ਮੁਆਵਜ਼ੇ ਬਾਰੇ ਜਾਣਕਾਰੀ ਨਾਲ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਸਸ਼ਕਤ ਬਣਾਉਣਾ

ਤਨਖਾਹ ਸੰਬੰਧੀ ਜਾਣਕਾਰੀ ਮਹੱਤਵਪੂਰਨ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ: ਲੋਕ ਕਿਹੜੀਆਂ ਨੌਕਰੀਆਂ ਲਈ ਅਰਜ਼ੀ ਦਿੰਦੇ ਹਨ, ਕੀ ਉਹ ਮੋਲ-ਤੋਲ ਕਰਦੇ ਹਨ, ਅਤੇ ਕੀ ਕੋਈ ਖਾਸ ਕਰੀਅਰ ਰਾਹ ਅਪਣਾਉਣ ਦੇ ਯੋਗ ਹੈ। ਪਰ ਜ਼ਿਆਦਾਤਰ ਵਸਤੂਆਂ ਦੀ ਕੀਮਤ ਦੇ ਉਲਟ, ਮਿਹਨਤ ਦੀ ਕੀਮਤ ਅਕਸਰ ਲੱਭਣਾ ਔਖਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਉਸ ਦੀ ਵਿਆਖਿਆ ਕਰਨੀ ਵੀ ਮੁਸ਼ਕਲ ਹੁੰਦੀ ਹੈ—ਖ਼ਾਸ ਕਰਕੇ ਉਹਨਾਂ ਕਰਮਚਾਰੀਆਂ ਲਈ ਜੋ ਆਪਣੇ ਕਰੀਅਰ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹਨ, ਖੇਤਰ ਬਦਲ ਰਹੇ ਹਨ, ਜਾਂ ਥਾਂ ਬਦਲ ਰਹੇ ਹਨ।

AI ਮਜ਼ਦੂਰੀ-ਬਾਜ਼ਾਰ ਦਾ ਇੱਕ ਨਵਾਂ ਸਰੋਤ ਹੈ। ਕਿਸੇ ਕਰਮਚਾਰੀ ਨੂੰ ਕਈ ਵੈਬਸਾਈਟਾਂ 'ਤੇ ਖੋਜ ਕਰਨ, ਇੱਥੇ-ਉੱਥੇ ਫੈਲੇ ਤਨਖਾਹ ਪੰਨਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ, ਜਾਂ ਸਮਾਜਕ ਤੌਰ 'ਤੇ ਜੋਖ਼ਿਮ ਭਰਾ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਲੋੜ ਪੈਣ ਦੀ ਬਜਾਇ, ਇੱਕ ਮਾਡਲ ਤਨਖਾਹ ਜਾਣਕਾਰੀ ਨੂੰ ਇਕੱਠਾ ਕਰਕੇ ਕੁਝ ਸਕਿੰਟਾਂ ਵਿੱਚ ਇੱਕ ਮਾਪਦੰਡ ਵਾਪਸ ਦੇ ਸਕਦਾ ਹੈ। ਕਰਮਚਾਰੀ ਪਹਿਲਾਂ ਹੀ ChatGPT ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਵਰਤ ਰਹੇ ਹਨ, ਅਤੇ ਅਮਰੀਕਾ ਵਿੱਚ ਔਸਤਨ ਹਰ ਰੋਜ਼ ਲਗਭਗ 30 ਲੱਖ ਸੁਨੇਹੇ ਤਨਖਾਹ, ਮੁਆਵਜ਼ੇ ਜਾਂ ਕਮਾਈ ਬਾਰੇ ਪੁੱਛਦੇ ਹੋਏ ਭੇਜ ਰਹੇ ਹਨ।

ਸਾਡੀ ਤਾਜ਼ਾ ਖੋਜ ਰਿਪੋਰਟ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਇਸ ਗੱਲ ਦੀ ਜਾਂਚ ਕਰਦੀ ਹੈ ਕਿ ਅਮਰੀਕੀ ਤਨਖਾਹ ਜਾਣਕਾਰੀ ਦੀ ਖਾਈ ਘਟਾਉਣ ਲਈ ChatGPT ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਰਹੇ ਹਨ। ਉਹ ਸਭ ਤੋਂ ਵੱਧ ChatGPT ਕੋਲ ਦੋ ਕਿਸਮ ਦੀ ਮਦਦ ਲਈ ਆਉਂਦੇ ਹਨ: ਤਨਖਾਹ ਨੂੰ ਵਰਤਣਯੋਗ ਮਾਪਦੰਡ ਵਿੱਚ ਬਦਲਣਾ, ਅਤੇ ਇਹ ਸਮਝਣਾ ਕਿ ਕੋਈ ਭੂਮਿਕਾ, ਕੰਪਨੀ, ਕਰੀਅਰ ਰਾਹ ਜਾਂ ਕਾਰੋਬਾਰੀ ਵਿਚਾਰ ਹਕੀਕਤ ਵਿੱਚ ਕਿੰਨੀ ਤਨਖਾਹ ਦੇ ਸਕਦਾ ਹੈ। ਲੇਬਲ ਕੀਤੇ ਤਨਖਾਹ-ਮਾਪਦੰਡ ਸੁਨੇਹਿਆਂ ਵਿੱਚ, ਤਨਖਾਹ ਗਣਨਾ 26% ਸਵਾਲਾਂ ਦਾ ਹਿੱਸਾ ਹੈ, ਇਸ ਤੋਂ ਬਾਅਦ ਖਾਸ ਭੂਮਿਕਾ (19%), ਉਦਯਮਿਤਾ (18%), ਕਿਸੇ ਕੰਪਨੀ ਵਿੱਚ ਖਾਸ ਭੂਮਿਕਾ (11%), ਅਤੇ ਪੇਸ਼ੇ ਜਾਂ ਕਰੀਅਰ ਸੰਬੰਧੀ ਸਵਾਲ (11%) ਹਨ। ਅਸੀਂ ਇਹ ਨਤੀਜਾ ਗੋਪਨੀਯਤਾ-ਸੁਰੱਖਿਅਤ ਵਿਸ਼ਲੇਸ਼ਣ ਰਾਹੀਂ ਕੱਢਿਆ ਜੋ ਸਵੈਚਾਲਿਤ ਵਰਗੀਕਰਨਕਾਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਜਿਸ ਵਿੱਚ ਕਦੇ ਵੀ ਕੋਈ ਮਨੁੱਖ ਵਿਅਕਤੀਗਤ ਸੁਨੇਹੇ ਨਹੀਂ ਵੇਖਦਾ।

ਉਹਨਾਂ ਸਵਾਲਾਂ ਦਾ ਪੈਟਰਨ ਮਹੱਤਵ ਰੱਖਦਾ ਹੈ। ਪੇਸ਼ੇ ਨਾਲ ਸੰਬੰਧਿਤ ਤਨਖਾਹ ਖੋਜਾਂ ਕਲਾ, ਡਿਜ਼ਾਈਨ, ਮਨੋਰੰਜਨ, ਖੇਡਾਂ ਅਤੇ ਮੀਡੀਆ; ਪ੍ਰਬੰਧਨ; ਸਿਹਤ ਸੇਵਾ; ਆਵਾਜਾਈ; ਵਿਕਰੀ; ਅਤੇ ਕਾਰੋਬਾਰੀ ਅਤੇ ਵਿੱਤੀ ਕਾਰਜਾਂ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕੇਂਦਰਿਤ ਹਨ। ਰੋਜ਼ਗਾਰ ਦੇ ਮੁਕਾਬਲੇ, ਤਨਖਾਹ ਖੋਜ ਉੱਚ-ਹੁਨਰ ਅਤੇ ਘੱਟ ਪਾਰਦਰਸ਼ੀ ਪੇਸ਼ਿਆਂ ਜਿਵੇਂ ਰਚਨਾਤਮਕ ਖੇਤਰਾਂ, ਪ੍ਰਬੰਧਨ, ਸਿਹਤ ਸੇਵਾ ਅਤੇ ਕੰਪਿਊਟਰ ਅਤੇ ਗਣਿਤੀ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਵੱਧ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਤੋਂ ਸੰਕੇਤ ਮਿਲਦਾ ਹੈ ਕਿ ਮੰਗ ਉੱਥੇ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਹੈ ਜਿੱਥੇ ਤਨਖਾਹ ਦਾ ਮਾਪਦੰਡ ਤੈਅ ਕਰਨਾ ਔਖਾ, ਵਧੇਰੇ ਮੋਲ-ਤੋਲਯੋਗ, ਜਾਂ ਕਰੀਅਰ ਗਤੀਸ਼ੀਲਤਾ ਲਈ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦਾ ਹੈ। ਅਸੀਂ ਉਦਯਮਿਤਾ-ਸੰਬੰਧੀ ਸਵਾਲਾਂ ਵਿੱਚ ਵੀ ਇਸੇ ਤਰ੍ਹਾਂ ਦਾ ਪੈਟਰਨ ਵੇਖਦੇ ਹਾਂ, ਜੋ ਰਚਨਾਤਮਕ ਕੰਮ ਅਤੇ ਛੋਟੇ ਸੇਵਾ ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ ਕੇਂਦਰਿਤ ਹਨ—ਉਹ ਖੇਤਰ ਜਿੱਥੇ ਅਕਸਰ ਕੋਈ ਪ੍ਰਕਾਸ਼ਿਤ ਤਨਖਾਹ ਮਾਪਦੰਡ ਹੀ ਨਹੀਂ ਹੁੰਦਾ।

ਵੱਖ-ਵੱਖ ਉਦਯੋਗਾਂ ਵਿੱਚ, ਤਨਖਾਹ ਖੋਜ ਉੱਥੇ ਵੱਧਦੀ ਹੈ ਜਿੱਥੇ ਤਨਖਾਹ ਵਧੇਰੇ ਫੈਲੀ ਹੋਈ ਹੁੰਦੀ ਹੈ ਅਤੇ ਜਿੱਥੇ ਮਜ਼ਦੂਰੀ ਵੱਧ ਹੁੰਦੀ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਕਰਮਚਾਰੀ ਲੱਗਦਾ ਹੈ ਕਿ ਤਨਖਾਹ ਜਾਣਕਾਰੀ ਸਭ ਤੋਂ ਵੱਧ ਤਦੋਂ ਲੱਭਦੇ ਹਨ ਜਦੋਂ ਸਹੀ ਜਵਾਬ ਮਿਲਣਾ ਵਧੇਰੇ ਮਹੱਤਵ ਰੱਖਦਾ ਹੈ ਅਤੇ ਜਦੋਂ ਤਨਖਾਹ ਨੂੰ ਸਮਝਣਾ ਔਖਾ ਹੁੰਦਾ ਹੈ। ਇਸੇ ਲਈ ਇਹ ਮਾਮਲਾ ਸਿਰਫ਼ ਤਨਖਾਹ ਪਤਾ ਕਰਨ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ। ਸੰਭਾਵਿਤ ਕਮਾਈ ਨੂੰ ਗਲਤ ਸਮਝਣਾ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਘੱਟ-ਤਨਖਾਹ ਵਾਲੀਆਂ ਨੌਕਰੀਆਂ ਵਿੱਚ ਰੋਕ ਸਕਦਾ ਹੈ, ਮੋਲ-ਤੋਲ ਦੀ ਤਾਕਤ ਘਟਾ ਸਕਦਾ ਹੈ, ਕਰੀਅਰ ਬਦਲਾਅ ਵਿੱਚ ਦੇਰੀ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਂ ਸਿੱਖਿਆ ਅਤੇ ਤਾਲੀਮ ਵਿੱਚ ਨਿਵੇਸ਼ ਤੋਂ ਹੌਂਸਲਾ ਘਟਾ ਸਕਦਾ ਹੈ। ਵਧੀਆ ਜਾਣਕਾਰੀ ਅਣਿਸ਼ਚਿਤਤਾ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰ ਸਕਦੀ, ਪਰ ਇਹ ਇਸ ਗੱਲ ਬਾਰੇ ਇੱਕ ਵਾਜਬ ਧਾਰਣਾ ਬਣਾਉਣਾ ਆਸਾਨ ਕਰ ਸਕਦੀ ਹੈ ਕਿ ਕੰਮ ਦੀ ਤਨਖਾਹ ਕੀ ਹੈ ਅਤੇ ਇਸ ਲਈ ਲੋਕਾਂ ਨੂੰ ਵਧੀਆ ਫੈਸਲੇ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ।

ਸਾਡੇ ਮਾਡਲ ਕਰਮਚਾਰੀਆਂ ਦੀ ਕਿਵੇਂ ਸੇਵਾ ਕਰਦੇ ਹਨ, ਇਸ ਨੂੰ ਹੋਰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਣ ਲਈ, ਰਿਪੋਰਟ WorkerBench ਨੂੰ ਵੀ ਪੇਸ਼ ਕਰਦੀ ਹੈ, ਜੋ ਮਜ਼ਦੂਰੀ ਬਾਜ਼ਾਰ ਦੇ ਉਹਨਾਂ ਕੰਮਾਂ 'ਤੇ ChatGPT ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਕੋਸ਼ਿਸ਼ ਹੈ ਜੋ ਕਰਮਚਾਰੀਆਂ ਲਈ ਕੀਮਤੀ ਹਨ। ਇਸ ਪਹਿਲੇ ਮਾਪਦੰਡ ਵਿੱਚ, ਅਸੀਂ GPT‑5.4 ਦਾ ਮੁਲਾਂਕਣ 2024 OEWS ਮੱਧਿਕ ਤਨਖਾਹਾਂ ਦੇ ਮੁਕਾਬਲੇ ਰਾਸ਼ਟਰੀ ਪੇਸ਼ਾ ਅਤੇ ਮੈਟਰੋ ਪੱਧਰਾਂ 'ਤੇ ਕੀਤਾ। ਦੇਖੇ ਗਏ ਨਮੂਨੇ ਵਿੱਚ, ਮਾਡਲ ਬਹੁਤ ਸਹੀ ਹੈ: ਕਵਰੇਜ ਉੱਚੀ ਹੈ, ਪੱਖਪਾਤ ਘੱਟ ਹੈ, ਅਤੇ ਲਗਭਗ ਸਾਰੇ ਅੰਕੀ ਅੰਦਾਜ਼ੇ ਮਾਪਦੰਡ ਦੇ ਬਹੁਤ ਨੇੜੇ ਹਨ।

ਤਨਖਾਹ ਜਾਣਕਾਰੀ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਪਰ ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਕਸਰ ਔਖਾ ਜਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦਾ ਹੈ। ਕਰਮਚਾਰੀ ਪਹਿਲਾਂ ਹੀ ਇਸ ਸਮੱਸਿਆ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ChatGPT ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ, ਖ਼ਾਸ ਕਰਕੇ ਮਜ਼ਦੂਰੀ ਬਾਜ਼ਾਰ ਦੇ ਉਹਨਾਂ ਹਿੱਸਿਆਂ ਵਿੱਚ ਜਿੱਥੇ ਅਣਿਸ਼ਚਿਤਤਾ ਸਭ ਤੋਂ ਵੱਧ ਹੈ ਅਤੇ ਦਾਅ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਸਾਡਾ ਲਕਸ਼ ਇਹ ਸੁਧਾਰਦੇ ਰਹਿਣਾ ਹੈ ਕਿ ਇਹ ਮਦਦ ਕਿੰਨੀ ਲਾਭਦਾਇਕ ਅਤੇ ਭਰੋਸੇਯੋਗ ਹੋ ਸਕਦੀ ਹੈ—ਰਾਸ਼ਟਰੀ ਮਾਪਦੰਡਾਂ ਤੋਂ ਅੱਗੇ ਵੱਧਦਿਆਂ ਭੂਗੋਲ, ਫਰਮ, ਪੱਧਰ ਅਤੇ ਮੁਆਵਜ਼ੇ ਨਾਲ ਸੰਬੰਧਿਤ ਉਹਨਾਂ ਸਵਾਲਾਂ ਵੱਲ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕਰਮਚਾਰੀ ਹਰ ਰੋਜ਼ ਅਸਲ ਵਿੱਚ ਪੁੱਛਦੇ ਹਨ।