ਜਿਵੇਂ-ਜਿਵੇਂ AI (Artificial Intelligence) ਦਾ ਇਸਤੇਮਾਲ ਵੱਧ ਰਿਹਾ ਹੈ, ਅਰਥ ਸ਼ਾਸਤਰੀ ਇਸ ਗੱਲ ਦਾ ਖਦਸ਼ਾ ਜਤਾ ਰਹੇ ਹਨ ਕਿ ਪ੍ਰੋਡਕਟਿਵਿਟੀ (Productivity) ਵਿੱਚ ਵਾਧਾ ਅਤੇ ਨੌਕਰੀਆਂ ਦੀ ਸਥਿਰਤਾ ਵਿਚਕਾਰ ਵੱਡਾ ਪਾੜਾ ਆ ਸਕਦਾ ਹੈ। ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸਰਕਾਰਾਂ ਕਰਜ਼ਿਆਂ ਕਾਰਨ ਘੱਟ ਦਖਲ ਦੇ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਆਟੋਮੇਸ਼ਨ (Automation) ਵੱਲ ਵੱਧਦਾ ਰੁਝਾਨ, ਖਾਸ ਕਰਕੇ ਭਾਰਤ ਵਰਗੇ ਵੱਡੀ ਲੇਬਰ ਫੋਰਸ ਵਾਲੇ ਦੇਸ਼ਾਂ ਲਈ ਨਵੀਆਂ ਚੁਣੌਤੀਆਂ ਖੜ੍ਹੀਆਂ ਕਰ ਰਿਹਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਮੁਨਾਫੇ ਤੋਂ ਅੱਗੇ ਦੇਖ ਕੇ ਇਹ ਵੀ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਇਸ ਤਕਨੀਕੀ ਤਬਦੀਲੀ ਦੌਰਾਨ ਆਪਣੇ ਮੁਲਾਜ਼ਮਾਂ ਦੀ ਰਣਨੀਤੀ ਕਿਵੇਂ ਬਣਾ ਰਹੀਆਂ ਹਨ।
ਕੀ ਹੋਇਆ ਹੈ?
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਤੇਜ਼ੀ ਨਾਲ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ ਦਾ ਅਹਿਮ ਹਿੱਸਾ ਬਣ ਰਹੀ ਹੈ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਅਤੇ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਜ਼ਿਕਰਯੋਗ ਵਾਧਾ ਹੋ ਰਿਹਾ ਹੈ। ਪਰ, ਅਰਥ ਸ਼ਾਸਤਰੀਆਂ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਸਵਾਲ ਖੜ੍ਹਾ ਹੋ ਰਿਹਾ ਹੈ: ਕੀ ਇਹ ਕੁਸ਼ਲਤਾ ਨਵੀਆਂ ਨੌਕਰੀਆਂ ਪੈਦਾ ਕਰੇਗੀ, ਜਾਂ ਮਨੁੱਖੀ ਕਿਰਤ ਦਾ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਿਸਥਾਪਨ (Displacement) ਹੋਵੇਗਾ? ਹਾਲਾਂਕਿ ਤਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ AI ਨੂੰ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਵਧਾਉਣ ਵਾਲੇ ਸਾਧਨ ਵਜੋਂ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ, ਮਾਹਰ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੇ ਬਦਲਾਅ ਅਤੇ ਸਰਕਾਰਾਂ ਵੱਲੋਂ ਆਟੋਮੇਸ਼ਨ ਦੇ ਸੰਭਾਵੀ ਸਮਾਜਿਕ ਅਤੇ ਆਰਥਿਕ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਠੋਸ ਨੀਤੀਆਂ ਦੀ ਕਮੀ ਤੋਂ ਚਿੰਤਤ ਹਨ।
ਕੁਸ਼ਲਤਾ ਦਾ ਮਤਲਬ ਹਮੇਸ਼ਾ ਨੌਕਰੀਆਂ ਕਿਉਂ ਨਹੀਂ?
AI ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਦੇ ਹਮਾਇਤੀ ਅਕਸਰ ਜੇਵੋਨਸ ਪੈਰਾਡੌਕਸ (Jevons Paradox) ਵਰਗੇ ਆਰਥਿਕ ਸਿਧਾਂਤਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਨ। ਇਸ ਸਿਧਾਂਤ ਅਨੁਸਾਰ, ਜਿਵੇਂ-ਜਿਵੇਂ ਕੋਈ ਸਰੋਤ ਜ਼ਿਆਦਾ ਕੁਸ਼ਲਤਾ ਨਾਲ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਉਸ ਦੀ ਲਾਗਤ ਘੱਟ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕੁੱਲ ਮੰਗ ਵਧਦੀ ਹੈ ਅਤੇ ਵਧੇਰੇ ਨੌਕਰੀਆਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ। ਇੱਕ ਹੋਰ ਆਮ ਤਰਕ ਅਰਥ ਸ਼ਾਸਤਰੀ ਜੋਸੇਫ ਸ਼ੰਪੀਟਰ (Joseph Schumpeter) ਦੇ ਕੰਮ 'ਤੇ ਆਧਾਰਿਤ ਹੈ, ਜੋ ਤਕਨੀਕੀ ਵਿਘਨ ਨੂੰ ਪੂੰਜੀਵਾਦ ਦਾ ਇੱਕ ਜ਼ਰੂਰੀ, ਲਾਭਦਾਇਕ ਹਿੱਸਾ ਮੰਨਦੇ ਸਨ। ਪਰ, ਇਤਿਹਾਸਕ ਅੰਕੜੇ ਹਮੇਸ਼ਾ ਇਸ ਵਿਚਾਰ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦੇ ਕਿ ਹਰ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਬੂਮ ਨਾਲ ਰੋਜ਼ਗਾਰ ਵਿੱਚ ਵੀ ਓਨਾ ਹੀ ਵਾਧਾ ਹੋਵੇ। ਪਿਛਲੀਆਂ IT ਕ੍ਰਾਂਤੀਆਂ ਨੇ ਦਿਖਾਇਆ ਕਿ ਜਦੋਂ ਕਿ ਪੂੰਜੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਹੋਇਆ, ਇਹ ਹਮੇਸ਼ਾ ਉਸੇ ਸੈਕਟਰ ਵਿੱਚ ਸਥਾਈ ਨੌਕਰੀਆਂ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਸਫਲ ਨਹੀਂ ਹੋਇਆ।
ਕਰਜ਼ੇ ਦਾ ਜਾਲ (Debt Trap)
ਪਹਿਲਾਂ, ਸਰਕਾਰਾਂ ਆਰਥਿਕ ਤਬਦੀਲੀ ਦੇ ਸਮੇਂ ਰੋਜ਼ਗਾਰ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਜਨਤਕ ਖਰਚ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀਆਂ ਸਨ। ਪਰ ਅੱਜ, ਬਹੁਤ ਸਾਰੇ ਦੇਸ਼ ਕਰਜ਼ੇ ਦੇ ਉੱਚੇ ਪੱਧਰ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ। ਅੰਤਰਰਾਸ਼ਟਰੀ ਮੁਦਰਾ ਫੰਡ (IMF) ਅਤੇ ਹੋਰ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਨੇ ਇਹ ਫਲੈਗ ਕੀਤਾ ਹੈ ਕਿ ਵਿੱਤੀ ਪੁਲਾੜ (Fiscal Space) - ਯਾਨੀ ਕਿ ਸਰਕਾਰਾਂ ਦੀ ਵਿੱਤੀ ਅਸਥਿਰਤਾ ਪੈਦਾ ਕੀਤੇ ਬਿਨਾਂ ਖਰਚ ਕਰਨ ਦੀ ਯੋਗਤਾ - ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਘੱਟ ਰਹੀ ਹੈ। ਇਸ ਕਾਰਨ, ਸਰਕਾਰੀ ਖਰਚੇ ਰਾਹੀਂ ਨੌਕਰੀਆਂ ਪੈਦਾ ਕਰਨ ਦੇ ਰਵਾਇਤੀ ਤਰੀਕੇ ਬਣੇ ਰਹਿਣੇ ਮੁਸ਼ਕਲ ਹੋ ਰਹੇ ਹਨ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਸਰਕਾਰਾਂ ਨੂੰ ਆਟੋਮੇਸ਼ਨ ਦੁਆਰਾ ਵਿਸਥਾਪਿਤ ਕਰਮਚਾਰੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸਮਾਜਿਕ ਅਤੇ ਆਰਥਿਕ ਦਬਾਅ ਪੈਦਾ ਹੋ ਸਕਦਾ ਹੈ।
ਭਾਰਤੀ ਸੰਦਰਭ (The Indian Context)
ਭਾਰਤ ਵਿੱਚ ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਹ ਵਿਸ਼ਾ ਖਾਸ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਭਾਰਤੀ ਅਰਥਚਾਰਾ, ਖਾਸ ਕਰਕੇ ਇਸਦਾ ਵੱਡਾ ਸਰਵਿਸਿਜ਼ ਅਤੇ IT ਸੈਕਟਰ, ਆਪਣੇ ਜਨਸੰਖਿਆੀ ਲਾਭ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ - ਇੱਕ ਵੱਡੀ, ਨੌਜਵਾਨ ਅਤੇ ਕੰਮ ਕਰਨ ਵਾਲੀ ਉਮਰ ਦੀ ਆਬਾਦੀ। ਜੇਕਰ AI ਆਟੋਮੇਸ਼ਨ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੋਡਿੰਗ, ਡਾਟਾ ਪ੍ਰਬੰਧਨ, ਜਾਂ ਵਪਾਰਕ ਪ੍ਰਕਿਰਿਆ ਕਾਰਜਾਂ ਨੂੰ ਬਦਲਣਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਤਾਂ ਸੈਕਟਰ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਤਬਦੀਲੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। ਭਾਰਤ ਨੇ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਕਿਰਤ-ਸੰਘਣੀ ਸੇਵਾਵਾਂ ਲਈ ਗਲੋਬਲ ਮੰਗ ਤੋਂ ਲਾਭ ਉਠਾਇਆ ਹੈ। ਪੂੰਜੀ-ਸੰਘਣੀ, AI-ਆਧਾਰਿਤ ਮਾਡਲਾਂ ਵੱਲ ਵਧਣਾ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਲਈ ਕਾਰੋਬਾਰੀ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ, ਜਿਸ ਲਈ ਉਹਨਾਂ ਨੂੰ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਬਣਾਈ ਰੱਖਣ ਲਈ ਸਟਾਫ ਦੀ ਨਿਯੁਕਤੀ ਅਤੇ ਸਿਖਲਾਈ ਦੇ ਤਰੀਕਿਆਂ 'ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਪਵੇਗੀ।
ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?
ਨਿਵੇਸ਼ਕ ਹੁਣ ਇਸ ਗੱਲ 'ਤੇ ਨੇੜਿਓਂ ਨਜ਼ਰ ਰੱਖ ਰਹੇ ਹਨ ਕਿ ਕੰਪਨੀਆਂ AI ਅਪਣਾਉਣ ਨੂੰ ਵਰਕਫੋਰਸ (Workforce) ਪ੍ਰਬੰਧਨ ਨਾਲ ਕਿਵੇਂ ਸੰਤੁਲਿਤ ਕਰਦੀਆਂ ਹਨ। ਉਹ ਕੰਪਨੀ ਜੋ ਸਿਰਫ਼ ਮੁਨਾਫੇ ਨੂੰ ਵਧਾਉਣ ਲਈ ਹੈੱਡਕਾਊਂਟ (Headcount) ਘਟਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਉਸਨੂੰ ਉਸ ਕੰਪਨੀ ਨਾਲੋਂ ਵੱਖਰੇ ਜੋਖਮਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ ਜੋ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਵਧੇਰੇ ਉਤਪਾਦਕ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਲੰਬੇ ਸਮੇਂ ਦੇ ਮੁਨਾਫੇ, ਕਰਮਚਾਰੀ ਧਾਰਨ ਲਾਗਤਾਂ, ਅਤੇ ਸਮੁੱਚੇ ਕਾਰੋਬਾਰੀ ਮਾਡਲ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਸਿਰਫ਼ ਮੁਨਾਫੇ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਬਜਾਏ, ਵਰਕਫੋਰਸ ਰਣਨੀਤੀ ਬਾਰੇ ਕੰਪਨੀ ਦੀ ਟਿੱਪਣੀ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਟਰੈਕ ਕਰਨ ਲਈ ਮੁੱਖ ਸੂਚਕਾਂ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਹਨ ਕਿ ਕੰਪਨੀ AI 'ਤੇ ਕਿੰਨਾ ਖਰਚ ਕਰ ਰਹੀ ਹੈ ਬਨਾਮ ਉਸਦੀ ਲੇਬਰ ਲਾਗਤ, ਅਤੇ ਕੀ ਮੈਨੇਜਮੈਂਟ ਕਰਮਚਾਰੀਆਂ ਦੀ ਮੁੜ-ਸਿਖਲਾਈ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਖਾਸ ਕਰਕੇ IT ਅਤੇ ਬਿਜ਼ਨਸ ਸਰਵਿਸਿਜ਼ ਵਿੱਚ, ਨਿਯੁਕਤੀ ਦੇ ਪੈਟਰਨ ਵਿੱਚ ਸੈਕਟਰ-ਵਿਆਪੀ ਤਬਦੀਲੀਆਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇਗਾ। ਅੰਤ ਵਿੱਚ, ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਮਜ਼ਦੂਰ ਅਧਿਕਾਰਾਂ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਸਰਕਾਰੀ ਨੀਤੀ ਵਿਕਾਸ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਭਵਿੱਖ ਦੇ ਸੰਭਾਵੀ ਰੈਗੂਲੇਟਰੀ ਖਰਚਿਆਂ ਜਾਂ ਕਾਰੋਬਾਰੀ ਮਾਹੌਲ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਬਾਰੇ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ।
