کارکنوں کو معاوضے کے بارے میں بصیرت فراہم کرنا

اجرت سے متعلق معلومات اہم فیصلوں کی بنیاد بنتی ہیں: لوگ کن نوکریوں کے لیے درخواست دیتے ہیں، کیا وہ مذاکرات کرتے ہیں اور کیا کوئی مخصوص کیریئر راستہ اپنانا قابل قدر ہے. لیکن زیادہ تر اشیاء کی قیمت کے برعکس، محنت کی قیمت اکثر تلاش کرنا مشکل ہوتی ہے اور اس کی تشریح کرنا دشوار ہوتی ہے—خصوصاً اُن کارکنوں کے لیے جو اپنے کیریئر کے ابتدائی مرحلے میں ہیں، شعبہ یا جگہ تبدیل کر رہے ہیں.

AI لیبر مارکیٹ کے لیے ایک نئی قسم کا وسیلہ ہے. کسی کارکن سے متعدد ویب سائٹس پر تلاش کروانے، تنخواہوں کے متعلق بکھرے ہوئے صفحات کی تشریح کروانے یا سماجی طور پر پرخطر سوال پوچھنے کے بجائے، ایک ماڈل اجرت سے متعلق معلومات کو یکجا کر کے چند سیکنڈز میں ایک بینچ مارک فراہم کر سکتا ہے. امریکہ میں اوسطاً، کارکن پہلے ہی ChatGPT کو اس طرح استعمال کر رہے ہیں اور روزانہ تقریباً 3 ملین پیغامات بھیج رہے ہیں، جن میں وہ اجرتوں، معاوضے، یا آمدنی کے بارے میں پوچھتے ہیں.

ہماری تازہ ترین تحقیقی رپورٹ اس بات کا جائزہ لیتی ہے کہ امریکی ChatGPT کو اجرت سے متعلق معلومات کے خلا کو پُر کرنے کے لیے کیسے استعمال کر رہے ہیں. وہ اکثر دو طرح کی مدد کے لیے ChatGPT پر آتے ہیں: تنخواہ کو ایک قابلِ استعمال بینچ مارک میں ترجمہ کرنا اور یہ سمجھنا کہ کسی رول، کمپنی، کیریئر راستے، یا کاروباری آئیڈیا کی حقیقت پسندانہ طور پر کتنی ادائیگی ہو سکتی ہے. لیبل شدہ اجرت کے بینچ مارکنگ پیغامات میں، تنخواہ کا حساب کتاب 26% سوالات کے لیے ہوتا ہے، اس کے بعد مخصوص کردار (19%)، انٹرپرینیورشپ (18%)، کمپنی میں مخصوص کردار (11%) اور پیشہ یا کیریئر کے سوالات (11%). ہم نے اس کا تعین رازداری کو محفوظ رکھنے والے تجزیے کے ذریعے کیا جو خودکار درجہ بند کنندگان کا استعمال کرتا ہے اور اس میں کبھی بھی کسی انسان کا انفرادی پیغامات کو دیکھنا شامل نہیں ہوتا.

ان سوالات کے پیٹرن کی اہمیت ہے. پیشے سے متعلق اجرت کی تلاشیں آرٹس، ڈیزائن، انٹرٹینمنٹ، کھیلوں، میڈیا، مینجمنٹ، صحت کی دیکھ بھال، ٹرانسپورٹیشن، سیلز اور کاروباری و مالیاتی آپریشنز جیسے شعبوں میں مرکوز ہیں. روزگار کے حوالے سے، اجرت کی تلاش تخلیقی شعبوں، مینجمنٹ، نگہداشت صحت اور کمپیوٹر و ریاضیاتی کرداروں جیسے زیادہ مہارت والے اور کم شفاف پیشوں میں زیادہ ہوتی ہے، جو اس بات کی طرف اشارہ کرتی ہے کہ طلب وہاں سب سے زیادہ مضبوط ہے جہاں تنخواہ کا بنچ مارک کرنا مشکل ہو، اس پر بات چیت کی گنجائش زیادہ ہو یا کیریئر میں آگے بڑھنے کے لیے زیادہ اہم ہو. ہم ایک مشابہہ نمونہ انٹرپرینیورشپ سے متعلق سوالات میں دیکھتے ہیں، جو تخلیقی کام اور چھوٹے سروس کاروباروں میں مرتکز ہیں—ایسے شعبے جہاں اکثر کوئی شائع شدہ اجرت کا بینچ مارک موجود نہیں ہوتا.

تمام صنعتوں میں، اجرت کی تلاش وہاں بڑھتی ہے جہاں تنخواہ زیادہ بکھری ہوئی ہو اور اجرتیں زیادہ ہوں. باالفاظ ایگر، کارکن تنخواہ سے متعلق معلومات کو سب سے زیادہ اسی وقت تلاش کرتے ہیں جب درست جواب دینا زیادہ اہم ہو اور جب تنخواہ کو سمجھنا زیادہ مشکل ہو. یہی وجہ ہے کہ یہ صرف اجرت کی تلاش سے ماورا بھی اہمیت رکھتا ہے. ممکنہ کمائی کے بارے میں غلط فہمی کارکنوں کو کم تنخواہ والی ملازمتوں میں رکھ سکتی ہے، مذاکراتی طاقت کو کمزور کر سکتی ہے، کیریئر میں تبدیلیوں میں تاخیر کر سکتی ہے یا تعلیم اور تربیت میں سرمایہ کاری کی حوصلہ شکنی کر سکتی ہے. بہتر معلومات غیر یقینی کیفیت کو ختم نہیں کر سکتیں، لیکن یہ اس بات کا معقول اندازہ قائم کرنا آسان بنا سکتی ہیں کہ کون سا کام کتنا معاوضہ دیتا ہے اور اس طرح لوگوں کو بہتر فیصلے کرنے میں مدد دیتی ہیں.

کارکنوں کی خدمت میں ہمارے ماڈل کس طرح کام آتے ہیں، اسے بہتر طور پر سمجھنے کے لیے رپورٹ میں WorkerBench بھی متعارف کرایا گیا ہے، جو محنت کی منڈی کے ایسے کاموں پر ChatGPT کی جانچ کرنے کی ایک نئی کوشش ہے جو کارکنوں کے لیے اہم ہیں. اس پہلے بینچ مارک میں، ہم نے GPT‑5.4 کا 2024 OEWS کی میڈین اجرتوں کے مقابلے میں قومی پیشہ اور میٹرو سطحوں پر جائزہ لیا. مشاہدہ کردہ نمونے میں، ماڈل انتہائی درست ہے: کوریج زیادہ ہے، تعصب کم ہے اور تقریباً تمام عددی تخمینے معیارِ تقابل کے بہت قریب آتے ہیں.

تنخواہ کی معلومات معاشی طور پر اہم ہے، لیکن اکثر اسے حاصل کرنا مشکل یا حساس ہوتا ہے. مزدور پہلے ہی ChatGPT کا استعمال اس مسئلے سے نمٹنے کے لیے کر رہے ہیں، خاص طور پر مزدور مارکیٹ کے اُن حصّوں میں جہاں غیر یقینی صورتحال سب سے زیادہ ہے اور داؤ سب سے زیادہ معنی خیز ہیں. ہمارا مقصد یہ ہے کہ ہم اس بات کو بہتر بناتے رہیں کہ وہ مدد کتنی مفید اور قابلِ اعتماد ہو سکتی ہے – قومی معیارات سے آگے بڑھ کر جغرافیہ، فرم، سطح اور معاوضے کے اُن سوالات تک جنہیں کارکنان واقعی ہر روز پوچھتے ہیں.