AI से निकाले 30% कर्मचारी फिर रखने पड़ेंगे—Gartner की चेतावनी

Gartner ने 9 सितंबर 2026 को अमेरिका के स्टैमफोर्ड से जारी भविष्य के काम की आधिकारिक घोषणा में अनुमान लगाया कि AI से बदले जाने के कारण हटाए गए कर्मचारियों में 30% को 2029 तक फिर नियुक्त करना पड़ सकता है, अक्सर काफी अधिक लागत पर। कंपनी ने इसे भविष्यवाणी के रूप में पेश किया है—यह अभी हो चुकी पुनर्नियुक्तियों का मापा हुआ परिणाम नहीं है।

यह अनुमान सभी कर्मचारियों या सभी छंटनी का 30% नहीं बताता; इसका दायरा केवल उन कर्मचारियों तक है जिन्हें AI से प्रतिस्थापन के आधार पर हटाया गया हो। 10 सितंबर को प्रकाशित TechRadar की स्वतंत्र रिपोर्ट ने भी इसी दायरे, महंगी पुनर्नियुक्ति की आशंका और मानवीय संदर्भ व निर्णय सुरक्षित रखने की जरूरत को रेखांकित किया।

30% का अनुमान वास्तव में क्या कहता है

मुख्य चेतावनी यह है कि किसी भूमिका के कुछ काम स्वचालित हो जाने को पूरी भूमिका की उपयोगिता समाप्त होने का प्रमाण मानना महंगा पड़ सकता है। नियमित रिपोर्ट, दस्तावेज का सार या प्रारंभिक विश्लेषण AI को सौंपा जा सकता है, लेकिन अपवाद संभालना, पुराने निर्णयों का कारण समझना और विभागों के बीच जवाबदेही तय करना उसी पद में छिपी अलग क्षमताएं हो सकती हैं।

30% एक जोखिम-पूर्वानुमान है, निश्चित परिणाम नहीं। सार्वजनिक घोषणा ने इसकी गणना की विस्तृत पद्धति, कंपनियों का नमूना, देशवार अनुमान या सामान्य छंटनी से तुलना नहीं दी। Computerworld की पड़ताल में बाहरी विश्लेषकों ने इसी आधार पर 30% की सटीकता पर सवाल उठाया, हालांकि उन्होंने जल्दबाजी में हुई AI-संबंधित कटौतियों के वापस पलटने का जोखिम स्वीकार किया।

इसलिए शीर्षक में “फिर रखने पड़ेंगे” को पुराने कर्मचारी की उसी पद पर निश्चित वापसी नहीं समझना चाहिए। जरूरत समान क्षमता के लिए नया पद खोलने, काम को दूसरे नाम से बहाल करने या अधिक अनुभवी व्यक्ति को नियुक्त करने के रूप में भी सामने आ सकती है। उपलब्ध सामग्री इन रूपों का अलग-अलग अनुपात नहीं बताती।

किन पदों पर यह चेतावनी लागू हो सकती है

प्रकाशित सामग्री किसी पेशे या उद्योग की सूची नहीं देती। पहली कसौटी पदनाम नहीं, बल्कि पद समाप्त करने का कारण है: क्या संस्था ने पूरी भूमिका इसलिए हटाई क्योंकि AI उसके कुछ नियमित कार्य कर सकता था? यदि निर्णय का आधार सामान्य लागत-कटौती, पुनर्गठन या मांग में गिरावट था, तो उसे इस 30% अनुमान में स्वतः शामिल नहीं किया जा सकता।

दूसरी कसौटी भूमिका में मौजूद संस्थागत ज्ञान है। किसी कर्मचारी को प्रक्रिया के लिखित चरणों के साथ यह भी मालूम हो सकता है कि ग्राहक के लिए अपवाद कब बनाया जाता है, पुरानी तकनीकी सीमा क्यों स्वीकार की गई थी या किस स्थिति में दूसरे विभाग को शामिल करना जरूरी है। ऐसा ज्ञान संदेशों, बैठकों और अनुभव में बिखरा रह सकता है; पद हटते ही वह किसी मॉडल या नियम-पुस्तिका में अपने आप स्थानांतरित नहीं होता।

तीसरी कसौटी मानवीय निर्णय और जवाबदेही है। जहां गलती का असर ग्राहक, अनुबंध, सुरक्षा, धन या प्रतिष्ठा पर पड़ता है, वहां अंतिम फैसला किसने लिया और उसके परिणाम के लिए कौन उत्तरदायी है, यह स्पष्ट रहना चाहिए। AI प्रारंभिक विकल्प दे सकता है, पर इससे नेतृत्व, प्राथमिकता तय करने और अस्पष्ट मामले का संदर्भ समझने की जरूरत स्वतः समाप्त नहीं होती।

चार बदलावों का रोजगार-संबंधी अर्थ

पहला बदलाव मानव और AI के संबंध को सीधे प्रतिस्थापन के बजाय क्षमता बढ़ाने के रूप में देखता है। इसका आशय है कि तकनीक कर्मचारी के निर्णय, रचनात्मकता और नेतृत्व को मजबूत करे, जबकि जवाबदेही मनुष्य के पास स्पष्ट रहे। यह उस सोच से अलग है जिसमें स्वचालित किए जा सकने वाले कार्यों की संख्या को ही पद घटाने का पर्याप्त आधार मान लिया जाता है।

दूसरा बदलाव केवल AI अपनाने के बजाय बदलती भूमिकाओं के अनुकूल होने वाले कार्यबल पर केंद्रित है। निरंतर सीखना और अलग विशेषज्ञताओं के साथ काम करना इसलिए महत्वपूर्ण है क्योंकि स्वचालन भूमिका के कार्यों का अनुपात बदल सकता है, पर जरूरी नहीं कि पूरा पद अप्रासंगिक हो जाए। पद समाप्त करने और कौशल विकसित करने के बीच यही मूल चुनाव है।

तीसरा बदलाव संदर्भ, निर्णय और काम के अर्थ को बचाने का है। किसी प्रक्रिया को कैसे पूरा किया जाता है और वह उसी तरीके से क्यों बनाई गई, ये अलग प्रश्न हैं। पहला उत्तर निर्देशों में मिल सकता है; दूसरा अक्सर ग्राहक इतिहास, नियमों, असफल प्रयोगों और अनुभवी कर्मचारियों की स्मृति पर निर्भर करता है।

चौथा बदलाव AI से मिली उत्पादकता को केवल तत्काल लागत-बचत मानने के बजाय नवाचार, आधुनिकीकरण और कौशल-विकास में लगाने पर जोर देता है। रोजगार के संदर्भ में इसका अर्थ यह है कि बचा हुआ समय नई जिम्मेदारियों में लगाया जा सकता है। केवल कर्मचारियों की संख्या घटाने पर संस्था उसी क्षमता को कमजोर कर सकती है जिसकी अगली प्रणाली लागू करने और उसकी त्रुटियां पहचानने में जरूरत होगी।

भारतीय दूरस्थ पेशेवरों के लिए व्यावहारिक अर्थ

भारत से वैश्विक संस्थाओं के लिए दूरस्थ काम करने वाले पेशेवरों को यह अनुमान नौकरी-सुरक्षा की गारंटी नहीं देता। यह उनके काम के उस हिस्से को अधिक महत्वपूर्ण बनाता है जो तैयार परिणाम में दिखाई नहीं देता—ग्राहक का संदर्भ, स्थानीय नियम, समय-क्षेत्रों के बीच समन्वय, अपवादों का निर्णय और अंतिम परिणाम की जिम्मेदारी।

इसीलिए योगदान का सुरक्षित लिखित प्रमाण उपयोगी हो सकता है, हालांकि यह पूर्वानुमान जारी करने वाली संस्था का व्यक्तिगत करियर निर्देश नहीं है। गोपनीय जानकारी उजागर किए बिना दर्ज किया जा सकता है कि किन मामलों में मानव समीक्षा जरूरी हुई, किसी महत्वपूर्ण निर्णय के पीछे कौन-सी शर्तें थीं और ग्राहक या दूसरे विभाग के संदर्भ ने परिणाम कैसे बदला। इससे स्वचालित कार्य और मानव-निर्भर क्षमता के बीच अंतर स्पष्ट होता है।

कौशल का प्रमाण केवल किसी AI उपकरण के उपयोग तक सीमित नहीं रहना चाहिए। अधिक सार्थक क्षमता मॉडल के उत्तर की जांच करना, त्रुटि या जोखिम पहचानना, अस्पष्ट मामला सही विशेषज्ञ तक पहुंचाना और निर्णय की जवाबदेही स्पष्ट रखना है। ये गुण खासकर दूरस्थ भूमिका में महत्वपूर्ण हैं, जहां प्रबंधक अक्सर अंतिम उत्पादन देखते हैं, उसके पीछे हुआ संदर्भ-निर्माण नहीं।

अभी क्या अज्ञात है

उपलब्ध घोषणा भारत के लिए अलग प्रतिशत, प्रभावित पेशों की सूची, कंपनियों का नमूना या पुनर्नियुक्ति की सटीक परिभाषा नहीं देती। यह भी स्पष्ट नहीं है कि लौटने वाले लोग पुराने पद पर आएंगे, बदली हुई भूमिका संभालेंगे या समान क्षमता के लिए कोई दूसरा कर्मचारी नियुक्त होगा। इस कमी के कारण 30% को व्यक्तिगत नौकरी-पूर्वानुमान नहीं माना जा सकता।

आगे इस चेतावनी की असली परीक्षा कंपनियों के आंकड़ों से होगी: कितने AI-संबंधित पद समाप्त हुए, कितनी समान क्षमताएं बाद में फिर खरीदी गईं और भर्ती, प्रशिक्षण तथा काम में शामिल करने की कुल लागत क्या रही। फिलहाल पुष्ट स्थिति यही है कि 30% Gartner का भविष्य संबंधी अनुमान है और उसका संदेश हर काम को स्वचालित करने के बजाय भूमिका-पुनर्गठन, कौशल-विकास तथा मानवीय निर्णय को सुरक्षित रखने का है।

यह भी पढ़ें:

• अमेरिकी शेयर रखने वालों के लिए भारतीय ITR गाइड: Schedule FA, विदेशी आय और कर-राहत