ભારતમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) સ્કિલ્સનું વ્યાપકપણે અપનાવવું એ દેશના ટૅલન્ટ પાઇપલાઇનને મૂળભૂત રીતે બદલી રહ્યું છે. પરંપરાગત ઓળખપત્રો (credentials) પરથી હવે સ્પષ્ટપણે દર્શાવી શકાય તેવી ક્ષમતાઓ (demonstrable capabilities) તરફ ધ્યાન કેન્દ્રિત થઈ રહ્યું છે. ઓનલાઇન પ્લેટફોર્મ્સને કારણે લર્નિંગ વધુ સુલભ બનતાં, AI-લિટર (AI-literate) પ્રોફેશનલ્સનો એક નવો સમૂહ ઉભરી રહ્યો છે. આનાથી નોકરીદાતાઓને તેમની ભરતી વ્યૂહરચના (recruitment strategies) ને સમાયોજિત કરવા અને વધુ અનુકૂલનક્ષમ ટૅલન્ટ સંપાદન પદ્ધતિઓ (adaptive talent acquisition methods) અપનાવવા દબાણ થઈ રહ્યું છે. મોટી સંખ્યામાં લોકો હવે AI ક્ષમતાઓ ધરાવે છે, જે પરંપરાગત ભરતી મોડેલો (hiring models) માં નોંધપાત્ર વિક્ષેપ (disruption) સૂચવે છે અને લાયક ઉમેદવાર બનવાનો અર્થ શું છે તે ફરીથી વ્યાખ્યાયિત કરી રહ્યું છે.
માસ ટૅલન્ટ ઇન્ફ્લક્સ, નોકરીદાતાઓ ફરીથી વિચારી રહ્યા છે ભરતી
ભારતમાં AI સ્કિલ્સનો ઝડપી ફેલાવો, જે સુલભ ઓનલાઇન શિક્ષણ દ્વારા વેગ મળ્યો છે, તેના કારણે એક મોટો નવો ટૅલન્ટ પૂલ તૈયાર થઈ રહ્યો છે. એપ્રિલ 2026 સુધીમાં, ભારતનો AI માં ભરતીનો વૃદ્ધિ દર વૈશ્વિક સ્તરે સૌથી વધુ 59.5% વાર્ષિક વૃદ્ધિ સાથે અગ્રણી છે. આ વૃદ્ધિ ફક્ત મોટા ટેક હબ્સ પૂરતી સીમિત નથી, પરંતુ હૈદરાબાદ અને વિજયવાડા જેવા શહેરોમાં પણ નોંધપાત્ર વૃદ્ધિ જોવા મળી રહી છે, જે વિતરિત ટૅલન્ટ સંપાદન (distributed talent acquisition) ના વલણને દર્શાવે છે. નોકરીદાતાઓ ઔપચારિક ડિગ્રીઓ કરતાં વ્યવહારુ, લાગુ કરી શકાય તેવી AI સ્કિલ્સને વધુ પસંદ કરી રહ્યા છે. કંપનીઓ સક્રિયપણે મજબૂત સમસ્યા-નિવારણ ક્ષમતાઓ (problem-solving abilities) અને સ્પષ્ટ AI-સંબંધિત કુશળતા ધરાવતા ઉમેદવારોની શોધ કરી રહી છે, જે ઘણીવાર ફક્ત શૈક્ષણિક લાયકાતને બદલે પ્રોજેક્ટ પોર્ટફોલિયો દ્વારા દર્શાવવામાં આવે છે. આ ફેરફાર સંસ્થાઓને આ વિકસતા ટૅલન્ટ બેઝ સુધી પહોંચવા માટે તેમના ભરતી માપદંડો (hiring criteria) નું પુનઃમૂલ્યાંકન કરવા મજબૂર કરી રહ્યો છે, અને પરંપરાગત ગેટકીપિંગ (gatekeeping) થી આગળ વધી રહ્યો છે.
AI સ્કિલ્સ ગેપને સંબોધવું
ઓનલાઇન લર્નિંગ પ્લેટફોર્મ્સ ભારતના નોંધપાત્ર AI સ્કિલ્સ ગેપને પહોંચી વળવામાં મહત્વપૂર્ણ ભૂમિકા ભજવી રહ્યા છે. 2027 સુધીમાં AI પ્રોફેશનલ્સની માંગ 1.25 મિલિયન કરતાં વધી જવાની ધારણા છે, પરંતુ વર્તમાન ટૅલન્ટ પૂલ આ જરૂરિયાતને પહોંચી વળવામાં ઓછો પડી રહ્યો છે, જેના કારણે મોટી ખાધ સર્જાઈ છે. લગભગ 79% નોકરીદાતાઓ કુશળ ઉમેદવારોની અછતને કારણે ખાલી જગ્યાઓ ભરવામાં સંઘર્ષ કરી રહ્યા છે. જનરેટિવ AI સ્કિલ્સમાં ઝડપી વૃદ્ધિ જોવા મળી રહી છે, જેમાં માંગ લગભગ 60% વાર્ષિક વૃદ્ધિ સાથે વધી રહી છે, જે કંપનીઓ દ્વારા કોપાયલોટ્સ (copilots) અને ચેટબોટ્સ (chatbots) અપનાવવાને કારણે છે. AI લિટરસી (AI literacy) એક સાર્વત્રિક જરૂરિયાત બની રહી છે, જેમાં 72% ભારતીય પ્રોફેશનલ્સ AI પ્રોફિશિયન્સીને ભવિષ્યની ભૂમિકાઓ માટે આવશ્યક માને છે, માત્ર STEM માં જ નહીં પરંતુ માર્કેટિંગ, HR, ફાઇનાન્સ અને હેલ્થકેરમાં પણ. IndiaAI Mission અને વિવિધ સ્કિલિંગ કાર્યક્રમો જેવી સરકારી પહેલો આને સમર્થન આપવાનો હેતુ ધરાવે છે. જોકે, પડકારો યથાવત છે, કારણ કે પ્રોફેશનલ પ્રોફાઇલમાં નવી સ્કિલ્સ ઉમેરાવા કરતાં વર્કફ્લો અપનાવવામાં (workflow adoption) વિલંબ થઈ રહ્યો છે.
AI ટૅલન્ટ પૂલમાં પડકારો અને ચિંતાઓ
AI લર્નિંગના વ્યાપેલા પ્રસાર છતાં, નોંધપાત્ર પડકારો યથાવત છે. ઓનલાઇન AI અભ્યાસક્રમોની ગુણવત્તામાં ઘણી વિવિધતા છે, અને બધા પ્રમાણપત્રો (certifications) નોકરીદાતાઓ દ્વારા સમાન રીતે મૂલ્યવાન નથી, જેનો અર્થ છે કે શીખનારાઓએ તેમની કાળજીપૂર્વક ચકાસણી કરવી જોઈએ. એક મુખ્ય ચિંતા અમુક ભૂમિકાઓમાં સંભવિત સ્કિલ સેચ્યુરેશન (skill saturation) છે. જેમ જેમ AI ટૂલ્સ વધુ સામાન્ય બનશે, તેમ બજારમાં મૂળભૂત AI સ્કિલ્સ ધરાવતા વધુ પડતા ઉમેદવારો જોવા મળી શકે છે, જે તેમના વિશિષ્ટ મૂલ્યને ઘટાડશે. ઉદાહરણ તરીકે, ઉત્પાદન (manufacturing) માં AI એન્જિનિયરિંગ ટૅલન્ટ ચાર ગણા થયા હોવા છતાં, AI સ્કિલ્સ હજુ પણ ભરવા માટે સૌથી મુશ્કેલ ભૂમિકાઓમાં સૂચિબદ્ધ છે, જેમાં સામાન્ય રસના અભાવને બદલે વિશિષ્ટ અછત કારણભૂત છે. વધુમાં, એક ગેપ અસ્તિત્વ ધરાવે છે જ્યાં ઘણા IT ગ્રેજ્યુએટ્સ પાસે મૂળભૂત પ્રોગ્રામિંગ સ્કિલ્સનો અભાવ હોઈ શકે છે, અને એન્જિનિયરિંગ ગ્રેજ્યુએટ્સનો માત્ર એક નાનો ભાગ IT ઉદ્યોગમાં રોજગારી માટે સક્ષમ છે. શિક્ષણ અને બજારની જરૂરિયાતો વચ્ચેનો આ મેળ, AI સંશોધન ટૅલન્ટના પ્રવાહ (outflow) સાથે, પ્રાપ્ત થયેલ કુશળતાની ઊંડાઈ અને વ્યવહારુ ઉપયોગ વિશે પ્રશ્નો ઉભા કરે છે. આ નોકરીદાતાઓની અપેક્ષાઓ અને ટૅલન્ટની તૈયારી વચ્ચે ગેપ ઊભો કરી શકે છે. હાલમાં, ફક્ત 3% ભારતીય ઉદ્યોગો (enterprises) પાસે AI નો સંપૂર્ણ ઉપયોગ કરવા માટે પૂરતું ઇન-હાઉસ ટૅલન્ટ છે, જ્યારે 97% ટૅલન્ટની અછતને મુખ્ય અવરોધ તરીકે ટાંકે છે.
આગળ જોતાં: AI એક ફાઉન્ડેશનલ સ્કિલ તરીકે
સ્પષ્ટ દિશા એ છે કે AI લિટરસી તમામ વ્યવસાયોમાં એક ફાઉન્ડેશનલ સ્કિલ (fundamental skill) બની જાય. 15 વર્ષથી વધુનો અનુભવ ધરાવતા પ્રોફેશનલ્સ હવે AI કોર્સ એનરોલમેન્ટના 40% થી વધુ હિસ્સો ધરાવે છે, જે અનુભવી કામદારો પર પણ AI ની અસરની વ્યાપક સ્વીકૃતિ દર્શાવે છે. ધ્યાન વ્યવહારુ એપ્લિકેશન અને અમલીકરણ (execution) તરફ સ્થળાંતરિત થઈ રહ્યું છે, જેમાં AI એજન્ટ્સ (AI agents) અને ઉત્પાદકતા ટૂલ્સ (productivity tools) ની માંગ વધી રહી છે. જેમ જેમ AI મુખ્ય બિઝનેસ ફંક્શન્સમાં વધુ સંકલિત થશે, તેમ ટેકનિકલ અને નોન-ટેકનિકલ બંને પ્રોફેશનલ્સે અનુકૂલન સાધવું પડશે. આ વિકસતું વાતાવરણ સૂચવે છે કે ભારતના AI-ડ્રાઇવન અર્થતંત્રમાં લાંબા ગાળાની કારકિર્દી માટે સતત શિક્ષણ (continuous learning) અને લવચીક કૌશલ્ય સેટ (flexible skill sets) મુખ્ય રહેશે. સરકારનો ટેકો, NEP 2020 અને IndiaAI Mission જેવી નીતિઓ સહિત, AI-રેડી કાર્યબળ બનાવવાનું રાષ્ટ્રનું લક્ષ્ય મજબૂત બનાવે છે.
