AI मुळे लोकांच्या कामाची व्याप्ती कशी वाढत आहे

AI मुळे लोक करत असलेले काम बदलते. अमेरिकेतील ChatGPT वापरकर्त्यांच्या 8,00,000 हून अधिक संदेशांच्या विश्लेषणातून आमच्या नव्या संशोधनानुसार, कामाशी संबंधित 16.8% संदेश आणि व्यवसायविशिष्ट 43.5% संदेश हे दुसऱ्या व्यवसायाशी निगडित कामांबद्दल आहेत.

एक लहान व्यवसाय मालक स्वतंत्रपणे मजकूर तयार करू शकतो, कराराचे पुनरावलोकन करू शकतो किंवा मूलभूत आर्थिक विश्लेषण करू शकतो. एक विक्रेता ग्राहकांच्या डेटासेटचे विश्लेषण करण्यासाठी एआयचा वापर करू शकतो, जे काम पूर्वी एखाद्या विश्लेषकाकडे जात असे. एक मार्केटिंग तज्ज्ञ डेव्हलपरची वाट न पाहता वेबसाइटमधील समस्या सोडवू शकतो. प्रत्येक बाबतीत, एआय केवळ काम करण्याची पद्धतच नाही, तर कोण काय करते हे देखील बदलते.

आमचा नवा अहवाल, अत्याधुनिक स्तरावरील वर्क: AI मुळे लोकांच्या कामाची व्याप्ती कशी वाढत आहे, या बदलाचा अभ्यास करतो. यातून निर्माण होणाऱ्या स्वरूपाला आम्ही टास्क क्रॉसओव्हर म्हणतो: म्हणजेच, पूर्वी एका व्यवसायाशी संबंधित असलेले काम, दुसऱ्या व्यवसायात एआयद्वारे लोकांच्या वापरामध्ये दिसून येते. आमच्या AI जॉब्स ट्रान्झिशन फ्रेमवर्कमध्ये⁠(नवीन विंडोमध्ये उघडेल), आम्ही असा युक्तिवाद करतो की अनेक नोकऱ्यांची पुनर्रचना होण्याची शक्यता आहे: याअशा नोकऱ्या आहेत ज्यांची दैनंदिन कामे मोठ्या प्रमाणात बदलू शकतात. हा अहवाल आमच्या नवीन अत्याधुनिक स्तरावरील वर्क मालिकेतील पहिला आहे, जी AI प्रत्यक्ष वेळेत कामात कसे बदल घडवत आहे याचा शोध घेते. 

कामाचे जग कसे बदलत आहे हे पाहण्याची आमच्याकडे असलेली अनोखी संधी वापरून, धोरणे आणि कार्यपद्धतींना दिशा देण्यासाठी आम्ही पुराव्यांवर आधारित, नियमित डेटा-केंद्रित निरीक्षणे प्रदान करू.

AI आणि कामावरील अनेक अभ्यास एखाद्या विशिष्ट व्यवसायाशी संबंधित कामांच्या निश्चित यादीने सुरू होतात आणि मॉडेल्स ती कामे करू शकतात का, हे विचारतात. आमच्या पुराव्यांवरून असे सूचित होते की, कोणती कामे कोण करणार आहे, हे देखील AI बदलत आहे

कार्यांच्या परस्परव्याप्तीचे मोजमाप करण्यासाठी, आम्ही प्रथम एका विशिष्ट व्यवसायाशी संबंधित असलेले काम आणि अनेक नोकऱ्यांमध्ये आढळणारे काम वेगळे करतो. लिहिणे, सारांश तयार करणे आणि वेळापत्रक बनवणे यांसारखी काही कामे व्यवसायांमध्ये इतकी व्यापकपणे सामायिक केली जातात की ती परस्परव्याप्तीचा पुरावा ठरू शकत नाहीत. आम्ही यांना सामान्य म्हणून वर्गीकृत करतो. उर्वरित संदेशांसाठी, आम्ही विचारतो की ते काम वापरकर्त्याच्या स्वतःच्या व्यवसायाच्या अंतर्गत येते की बाहेर. सामान्य नसलेल्या संदेशांपैकी, 43.5% संदेश वापरकर्त्याच्या व्यवसायाच्या बाहेरचे असतात, जे नोकरीच्या वर्णनात किंवा शीर्षकांमध्ये बदल दिसण्यापूर्वीच AI नोकऱ्यांमधील कामाच्या स्वरूपाला कसे नव्याने आकार देत आहे, याची एक प्राथमिक झलक देतात.

यावरून असे दिसते की कामाशी संबंधित ChatGPT वापराचा मोठा भाग हा वापरकर्ते आपल्या भूमिकेची व्याप्ती वाढवत असल्यामुळे होतो. काही गटांमध्ये ही पद्धत विशेष ठळकपणे दिसते. सर्वसाधारण काम वगळल्यानंतर व्यवसायाबाहेरील कामांचे प्रमाण असे आहे: 

• ग्राहक अनुभव क्षेत्रातील कर्मचाऱ्यांच्या व्यवसायविशिष्ट संदेशांपैकी 77%
• डिझाइनरच्या संदेशांपैकी 75%
• मानव संसाधन कर्मचाऱ्यांच्या संदेशांपैकी 69%
• कायदेविषयक कर्मचाऱ्यांच्या संदेशांपैकी 56% 
• मार्केटिंग तज्ज्ञांच्या संदेशांपैकी 53%

या व्यवसायांतील लोक इतर भूमिकांकडून ही कामे “उसनी घेत” आहेत. पुरावे कामाच्या बदलत्या विभागणीकडे निर्देश करतात: पूर्वी दुसऱ्याकडे सोपवावी लागणारी काही कामे आता ज्याला त्यांची गरज सर्वप्रथम जाणवते, तीच व्यक्ती करू शकते.

खालील हीटमॅप, प्रत्येक नॉन-जेनेरिक संदेश कोणत्या व्यवसायाच्या कामाशी सर्वाधिक मिळताजुळता आहे हे विचारून, कार्यांमधील परस्परसंबंध दर्शवतो. मार्केटिंग आणि इंजिनिअरिंगची कामे सर्वात जास्त पसरतात आणि ती अनेकदा त्या क्षेत्राबाहेरील कर्मचाऱ्यांच्या संदेशांमध्ये दिसून येतात.

जेव्हा आपण व्यवसायांपासून विशिष्ट कामांवर अधिक लक्ष केंद्रित करतो, तेव्हा कामांमधील परस्परव्याप्ती समान प्रमाणात आढळत नाही. विश्लेषणातील इतर सातही व्यवसाय गटांमध्ये, आर्थिक गणना आणि तंत्रज्ञान समस्यानिवारण ही प्रत्येकी तीन सर्वात सामान्य बाह्य कामांमध्ये दिसून येतात. मार्केटिंगचे काम देखील मोठ्या प्रमाणावर आढळते: मार्केटिंगचे साहित्य तयार करणे हे इतर पाच गटांमध्ये दिसून येते आणि विशेषतः डिझाइन वापरकर्त्यांमध्ये ते अधिक प्रमाणात आढळते.

कार्यांच्या व्यापक संचाकडे पाहिल्यास परस्पर देवाणघेवाणीच्या दोन भिन्न दिशा दिसून येतात. काही नोकऱ्यांमध्ये इतर व्यवसायांमधील अनेक कार्ये समाविष्ट असतात. तर काही नोकऱ्यांमध्ये अशी कार्ये असतात जी अनेक वेगवेगळ्या नोकऱ्यांमध्ये आढळतात.

डिझाइनमधून पहिली पद्धत स्पष्ट होते. डिझाइनरच्या सुमारे 35.2% संदेशांमध्ये सामान्यतः दुसऱ्या व्यवसायाशी संबंधित काम असते, तर इतर क्षेत्रांतील कर्मचाऱ्यांच्या केवळ 1.7% संदेशांमध्ये डिझाइनची कामे आढळतात. डिझाइनर बाहेरील कामांचा मोठ्या प्रमाणावर आधार घेतात, पण डिझाइनचे काम मात्र इतरत्र क्वचितच दिसते.

इंजिनिअरिंगमध्ये याच्या जवळपास उलट चित्र दिसते. इंजिनिअरिंगमधील केवळ 18.5% संदेशांमध्ये इतर क्षेत्रांतील कामे असतात, पण इतर व्यवसायांतील कर्मचाऱ्यांच्या 7.4% संदेशांमध्ये इंजिनिअरिंगची कामे दिसतात. सॉफ्टवेअरमधील समस्या सोडवण्यापासून तांत्रिक प्रणालींवर काम करण्यापर्यंत, इतर क्षेत्रांतील लोक स्वीकारत असलेल्या कामांचा इंजिनिअरिंग हा महत्त्वाचा स्रोत आहे.

मार्केटिंग दोन्ही दिशांनी वेगळे ठरते. मार्केटिंग तज्ज्ञ त्यांच्या संदेशांपैकी 24.3% संदेश इतर व्यवसायांशी संबंधित कामांसाठी वापरतात, तर इतर क्षेत्रांतील कर्मचाऱ्यांच्या संदेशांमध्ये मार्केटिंगच्या कामांचा वाटा 8.9% असतो—जो नमुन्यातील सर्वाधिक बाह्य वाटा आहे. मार्केटिंग कर्मचारी अनेक क्षेत्रांमधील कामे एकत्रितपणे करतात आणि मार्केटिंगचे काम संस्थेमध्ये मोठ्या प्रमाणावर पसरलेले असते.

व्यवसायाचा आकार आणि रचना यांवर AI कामात कसा बदल घडवते हे अवलंबून असते. मोठ्या कंपनीतील कर्मचाऱ्यांना विशेष तज्ज्ञ पथके, प्रस्थापित कार्यप्रवाह आणि अंतर्गत सेवा उपलब्ध असू शकतात. लहान संस्थेत समस्या दुसऱ्याकडे सोपवण्याऐवजी तिच्या सर्वांत जवळ असलेला कर्मचारीच ती हाताळण्याची शक्यता अधिक असते.

सर्वसाधारण वापरकर्त्यांमध्ये, कामाव्यतिरिक्त इतर कामांचा वाटा 25 जागा असलेल्या वर्कस्पेसमधील वापरकर्त्यांसाठी 18.9% पासून ते 100 पेक्षा जास्त जागा असलेल्या वर्कस्पेसमधील वापरकर्त्यांसाठी 16.3% पर्यंत कमी होतो. सर्वाधिक वापर करणाऱ्यांमध्ये मात्र, आम्हाला असाच एकसमान कल दिसून येत नाही.

याचे एक संभाव्य स्पष्टीकरण असे की, लहान संस्थांतील मध्यम वापरकर्ते अन्यथा दुसऱ्या विभागाची गरज भासली असती असे काम समोर आल्यावर AI ची मदत घेतात. त्याऐवजी, सर्वाधिक वापर करणाऱ्यांनी विविध संस्थांमध्ये अधिक सारखे दिसणारे स्थिर एआय-समर्थित कार्यप्रवाह विकसित केले असावेत किंवा ते आपल्या मुख्य व्यवसायात एआयचा अधिक सखोल वापर करत असावेत.

जिथे तज्ज्ञ संसाधने दुर्मिळ आहेत, तिथे AI हे सर्वसाधारण कामांसाठीचे टूल म्हणून विशेष उपयुक्त ठरू शकते.

यासारखा AI वापराचा डेटा, कामाचे स्वरूप कोणत्या दिशेने बदलत आहे याचा एक निर्देशक आहे. कंपन्या नोकरीचे वर्णन बदलण्यापूर्वी किंवा नवीन पदनामे तयार करण्यापूर्वी, AI कामगारांना कामांच्या नवीन संयोजनांसह प्रयोग करण्याची संधी कशी देते, हे यातून आपल्याला पाहता येते. या अर्थाने, वापराचे नमुने व्यावसायिक बदलाचा एक प्रारंभिक संकेत देऊ शकतात, जो पारंपरिक श्रम-बाजार आकडेवारीला केवळ नंतरच मिळू शकतो.