AI के "पदोन्नति की शर्त" बनने का दिन: क्यों बिना नए करियर मुद्रा के लोग पीछे छूट जाएंगे

"जो लोग AI का उपयोग नहीं करते हैं, वे अब आगे नहीं बढ़ेंगे" — इस तरह का माहौल मजाक नहीं है, बल्कि तेजी से कार्यस्थल में प्रवेश कर रहा है।

जर्मन मीडिया FOCUS में प्रकाशित एक योगदान "Ohne KI-Kompetenz ist keine Karriere mehr möglich (AI क्षमता के बिना करियर संभव नहीं है)" AI को "सुविधाजनक उपकरण" से "करियर की मुद्रा" में बदलने वाले मोड़ को दर्शाता है। प्रभावशाली बात यह है कि AI के प्रति दृष्टिकोण अब "शौक" या "व्यक्तिगत पसंद" नहीं रह गया है। इसे अपनाना या न अपनाना नहीं, बल्कि "इसे कुशलता से उपयोग करना या न करना" मूल्यांकन का विभाजन बिंदु बनता जा रहा है — इस तरह की गहरी संकट भावना पूरे लेख में व्याप्त है।

"उपयोग न करने की स्वतंत्रता" के गायब होने का समय

लेख की शुरुआत एक काफी उत्तेजक काल्पनिक परिदृश्य से होती है। बॉस से आने वाला ईमेल इस प्रकार है — "जो लोग नियमित रूप से AI टूल का उपयोग नहीं करते हैं, उन्हें पदोन्नति नहीं दी जाएगी"। यह मजाक जैसा लगता है, लेकिन लेख में कहा गया है कि "Accenture ने वास्तव में इस नीति को आंतरिक रूप से लागू किया है"। डरावनी बात यह है कि AI का उपयोग "अनुशंसा" से "शर्त" में बदलने का क्षण एक नीति के रूप में स्पष्ट रूप से लिखा जा सकता है।

बेशक, सभी कंपनियां एक ही गति से अनुसरण नहीं करेंगी। लेकिन जो कंपनियां इसे नीति नहीं बनातीं, वहां भी चुपचाप वही घटना घटित होती है। पदोन्नति का निर्णय, महत्वपूर्ण परियोजनाओं का वितरण, बैठक में सीटों का क्रम, प्रमुख व्यक्तियों का चयन। स्पष्ट रूप से लिखे न होने के कारण, जब व्यक्ति को इसका एहसास होता है, तब तक इसे ठीक करना मुश्किल हो जाता है। AI का उपयोग करके तेजी से और गहराई से परिणाम देने वाले लोग बढ़ते हैं, तो "AI का उपयोग न करने वाले लोग" अपेक्षाकृत धीमे और सतही दिखने लगते हैं। मूल्यांकन केवल "क्षमता" ही नहीं बल्कि "गति" पर भी निर्भर होता है, जिससे यह एक क्रूर संरचना बन जाती है।

मध्य प्रबंधन सबसे अधिक पीड़ित क्यों होता है

लेख का ध्यान विशेष रूप से मध्य प्रबंधन पर केंद्रित है। शीर्ष प्रबंधन "AI सबसे महत्वपूर्ण है" का आदेश देता है। लेकिन जमीनी स्तर पर, दैनिक समय सीमा, कर्मचारियों की कमी, और जवाबदेही का दबाव होता है, जिससे सीखने के लिए कोई जगह नहीं होती। इसके अलावा, अधीनस्थों के पास "AI द्वारा नौकरी छिनने का डर" होता है। ऊपर से "प्रवेश का दबाव", नीचे से "डर"। इस बीच में फंसा हुआ है मध्य प्रबंधन।

यहां लेख एक और असुविधाजनक तथ्य को उजागर करता है। "AI में निवेश करने के बावजूद, कई कंपनियों के पास परिणाम नहीं हैं"। जमीनी स्तर पर भी, AI प्रशिक्षण लेने के बाद, अंततः वही पुराना तरीका अपनाना — यह दृश्य असामान्य नहीं है। लेख के संदर्भ में, इसे तकनीकी कमी नहीं बल्कि "नेतृत्व और कार्य शैली की समस्या" कहा जाता है। AI का परिचय अंत नहीं है। जब तक कार्य की विधि को नहीं बदला जाता, निवेश "सजावट" बन जाता है।

AI परियोजनाएं तकनीकी कारणों से नहीं विफल होती हैं

"AI के परिणामों से न जुड़ने के कारण" को लेख काफी स्पष्ट रूप से व्यक्त करता है। विफलताओं का अधिकांश हिस्सा प्रौद्योगिकी में नहीं बल्कि संगठन के संचालन में होता है।
- कौन, किस उद्देश्य से, किस कार्य को AI से बदल रहा है
- परिणाम की जिम्मेदारी कौन लेगा
- गुणवत्ता मानक (त्रुटि, पक्षपात, व्याख्यात्मकता) को कैसे परिभाषित किया जाएगा
- जमीनी स्तर पर "उपयोग करने की इच्छा" कैसे बनाई जाएगी
इन डिजाइनों को छोड़कर, केवल उपकरण जोड़ने से काम नहीं चलेगा।

इसके अलावा, लेख AI परिवर्तन के वितरण को "प्रौद्योगिकी 10%, डेटा 20%, कार्य शैली और संस्कृति 70%" के रूप में समझाता है। संक्षेप में, सफलता का अधिकांश हिस्सा "लोग और संगठन" पर निर्भर करता है। यह उन कंपनियों के लिए चेतावनी भी है जो AI को "आईटी विभाग का मामला" मानती हैं।

अनुभवी लोग "अस्वीकृति" करने में अधिक प्रवृत्त होते हैं

एक और महत्वपूर्ण बिंदु यह है कि "अनुभवी लोग AI को अस्वीकार करने में अधिक प्रवृत्त होते हैं"। जो लोग लंबे समय से सफल रहे हैं, उनके पास मौजूदा जीत के पैटर्न होते हैं। जब AI इसमें प्रवेश करता है, तो मूल्य प्रणाली हिल जाती है। "क्या मेरी निर्णय क्षमता सांख्यिकीय मॉडल द्वारा बदल दी जाएगी" — यह डर भी उत्पन्न होता है। लेकिन लेख इसे "गलतफहमी" मानता है।

AI की विशेषज्ञता गति और पैटर्न निष्कर्षण में होती है। दूसरी ओर, मानव को संदर्भ समझ, मूल्य निर्णय, नैतिकता, जिम्मेदारी, और संबंध डिजाइन का कार्य करना चाहिए। इसका मतलब है कि जिनके पास अनुभव है, वे वास्तव में मजबूत होते हैं। समस्या यह है कि क्या वे अपने अनुभव को AI के साथ जोड़कर बढ़ा सकते हैं। अनुभव को "संरक्षित" करने के बजाय, इसे "हथियार" बनाने की दिशा में पुनः सीखना। यही करियर का विभाजन बिंदु बनता है।

"AI एक उपकरण नहीं है, बल्कि संगठन का OS है"

लेख का एक प्रमुख संदेश यह है। AI को केवल एक सॉफ्टवेयर जोड़ के रूप में देखने से विफलता होती है। जब तक AI को काम के प्रवाह का आधार नहीं बनाया जाता, तब तक इसका मूल्य नहीं निकलता। उदाहरण के लिए, बैठक सामग्री। पहले "निर्माण→समीक्षा→संशोधन→साझा करना" था, अब यह "AI से प्रारंभिक मसौदा→मानव द्वारा मुद्दों की पहचान→AI से प्रतिवाद और जोड़→मानव द्वारा निर्णय" के रूप में बदल जाता है। परिणाम वही "सामग्री" हो सकती है, लेकिन प्रक्रिया अलग होती है। प्रक्रिया अलग होती है, तो आवश्यक कौशल भी बदल जाता है।

और इस पुनः डिज़ाइन का जिम्मा प्रबंधन का होता है — यही लेख का दृष्टिकोण है। जब तक प्रबंधक खुद नहीं समझते, तब तक अधीनस्थों को उपयोग करने के लिए कहना प्रभावी नहीं होता। बाहरी सलाहकार को सब कुछ सौंपने से भी दैनिक संचालन में कोई बदलाव नहीं होता। इसलिए "पहले खुद सीखें" प्राथमिकता होनी चाहिए।

विशिष्ट रणनीतियाँ सरल हैं, लेकिन कठिन हैं

लेख द्वारा सुझाए गए कार्यों को तीन मुख्य श्रेणियों में व्यवस्थित किया जा सकता है।

1. शुरू करें
   खाता बनाएं और सबसे पहले "1 घंटे का काम कम करें" से शुरू करें। AI से जुड़ने वाले नेटवर्क बनाएं। यदि आवश्यक हो, तो कोच भी रखें। यहां महत्वपूर्ण है कि सीखने को "प्रयास" के बजाय "प्रणाली" बनाएं।

2. जारी रखें
   AI तेजी से विकसित होता है। यदि आप इसे अल्पकालिक केंद्रित करते हैं, तो यह जल्दी ही अप्रचलित हो जाएगा। भाषा की तरह, यदि आप इसे जारी नहीं रखते, तो यह जंग खा जाएगा। इसलिए "दैनिक कार्यों में मिलाना" सफलता की कुंजी बनता है।

3. नेतृत्व करें
   AI केवल व्यक्तिगत दक्षता तक सीमित नहीं है। टीम के संचालन, ग्राहकों के लिए प्रस्ताव, मूल्य प्रदान करने की पुनः परिभाषा तक, नेता को दिशा दिखानी होती है। जब तक समझने वाले लोग नेतृत्व नहीं करते, संगठन केवल पुराने प्रक्रियाओं में AI को जोड़ने की कोशिश करेगा।

कहने के लिए यह सामान्य है। लेकिन जितना सामान्य होता है, उतना ही इसे कार्यान्वित करना कठिन होता है। क्योंकि यह सीखने का समय नहीं है, बल्कि यह डर है कि सीखने से "आपकी विधि बदल जाएगी"। लेख का संदेश यह है कि इस डर से नजरें न चुराएं।

SNS की प्रतिक्रिया: "क्षमता" नहीं बल्कि "मूल्यांकन की डिज़ाइन" पर विभाजित

इस लेख के मुद्दे SNS के साथ अच्छी तरह मेल खाते हैं। कारण सरल है, "पदोन्नति", "मूल्यांकन", "निगरानी", "असमानता" जैसे भावनात्मक रूप से उत्तेजित करने वाले विषय इसमें शामिल हैं। वास्तव में, FOCUS के आधिकारिक X अकाउंट ने लेख को साझा किया है, जिससे चर्चा के लिए एक मार्ग तैयार होता है।

SNS पर प्रतिक्रियाएं चार प्रमुख प्रकारों में विभाजित होती हैं।

1) "स्वाभाविक" समूह: AI कैलकुलेटर की तरह है, इसका उपयोग न करना कर्तव्य की उपेक्षा है

सबसे मजबूत समर्थन "AI अब एक आवश्यक बुनियादी कौशल है" की स्थिति से आता है। यह Excel, खोज, ईमेल के समान है। इसका उपयोग न करना प्रयास की कमी है, और कंपनियों द्वारा इसे मूल्यांकन में शामिल करना तर्कसंगत है — यह दावा है। विशेष रूप से परामर्श, आईटी, और विपणन क्षेत्रों में, "AI के उपयोग के आधार पर कार्यभार की योजना बनाना शुरू हो गया है" जैसी आवाजें प्रमुख हैं। यहां AI "विशेष कौशल" नहीं बल्कि "कार्य की पूर्व शर्त" है।

2) "यह अति है" समूह: उपयोग ट्रैकिंग और पदोन्नति की शर्तें निगरानी समाज हैं

दूसरी ओर, विरोध भी मजबूत है। विशेष रूप से "AI टूल के उपयोग की ट्रैकिंग और इसे पदोन्नति में शामिल करना" की चर्चा निगरानी, गोपनीयता, और मूल्यांकन की पारदर्शिता की समस्याओं को उजागर करती है।
- केवल मात्रा (उपयोग की संख्या) बढ़ाने के लिए औपचारिकता को बढ़ावा देना
- संवेदनशील जानकारी न डालने की सावधानी, इसके विपरीत "हानिकारक" बन जाती है
- AI की आवश्यकता न होने वाले कार्य या स्थितियों में समान मानक खतरनाक है
इन मुद्दों पर बहस होती है।

3) "जमीनी स्तर पर दबाव" समूह: यदि सीखने के लिए कहा जाए, तो सीखने का समय और वातावरण तैयार करें

सबसे यथार्थवादी प्रतिक्रिया यहां है। AI की आवश्यकता को समझते हैं। लेकिन समय सीमा, बैठकें, और कर्मचारियों की कमी के बीच कैसे सीखें। प्रशिक्षण होते हैं, लेकिन यदि जमीनी स्तर के KPI नहीं बदलते, तो सीखना "अवकाश की व्यक्तिगत जिम्मेदारी" बन जाता है। परिणामस्वरूप, केवल उच्च जागरूकता वाले लोग आगे बढ़ते हैं, और संगठन के भीतर असमानता बढ़ती है — यह चिंता है। लेख द्वारा चित्रित "मध्य प्रबंधन की दुविधा" SNS पर भी सहानुभूति प्राप्त करने का कारण यही है।

4) "मूल मुद्दा संस्कृति है" समूह: AI का परिचय उपकरण चयन नहीं बल्कि कार्य डिज़ाइन की समस्या है

अंत में, लेख द्वारा जोर दिया गया "AI संगठन का OS है" के दृष्टिकोण के करीब प्रतिक्रिया है। AI के परिचय में महत्वपूर्ण है प्रक्रिया डिज़ाइन, भूमिका वितरण, गुणवत्ता मानक, जिम्मेदारी की स्थिति। जब तक यह अस्पष्ट रहता है, जमीनी स्तर पर "AI का उपयोग करने का दिखावा" थकावट लाता है, और परिणाम नहीं आते। SNS पर भी "अंततः लोग और प्रणाली", "प्रबंधन को दृढ़ निश्चय करना होगा" जैसी पोस्ट देखी जाती हैं।

तो, हमें क्या करना चाहिए (व्यावहारिक दृष्टिकोण से निष्कर्ष)

लेख का निष्कर्ष सरल है। "कल सबसे अच्छा था, अगला आज है"। लेकिन "आज से" को वास्तविकता में बदलने के लिए, थोड़ा और विशिष्टता की आवश्यकता है। मुख्य बिंदु यह है कि AI सीखने को "अध्ययन" नहीं बल्कि "कार्य सुधार" के रूप में शुरू करें।

• सप्ताह में 1 विषय चुनें, और एक ही कार्य में आजमाएं (मिनट, सारांश, प्रस्ताव, विश्लेषण, पूछताछ का जवाब आदि)

• गुणवत्ता मानकों को स्वयं भाषा में व्यक्त करें (किस हद तक त्रुटि स्वीकार्य है, प्रमाण की पुष्टि कितनी करनी है)

• डालने के लिए निषिद्ध जानकारी को नियमबद्ध करें (गोपनीयता, व्यक्तिगत जानकारी, अनुबंध जानकारी आदि)

• टीम के साथ टेम्पलेट साझा करें (अच्छे प्रॉम्प्ट उदाहरण, चेकलिस्ट, टेम्पलेट बनाना)

ये उच्च तकनीक नहीं हैं। लेकिन जो लोग इसे करते हैं और जो नहीं करते, उनके बीच अंतर होता है। और यह अंतर, छह महीने में "भरने में कठिन अंतर" बन जाता है।

AI एक खतरा है या मित्र, यह प्रश्न शायद अब पुराना हो गया है। वास्तविक प्रश्न यह है।
"AI का उपयोग करने वाले कार्यस्थल में, आप 'मूल्यवान मानव कार्य'