തൊഴിലിന്റെ പുതിയ വഴികൾ തൊഴിലാളികൾ തുറക്കുന്നതെങ്ങനെ

AI ഉപകരണങ്ങളിലേക്കുള്ള ലഭ്യതയ്ക്കൊപ്പം, ചുമതലകൾ എങ്ങനെ വിഭജിച്ച് നിർവഹിക്കുന്നു എന്നതും പ്രധാനമാണെന്ന് ഞങ്ങളുടെ പുതിയ ഗവേഷണം സൂചിപ്പിക്കുന്നു. പതിവ് ജോലി വിവരണത്തിനു പുറത്തുള്ള ഈ പുതിയ ചുമതലകൾ തൊഴിലാളികളുടെ AI ഉപയോഗത്തിന്റെ സ്ഥിരം ഭാഗമാകുന്നു. ആ പ്രവർത്തനങ്ങൾ സ്ഥിരം ഉത്തരവാദിത്തങ്ങളായാൽ, പദവിപ്പേര് മാറാതെതന്നെ ജോലിയുടെ വ്യാപ്തി വർധിക്കാം.

മറ്റൊരു തൊഴിലുമായി പരമ്പരാഗതമായി ബന്ധപ്പെട്ട പ്രവർത്തനങ്ങൾക്ക് തൊഴിലാളികൾ AI ഉപയോഗിക്കുന്ന ‘ചുമതലാ കൈമാറ്റം’ ഞങ്ങളുടെ ആദ്യ അത്യാധുനിക മേഖലയിലെ ജോലി റിപ്പോർട്ട്⁠ രേഖപ്പെടുത്തി. അടുത്തതായി എന്തു സംഭവിക്കുന്നു എന്നാണ് ഞങ്ങളുടെ പുതിയ ഗവേഷണം പരിശോധിക്കുന്നത്.

2026 ഏപ്രിൽ മുതൽ ജൂലൈ വരെയുള്ള ജോലിയുമായി ബന്ധപ്പെട്ട 15 ലക്ഷത്തിലധികം ChatGPT സന്ദേശങ്ങൾ വിശകലനം ചെയ്തപ്പോൾ, വ്യത്യസ്ത തൊഴിലുകളിലുടനീളമുള്ള ചില AI ഉപയോഗങ്ങൾ ആവർത്തിക്കുന്നതായി തെളിവുകൾ കണ്ടെത്തി. തൊഴിലാളികൾ തങ്ങളുടെ തൊഴിൽപരിധിക്കു പുറത്തുള്ള ചുമതലകളിലേക്ക് വീണ്ടും മടങ്ങുന്നു; കാലക്രമേണ, നിരീക്ഷിക്കപ്പെട്ട അവരുടെ AI ഉപയോഗത്തിൽ ഈ പ്രവർത്തനങ്ങളുടെ പങ്ക് വർധിക്കുകയും ചെയ്യുന്നു.

പുതിയ ചുമതലകൾ പരീക്ഷിക്കുന്നതിൽനിന്ന് അവയെ തൊഴിലാളികളുടെ പതിവ് പ്രവർത്തനക്രമത്തിൽ ഉൾപ്പെടുത്തുന്നതിലേക്ക് AI ലഭ്യത എങ്ങനെ നയിക്കാമെന്നതിന്റെ പ്രാഥമിക ചിത്രം ഈ കണ്ടെത്തലുകൾ നൽകുന്നു. തങ്ങളുടെ സ്ഥാപനങ്ങളിൽ AI എങ്ങനെ ഏറ്റവും ഫലപ്രദമായി സ്വീകരിച്ച് ഉപയോഗിക്കാമെന്ന് കണ്ടെത്താൻ ശ്രമിക്കുന്ന കമ്പനികൾക്ക്, പ്രൊഫഷണൽ തൊഴിലാളികളുടെ നാലുമാസത്തെ AI ഉപയോഗത്തിലും പ്രോംപ്റ്റുകളിലും ഞങ്ങൾ കണ്ടെത്തിയ പ്രവണതകൾ പ്രധാനപ്പെട്ട ഉൾക്കാഴ്ച നൽകുന്നു. പ്രശ്നം തിരിച്ചറിയുന്നതിനും AI സഹായത്തോടെ മൊത്തത്തിലുള്ള ജോലി മുന്നോട്ടുകൊണ്ടുപോകുന്നതിനും ഇടയിലെ തടസ്സങ്ങൾ എങ്ങനെ കുറയ്ക്കാമെന്ന് മനസ്സിലാക്കാൻ ഇവ സഹായിക്കും. സ്ഥാപനങ്ങൾ AI തന്ത്രങ്ങൾ നടപ്പാക്കുമ്പോൾ, AI ഉപകരണങ്ങളിലേക്കുള്ള ലഭ്യതയ്ക്കൊപ്പം ജോലിയുടെ രൂപകൽപ്പനയ്ക്കും പ്രാധാന്യം നൽകണമെന്ന് ഞങ്ങളുടെ കണ്ടെത്തലുകൾ സൂചിപ്പിക്കുന്നു.

ഒരു പ്രത്യേക മേഖലയിലെ ചുമതല സ്വന്തം ഉത്തരവാദിത്തങ്ങളിൽ ഉൾപ്പെടുന്നുണ്ടോ എന്നതനുസരിച്ച് തൊഴിലാളികളുടെ AI ഉപയോഗം വ്യത്യാസപ്പെടുന്നു. പതിവ് ചുമതലകളിൽ ഉൾപ്പെടുന്നതും പുറത്തുള്ളതുമായ കാര്യങ്ങൾക്ക് തൊഴിലാളികൾ AI-ക്ക് വ്യത്യസ്ത രീതിയിലാണ് നിർദേശങ്ങൾ നൽകുന്നത്. സ്വന്തം തൊഴിലിനു പുറത്തുള്ള ചുമതലകളെക്കുറിച്ച് ചോദിക്കുമ്പോൾ, തൊഴിലിനുള്ളിലെ ചുമതലകളേക്കാൾ ശരാശരി നീളം കുറഞ്ഞ പ്രോംപ്റ്റുകളാണ് അവർ എഴുതുന്നത്. വിശദീകരണങ്ങൾ, ചെയ്യേണ്ട വിധത്തെക്കുറിച്ചുള്ള മാർഗനിർദേശം, നിർദിഷ്ട മറുപടി ഘടന, ഉപദേശം എന്നിവ ചോദിക്കാനുള്ള സാധ്യതയും കുറവാണ്.

അതേസമയം, സ്വന്തം തൊഴിലിനു പുറത്തുള്ള കാര്യങ്ങളിൽ AI സഹായം തേടുമ്പോൾ തൊഴിലാളികൾ ഉദാഹരണങ്ങളോ പശ്ചാത്തല വിവരങ്ങളോ നൽകാനുള്ള സാധ്യത കൂടുതലാണ്. എന്തെങ്കിലും പരിശോധിക്കാനോ സ്ഥിരീകരിക്കാനോ AI-യോട് ആവശ്യപ്പെടാനുള്ള സാധ്യതയും കൂടുതലാണ്.

തൊഴിലാളികൾ വൈദഗ്ധ്യം കടമെടുക്കാൻ AI ഉപയോഗിക്കുന്നു എന്നതാണ് ഇതിന്റെ ഒരു വ്യാഖ്യാനം. തികച്ചും പുതിയൊരു മേഖല പഠിപ്പിക്കാൻ AI-യോട് ആവശ്യപ്പെടുന്നതിനുപകരം, തൊഴിലാളികൾ ഒരു പ്രശ്നവും രേഖ, ഉദാഹരണം, സഹപ്രവർത്തകനിൽനിന്നുള്ള വിവരം എന്നിവപോലുള്ള പ്രസക്തമായ പശ്ചാത്തലവും നൽകുന്നു. തുടർന്ന് മറ്റൊരു മേഖലയിലെ അറിവ് പ്രയോഗിക്കാൻ AI സഹായം തേടുന്നു. 

തൊഴിലാളികൾ ഈ പ്രവർത്തനങ്ങളിലേക്ക് വീണ്ടും മടങ്ങുന്നുണ്ടോ എന്നതാണ് അടുത്ത ചോദ്യം. ഏപ്രിൽ മുതൽ ജൂലൈ വരെ തുടർച്ചയായി നിരീക്ഷിച്ച ഏകദേശം 6,200 തൊഴിലാളികൾക്കിടയിൽ, മുമ്പ് ഉപയോഗിച്ച വ്യത്യസ്ത തൊഴിലുകളിലെ ചുമതലകളുടെ പങ്ക് തൊഴിൽനിർദിഷ്ട AI പ്രവർത്തനത്തിൽ ഏപ്രിലിലെ 13.1%-ൽനിന്ന് ജൂലൈയിൽ 25.9% ആയി വർധിച്ചു¹. തൊഴിലാളികൾ ഒരിക്കൽ മാത്രം പരീക്ഷിച്ചുനോക്കുന്നതിനുപകരം, വ്യത്യസ്ത തൊഴിലുകളുമായി ബന്ധപ്പെട്ട ചില സഹായങ്ങൾ നിലവിലുള്ള പ്രവർത്തനക്രമങ്ങളിൽ ഉൾപ്പെടുത്തുന്നുവെന്നതിനോട് ഈ പ്രവണത പൊരുത്തപ്പെടുന്നു. 

മറ്റൊരു വിശകലനം ഈ ആവർത്തനത്തിന്റെ പശ്ചാത്തലം വ്യക്തമാക്കുന്നു. സാമ്പിളിൽനിന്ന് പൊരുത്തപ്പെടുത്തി ഒരു മാസത്തിനു ശേഷം നടത്തിയ നിരീക്ഷണങ്ങളിൽ, തൊഴിലാളികൾ മുൻമാസം ഉപയോഗിച്ച വ്യത്യസ്ത തൊഴിൽമേഖലയിലെ ഒരു ചുമതലയിലേക്ക് 23.6% സന്ദർഭങ്ങളിൽ മടങ്ങി. മുൻമാസം ആ ചുമതല ഉപയോഗിച്ചതായി നിരീക്ഷിക്കപ്പെടാത്ത സമാന തൊഴിലാളികളിൽ അതേ ചുമതലയുടെ ഉപയോഗം 8.4% മാത്രമായിരുന്നു. സ്വന്തം തൊഴിലിനുള്ളിലെ ചുമതലകളിലും പൊതുവായ ചുമതലകളിലും സമാനമായ വ്യത്യാസങ്ങൾ കാണാം.

ജോലിയുടെ സ്വഭാവമനുസരിച്ച് ആവർത്തനനിരക്കിൽ ഗണ്യമായ വ്യത്യാസമുണ്ട്. വ്യത്യസ്ത തൊഴിലുകളുമായി ബന്ധപ്പെട്ട ചില ചുമതലകളിലേക്ക് തൊഴിലാളികൾ അടുത്ത മാസം താരതമ്യേന ഉയർന്ന നിരക്കിൽ മടങ്ങി:

• ഉപഭോക്താക്കളുമായി ഉൽപ്പന്നങ്ങളെയോ സേവനങ്ങളെയോ കുറിച്ച് ചർച്ചചെയ്യൽ: 54%

• പരസ്യത്തിനോ പ്രചാരണത്തിനോ വേണ്ടിയുള്ള എഴുത്ത്: 44%

• വിപണന സാമഗ്രികൾ തയ്യാറാക്കൽ: 37%

താരതമ്യത്തിൽ, സാമ്പത്തിക വിവരങ്ങൾ വിശദീകരിക്കുന്ന ചുമതലയിലേക്ക് തൊഴിലാളികൾ മടങ്ങിയത് ഏകദേശം 15% സന്ദർഭങ്ങളിൽ മാത്രമാണ്. വ്യത്യസ്ത തൊഴിലുകളുമായി ബന്ധപ്പെട്ട ചുമതലകളിലെ അടുത്ത മാസത്തെ ശരാശരി മടങ്ങിവരവ് നിരക്ക് 18.5% ആയിരുന്നു. ആവർത്തിക്കുന്ന പ്രവർത്തനക്രമങ്ങളിൽ AI സ്വാഭാവികമായി ഇണങ്ങുന്ന മേഖലകളെ ഈ വ്യത്യാസങ്ങൾ പ്രതിഫലിപ്പിക്കാം. ജോലിസ്ഥലത്തെ പതിവുകൾ, ജാഗ്രത, തെറ്റുപറ്റുന്നതിന്റെ പ്രത്യാഘാതങ്ങളെക്കുറിച്ചുള്ള ധാരണ എന്നിവയിലെ വ്യത്യാസങ്ങളും ഇതിൽ പ്രതിഫലിച്ചേക്കാം. 

പദവിപ്പേരുകൾ മാറുന്നതിനു മുമ്പുതന്നെ ജോലി എങ്ങനെ മാറാമെന്നതിന്റെ ചിത്രം ആദ്യ രണ്ട് അത്യാധുനിക മേഖലയിലെ ജോലി റിപ്പോർട്ടുകൾ നൽകുന്നു. പരമ്പരാഗത തൊഴിൽപരിധികൾ മറികടക്കാൻ തൊഴിലാളികൾ AI ഉപയോഗിക്കുന്നതായി ആദ്യ റിപ്പോർട്ട് കാണിച്ചു. അത്തരം ചില പ്രവർത്തനങ്ങൾ പതിവ് പ്രവർത്തനക്രമത്തിന്റെ ഭാഗമാകുന്നതായി ഈ റിപ്പോർട്ട് കണ്ടെത്തുന്നു. AI നയിക്കുന്ന തൊഴിൽപരിവർത്തനത്തിന്റെ സാധ്യതയുള്ള ഒരു വഴി ഈ പ്രവണതകൾ സൂചിപ്പിക്കുന്നു: തൊഴിലാളി പരമ്പരാഗത ചുമതലയ്ക്കു പുറത്തുള്ള ഒരു പ്രവർത്തനം പരീക്ഷിക്കുന്നു, അതിന് AI പ്രയോജനകരമാണെന്ന് കണ്ടെത്തുന്നു, തുടർന്ന് ജോലിയുടെ ഭാഗമായി ആ പ്രവർത്തനത്തിലേക്ക് വീണ്ടും മടങ്ങുന്നു.

പദവിപ്പേരുകൾ മാറുന്നതിനു വളരെ മുമ്പുതന്നെ AI ജോലികളെ പുനർരൂപപ്പെടുത്താം: തൊഴിലാളികൾ മറ്റൊരു തൊഴിലുമായി ബന്ധപ്പെട്ട പ്രവർത്തനങ്ങൾക്ക് AI ഉപയോഗിക്കുകയും കാലക്രമേണ അവയിൽ ചിലതിലേക്ക് വീണ്ടും മടങ്ങുകയും ചെയ്യുന്നു. ആ പ്രവർത്തനങ്ങൾ സ്ഥിരം ഉത്തരവാദിത്തങ്ങളായാൽ, പദവിപ്പേര് മാറാതെതന്നെ ഒരു ജോലിക്കുള്ളിലെ പ്രവർത്തനങ്ങളുടെ വൈവിധ്യം വർധിക്കാം. AI തൊഴിൽവിഭജനത്തെ എങ്ങനെ മാറ്റുന്നുവെന്നും തൊഴിലാളികൾക്കും സ്ഥാപനങ്ങൾക്കും വിശാലമായ സമ്പദ്‌വ്യവസ്ഥയ്ക്കും അതിന്റെ അർഥമെന്തെന്നും കൂടുതൽ വ്യക്തമായി മനസ്സിലാക്കാൻ ഈ മാറ്റങ്ങളെക്കുറിച്ചുള്ള പഠനം ഞങ്ങൾ തുടരും.

• പരമ്പരാഗത ചുമതലകൾക്കപ്പുറമുള്ള കാര്യങ്ങൾ ഏറ്റെടുക്കാൻ തൊഴിലാളികൾ ChatGPT എങ്ങനെ ഉപയോഗിക്കുന്നുവെന്ന് അറിയാൻ ഞങ്ങളുടെ ചുമതലാ കൈമാറ്റത്തെക്കുറിച്ചുള്ള ഗവേഷണം⁠ വായിക്കുക.

• AI ശേഷികൾ, മനുഷ്യരുടെ ചുമതലകൾ, ആവശ്യകത എന്നിവ തൊഴിൽരംഗത്തെ എങ്ങനെ രൂപപ്പെടുത്താമെന്ന് അറിയാൻ ഞങ്ങളുടെ AI തൊഴിൽപരിവർത്തന ചട്ടക്കൂട്⁠ വായിക്കുക.