ChatGPT नंतर, पदवीचा मोबदला थोडा कमी

कामगाराचे ज्ञान दोन प्रकारचे असते. त्याचा एक भाग लिहून ठेवता, शिकवता आणि साठवता येतो: सूत्रे, नियम, कार्यपद्धती. दुसरा भाग करून शिकला जातो आणि व्यक्तीशीच बांधलेला राहतो: शोधनिबंधातील उदाहरणांमध्ये, एक समाजसेवा कार्यकर्ता कोणत्या लाभार्थ्यांचा अधिक बारकाईने पाठपुरावा करावा लागतो हे शिकतो, एक शल्यचिकित्सक ऊतींचा ताण कधी चुकीचा आहे हे ओळखायला शिकतो, एक वाटाघाटी करणारा खोलीतले वातावरण वाचायला शिकतो. जनरेटिव्ह AI पहिल्या प्रकारचे ज्ञान, गरजेच्या क्षणी, स्वस्त आणि मुबलक बनवते. याचा पगारावर काय परिणाम होतो?

पगारपत्रकावरच्या दोन किमती

ब्युनोस आयर्समधील Torcuato Di Tella विद्यापीठाचे Eduardo Levy Yeyati, Darío Judzik आणि Juan Ignacio Barbiero दोन परिचित आकड्यांकडे पाहतात: शिक्षणाच्या आणखी एका वर्षासाठी आणि अनुभवाच्या आणखी एका वर्षासाठी कामगार किती अधिक कमावतो. शिक्षण हे, अपूर्णपणे, लिहून ठेवता येणाऱ्या ज्ञानाचे प्रतिनिधित्व करते; शाळा सोडल्यापासूनची वर्षे सरावातून मिळालेल्या ज्ञानाचे प्रतिनिधित्व करतात.

त्यांचे मॉडेल दोन भाकिते करते. यंत्रे लिखित ज्ञान पुरवत असतील, तर शिक्षणासाठीचा जादा पगार आकुंचित व्हायला हवा. ते ज्ञान आणि व्यावहारिक विवेक एकत्र उत्तम काम करत असतील, तर सराव अधिक मौल्यवान व्हायला हवा — विशेषतः कारकिर्दीच्या सुरुवातीला, जेव्हा लोक सर्वात वेगाने शिकतात. पण काही अनुभव काम करण्याच्या जुन्या पद्धतीशी बांधलेला असतो आणि त्याचे मूल्य घटू शकते, त्यामुळे पुढे जाऊन परिणाम नकारात्मक होऊ शकतो.

सामोरे जाणाऱ्या नोकऱ्या, आडोशातील नोकऱ्या

ही चाचणी जानेवारी 2018 ते जून 2026 मधील अमेरिकेच्या Current Population Survey चा वापर करते: सुमारे 656,000 वेतन-नोंदी. ChatGPT अस्तित्वात येण्यापूर्वी तयार केलेल्या एका AI-संपर्क निर्देशांकानुसार नोकऱ्यांची क्रमवारी लावली आहे. AI ला सर्वाधिक सामोरे जाणारा चतुर्थांश — सॉफ्टवेअर डेव्हलपर्स, प्रशासकीय सहाय्यक, लेखापाल, वित्तीय व्यवस्थापक, विद्यापीठ शिक्षक — सर्वात कमी सामोरे जाणाऱ्या चतुर्थांशाशी ताडून पाहिला आहे: ट्रकचालक, गोदाम मजूर, सफाई कामगार, देखभाल सहाय्यक, वेटर. घड्याळ नोव्हेंबर 2022 मध्ये, ChatGPT च्या सार्वजनिक प्रकाशनासोबत सुरू होते.

त्या तारखेपूर्वी, शिक्षणाचे एक वर्ष सामोरे जाणाऱ्या नोकऱ्यांमध्ये पगार सुमारे 7.5% ने वाढवत असे, तर आडोशातील नोकऱ्यांमध्ये 1.7% ने. विश्लेषण एकाच व्यवसायातील कामगारांची, आधी आणि नंतर, तुलना करते, त्यामुळे ते सरासरी वेतनातील नव्हे, तर शिक्षण आणि अनुभवाच्या या “किमतीं”मधील बदल मोजते.

शाळेच्या एका वर्षाची नवी किंमत

सामोरे जाणाऱ्या नोकऱ्यांमध्ये, शिक्षणाच्या एका वर्षासाठीचा जादा पगार आडोशातील नोकऱ्यांच्या तुलनेत 0.55 अंकांनी घटला — सुमारे 7.5% वरून 6.9% वर, म्हणजे त्याच्या पूर्वीच्या मूल्याच्या सुमारे 7% घट. आडोशातील नोकऱ्यांमध्ये तो 1.7% वरच राहिला. प्रकाशनापूर्वी कोणताही हळूहळू होणारा बदल दिसत नव्हता, आणि हा खंड पहिल्या बारा महिन्यांतच दिसून येतो.

कलणारी कारकीर्द

अनुभवाचा मोबदला एकूणपणे वर किंवा खाली सरकला नाही; वक्र फिरला. अनुभवाचे आणखी एक वर्ष, तीन वर्षांचा अनुभव असलेल्या व्यक्तीला 0.26 अंक अधिक मोबदला देते, पंधरा वर्षांवर जवळपास तितकाच, आणि पंचवीस वर्षांवर 0.12 अंक कमी. लेखकांच्या मुख्य मॉडेलमध्ये, सुमारे 18 वर्षांवर परिणामाचे चिन्ह बदलते; अधिक लवचिक वक्रांसह कल कायम राहतो, पण तो नेमका बिंदू कमी निश्चित असतो. महाविद्यालयीन पदवीधारक कामगारांमध्ये हा कल सर्वात तीव्र आहे.

सर्व एकत्र मोजले, तर सामोरे जाणाऱ्या नोकरीतील, सोळा वर्षांचे शिक्षण आणि पंधरा वर्षांचा अनुभव असलेला कामगार, आडोशातील नोकऱ्यांच्या कलावरून अपेक्षित असलेल्यापेक्षा सुमारे 3.2% कमी कमावतो.

योगायोगांविरुद्ध पडताळण्या

• सुरुवातीची तारीख जानेवारी 2020 वर, म्हणजे साथीच्या सुरुवातीला, हलवल्यास कोणताही परिणाम दिसत नाही.
• सर्वाधिक पगार अमेरिकी आकडेवारीत एका मर्यादेपर्यंतच नोंदवले जातात, आणि एप्रिल 2023 पासून वेगळ्या पद्धतीने; त्यांना एकच समान नियम लावल्यावर निकाल जवळजवळ बदलत नाहीत.
• त्याच वेळी तंत्रज्ञान उद्योगातील नोकरकपातीचा फटका बसलेल्या संगणक आणि गणित क्षेत्रातील नोकऱ्या वगळल्या, तरीही शिक्षणाच्या मोबदल्यातील घट 0.49 अंक राहते.

कारकिर्दीच्या उत्तरार्धातील घसरण हा पुराव्याचा सर्वात कमकुवत भाग आहे: प्रकाशनापूर्वीही वक्राचे ते टोक थोडे डळमळत होते.

भाकीत नव्हे

पदव्यांचे मूल्य संपले आहे किंवा पदवीधर कमी उत्पादक झाले आहेत, असा दावा लेखक करत नाहीत. त्यांचा निकाल म्हणजे सामोरे जाणाऱ्या नोकऱ्यांमधील किमतींची एक अल्पकालीन फेरआखणी. शिक्षणाच्या निवडी, प्रशिक्षण आणि प्रवेशस्तरावरील नोकऱ्या यांत बदल होत जातील. दीर्घकाळात एक प्रश्न सर्वाधिक महत्त्वाचा ठरू शकतो, असे ते लिहितात: AI ने शिकण्याच्या प्रक्रियेचाच काही भाग स्वयंचलित केला, तर अधिक मौल्यवान होत जाणारे व्यावहारिक कसब कामगार अजूनही आत्मसात करू शकतील का.