भारताची AI डेटा इकोनॉमीमध्ये वाढती भूमिका: नव्या संधी की नोकरीचा धोका?

भारतातील हजारो लोक आता आर्टिफिशियल इंटेलिजन्स (AI) मॉडेल्सना प्रशिक्षण देण्यासाठी दररोजच्या कामांचे व्हिडिओ रेकॉर्ड करत आहेत. या कामासाठी त्यांना ताशी **₹250** मिळत आहेत. यामुळे पारंपरिक BPO क्षेत्राकडून AI डेटा एनोटेशनकडे एक मोठे स्थित्यंतर घडत आहे.

काय घडले?

भारत आता कृत्रिम बुद्धिमत्तेच्या (Artificial Intelligence) जगात एक महत्त्वाचे केंद्र बनत चालले आहे. हजारो भारतीय नागरिक AI मॉडेल्सना प्रशिक्षण देण्यासाठी लागणारा डेटा तयार करण्याचे काम करत आहेत. या प्रक्रियेत, लोक रोजच्या साध्या ॲक्टिव्हिटीज जसे की स्वयंपाक करणे, कपड्यांच्या घड्या घालणे किंवा वस्तू हलवणे, हे सर्व हेड-माउंटेड कॅमेऱ्याने रेकॉर्ड करत आहेत. हा व्हिज्युअल डेटा रोबोट्सना वास्तवात कसे वावरायचे आणि सुरक्षितपणे कसे काम करायचे हे शिकवण्यासाठी अत्यंत महत्त्वाचा आहे. या कामासाठी सध्या कर्मचाऱ्यांना दर तासाला सुमारे ₹250 दिले जात आहेत, जे रोबोटिक सिस्टीमच्या अचूकता आणि मानवी संवादासाठी प्रशिक्षण म्हणून वापरले जातात.

सेवा क्षेत्रातील व्यवसायातील बदल

हे चित्र भारताच्या विशाल टेक्नॉलॉजी सेवा आणि बिझनेस प्रोसेस आउटसोर्सिंग (BPO) उद्योगासाठी एक मोठे स्थित्यंतर दर्शवते. अनेक दशकांपासून, भारत व्हॉईस-आधारित ग्राहक सेवा आणि बॅक-ऑफिस ऑपरेशन्ससाठी जागतिक स्तरावर ओळखला जातो. मात्र, आता तामिळनाडू-आधारित Objectways सारख्या कंपन्या आणि इतर डेटा एनोटेशन कंपन्या हाय-टेक डेटा सेवांकडे वळत आहेत. भारताची मोठी, इंग्रजी-प्रभावी आणि तंत्रज्ञानाची जाण असलेली मनुष्यशक्ती वापरून, या कंपन्या भारताला जागतिक AI डेव्हलपर्ससाठी एक अविभाज्य पुरवठादार म्हणून स्थान देत आहेत. आता हे केवळ साध्या डेटा एंट्रीचे काम राहिलेले नाही, तर मशीन लर्निंगला सक्षम करणारा मानवकेंद्री डेटा पुरवण्याचे काम आहे.

अर्थव्यवस्थेसाठी महत्त्व

गुंतवणूकदार आणि बाजारातील निरीक्षकांसाठी, AI एनोटेशन क्षेत्राची वाढ ही एक दुधारी तलवार आहे. एका बाजूला, हे सिद्ध करते की भारत आपल्या सेवा-आधारित व्यवसाय मॉडेलला उच्च-तंत्रज्ञानाच्या आवश्यकतांकडे यशस्वीपणे रूपांतरित करू शकतो, ज्यामुळे सेवा निर्यातीत वाढ होण्याची शक्यता आहे. AI सिस्टीम अधिक जटिल होत असल्याने आणि त्यांना अधिक सूक्ष्म प्रशिक्षणाची आवश्यकता असल्याने, मानवी-लेबल डेटाची मागणी वाढण्याची अपेक्षा आहे.

तथापि, या कामाच्या स्वरूपाबद्दल गंभीर प्रश्न आहेत. यातील बरेच काम गिग-आधारित आहे, जे दीर्घकालीन करिअर रोजगाराऐवजी तासावर आधारित वेतनाद्वारे ओळखले जाते. Humyn Labs सारख्या कंपन्यांचे प्रमुख लोक असे युक्तिवाद करतात की मानव आणि यंत्रे भागीदारीत काम करतील, परंतु हे काम भारताच्या प्रचंड मोठ्या असंघटित क्षेत्राच्या तुलनेत खूपच लहान आहे, ज्यात सुमारे 49 कोटी लोक काम करतात. NITI Aayog सारख्या संस्थांनी धोक्याचा इशारा दिला आहे की AI नवीन संधी निर्माण करत असले तरी, ते पारंपरिक रोजगार क्षेत्रांना उच्च-पगारी, स्थिर नोकऱ्यांनी बदलण्याऐवजी विस्कळीत करू शकते.

रोजगार आणि नियामक विचार

बाजारातील सहभागी AI-संबंधित श्रमाबाबत नियामक वातावरणाचे बारकाईने निरीक्षण करत आहेत. हे क्षेत्र नवीन असल्याने, रोजगाराचे मानक, डेटा गोपनीयता आणि AI प्रशिक्षणाच्या संदर्भात 'गिग वर्कर' ची व्याख्या अजूनही स्पष्ट नाही. जर सरकारने डेटा हाताळणी किंवा कामगार संरक्षणाबाबत कठोर नियम लागू केले, तर मोठ्या प्रमाणावरील डेटा संकलनात गुंतलेल्या कंपन्यांच्या कार्यान्वित खर्चात बदल होऊ शकतो. याव्यतिरिक्त, ऑटोमेशन तंत्रज्ञान वेगाने प्रगती करत राहिल्यास, मानवी एनोटेशनची मागणी कालांतराने कमी होऊ शकते, ज्यामुळे या विशिष्ट प्रकारच्या रोजगारासाठी मर्यादा येऊ शकते.

गुंतवणूकदारांनी काय ट्रॅक करावे

तंत्रज्ञान सेवा क्षेत्रात गुंतवणूक करणारे गुंतवणूकदार अनेक महत्त्वाचे निर्देशक तपासू शकतात. प्रथम, पारंपरिक कॉल-सेंटर व्यवसायातील महसुलाची घट भरून काढण्यासाठी पारंपरिक BPO कंपन्या AI डेटा सेवा त्यांच्या पोर्टफोलिओमध्ये कशा समाविष्ट करतात याचा मागोवा घ्या. दुसरे, AI आणि गिग-वर्कर संरक्षणाबाबत सरकारी धोरणांचे निरीक्षण करा, कारण कामगार कायद्यातील कोणतेही बदल मोठ्या, कमी-खर्चाच्या मनुष्यबळावर अवलंबून असलेल्या कंपन्यांच्या नफ्यावर परिणाम करू शकतात. शेवटी, AI एनोटेशन मार्केटच्या टिकाऊपणाकडे लक्ष द्या - विशेषतः, ते उच्च-मूल्याचे विशेष भूमिका निर्माण करेल की कमी-वेतन, तात्पुरती गिग अर्थव्यवस्था म्हणून राहील. कंपन्या मूलभूत डेटा संकलनापासून जटिल मॉडेल प्रशिक्षण आणि एकत्रीकरणापर्यंत मूल्याच्या साखळीत वर जाऊ शकतात की नाही यावर दीर्घकालीन गुंतवणूक मूल्य अवलंबून असेल.