मुख्य मजकूराकडे जा
OpenAI

१७ मार्च, २०२६

ग्लोबल अफेयर्स

कामगारांना भरपाईबद्दल माहिती देऊन सक्षम करणे

पगाराविषयीची माहिती असलेल्या तफावती कमी करण्यासाठी अमेरिकन लोक दररोज ChatGPT कडे सुमारे 3 दशलक्ष संदेश पाठवत आहेत.

लोड होत आहे...

वेतनाची माहिती महत्त्वाचे निर्णय आकारते: लोक कोणत्या नोकऱ्यांसाठी अर्ज करतात, ते वाटाघाटी करतात का, आणि एखादा विशिष्ट करिअर मार्ग अनुसरण्यासारखा आहे का. परंतु बहुतेक वस्तूंच्या किमतींसारखी नाही, श्रमाची किंमत अनेकदा शोधणे कठीण असते आणि समजणेही अवघड असते—विशेषतः जे कामगार त्यांच्या करिअरच्या सुरुवातीच्या टप्प्यात आहेत, क्षेत्र बदलत आहेत, किंवा ठिकाण बदलत आहेत त्यांच्यासाठी.

AI हे श्रम-बाजारातील संसाधनाचा एक नवीन प्रकार आहे. कामगाराला अनेक वेबसाइट्सवर शोध घेणे, विखुरलेल्या पगाराच्या पानांचे अर्थ लावणे, किंवा सामाजिकदृष्ट्या धोकादायक प्रश्न विचारणे आवश्यक ठरण्याऐवजी, मॉडेल वेतनविषयक माहिती एकत्रित करून काही सेकंदांत बेंचमार्क परत करू शकते. कामगार आधीच ChatGPT अशा पद्धतीने वापरत आहेत, अमेरिकेत सरासरी दररोज जवळपास 3 million संदेश पाठवत, वेतन, मोबदला, किंवा कमाईबद्दल विचारत आहेत.

आमचा नवीन संशोधन अहवाल अमेरिकन लोक वेतन माहितीतील तफावत भरून काढण्यासाठी ChatGPT कसा वापरत आहेत याचा अभ्यास करतो. ते बहुतेक वेळा दोन प्रकारच्या मदतीसाठी ChatGPT कडे येतात: वेतनाचे भाषांतर करून ते वापरण्यास योग्य बेंचमार्कमध्ये रूपांतरित करणे, आणि एखादी भूमिका, कंपनी, करिअर मार्ग, किंवा व्यवसाय कल्पना वास्तववादी किती वेतन देऊ शकते हे समजून घेणे. लेबल केलेल्या वेतन-बेंचमार्किंग संदेशांमध्ये, वेतन गणनेचा वाटा 26% प्रश्नांचा आहे, त्यानंतर विशिष्ट भूमिका (19%), उद्योजकता (18%), कंपनीतील विशिष्ट भूमिका (11%), आणि व्यवसाय किंवा करिअरविषयक प्रश्न (11%) येतात. आम्ही गोपनीयता जपणाऱ्या विश्लेषणाद्वारे हे निश्चित केले, जे स्वयंचलित वर्गीकरणकर्ते वापरते आणि ज्यामध्ये कोणतीही व्यक्ती स्वतंत्र संदेश पाहत नाही.

त्या प्रश्नांचा पॅटर्न महत्त्वाचा आहे. व्यवसायाशी संबंधित वेतन शोध कला, डिझाइन, मनोरंजन, क्रीडा, आणि मीडिया; व्यवस्थापन; आरोग्यसेवा; वाहतूक; विक्री; आणि व्यवसाय व वित्तीय कार्यवाही यांसारख्या क्षेत्रांत केंद्रित आहेत. रोजगाराच्या तुलनेत, वेतन शोध सर्जनशील क्षेत्रे, व्यवस्थापन, आरोग्यसेवा आणि संगणक व गणितीय भूमिका यांसारख्या अधिक कौशल्याधारित आणि कमी पारदर्शक व्यवसायांमध्ये अधिक प्रमाणात दिसून येतो, ज्यामुळे असे सूचित होते की मागणी त्या ठिकाणी सर्वाधिक आहे जिथे वेतनाचे बेंचमार्क ठरवणे अधिक कठीण असते, अधिक वाटाघाटीयोग्य असते, किंवा करिअरमधील प्रगतीसाठी अधिक महत्त्वाचे असते. उद्योजकतेशी संबंधित प्रश्नांमध्येही आम्हाला एक समान पॅटर्न दिसतो, जे सर्जनशील काम आणि लहान सेवा व्यवसायांमध्ये केंद्रित आहेत—अशा क्षेत्रांमध्ये जिथे अनेकदा कोणताही जाहीर केलेला वेतन बेंचमार्क उपलब्ध नसतो.

उद्योगांमध्ये, जिथे वेतन अधिक विखुरलेले असते आणि जिथे वेतन जास्त असते तिथे वेतन शोध वाढतो. दुसऱ्या शब्दांत सांगायचे तर, योग्य उत्तर मिळणे अधिक महत्त्वाचे असते आणि पगार समजणे अधिक कठीण असते तेव्हा कामगार पगाराच्या माहितीसाठी सर्वाधिक शोध घेतात. म्हणूनच हे केवळ वेतन शोधण्यापलीकडेही महत्त्वाचे आहे. संभाव्य कमाईबाबत गैरसमज झाल्यास कामगार कमी पगाराच्या नोकऱ्यांमध्ये अडकून राहू शकतात, वाटाघाटीची क्षमता कमी होऊ शकते, करिअरमधील बदल लांबणीवर पडू शकतात, किंवा शिक्षण व प्रशिक्षणातील गुंतवणूक करण्यास निरुत्साहित होऊ शकतात. अधिक चांगली माहिती अनिश्चितता दूर करू शकत नाही, परंतु ती कामातून किती मोबदला मिळतो याबद्दल वाजवी दृष्टिकोन तयार करणे सोपे करू शकते आणि त्यामुळे लोकांना अधिक चांगले निर्णय घेण्यास मदत करू शकते.

कामगारांना आमची मॉडेल्स कशा प्रकारे सेवा देतात हे अधिक चांगल्या प्रकारे समजण्यासाठी, अहवालात WorkerBench सादर करण्यात आले आहे, जो ChatGPT चे श्रम बाजारातील कामांवरील मूल्यांकन करण्याचा एक नवा प्रयत्न आहे, जे कामगारांसाठी मौल्यवान आहेत. या पहिल्या बेंचमार्कमध्ये, आम्ही GPT‑5.4 चे 2024 OEWS मध्यम वेतनाशी राष्ट्रीय व्यवसाय आणि मेट्रो स्तरांवर तुलना करून मूल्यांकन केले. निरीक्षित नमुन्यात, मॉडेल अत्यंत अचूक आहे: कव्हरेज जास्त आहे, बायस कमी आहे, आणि जवळजवळ सर्व संख्यात्मक अंदाज बेंचमार्कच्या अगदी जवळ आहेत.

वेतनविषयक माहिती आर्थिकदृष्ट्या महत्त्वाची असते, परंतु ती मिळवणे अनेकदा कठीण किंवा संवेदनशील असते. कामगार आधीच ती समस्या सोडवण्यासाठी ChatGPT वापरत आहेत, विशेषतः श्रमबाजाराच्या त्या भागांमध्ये जिथे अनिश्चितता सर्वाधिक आहे आणि दांव सर्वात महत्त्वाचे आहेत. आमचे उद्दिष्ट म्हणजे ती मदत किती उपयुक्त आणि विश्वासार्ह ठरू शकते हे सतत सुधारत राहणे – राष्ट्रीय बेंचमार्कच्या पलीकडे जाऊन, कामगार दररोज प्रत्यक्षात विचारतात त्या भूगोल, कंपनी, स्तर आणि वेतनभरपाईविषयक प्रश्नांकडे वळणे.