിശോധിക്കുന്നു. അവർ ഏറ്റവും സാധാരണയായി രണ്ടു തരത്തിലുള്ള സഹായത്തിനായി ChatGPT‑ലേക്ക് വരുന്നു: ശമ്പളത്തെ ഉപയോഗിക്കാനാകുന്ന ഒരു ബെഞ്ച്മാർക്കാക്കി മാറ്റുക, കൂടാതെ ഒരു റോൾ, കമ്പനി, കരിയർ പാത, അല്ലെങ്കിൽ ബിസിനസ് ആശയം യാഥാർത്ഥ്യത്തിൽ എത്ര ശമ്പളം നൽകുമെന്നത് മനസ്സിലാക്കുക. ലേബൽ ചെയ്ത വേതന-ബെഞ്ച്മാർക്കിംഗ് സന്ദേശങ്ങളിൽ, വേതന കണക്കുകൂട്ടൽ തന്നെ ചോദ്യങ്ങളുടെ 26% വഹിക്കുന്നു; അതിന് ശേഷം നിർദ്ദിഷ്ട പദവി (19%), സംരംഭകത്വം (18%), ഒരു കമ്പനിയിലെ നിർദ്ദിഷ്ട പദവി (11%), തൊഴിൽ അല്ലെങ്കിൽ കരിയർ ചോദ്യങ്ങൾ (11%) എന്നിവയാണ്. ഓട്ടോമേറ്റഡ് ക്ലാസിഫയറുകൾ ഉപയോഗിക്കുകയും അതേസമയം തന്നെ ഒരു മനുഷ്യനും വ്യക്തിഗത സന്ദേശങ്ങൾ കാണുന്നത് ഉൾപ്പെടാതിരിക്കയും ചെയ്യുന്ന സ്വകാര്യത സംരക്ഷിക്കുന്ന ഒരു വിശകലനത്തിലൂടെയാണ് ഞങ്ങൾ ഇത് നിർണ്ണയിച്ചത്.
ആ ചോദ്യങ്ങളുടെ പൊതു സ്വഭാവം പ്രാധാന്യമുള്ളതാണ്. തൊഴിൽ സംബന്ധിച്ച വേതന തിരയലുകൾ കല, ഡിസൈൻ, വിനോദം, കായികം, മീഡിയ; മാനേജ്മെന്റ്; ആരോഗ്യപരിചരണം; ഗതാഗതം; വിൽപ്പന; ബിസിനസ്സ്, സാമ്പത്തിക പ്രവർത്തനങ്ങൾ എന്നിവയിൽ കേന്ദ്രീകരിച്ചിരിക്കുന്നു. തൊഴിലുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, വേതന തിരച്ചിൽ സൃഷ്ടിപരമായ മേഖലകൾ, മാനേജ്മെന്റ്, ആരോഗ്യപരിചരണം, കമ്പ്യൂട്ടറും ഗണിതപരവുമായ റോളുകൾ പോലെയുള്ള ഉയർന്ന വൈദഗ്ധ്യവും കുറവ് സുതാര്യതയും ഉള്ള തൊഴിൽ മേഖലകളിൽ കൂടുതൽ over-index ചെയ്യുന്നു, ഇത് വേതനം ബെഞ്ച്മാർക്ക് ചെയ്യാൻ കൂടുതൽ ബുദ്ധിമുട്ടുള്ളതോ, കൂടുതൽ ചർച്ചചെയ്യാവുന്നതോ, അല്ലെങ്കിൽ കരിയർ മുന്നേറ്റത്തിന് കൂടുതൽ പ്രാധാന്യമുള്ളതോ ആയിടങ്ങളിലാണ് ആവശ്യകത ഏറ്റവും ശക്തമായിരിക്കുന്നത് എന്ന് സൂചിപ്പിക്കുന്നു. സംരംഭകത്വവുമായി ബന്ധപ്പെട്ട ചോദ്യങ്ങളിൽ സമാനമായ മാതൃക കാണാം. ഇവ സൃഷ്ടിപരമായ ജോലികളിലും ചെറിയ സേവന ബിസിനസ്സുകളിലും കേന്ദ്രീകരിച്ചിരിക്കുന്നു, അവിടങ്ങളിൽ പലപ്പോഴും പ്രസിദ്ധീകരിച്ച വേതന ബെഞ്ച്മാർക്ക് ഉണ്ടായിരിക്കാറില്ല.
വ്യവസായങ്ങളിലുടനീളം, വേതനം കൂടുതൽ വ്യത്യാസപ്പെട്ടിടത്തും ഉയർന്ന വേതനം ലഭ്യമായിടത്തും വേതന തിരയൽ വർധിക്കുന്നു. മറ്റൊരുവിധത്തിൽ പറഞ്ഞാൽ, ശരിയായ ഉത്തരമെടുക്കുന്നത് കൂടുതൽ പ്രധാനപ്പെട്ടതായിരിക്കുമ്പോഴും വേതനം മനസ്സിലാക്കാൻ ബുദ്ധിമുട്ടായിരിക്കുമ്പോഴും തൊഴിലാളികൾ വേതന വിവരങ്ങൾ കൂടുതൽ അന്വേഷിക്കുന്നു. അതുകൊണ്ടാണ് ശമ്പള തിരയലിന് അപ്പുറം ഇതിന് പ്രാധാന്യമുള്ളത്. സാധ്യതയുള്ള വരുമാനം തെറ്റിദ്ധരിക്കുന്നത് തൊഴിലാളികളെ കുറഞ്ഞ വേതനം ലഭിക്കുന്ന ജോലികളിൽ കുടുക്കുകയും, ചർച്ചകളിലെ ശക്തി കുറയ്ക്കുകയും, കരിയർ മാറ്റങ്ങൾ വൈകിപ്പിക്കുകയും, വിദ്യാഭ്യാസവും പരിശീലനവും നിക്ഷേപിക്കാൻ ആളുകളെ പിന്തിരിപ്പിക്കുകയും ചെയ്യാം. മെച്ചപ്പെട്ട വിവരങ്ങൾ അനിശ്ചിതത്വം ഇല്ലാതാക്കാൻ കഴിയില്ല, പക്ഷേ എന്ത് ജോലിക്ക് എത്ര പ്രതിഫലം ലഭിക്കും എന്നതിനെക്കുറിച്ച് യുക്തിസഹമായ കാഴ്ചപ്പാട് രൂപപ്പെടുത്താനും അതിലൂടെ ആളുകൾക്ക് മികച്ച തീരുമാനങ്ങൾ എടുക്കാനും സഹായിക്കാനും കഴിയും.
ഞങ്ങളുടെ മോഡലുകൾ തൊഴിലാളികളെ എങ്ങനെ സേവിക്കുന്നു എന്ന് കൂടുതൽ നന്നായി മനസ്സിലാക്കുന്നതിനായി, തൊഴിലാളികൾക്ക് മൂല്യമുള്ള തൊഴിൽ വിപണി ടാസ്കുകളിൽ ChatGPT‑യെ മൂല്യനിർണ്ണയം ചെയ്യാനുള്ള പുതിയ ശ്രമമായ WorkerBench-നെയും റിപ്പോർട്ട് പരിചയപ്പെടുത്തുന്നു. ഈ ആദ്യത്തെ ബെഞ്ച്മാർക്കിൽ, ദേശീയ തൊഴിൽ വിഭാഗവും മെട്രോ തലവും ഉൾപ്പെടെ 2024 OEWS ദേശീയ മധ്യസ്ഥ വേതനങ്ങളോടു താരതമ്യപ്പെടുത്തി ഞങ്ങൾ GPT‑5.4 നെ വിലയിരുത്തി. നിരീക്ഷിച്ച സാമ്പിളിൽ, മോഡൽ വളരെ കൃത്യമാണ്: കവറേജ് ഉയർന്നതാണ്, ബയാസ് ചെറുതാണ്, കൂടാതെ മിക്ക സംഖ്യാത്മക കണക്കുകളും ബെഞ്ച്മാർക്കിനോട് വളരെ അടുത്തായി വരുന്നു.
ശമ്പള വിവരങ്ങൾ സാമ്പത്തികമായി പ്രധാനപ്പെട്ടതാണ്, എന്നാൽ പലപ്പോഴും ലഭ്യമാക്കാൻ ബുദ്ധിമുട്ടുള്ളതും സൂക്ഷ്മത ആവശ്യമായതുമാണ്. അനിശ്ചിതത്വവും പ്രാധാന്യവും ഏറ്റവും കൂടുതലുള്ള തൊഴിൽ വിപണിയിലെ മേഖലകളിൽ, തൊഴിലാളികൾ ആ പ്രശ്നം നേരിടാൻ ഇതിനകം ChatGPT ഉപയോഗിക്കുന്നു. ദേശീയ ബെഞ്ച്മാർക്കുകൾക്കപ്പുറം, തൊഴിലാളികൾ യഥാർത്ഥത്തിൽ ഓരോ ദിവസവും ചോദിക്കുന്ന ഭൂമിശാസ്ത്രം, സ്ഥാപനം, ലെവൽ, പ്രതിഫലം എന്നിങ്ങനെയുള്ള ചോദ്യങ്ങളിലേക്കു നീങ്ങി, ആ സഹായം എത്രത്തോളം പ്രയോജനകരവും വിശ്വസനീയവും ആക്കാനാകുമെന്നത് തുടർച്ചയായി മെച്ചപ്പെടുത്തുക എന്നതാണ് ഞങ്ങളുടെ ലക്ഷ്യം.


