विभिन्न अवसरों के लिए बायोडाटा भेजते और दस्तावेजों को अनुकूलित करते समय, उम्मीदवार अक्सर देखते हैं कि प्राप्त उत्तर समान होते हैं। स्टैनफोर्ड विश्वविद्यालय द्वारा किए गए एक शोध से पता चलता है कि यह समानता संयोग नहीं हो सकती है।
विभिन्न अवसरों के लिए बायोडाटा भेजते और दस्तावेजों को अनुकूलित करते समय, उम्मीदवार अक्सर देखते हैं कि प्राप्त उत्तर समान होते हैं। स्टैनफोर्ड विश्वविद्यालय द्वारा किए गए एक शोध से पता चलता है कि यह समानता संयोग नहीं हो सकती है।
शोधकर्ताओं ने लाखों आवेदनों का विश्लेषण किया और निष्कर्ष निकाला कि विभिन्न कंपनियां ऐसे आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग कर सकती हैं जो समान स्वीकृति और अस्वीकृति मानदंड दोहराते हैं। 'एल्गोरिथमिक मोनोकल्चर इन हायरिंग' नामक इस शोध में 11 आर्थिक क्षेत्रों की 156 कंपनियों द्वारा 3.4 मिलियन से अधिक व्यक्तियों द्वारा जमा किए गए लगभग 4 मिलियन आवेदनों की जांच की गई।
पहचाना गया एक महत्वपूर्ण कारक यह था कि ये सभी संगठन एक ही प्रदाता द्वारा प्रदान किए गए एल्गोरिदम का उपयोग कर रहे थे। इस विवरण ने 'एल्गोरिथमिक मोनोकल्चर' नामक घटना की पहचान करने में मदद की, जो कृषि से प्रेरित शब्द है, जहां विशाल क्षेत्र केवल एक प्रकार की फसल के लिए समर्पित होते हैं। जब कई कंपनियां समान उपकरणों को अपनाती हैं, तो यह संभावना बढ़ जाती है कि वे मूल रूप से समान तर्क का पालन करते हुए उम्मीदवारों का मूल्यांकन करेंगे, जो मॉडल की अंतर्निहित सफलताओं और विफलताओं दोनों पर लागू होता है।
एक अन्य प्रासंगिक खोज समान उम्मीदवार प्रोफाइल से संबंधित है। अध्ययन के अनुसार, समान विशेषताओं वाले व्यक्तियों को अलग-अलग निगमों में नौकरियों के लिए प्रतिस्पर्धा करते समय भी सुसंगत मूल्यांकन प्राप्त होने की प्रवृत्ति होती है। प्राथमिक परिणाम बताते हैं कि चार चयन प्रक्रियाओं में भाग लेने वाले लगभग 10% उम्मीदवारों को उन सभी में अस्वीकार कर दिया जाता है। इसके अतिरिक्त, दस नौकरियों के लिए आवेदन करने वालों में से लगभग 4% लगातार दस अस्वीकृतियाँ झेलते हैं।
इन अस्वीकृतियों की आवृत्ति स्वतंत्र रूप से लिए गए निर्णयों में अपेक्षित आवृत्ति से अधिक होती है। यह ध्यान देने योग्य है कि कई बायोडाटा मानव भर्तीकर्ता द्वारा जांचे जाने से पहले ही हटा दिए जाते हैं। यह पुष्टि करने के लिए कि क्या यह व्यवहार यादृच्छिक था, शोधकर्ताओं ने डेटा की तुलना एक सैद्धांतिक आधार रेखा और एल्गोरिथम केंद्रीकरण के बिना भर्ती पर पिछले अध्ययनों से की, जिससे पता चला कि लगातार अस्वीकृतियाँ विभिन्न चयन प्रक्रियाओं के बीच एक सामान्य पैटर्न को दर्शाती हैं।
किए गए सिमुलेशन के अनुसार, बायोडाटा भेजना जारी रखना अभी भी फायदेमंद है। अध्ययन इंगित करता है कि आवेदन की मात्रा बढ़ाने से अवसर प्राप्त करने की संभावना में सुधार होता है, हालांकि यह लाभ कम हो जाता है जब कंपनियां समान सिस्टम का उपयोग करती हैं। एक ऐसे परिदृश्य में जहां निर्णय स्वायत्त होते हैं, कम से कम एक सकारात्मक सिफारिश प्राप्त करने की उच्च संभावना तक पहुंचने के लिए लगभग दस आवेदन पर्याप्त होंगे। हालांकि, जब प्रक्रियाएं केंद्रीकृत प्लेटफार्मों द्वारा मध्यस्थ होती हैं, तो 99.9% की संभावना सुनिश्चित करने के लिए यह संख्या बढ़कर लगभग 25 आवेदन हो जाती है।
लेखकों ने भर्ती के लिए लक्षित प्रौद्योगिकी बाजार के केंद्रीकरण पर भी एक चेतावनी जारी की है। चूंकि कुछ ही आपूर्तिकर्ता कई कंपनियों को सेवा प्रदान करते हैं, इसलिए मौजूद कोई भी पूर्वाग्रह या सीमा तेजी से फैल सकती है। इसके अलावा, इन प्लेटफार्मों की कम पारदर्शिता स्वतंत्र शोध को मुश्किल बनाती है और यह समझने को जटिल बनाती है कि ऐसे उपकरण रोजगार तक पहुंच को कैसे प्रभावित करते हैं, जबकि कई उम्मीदवारों के लिए, यह पूरी प्रक्रिया तब होती है जब वे यह नहीं जानते कि किसी एल्गोरिथम ने बायोडाटा का पहला विश्लेषण किया है।
आर्टिफिशियल इंटेलिजेंस (एआई) उपकरण विभिन्न क्षेत्रों में उत्पादकता बढ़ाने की बड़ी क्षमता प्रदर्शित कर रहे हैं। हालांकि, हाल के शोध बताते हैं कि इन तकनीकों का अंधाधुंध उपयोग व्यक्तियों की संज्ञानात्मक क्षमताओं को कमजोर कर सकता है।
विश्लेषण किए गए अध्ययनों से पता चलता है कि इन प्रणालियों पर अत्यधिक निर्भरता तकनीकी सहायता के बिना समस्याओं को हल करने के उपयोगकर्ताओं की योग्यता को कम कर सकती है। यह चेतावनी छात्रों और पेशेवरों के साथ किए गए शोधों से सामने आई, जहां एआई का उपयोग करने वाले प्रतिभागियों ने प्रदर्शन में तत्काल सुधार हासिल किया, लेकिन स्वतंत्र रूप से उन्हीं कार्यों को करने में कठिनाई का सामना किया।
श्रमिकों और छात्रों के साथ किए गए प्रयोगों ने पुष्टि की कि एआई उन गतिविधियों में परिणाम अनुकूलित कर सकता है जो उनकी दक्षताओं के अनुरूप हैं। बॉस्टन कंसल्टिंग ग्रुप के सैकड़ों सलाहकारों को शामिल करने वाले एक शोध में, व्हार्टन स्कूल के शोधकर्ताओं ने टूल तक पहुंच रखने वालों द्वारा पूरे किए गए कार्यों की संख्या में वृद्धि और खर्च किए गए समय में कमी देखी।
यह सर्वेक्षण, जिसे 2026 में ऑर्गनाइजेशन साइंस पत्रिका में प्रकाशित किया गया था, में पता चला कि एआई द्वारा सहायता प्राप्त कर्मचारियों ने उन कार्यों में बेहतर गुणवत्ता वाला काम किया जहां प्रौद्योगिकी अधिक सक्षम थी। सबसे महत्वपूर्ण प्रगति उन पेशेवरों के बीच देखी गई जिनके पास शुरू में मामूली प्रदर्शन था।
एक समान निष्कर्ष कारनेगी मेलन विश्वविद्यालय के ग्रेस लियू द्वारा किए गए एक अध्ययन में पाया गया, जो गणितीय समस्या-समाधान पर केंद्रित था। एआई तक पहुंच वाले और न रखने वाले छात्रों की तुलना करते हुए, अध्ययन ने उन लोगों के बीच बेहतर प्रदर्शन की पहचान की जो अभ्यास के दौरान संसाधन का उपयोग कर सके।
तत्काल लाभों के बावजूद, शोधकर्ताओं ने तकनीकी सहायता हटाने के बाद प्रतिकूल प्रभावों का पता लगाया। एआई के आदी व्यक्तियों ने उन लोगों की तुलना में कम प्रदर्शन करना शुरू कर दिया जिन्होंने कभी भी उस संसाधन का उपयोग नहीं किया था और कठिनाइयों के प्रति कम लचीलापन दिखाया।
इसके अतिरिक्त, एक अन्य अध्ययन ने जांच की कि एआई सिस्टम द्वारा उत्पन्न प्रतिक्रियाओं पर अत्यधिक विश्वास निर्णय लेने को कैसे प्रभावित करता है। स्टीवन शॉ और गिडियन नेव ने 1,300 से अधिक प्रतिभागियों का मूल्यांकन किया और 'संज्ञानात्मक आत्मसमर्पण' नामक एक घटना की पहचान की, जिसकी विशेषता मशीन द्वारा प्रदान किए गए निष्कर्ष के पक्ष में उपयोगकर्ता द्वारा अपने स्वयं के मूल्यांकन को छोड़ देना है।
शोधकर्ता तर्क देते हैं कि एआई एक तीसरे संज्ञानात्मक तंत्र के रूप में कार्य कर सकता है, जो डैनियल काहनेमैन द्वारा वर्णित त्वरित सोच और विस्तृत विश्लेषण के पारंपरिक तरीकों को पूरक बनाता है। समस्या तब उत्पन्न होती है जब यह उपकरण मानव तर्क का पूरक होने के बजाय उसे पूरी तरह से प्रतिस्थापित करना शुरू कर देता है।
विशेषज्ञ इस बात पर जोर देते हैं कि एआई के सामने महत्वपूर्ण कौशल यह तय करना होगा कि कौन से कार्य मानव नियंत्रण में रहने चाहिए और किसे स्वचालित प्रणालियों को सौंपा जा सकता है। सहयोग तब अधिक प्रभावी होता है जब उपयोगकर्ता प्रौद्योगिकी की सीमाओं को समझता है और उसके आउटपुट का न्याय कर सकता है।
नेचर ह्यूमन बिहेवियर पत्रिका में 2024 में प्रकाशित एक विश्लेषण, जो एआई के साथ 106 प्रयोगों पर आधारित था, ने दिखाया कि मनुष्यों और मशीनों के बीच संयुक्त प्रदर्शन तब अनुकूलित होता है जब प्रत्येक पक्ष अपनी सबसे बड़ी ताकत वाले क्षेत्र में कार्य करता है। हालांकि, जब प्रणाली श्रेष्ठता प्रदर्शित करती है, तो उपकरण पर भरोसा करना है या उसका खंडन करना है, यह जानने में मानवीय कठिनाई अंतिम परिणाम को खतरे में डाल सकती है।
साक्षात्कार किए गए विशेषज्ञों ने इस बात पर प्रकाश डाला कि विचारों की प्रारंभिक संकल्पना, पाठ लेखन और ज्ञान सृजन जैसी प्रक्रियाओं में सक्रिय मानवीय भागीदारी की आवश्यकता होती है। उनके लिए, एआई मौजूदा कार्यों की समीक्षा करने, तर्कों पर सवाल उठाने और उन्हें परिष्कृत करने के चरणों में अधिक मूल्यवान है।
चिंता शैक्षिक वातावरण तक फैली हुई है। उद्धृत अध्ययनों ने संकेत दिया कि छात्र केवल स्कूल के कार्यों को तेज करने के लिए एआई का उपयोग करके कम सीख सकते हैं। दूसरी ओर, जब उपकरण का उपयोग स्पष्टीकरण प्राप्त करने, प्रश्न तैयार करने और अवधारणाओं को आत्मसात करने के लिए किया जाता है, तो सीखने की प्रक्रिया को होने वाले नुकसान को कम किया जाता है।
एंथ्रोपिक के जूडी हानवेन शेन और एलेक्स टैमकिन ने नई प्रोग्रामिंग लाइब्रेरी सीखने वाले डेवलपर्स के साथ अपने शोध में बताया कि जब एआई का उपयोग तैयार समाधान प्राप्त करने के शॉर्टकट के रूप में किया जाता था तो वैचारिक, कोड पढ़ने और डीबगिंग में कठिनाइयाँ होती थीं। शोधकर्ताओं की सिफारिश है कि एआई को गहनता के साधन के रूप में पुन: कॉन्फ़िगर किया जाए, जो सीखने के लिए आवश्यक मानसिक प्रयास को समाप्त करने के बजाय प्रश्न पूछने और विश्लेषणात्मक क्षमता का विस्तार करने को प्रोत्साहित करे।
