ChatGPT के बाद से, डिग्री थोड़ा कम वेतन दिलाती है

एक कामगार जो जानता है, वह दो तरह का होता है। उसका एक हिस्सा लिखा, सिखाया और सहेजा जा सकता है: सूत्र, नियम, प्रक्रियाएँ। दूसरा हिस्सा करके सीखा जाता है और व्यक्ति से बँधा रहता है: शोधपत्र के उदाहरणों में, एक केसवर्कर सीखता है कि किन ग्राहकों पर अधिक बारीकी से नज़र रखनी है, एक सर्जन सीखता है कि ऊतक का तनाव कब ग़लत है, एक वार्ताकार सीखता है कि माहौल को कैसे भाँपना है। जनरेटिव AI पहली तरह के ज्ञान को ठीक ज़रूरत के क्षण में सस्ता और प्रचुर बना देता है। इसका वेतन पर क्या असर होता है?

वेतन-पर्ची पर दो क़ीमतें

ब्यूनस आयर्स के तोरकुआतो दी तेया विश्वविद्यालय (Torcuato Di Tella University) के एदुआर्दो लेवी येयाती (Eduardo Levy Yeyati), दारियो जुडज़िक (Darío Judzik) और ख़ुआन इग्नासियो बारबिएरो (Juan Ignacio Barbiero) दो जानी-पहचानी संख्याओं को देखते हैं: एक कामगार स्कूली शिक्षा के एक और वर्ष के लिए कितना अधिक कमाता है, और अनुभव के एक और वर्ष के लिए कितना। स्कूली शिक्षा, अपूर्ण रूप से ही सही, उस ज्ञान का प्रतिनिधित्व करती है जिसे लिखा जा सकता है; स्कूल छोड़ने के बाद बीते वर्ष अभ्यास से मिले ज्ञान का प्रतिनिधित्व करते हैं।

उनका मॉडल दो भविष्यवाणियाँ करता है। अगर मशीनें लिखित ज्ञान उपलब्ध कराती हैं, तो स्कूली शिक्षा पर मिलने वाला अतिरिक्त वेतन सिकुड़ना चाहिए। अगर वह ज्ञान और व्यावहारिक विवेक साथ मिलकर सबसे अच्छा काम करते हैं, तो अभ्यास अधिक मूल्यवान हो जाना चाहिए — ख़ासकर करियर की शुरुआत में, जब लोग सबसे तेज़ी से सीखते हैं। लेकिन कुछ अनुभव काम करने के पुराने तरीक़े से बँधा होता है और अपना मूल्य खो सकता है, इसलिए आगे चलकर असर नकारात्मक हो सकता है।

ज़द वाली नौकरियाँ, सुरक्षित नौकरियाँ

परीक्षण जनवरी 2018 से जून 2026 तक के अमेरिकी करंट पॉपुलेशन सर्वे (Current Population Survey) का उपयोग करता है: लगभग 656,000 वेतन-अभिलेख। नौकरियों को एक AI-ज़द सूचकांक (AI-exposure index) के आधार पर क्रम दिया गया है, जो ChatGPT के अस्तित्व में आने से पहले बनाया गया था। सबसे अधिक ज़द वाले चौथाई हिस्से — सॉफ़्टवेयर डेवलपर, प्रशासनिक सहायक, लेखाकार, वित्तीय प्रबंधक, विश्वविद्यालय शिक्षक — की तुलना सबसे कम ज़द वाले चौथाई हिस्से से की गई है: ट्रक ड्राइवर, गोदाम मज़दूर, सफ़ाईकर्मी, देखभाल सहायक, वेटर। घड़ी नवंबर 2022 से चलनी शुरू होती है, ChatGPT के सार्वजनिक रूप से जारी होने के साथ।

उस तारीख़ से पहले, स्कूली शिक्षा का एक वर्ष ज़द वाली नौकरियों में वेतन लगभग 7.5% बढ़ाता था, जबकि सुरक्षित नौकरियों में 1.7%। विश्लेषण एक ही पेशे के भीतर के कामगारों की पहले और बाद में तुलना करता है, इसलिए यह स्कूली शिक्षा और अनुभव की इन “क़ीमतों” में बदलाव को मापता है, औसत वेतन में बदलाव को नहीं।

स्कूल के एक वर्ष का नया मोल

ज़द वाली नौकरियों में, स्कूली शिक्षा के एक वर्ष का वेतन-बोनस सुरक्षित नौकरियों की तुलना में 0.55 अंक गिरा — लगभग 7.5% से 6.9% पर, यानी अपने पिछले मूल्य का लगभग 7% कम। सुरक्षित नौकरियों में यह 1.7% पर बना रहा। जारी होने से पहले कोई धीमा खिसकाव नहीं था, और यह टूटन पहले बारह महीनों के भीतर ही दिख जाती है।

झुकता हुआ करियर

अनुभव का मूल्य पूरा का पूरा ऊपर या नीचे नहीं खिसका; वक्र घूम गया। अनुभव का एक और वर्ष, पीछे तीन वर्ष का अनुभव रखने वाले व्यक्ति को 0.26 अंक अधिक दिलाता है, पंद्रह वर्ष पर लगभग पहले जितना ही, और पच्चीस वर्ष पर 0.12 अंक कम। लेखकों के मुख्य मॉडल में, असर लगभग 18 वर्ष पर अपना चिह्न बदलता है; अधिक लचीले वक्रों के साथ झुकाव बना रहता है, लेकिन वह सटीक बिंदु कम निश्चित है। यह झुकाव कॉलेज डिग्री वाले कामगारों में सबसे प्रबल है।

सब जोड़कर, ज़द वाली नौकरी में सोलह वर्ष की स्कूली शिक्षा और पंद्रह वर्ष के अनुभव वाला कामगार, सुरक्षित नौकरियों के रुझान से अपेक्षित कमाई से लगभग 3.2% कम कमाता है।

संयोगों के विरुद्ध जाँचें

• आरंभ-तिथि को जनवरी 2020, यानी महामारी की शुरुआत, पर ले जाने से कोई असर नहीं दिखता।
• सबसे ऊँचे वेतनों पर एक ही साझा नियम लागू करने से — जिन्हें अमेरिकी आँकड़े एक ऊपरी सीमा पर रोक देते हैं और अप्रैल 2023 से अलग ढंग से दर्ज करते हैं — नतीजे लगभग अपरिवर्तित रहते हैं।
• कंप्यूटर और गणित की नौकरियों को हटा देने पर भी, जिन पर उसी समय टेक उद्योग की छँटनियों की मार पड़ी, स्कूली शिक्षा वाली गिरावट 0.49 अंक बनी रहती है।

करियर के अंतिम दौर की गिरावट प्रमाणों का सबसे कमज़ोर हिस्सा है: जारी होने से पहले भी, वक्र का वह सिरा थोड़ा डगमगा रहा था।

भविष्यवाणी नहीं

लेखक यह दावा नहीं करते कि डिग्रियों ने अपना मूल्य खो दिया है या स्नातक कम उत्पादक हो गए हैं। उनका नतीजा ज़द वाली नौकरियों के भीतर एक अल्पकालिक पुनर्मूल्यन है। पढ़ाई के चुनाव, प्रशिक्षण और प्रवेश-स्तर की नौकरियाँ ख़ुद को ढालेंगी। वे लिखते हैं कि लंबे समय में शायद एक प्रश्न सबसे अधिक मायने रखेगा: अगर AI सीखने की प्रक्रिया के एक हिस्से को ही स्वचालित कर दे, तो क्या कामगार अब भी वह व्यावहारिक हुनर हासिल कर पाएँगे जो अधिक मूल्यवान होता जा रहा है।