नवीन EPFO डेटानुसार, 2022 च्या उत्तरार्धापासून 22-25 वयोगटातील नवीन नोकरभरती ठप्प झाली आहे. याउलट, अनुभवी कर्मचाऱ्यांची भरती वाढत आहे. आर्टिफिशियल इंटेलिजन्स (AI) चा वाढता वापर कंपन्यांकडून एंट्री-लेव्हल नोकरभरतीऐवजी ऑटोमेशनला प्राधान्य देत असल्याचे सूचित करते. यामुळे कंपन्यांना अल्पकालीन खर्च बचतीचा फायदा मिळत असला तरी, दीर्घकालीन प्रतिभेच्या विकासावर परिणाम होऊ शकतो.
काय घडले?
एम्प्लॉईज प्रॉव्हिडंट फंड ऑर्गनायझेशन (EPFO) च्या ताज्या आकडेवारीने भारतीय नोकरभरती बाजारात एक मोठा बदल दर्शविला आहे. नोव्हेंबर 2022 पासून, जेव्हापासून जनरेटिव्ह एआय (Generative AI) टूल्सचा वापर वाढला आहे, तेव्हापासून 22 ते 25 वयोगटातील नवीन नोकरभरतीत लक्षणीय घट झाली आहे. एकूण नोकऱ्यांची संख्या वाढत असली तरी, या विशिष्ट तरुण गटासाठी नवीन भरती जवळजवळ थांबली आहे.
याउलट, जुन्या वयोगटातील कर्मचाऱ्यांच्या नोकरभरतीत सातत्याने वाढ दिसून येत आहे. या ट्रेंडमुळे असे दिसून येते की कंपन्या अजूनही workforce वाढवत आहेत, परंतु त्या ताज्या पदवीधरांपेक्षा अनुभवी लोकांना अधिक प्राधान्य देत आहेत. हा डेटा सूचित करतो की AI कदाचित एंट्री-लेव्हल कर्मचाऱ्यांनी पूर्वी केलेल्या नियमित कामांची जागा घेत आहे किंवा त्यात मदत करत आहे, ज्यामुळे सर्व नोकऱ्यांवर व्यापक परिणाम होत नाहीये.
कार्यक्षमतेत वाढ की दीर्घकालीन धोका?
कॉर्पोरेट इंडियासाठी, विशेषतः सेवा-आधारित क्षेत्रांमध्ये, नोकरभरतीतील हा बदल थेट आर्थिक परिणाम देतो. एंट्री-लेव्हल भरतीमध्ये सामान्यतः भरती, ऑनबोर्डिंग आणि प्रशिक्षणाशी संबंधित मोठे खर्च येतात. AI चा वापर करून पुनरावृत्ती होणारी कामे हाताळल्याने, कंपन्या अल्प मुदतीत त्यांचे 'कॉस्ट-टू-सर्व्ह' कमी करू शकतात आणि ऑपरेटिंग मार्जिन सुधारू शकतात.
तथापि, यात एक धोका आहे. एंट्री-लेव्हल workforce हे भविष्यातील व्यवस्थापक आणि तांत्रिक तज्ञांसाठी पारंपारिक स्रोत आहे. जर कंपन्या खर्च वाचवण्यासाठी नवीन भरती कमी करत असतील, तर त्यांना मध्यम ते दीर्घ मुदतीत प्रतिभांची कमतरता भासू शकते. गुंतवणूकदार अनेकदा यावर लक्ष ठेवतात की कंपनी आपल्या भविष्यातील वाढीसाठी आवश्यक असलेल्या नेतृत्व पाइपलाइनला बाधा न आणता आपली कार्यक्षम्यता कशी टिकवून ठेवते.
कोणत्या क्षेत्रांवर सर्वाधिक परिणाम?
ज्या क्षेत्रांमध्ये ताज्या पदवीधरांच्या मोठ्या प्रमाणावर भरतीवर अवलंबून राहावे लागते, ती क्षेत्रे या ट्रेंडसाठी सर्वाधिक असुरक्षित आहेत. आयटी सेवा (IT Services), बिझनेस प्रोसेस मॅनेजमेंट (BPM) आणि वित्तीय सेवा (Financial Services) यांसारख्या क्षेत्रांनी ऐतिहासिकदृष्ट्या सुरुवातीच्या करिअरमधील कर्मचाऱ्यांचे सर्वात मोठे नियोक्ता म्हणून काम केले आहे. ही उद्योगे कोडिंग, डेटा एंट्री आणि ग्राहक सेवा भूमिका स्वयंचलित करण्यासाठी AI चा सर्वात आक्रमकपणे अवलंब करत आहेत.
जसजसे ही क्षेत्रे AI चा अधिकाधिक वापर करतील, तसतसे एंट्री-लेव्हल कर्मचाऱ्यांची उच्च प्रमाणात गरज कायमस्वरूपी कमी होऊ शकते. गुंतवणूकदारांनी या कंपन्या त्यांच्या workforce mix चे व्यवस्थापन कसे करतात यावर अधिक बारकाईने लक्ष ठेवणे आवश्यक आहे. जी कंपनी केवळ नवीन भरती थांबवण्याऐवजी, AI सोबत काम करण्यासाठी विद्यमान कर्मचाऱ्यांना पुन्हा प्रशिक्षित करण्यात यशस्वी होते, ती या बदलाला अधिक चांगल्या प्रकारे सामोरे जाऊ शकते.
गुंतवणूकदारांनी पुढे काय ट्रॅक करावे?
EPFO डेटा एक उपयुक्त संकेत देत असला तरी, तो केवळ औपचारिक रोजगारापुरता मर्यादित आहे आणि अनौपचारिक किंवा गिग इकॉनॉमीचा समावेश करत नाही. गुंतवणूकदारांनी केवळ पेरोल आकडेवारीपलीकडे पाहणे आवश्यक आहे. 'रेव्हेन्यू प्रति कर्मचारी' (Revenue per employee) मेट्रिक्सवरील व्यवस्थापनाच्या समालोचनासारख्या मुख्य क्षेत्रांवर लक्ष ठेवणे महत्त्वाचे आहे. यामुळे AI-आधारित नोकरभरतीतील मंदी खरोखरच चांगली उत्पादकता आणि उच्च नफा मिळवून देत आहे की नाही हे समजेल.
याव्यतिरिक्त, कर्मचाऱ्यांच्या री-स्किलिंग (reskilling) कार्यक्रमांवरील कंपन्यांचा भांडवली खर्च (capital spending) महत्त्वाचा ठरेल. जी फर्म AI चा प्रभावीपणे वापर करण्यासाठी आपल्या कर्मचाऱ्यांच्या प्रशिक्षणात गुंतवणूक करत आहे, तिला केवळ भरती गोठवण्यावर अवलंबून असलेल्या फर्मपेक्षा कमी व्यत्ययाचा सामना करावा लागेल. शेवटी, 22-25 वयोगटातील कर्मचाऱ्यांच्या भरतीत ही स्थिरता कायम राहते की कंपन्या अल्पकालीन खर्च बचत आणि दीर्घकालीन कौशल्य विकासाची गरज यांचा समतोल साधण्यासाठी त्यांच्या भरती धोरणांमध्ये बदल करतात, याचा मागोवा घ्या.