यूएई के एक एआई विशेषज्ञ के अनुसार, कर्मचारियों का प्रतिरोध या आर्टिफिशियल इंटेलिजेंस (एआई) को अपनाने में देरी संयुक्त अरब अमीरात में कार्यस्थल पर बढ़ती खाई पैदा कर रही है। उन्होंने इस बात पर जोर दिया कि यह तकनीक विलासिता की वस्तु नहीं रह गई है, बल्कि करियर बनाए रखने के लिए एक आवश्यक शर्त बन गई है।
मैनचेस्टर विश्वविद्यालय में एआई में पीएचडी शोधकर्ता और अबू धाबी स्थित कंपनी एआई डाइवर्ज के सह-संस्थापक अब्दुलअज़ीज़ अल शम्सी ने उन कर्मचारियों और उन लोगों के बीच 'बढ़ती और महसूस की जा सकने वाली खाई' के उदय पर प्रकाश डाला जो एआई उपकरणों का प्रभावी ढंग से उपयोग कर रहे हैं और वे जो उनसे कटे हुए हैं।
अल शम्सी ने खलीज टाइम्स को बताया कि चूंकि देश इतनी तेजी से विकसित हो रहा है, इसलिए कृत्रिम बुद्धिमत्ता के मूल सिद्धांतों का ज्ञान किसी भी कर्मचारी के लिए अनिवार्य कौशल बन गया है, भले ही उसकी विशेषज्ञता कुछ भी हो। उन्होंने इसकी तुलना दो दशक पहले कंप्यूटर साक्षरता से की, यह देखते हुए कि आज यह अतिरिक्त लाभ नहीं, बल्कि काम की आवश्यकताओं का हिस्सा है।
यह चेतावनी यूएई के बड़े पैमाने पर स्वायत्त प्रणालियों का उपयोग करने वाला दुनिया का पहला देश बनने की तीव्र इच्छा के संदर्भ में आई। अप्रैल 2026 में, शेख मोहम्मद बिन राशिद अल मक्तूम, यूएई के उपाध्यक्ष और प्रधान मंत्री और दुबई के शासक ने एक राष्ट्रीय योजना की घोषणा की, जिसमें दो वर्षों के भीतर संघीय सरकारी क्षेत्रों, सेवाओं और संचालन के 50 प्रतिशत को एजेंटिक एआई सिस्टम पर स्थानांतरित करने का प्रावधान है।
इस परिवर्तन का समर्थन करने के लिए, यूएई ने इतिहास में सबसे बड़ी प्रशिक्षण कार्यक्रम शुरू किया, जिसका उद्देश्य मंत्रियों से लेकर वरिष्ठ अधिकारियों तक 80,000 सरकारी कर्मचारियों को एजेंटिक एआई उपकरणों में प्रशिक्षित करना है।
अल शम्सी, जिनकी कंपनी सरकारी और निजी संरचनाओं के लिए अर्ध-स्वायत्त रूप से योजना बनाने, निर्णय लेने और कार्य करने में सक्षम एजेंटिक एआई सिस्टम विकसित और बनाने में लगी हुई है, ने समझाया कि एआई एक 'बहु-विषयक उपकरण' है जो लगभग सभी क्षेत्रों में लागू होता है। हालांकि, सीधा प्रभाव पेशे पर निर्भर करता है:
कार्यालय और ज्ञान कार्यकर्ता: लेखन, विश्लेषण, ग्राहक सेवा, मानव संसाधन और विपणन जैसे भूमिकाओं के लिए, लाभ 'सीधे और तुरंत दिखाई देने वाले' हैं।
तकनीकी और अनुसंधान भूमिकाएं: एआई एक साधारण सहायक उपकरण से मुख्य कार्य प्रणाली का एक अभिन्न अंग बन गया है।
क्षेत्रीय और शारीरिक कार्य: हालांकि दैनिक उपयोग अभी कम है, रोबोटिक्स और स्वचालन में प्रगति के साथ प्रभाव लगातार बढ़ रहा है।
उन्होंने जोड़ा कि कोई भी क्षेत्र इस तकनीक के प्रभाव से पूरी तरह अप्रभावित नहीं है, लेकिन प्रभाव की गति और गहराई काम की प्रकृति के आधार पर भिन्न होती है।
नौकरी खोने की चिंताओं का जवाब देते हुए, अल शम्सी ने स्पष्ट किया कि एआई मानव क्षमताओं को बढ़ाने के लिए बनाया गया है, न कि उन्हें बदलने के लिए। उन्होंने कई व्यावहारिक उदाहरण सूचीबद्ध किए जो कर्मचारियों की उत्पादकता को तुरंत बढ़ा सकते हैं:
घंटों के बजाय मिनटों में बड़ी मात्रा में दस्तावेजों और रिपोर्टों का सारांश और विश्लेषण करना।
आधिकारिक पत्राचार, प्रस्तुतियों और प्रारंभिक सामग्री योजनाओं का मसौदा तैयार करना।
डेटा संगठन और अक्सर पूछे जाने वाले प्रश्नों के उत्तर देने जैसे नियमित, दोहराए जाने वाले कार्यों को स्वचालित करना।
विशाल डेटासेट का विश्लेषण करके और पैटर्न निकालकर निर्णय लेने में सहायता करना।
विचार-मंथन और प्रारंभिक परियोजना योजना, जहां एआई 'सोचने वाले भागीदार' के रूप में कार्य करता है।
उनके अनुसार, मुख्य विचार यह है कि एआई मुख्य रूप से कर्मचारी को प्रतिस्थापित नहीं करता है; बल्कि, यह तैयारी के कार्यों में लगने वाले समय की बचत करता है, जिससे व्यक्ति उस पर ध्यान केंद्रित कर सकता है जिसके लिए मानवीय निर्णय और अनुभव की आवश्यकता होती है।
स्पष्ट लाभों के बावजूद, अल शम्सी ने कर्मचारियों से आग्रह किया कि वे दैनिक कार्यप्रवाह में एआई को एकीकृत करते समय विवेक बरतें। उन्होंने चार महत्वपूर्ण चिंता के क्षेत्रों को उजागर किया:
डेटा गोपनीयता: कर्मचारियों को यह जांचना चाहिए कि दर्ज किए गए डेटा को कहाँ संग्रहीत किया जाता है, विशेष रूप से संवेदनशील कार्य जानकारी, ताकि कॉर्पोरेट या सरकारी डेटा के आकस्मिक रिसाव को रोका जा सके।
मानवीय निरीक्षण: एआई उपकरण उच्च आत्मविश्वास के साथ गलत जानकारी उत्पन्न कर सकते हैं। महत्वपूर्ण निर्णय लेने या आधिकारिक डेटा प्रकाशित करने पर मानवीय जांच महत्वपूर्ण बनी हुई है।
आंतरिक नीतियां: कर्मचारियों को अपने संगठन के विशिष्ट दिशानिर्देशों का पालन करना होगा जो अनुमत बाहरी एआई उपकरणों से संबंधित हैं।
अत्यधिक निर्भरता: एआई को आलोचनात्मक सोच के पूर्ण प्रतिस्थापन के बजाय एक सहायक बने रहना चाहिए, ताकि कर्मचारी के विश्लेषणात्मक और मूल्यांकन कौशल का धीरे-धीरे क्षरण न हो।
उन लोगों के लिए जो तकनीकी परिवर्तनों की तेज गति से अभिभूत महसूस करते हैं, अल शम्सी ने छोटे से शुरू करने की उत्साहजनक सलाह दी। उनकी मुख्य सलाह है कि प्रत्यक्ष व्यावहारिक अनुभव प्राप्त करें, क्योंकि यह क्षेत्र केवल सैद्धांतिक पठन के बजाय अभ्यास के माध्यम से अधिक सीखा जाता है। वह कार्य वातावरण में इन उपकरणों का उपयोग 'कब' और 'कब नहीं' करना चाहिए, इसकी समझ को प्रोत्साहित करते हैं, न कि केवल तकनीकी 'कैसे' को।
उन्होंने एक बार में सब कुछ सीखने की कोशिश करने के बजाय प्रतिदिन छोटे, विशिष्ट कार्यों को हल करने का सुझाव दिया। अल शम्सी ने उल्लेख किया कि इस क्षेत्र में सीखने की वक्र अभी भी उन लोगों के लिए काफी लचीली है जो अब गंभीरता और प्रतिबद्धता के साथ शुरुआत करते हैं। वास्तविक अंतर इस बात में नहीं है कि 'आपने कब शुरू किया', बल्कि इस बात में है कि 'क्या आपने वास्तव में शुरू किया और जारी रखा'।
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।
