कल की एआई आज की दुनिया की जरूरतों को पूरा नहीं कर पाएगी।

तीन साल पहले, केन्या में काम करने वाले श्रमिकों ने ओपनएआई के लिए डेटा लेबलिंग करते समय जिन परिस्थितियों का सामना किया, वे अंतरराष्ट्रीय सुर्खियों में छा गए थे। ये श्रमिक अपना पूरा दिन इंटरनेट पर मौजूद सबसे परेशान करने वाली सामग्री – घृणास्पद भाषण, यौन शोषण और हिंसक छवियों – को छांटने में बिताते थे, और उन्हें प्रति घंटे लगभग 1.35 डॉलर मिलते थे। उनके द्वारा तैयार किए गए लेबलों का उपयोग चैटजीपीटी को हानिकारक या प्रतिबंधित सामग्री की पहचान करने के लिए प्रशिक्षित करने में किया गया था।

2023 में, अधिकांश आक्रोश – सही ही – इन डेटा लेबलरों की कार्य परिस्थितियों पर केंद्रित था। लेकिन 2026 में इस कहानी पर दोबारा गौर करने पर, यह एक अलग ही भयावह रूप ले लेती है।

कृत्रिम बुद्धिमत्ता (एआई) को लेकर नई चिंताओं के बीच, लोगों को यह आशंका सताने लगी है कि आईटी सेवा क्षेत्र की नौकरियां पूरी तरह से लुप्त हो सकती हैं। इस दृष्टिकोण के अनुसार, चैटजीपीटी को प्रशिक्षित करने में मदद करके, ये कर्मचारी अनजाने में उस प्रकार के व्यापार योग्य सेवा कार्य को स्वचालित करने में योगदान दे रहे हैं, जिसे वे स्वयं करते थे, जिससे केन्या की समृद्धि का मार्ग संकरा हो सकता है।

लेकिन इस बात के कितने सबूत हैं कि विकासशील देशों में एआई से संबंधित विस्थापन वास्तव में शुरू हो चुका है? और जब एआई से प्रभावित श्रमिक, कंपनियाँ और देश स्वयं अनुकूलन, सुधार और परिवर्तन करेंगे, तो आगे क्या होगा, इसका हम कैसे अनुमान लगा सकते हैं?

विकास की सीढ़ी चढ़ना

ऐतिहासिक रूप से, विनिर्माण क्षेत्र में वृद्धि ही देशों को गरीबी से बाहर निकालने का मार्ग रही है। जापान, दक्षिण कोरिया, ताइवान और विशेष रूप से चीन में, निर्यात विनिर्माण के विस्तार ने लाखों लोगों को खेतों से निकालकर कारखानों में बेहतर वेतन वाली नौकरियों की ओर आकर्षित किया। अंतर्राष्ट्रीय प्रतिस्पर्धा के दबाव में, पूर्वी एशियाई कंपनियाँ तेजी से तकनीकी क्षेत्र में अग्रणी बन गईं।

लेकिन वियतनाम और बांग्लादेश जैसे कुछ अपवादों को छोड़कर, विकासशील देश पूर्वी एशिया की सफलता को दोहराने में काफी हद तक असफल रहे हैं। भारत में, सकल घरेलू उत्पाद (जीडीपी) में विनिर्माण का हिस्सा कभी भी 20% से अधिक नहीं रहा है और 2010 के बाद से इसमें गिरावट भी आई है। उप-सहारा अफ्रीका में, विनिर्माण जीडीपी का लगभग 10% है। नए विश्लेषण से पता चलता है कि पिछले 30 वर्षों में, सबसे गरीब देशों में विनिर्माण उत्पादकता वैश्विक स्तर से काफी नीचे बनी हुई है।

आईटी सेवाओं में प्रवेश करें।

विश्वभर में सस्ते ब्रॉडबैंड के आगमन ने पश्चिमी कंपनियों के लिए सूचना प्रौद्योगिकी सेवाओं की आउटसोर्सिंग को संभव बना दिया, जिससे वे विकासशील देशों में सस्ते श्रम का लाभ उठा सकीं। 1999 में, भारत ने अपने दूरसंचार क्षेत्र को उदार बनाया, जिससे हाई-स्पीड इंटरनेट को अपनाने में तेजी आई और इंफोसिस और विप्रो जैसी नई कंपनियों को अत्यधिक लाभ कमाने का अवसर मिला। भारत में एक नए क्षेत्र – "बिजनेस प्रोसेस आउटसोर्सिंग" (बीपीओ) – का जन्म हुआ।

विकास को गति देने के लिए संघर्ष कर रहे देशों के लिए, बीपीओ एक जीवन रेखा की तरह प्रतीत हुआ। पुराने समय के निर्यात विनिर्माण रोजगारों की तरह, निर्यात सेवाओं ने पर्याप्त विदेशी मुद्रा राजस्व उत्पन्न करने के साथ-साथ बड़ी संख्या में बेहतर वेतन वाली नौकरियां पैदा करने का वादा किया। 2021 में, विश्व बैंक ने "सेवा-आधारित विकास की संभावनाओं" की प्रशंसा करते हुए एक रिपोर्ट प्रकाशित की , जिसमें "श्रम उत्पादकता में सुधार करने वाले नवाचार" के प्रति उनकी प्रतिबद्धता पर प्रकाश डाला गया।

पिछले कुछ दशकों में, फिलीपींस और ब्राजील जैसे देशों ने बड़े आईटी क्षेत्र विकसित किए हैं, जो प्रति वर्ष अरबों डॉलर की सेवाएं निर्यात करते हैं और प्रत्येक देश में लगभग 20 लाख कर्मचारी कार्यरत हैं।¹ ¹ , वैश्विक स्तर पर, इस क्षेत्र में स्पष्ट रूप से अग्रणी भारत था, जिसके आईटी सेवा क्षेत्र में 58 लाख लोग कार्यरत थे और जिसने 2025 में 200 अरब डॉलर का निर्यात किया।

कृत्रिम बुद्धिमत्ता (एआई) द्वारा मानव नौकरियों को विस्थापित करने का डर अब सर्वव्यापी हो गया है। अमेरिका में, सॉफ्टवेयर विकास और ग्राहक सेवा में प्रवेश स्तर की नौकरियों में होने वाले व्यवधान पर ध्यान केंद्रित हो गया है – ये वे कार्य हैं जिन्हें (कम से कम सिद्धांत रूप में) एआई कोडिंग एजेंटों द्वारा सबसे आसानी से स्वचालित किया जा सकता है। अर्थशास्त्रियों एरिक ब्रायनजोल्फसन, भरत चंदर और रुयु चेन के एक प्रभावशाली शोध पत्र में पाया गया कि एआई से सबसे अधिक प्रभावित क्षेत्रों में कार्यरत शुरुआती करियर वाले कर्मचारियों (अमेरिका में 22-25 वर्ष की आयु वर्ग के) के रोजगार में 2022 से 19% की सापेक्ष गिरावट आई है।

स्वाभाविक रूप से, अब ध्यान निम्न और मध्यम आय वाले देशों में रहने वाले 68 लाख लोगों पर कृत्रिम बुद्धिमत्ता (एआई) के प्रभावों की ओर केंद्रित होने लगा है। अब तक, एआई का 25 लाख लोगों पर, जो अभी भी लघु कृषि पर निर्भर हैं, कोई खास सकारात्मक या नकारात्मक प्रभाव नहीं पड़ा है। विनिर्माण क्षेत्र में भी प्रभाव के प्रमाण सीमित हैं, हालांकि संभवतः औद्योगिक रोबोटिक्स में एआई-प्रेरित प्रगति भविष्य में देखने को मिल सकती है। सेवा निर्यात में एआई से संबंधित नौकरियों के विस्थापन का खतरा सबसे अधिक है।

कोयले की खान में कैनरी पक्षी

ChatGPT के लॉन्च को अब चार साल हो चुके हैं। एजेंट ग्राहक सेवा का अधिकांश काम करने में सक्षम हैं; वास्तव में, कॉर्पोरेट सहायता लाइनों को ChatGPT या Claude रैपर से तेजी से प्रतिस्थापित किया जा रहा है। तो विकासशील देशों में स्वचालन सेवा निर्यात को किस हद तक विस्थापित कर रहा है?

हम अमेरिका में ब्रिनजोल्फसन एट अल द्वारा एआई-प्रभावित विस्थापन पर किए गए हालिया शोध से सीख ले सकते हैं और देख सकते हैं कि एआई विस्थापन से सबसे अधिक प्रभावित होने वाले लोगों, यानी प्रवेश स्तर के तकनीकी कर्मचारियों के लिए रोजगार किस प्रकार विकसित हो रहा है। ²

किसी भी विकासशील देश से उपलब्ध सर्वोत्तम आंकड़ों में से ³ भारत का आवधिक श्रम बल सर्वेक्षण (पीएलएफएस) है, जो रोजगार और वेतन के रुझानों का उच्च-आवृत्ति विश्लेषण करता है।³ हम एआई के प्रभाव को सटीक रूप से समझने के लिए अर्थशास्त्रियों द्वारा वर्णित "ट्रिपल डिफरेंस" विधि का उपयोग कर सकते हैं। सबसे पहले, हम एआई-प्रभावित उद्योगों में युवा श्रमिकों (15-24 वर्ष आयु वर्ग) के रोजगार को लेते हैं और उसी उद्योग में वृद्ध श्रमिकों (25-39 वर्ष आयु वर्ग) के रुझान को घटाते हैं। फिर हम एआई से काफी हद तक अछूते उद्योगों में युवा बनाम वृद्ध श्रमिकों की यही तुलना कर सकते हैं। अंत में, इन दोनों अंतरों के बीच का अंतर लेकर, हम एआई से सबसे अधिक प्रभावित उद्योगों में प्रवेश स्तर के रोजगार पर पड़ने वाले प्रभाव को अलग कर सकते हैं।

ऊपर दिया गया चार्ट रोजगार में इस तिहरे अंतर को दर्शाता है, जिसमें ऊर्ध्वाधर पट्टियों द्वारा विश्वास अंतराल को चिह्नित किया गया है। चैटजीपीटी से पहले के तीन वर्षों में, एआई से सबसे अधिक प्रभावित और अप्रभावित उद्योगों में प्रवेश स्तर के और वरिष्ठ कर्मचारियों के बीच बहुत कम अंतर था। लेकिन 2022 के बाद – जिस वर्ष चैटजीपीटी को सार्वजनिक किया गया – एआई से सबसे अधिक प्रभावित युवा कर्मचारियों के लिए सापेक्ष रोजगार में अचानक 32% की गिरावट आई। तब से सापेक्ष रोजगार में सुधार नहीं हुआ है, और नवीनतम 2025 के स्नैपशॉट में यह 2022 के आधार स्तर से लगभग 20% नीचे बना हुआ है।

हमें इस परिणाम का अतिरंजित विश्लेषण करने से बचना चाहिए। संभव है कि यह गिरावट उन संरचनात्मक कारकों को दर्शाती हो जो जनरेटिव एआई के उदय के साथ-साथ घटित हो रहे थे। उदाहरण के लिए, कुछ भारतीय आईटी कंपनियों ने महामारी के दौरान जरूरत से ज्यादा भर्तियां कीं और 2023 में स्नातक भर्ती रोक दी।

रोजगार में ठोस सुधार न होना—भले ही बीपीओ कंपनियों द्वारा एआई को अपनाने में वृद्धि के बारे में बयानबाजी की जा रही हो—इस बात का संकेत देता है कि इसका प्रभाव वास्तविक हो सकता है। संयोगवश, यह ब्रायनजोल्फसन और उनके सह-लेखकों द्वारा किए गए शोध के नवीनतम संशोधन के परिणाम से मेल खाता है, जिसमें एआई से प्रभावित युवा श्रमिकों के रोजगार में 19% की गिरावट के गायब होने के कोई संकेत नहीं दिख रहे हैं।

लेकिन हमें इसे इस बात का संकेत नहीं मानना चाहिए कि सभी नौकरियाँ खत्म हो रही हैं। यह डेटा एक देश के एक ही क्षेत्र से है, और उन श्रमिकों से संबंधित है जिनके सबसे अधिक प्रभावित होने की संभावना है। अभी तक सभी आयु वर्गों या एआई-प्रभावित क्षेत्रों में व्यापक मंदी का कोई प्रमाण नहीं है। यहाँ तक कि यह परिणाम भी सांख्यिकीय रूप से शून्य से बहुत कम भिन्न है।

हम कब और कैसे स्पष्ट निष्कर्ष निकाल सकते हैं? इसमें हमारी अपेक्षा से अधिक समय लग सकता है – अधिकांश अन्य विकासशील देशों में, आंकड़े प्राप्त होने में काफी देरी होती है।

उड़ान भरने के बाद से ही अंधेरे में उड़ान भर रहे हैं

“सज्जनों, आप 60 दिन देर से आए हैं। मंदी खत्म हो चुकी है।” हर्बर्ट हूवर, जून ⁴

1930 में, महामंदी पूरी तरह से समाप्त नहीं हुई थी। लेकिन हूवर को यह कैसे पता चलता? यह कुज़नेट्स की "राष्ट्रीय आय" रिपोर्ट के 1934 में प्रस्तुत होने से पहले की बात थी, जो आधुनिक राष्ट्रीय आय खातों और जीडीपी की पूर्ववर्ती थी। यह विश्वसनीय मासिक बेरोजगारी आंकड़ों के उपलब्ध होने से पहले की बात भी थी, क्योंकि आधुनिक घरेलू सर्वेक्षण 1940 तक शुरू नहीं हुआ था।

आज के कई नेता, विशेषकर निम्न और मध्यम आय वाले देशों में, खुद को 1930 के दशक में हूवर जैसी ही स्थिति में पाते हैं — आर्थिक परिवर्तन के दौर में प्रवेश करते हुए वे इस बात से अनजान हैं कि उनकी अर्थव्यवस्थाएं वास्तव में किस तरह बदल रही हैं। भारत का पीएलएफएस एक उल्लेखनीय प्रयास है, और ऐसा कोई समकक्ष अन्य देशों में नहीं है जो आईटी निर्यात में अचानक आई गिरावट के प्रति समान रूप से संवेदनशील हो सकते हैं।

उदाहरण के लिए, फिलीपींस को लें, जो एक महत्वपूर्ण सेवा निर्यात क्षेत्र वाला देश है। उनके व्यापार और उद्योग का वार्षिक सर्वेक्षण अध्ययन अवधि के एक वर्ष से अधिक समय बाद जारी किया जाता है। इससे एआई क्षमताओं में बदलाव के जवाब में श्रम बल में होने वाले उच्च-आवृत्ति परिवर्तनों का विश्लेषण करने में यह लगभग बेकार हो जाता है। शायद फेबल 8 के जारी होने तक हम फिलीपींस के आईटी क्षेत्र के श्रम बल पर फेबल 5 (और आज के अन्य अग्रणी मॉडलों) के प्रभाव को पूरी तरह से अलग नहीं कर पाएंगे। वास्तविक समय का कोई ट्रैकिंग डेटा उपलब्ध नहीं है ⁵

एआई अर्थशास्त्र अनुसंधान पर अब जो ध्यान और धन लगाया जा रहा है, उससे यह संभावना है कि हमें अपने जैसे ही अनुमानों की भरमार देखने को मिलेगी, जो कि हाल ही में प्रकाशित कार्य पत्रों के सारांशों से मिलेंगे और यह बताएंगे कि एआई ने किस प्रकार श्रमिकों की एक श्रेणी को दूसरी श्रेणी के सापेक्ष विस्थापित किया है या किसी कंपनी में उत्पादकता को दूसरी कंपनी के सापेक्ष बढ़ाया है।

इसलिए, हमारे पास जो आंकड़े हैं, उनका ज़रूरत से ज़्यादा विश्लेषण करना और भारत के युवा आईटी कर्मचारियों के सामने आने वाले रोज़गार संकट के बारे में ट्विटर पर तुरंत टिप्पणी करना लुभावना लग सकता है। लेकिन हर नतीजा पहेली का सिर्फ़ एक हिस्सा है। यह नतीजा – और इसके जैसे अन्य नतीजे – हमें समग्र प्रभावों के बारे में नहीं बताते।

और फिर, इसे भविष्य में लागू करने का एक छोटा सा सवाल ही रह जाता है। भले ही हम आज की अर्थव्यवस्थाओं को पूरी तरह से समझ लें, लेकिन इसे भविष्य के मॉडलों की क्षमताओं के अनुरूप ढालना हमें बेहद भ्रामक पूर्वानुमानों की ओर ले जा सकता है।

इतने भी मूर्ख न होने वाले किसान और जनसंख्या विस्फोट जो वास्तव में नहीं हुआ

कृत्रिम बुद्धिमत्ता के आर्थिक प्रभावों के बारे में कई आशंकाएँ भविष्य की प्रौद्योगिकियों के प्रभावों को एक ऐसी दुनिया पर लागू करने से उत्पन्न होती हैं जो मोटे तौर पर आज की दुनिया से मिलती-जुलती है। लेकिन इस तरह के अनुमानों का इतिहास लंबा और उतार-चढ़ाव भरा रहा है, क्योंकि हम मनुष्य अपनी अपेक्षा से कहीं अधिक अनुकूलनशील होते हैं।

अंतर्राष्ट्रीय विकास में शायद सबसे कुख्यात भविष्यवाणी पॉल एर्लिच की 1968 की बेस्टसेलर पुस्तक "द पॉपुलेशन बॉम्ब" से आती है। जनसंख्या वृद्धि और खाद्य उत्पादन में सीमित प्रगति के देखे गए रुझानों का अनुमान लगाते हुए, एर्लिच ने अत्यधिक जनसंख्या और बड़े पैमाने पर भुखमरी की संभावना पर चिंता व्यक्त की थी। "द पॉपुलेशन बॉम्ब" में प्रस्तुत सबसे आशावादी परिदृश्य, जिसके लिए "संयुक्त राज्य अमेरिका में दृष्टिकोण और व्यवहार की परिपक्वता की आवश्यकता थी, जो विकसित होने की संभावना नहीं लगती," में आधे अरब लोगों (विश्व की जनसंख्या का पांचवां हिस्सा) की भुखमरी से मृत्यु शामिल थी। ⁶

लेकिन एर्लिच के अनुमान मानव व्यवहार के स्थिर अनुमानों पर आधारित थे। वे हरित क्रांति का अनुमान लगाने में विफल रहे, जिसने अनाज की पैदावार में नाटकीय रूप से सुधार किया (विशेषकर भारत में), और जनसांख्यिकीय संक्रमण का भी, जिसमें प्रजनन दर में गिरावट आई। कुपोषण और अकाल से होने वाली मौतों में वास्तव में कमी आई है। एर्लिच ने नवाचार और अनुकूलन की हमारी अक्सर कम आंकी जाने वाली क्षमता पर दांव लगाया, क्योंकि उन्होंने तेजी से बढ़ती आबादी को एक ऐसे भविष्य के विश्व पर थोप दिया, जिसकी उत्पादक संभावनाएं बहुत धीमी गति से बदल रही थीं।

दरअसल, Y2K की घटना, जिसने भारत के आईटी निर्यात क्षेत्र को जबरदस्त बढ़ावा दिया, भविष्यवाणियों के अप्रत्याशित रूप से विफल होने ⁷ एक और उदाहरण है। इस बार, 31 दिसंबर, 1999 की आधी रात से पहले ही, भारत में कोडर्स ने लाखों लाइनों के कोड का निरीक्षण और संशोधन करके आपदा को टालने का प्रयास किया। अंततः, वित्तीय, सरकारी और परिवहन प्रणालियों के एक साथ ध्वस्त होने की वैश्विक स्तर पर विनाशकारी भविष्यवाणियां सच नहीं हुईं, क्योंकि हमने अनुकूलन करके यह सुनिश्चित किया कि ऐसा न हो।

जलवायु अर्थशास्त्र ने भी हाल के दशकों में इसी तरह का सबक सीखा है। जलवायु परिवर्तन से कृषि को होने वाले नुकसान के शुरुआती मॉडल अक्सर अनुमानित तापमान लेते थे, उन्हें विभिन्न तापमानों पर फसल पैदावार के समीकरणों के माध्यम से चलाते थे और नुकसान का अनुमान लगाते थे। स्वाभाविक रूप से, अनुमानों की इस प्रारंभिक पीढ़ी में जलवायु से होने वाले नुकसान का अनुमान बहुत अधिक होता था। लेकिन इन मॉडलों में यह महत्वपूर्ण धारणा अंतर्निहित थी कि किसान बदलते जलवायु के अनुकूल नहीं ढलेंगे।

जलवायु परिवर्तन से होने वाले नुकसान तो निश्चित रूप से बहुत अधिक होंगे। और सभी अनुकूलन सफल नहीं होते: अमेरिकी कृषि में, दीर्घकालिक अनुकूलन से जलवायु परिवर्तन से होने वाले नुकसान को ज़्यादा से ज़्यादा आधा ही कम किया जा सका है, लेकिन संभवतः न के बराबर । अनुकूलन में वास्तविक बाधाएँ हैं — जहाँ अनुकूलन की इच्छा होती है, वहाँ भी ऐसा करने का कोई रास्ता होना ज़रूरी नहीं है।

कृत्रिम बुद्धिमत्ता (AI) का भविष्य भी पिछली चुनौतियों की तरह ही हो सकता है। अनुकूलन से कुछ लोगों को नुकसान उठाना पड़ सकता है। यहाँ तक कि एक ऐसा स्तर भी आ सकता है जहाँ अनुकूलन की क्षमता समाप्त हो जाए। लेकिन अगर आप पाँच या दस साल बाद दुनिया कैसी होगी, इसका अनुमान लगा रहे हैं, तो भविष्य में हमारी अनुकूलन क्षमता को नज़रअंदाज़ करने पर आप बहुत गलत साबित हो सकते हैं। कल की AI आज की दुनिया के लिए नहीं, बल्कि कल की दुनिया के लिए बनी होगी।

इससे अर्थशास्त्रियों के लिए एक छोटा लेकिन शायद रचनात्मक सुझाव मिलता है। पिछले 20 वर्षों से, कारण और प्रभाव को स्पष्ट रूप से अलग करने की क्षमता को अकादमिक आर्थिक अनुसंधान का अनिवार्य आधार माना जाता रहा है। इसके विपरीत, पूर्वानुमान को गौण या तृतीयक दर्जा दे दिया गया है, जो नीति निर्माताओं और (दुःख की बात है) बैंकरों का क्षेत्र बन गया है।

श्रम विभाजन तब तर्कसंगत था जब हम यह उम्मीद कर सकते थे कि आने वाला कल आज के कल जैसा ही होगा। लेकिन अगर एआई वास्तव में विकास के रास्तों को बदलने वाला है, तो अर्थशास्त्रियों के लिए सबसे उपयोगी काम यह नहीं है कि वे बीते कल के झटके को और अधिक सटीक रूप से मापें, बल्कि आने वाले झटके की भविष्यवाणी करने में बेहतर बनें।

हमारे आर्थिक भविष्य की अधिक सटीक परिकल्पनाओं में मशीनों की क्षमताओं और मनुष्यों की अनुकूलनशीलता, दोनों को ध्यान में रखना आवश्यक है। जिस प्रकार मानवता भूख से मरने का इंतजार नहीं करती, उसी प्रकार इंफोसिस के व्यावसायिक अधिकारी भी अपनी जगह से हटाए जाने का इंतजार नहीं कर रहे हैं। हो सकता है कि नौकरियां कम हों या अलग-अलग प्रकार की हों, लेकिन अगर वे कुछ कर सकते हैं, तो संकट से उबरने के लिए विकसित हुआ यह उद्योग एक बार फिर अनुकूलन करने का प्रयास करेगा।

ओलिवर किम एक विकास अर्थशास्त्री हैं और कोएफ़िशिएंट गिविंग के ग्लोबल ग्रोथ फंड में रिसर्च फेलो के रूप में कार्यरत हैं। ⁸ सबस्टैक पर ग्लोबल डेवलपमेंट्स नामक ब्लॉग लिखते हैं । ओलिवर हैनी इन डेवलपमेंट में योगदान देने वाले संपादक हैं और वॉक्सडेव के प्रबंध संपादक हैं, जहाँ वे आइडियाज़ इन डेवलपमेंट पॉडकास्ट की मेजबानी करते हैं।

यदि इस लेख पर आपकी कोई टिप्पणी हो या आप चर्चा में अपना योगदान देना चाहते हों, तो कृपया letters@indevelopmentmag.com पर ईमेल करें। आपकी प्रतिक्रियाएँ पत्र अनुभाग में प्रकाशित की जाएँगी।

1. ओपनएआई की कहानी में अफ्रीकी श्रमिकों को शामिल करना अपेक्षाकृत असामान्य था; केन्या के इस क्षेत्र में 2025 में केवल 36,000 लोग कार्यरत थे। ↩︎
2. यह संभावना है कि पुराने तकनीकी कर्मचारियों ने अधिक "सॉफ्ट स्किल्स" और अधिक विशिष्ट तकनीकी कौशल दोनों हासिल कर लिए हैं, जिससे उन्हें एआई से बदलना अधिक कठिन हो जाता है। ↩︎
3. पीएलएफएस की कार्यप्रणाली को 2025 में संशोधित किया गया था, जिससे पिछली तुलनाएँ करना मुश्किल हो गया है। फिर भी, यह हमारे पास उपलब्ध सर्वोत्तम डेटा है। ↩︎
4. शब्दों का सटीक वर्णन तो स्पष्ट नहीं है, लेकिन संभवतः उन्होंने कुछ इसी तरह की बात कही होगी। ↩︎
5. मापन के नए रूपों, जैसे मशीन लर्निंग द्वारा समर्थित नाउकास्टिंग, उपग्रह डेटा, मोबाइल फोन डेटा और स्वचालित वर्गीकरण, पर शोध की संख्या लगातार बढ़ रही है। यह देखना बाकी है कि क्या इस तरह के नए दृष्टिकोण पारंपरिक प्रशासनिक और सर्वेक्षण डेटा स्रोतों की आवश्यकता को खत्म कर सकते हैं। ↩︎
6. पॉल एर्लिच, द पॉपुलेशन बॉम्ब (सिएरा क्लब बैलांटाइन बुक्स), 80. ↩︎
7. मूल रूप से इसे "मिलेनियम बग" के नाम से जाना जाता था; कई कंप्यूटर प्रोग्राम वर्षों को केवल दो अंकों का उपयोग करके संग्रहीत करते थे, जिससे व्यापक रूप से यह आशंका फैल गई कि सिस्टम "00" को 1900 समझ लेंगे और 1 जनवरी, 2000 को बड़े पैमाने पर क्रैश हो जाएंगे। ↩︎
8. कोएफ़िशिएंट गिविंग के अंतर्गत एक अन्य टीम, इफेक्टिव गिविंग एंड करियर टीम, इन डेवलपमेंट की फंड दाता है। इस लेख को प्रकाशित करने, संपादित करने और लिखने के हमारे संपादकीय निर्णय में उनकी कोई भूमिका नहीं थी, और ओलिवर अपनी व्यक्तिगत क्षमता से लिख रहे हैं। ↩︎