ਭਾਰਤ ਬਣਿਆ AI ਡਾਟਾ ਹੱਬ: ਗਿਗ ਵਰਕਰਾਂ ਦੇ ਨਿਯਮਾਂ ਬਾਰੇ ਜਾਣਨਾ ਕਿਉਂ ਹੈ ਜ਼ਰੂਰੀ?

ਭਾਰਤ ਹੁਣ AI ਡਾਟਾ ਟ੍ਰੇਨਿੰਗ ਲਈ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਕੇਂਦਰ ਬਣ ਰਿਹਾ ਹੈ। ਹਜ਼ਾਰਾਂ ਗਿਗ ਵਰਕਰ ਇੱਥੇ ਆਬਜੈਕਟ ਲੇਬਲਿੰਗ ਵਰਗੇ ਜ਼ਰੂਰੀ ਕੰਮ ਕਰ ਰਹੇ ਹਨ। ਜਿੱਥੇ ਇਸ ਨਾਲ ਇੱਕ ਨਵਾਂ ਹਾਈ-ਗਰੋਥ ਸਰਵਿਸ ਮਾਰਕੀਟ ਬਣ ਰਿਹਾ ਹੈ, ਉੱਥੇ ਹੀ ਗਿਗ ਵਰਕਰਾਂ ਦੇ ਅਧਿਕਾਰਾਂ ਨੂੰ ਲੈ ਕੇ ਰੈਗੂਲੇਟਰੀ ਜੋਖਮ ਵੀ ਵਧ ਰਹੇ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ (Investors) ਨੂੰ ਇਹ ਦੇਖਣਾ ਹੋਵੇਗਾ ਕਿ ਕਿਰਤ ਸੁਰੱਖਿਆ (Labor Protection) ਨੂੰ ਲੈ ਕੇ ਪਾਲਿਸੀ ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਸੰਭਾਵੀ ਬਦਲਾਅ IT ਅਤੇ BPO ਸੈਕਟਰ ਦੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਆਪਰੇਟਿੰਗ ਖਰਚਿਆਂ ਅਤੇ ਮੁਨਾਫੇ (Margins) ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੇ ਹਨ।

ਕੀ ਹੋਇਆ?

ਭਾਰਤ ਤੇਜ਼ੀ ਨਾਲ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਡਾਟਾ ਇੰਡਸਟਰੀ ਦਾ ਇੱਕ ਕੇਂਦਰੀ ਹੱਬ ਬਣ ਰਿਹਾ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੇ ਡਿਵੈਲਪਰ ਜਦੋਂ ਅਜਿਹੇ ਸਿਸਟਮ ਬਣਾ ਰਹੇ ਹਨ ਜੋ ਰੋਬੋਟਸ ਨੂੰ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਮਾਹੌਲ ਵਿੱਚ ਨੈਵੀਗੇਟ ਕਰਨਾ ਸਿਖਾਉਂਦੇ ਹਨ – ਜਿਸਨੂੰ Physical AI ਕਿਹਾ ਜਾਂਦਾ ਹੈ – ਤਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਮਨੁੱਖੀ ਗਤੀਵਿਧੀਆਂ ਦੇ ਵਿਸ਼ਾਲ ਡਾਟਾਸੈੱਟਸ (Massive Datasets) ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਗਿਗ ਵਰਕਰਾਂ ਦੁਆਰਾ ਖਾਣਾ ਬਣਾਉਣ, ਕੱਪੜੇ ਧੋਣ, ਜਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਹਿਲਾਉਣ ਵਰਗੀਆਂ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਕਿਰਿਆਵਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਉਪਕਰਨਾਂ (Specialized Equipment) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਰਿਕਾਰਡ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਹੁਣ ਸਟਾਰਟ-ਅੱਪਸ (Start-ups) ਇਨ੍ਹਾਂ ਵਰਕਰਾਂ ਨੂੰ ਹਾਈ-ਫਿਡੈਲਿਟੀ ਡਾਟਾਸੈੱਟਸ ਬਣਾਉਣ ਲਈ ਤਾਇਨਾਤ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਭਾਰਤ ਦੇ ਟੈਕ ਸਰਵਿਸ ਲੈਂਡਸਕੇਪ (Tech Service Landscape) ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਕਾਸ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਇੰਡਸਟਰੀ ਨੂੰ ਰਵਾਇਤੀ ਵੌਇਸ-ਅਧਾਰਤ ਗਾਹਕ ਸਹਾਇਤਾ (Voice-based Customer Support) ਤੋਂ ਅੱਗੇ ਵਧਾ ਕੇ ਗੁੰਝਲਦਾਰ, ਮਨੁੱਖ-ਕੇਂਦਰਿਤ ਡਾਟਾ ਸੇਵਾਵਾਂ ਵੱਲ ਲੈ ਜਾ ਰਹੀ ਹੈ, ਜੋ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਰੋਬੋਟਿਕਸ (Robotics) ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹਨ।

ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਸਦਾ ਕੀ ਮਤਲਬ ਹੈ?

ਭਾਰਤੀ IT ਅਤੇ ਬਿਜ਼ਨਸ ਪ੍ਰੋਸੈਸ ਆਊਟਸੋਰਸਿੰਗ (BPO) ਸੈਕਟਰਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਹ ਵਿਕਾਸ ਉੱਚ-ਮੁੱਲ ਵਾਲੇ ਉਤਪਾਦਾਂ (Higher-Value Products) ਵੱਲ ਇੱਕ ਰਣਨੀਤਕ ਪਲਟਾਅ (Strategic Pivot) ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਬੇਸਿਕ ਬੈਕ-ਆਫਿਸ ਕੰਮਾਂ (Basic Back-office Tasks) ਤੋਂ ਗੁੰਝਲਦਾਰ AI ਐਨੋਟੇਸ਼ਨ (AI Annotation) ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹ ਬਿਜ਼ਨਸ ਮਾਡਲ ਇੱਕ ਵਿਸ਼ਾਲ, ਅਕਸਰ ਅਣਦਿਸਦਾ, ਵਰਕਫੋਰਸ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਮੌਜੂਦਾ ਇੰਡਸਟਰੀ ਡਾਇਨਾਮਿਕਸ (Industry Dynamics) ਇੱਕ ਓਲੀਗੋਪਸਨੀ (Oligopsony) ਵਰਗੀ ਹੈ, ਜਿੱਥੇ ਸੇਵਾਵਾਂ ਦੇ ਕੁਝ ਵੱਡੇ ਖਰੀਦਦਾਰਾਂ (Buyers) ਦੀ ਇੱਕ ਵੱਡੀ, ਖਿੰਡੀ ਹੋਈ ਵਰਕਫੋਰਸ 'ਤੇ ਕਾਫੀ ਸ਼ਕਤੀ ਹੁੰਦੀ ਹੈ। ਇਸ ਅਸੰਤੁਲਨ (Imbalance) ਨੇ ਨੀਤੀ ਘਾੜਿਆਂ (Policymakers) ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ (Researchers) ਦਾ ਧਿਆਨ ਖਿੱਚਿਆ ਹੈ, ਜੋ ਇਨ੍ਹਾਂ ਗਿਗ ਵਰਕਰਾਂ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਨਿਯਮਾਂ (Regulations) ਦੀ ਮੰਗ ਕਰ ਰਹੇ ਹਨ। ਇਨ੍ਹਾਂ ਵਰਕਰਾਂ ਲਈ ਤਨਖਾਹਾਂ, ਨੌਕਰੀ ਦੀ ਸੁਰੱਖਿਆ, ਜਾਂ ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ (Social Security) ਵਿੱਚ ਸੁਧਾਰ ਲਿਆਉਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਕਾਨੂੰਨੀ ਬਦਲਾਅ ਨਾਲ ਪਾਲਣਾ ਲਾਗਤਾਂ (Compliance Costs) ਵਿੱਚ ਵਾਧਾ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਇਸ ਖੇਤਰ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੀਆਂ ਫਰਮਾਂ ਦੇ ਮੁਨਾਫੇ (Profit Margins) 'ਤੇ ਦਬਾਅ ਪਾ ਸਕਦਾ ਹੈ।

ਰੈਗੂਲੇਟਰੀ ਸੰਦਰਭ (Regulatory Context)

ਭਾਰਤ ਵਿੱਚ ਮੌਜੂਦਾ ਨਿਯਮਾਂ ਨੇ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਕੰਮ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ (Digitalization) ਨਾਲ ਤਾਲਮੇਲ ਬਿਠਾਉਣ ਲਈ ਸੰਘਰਸ਼ ਕੀਤਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਮੌਜੂਦਾ ਕਿਰਤ ਕਾਨੂੰਨ (Labor Laws) ਰਵਾਇਤੀ ਰੁਜ਼ਗਾਰ ਢਾਂਚੇ (Traditional Employment Structures) 'ਤੇ ਆਧਾਰਿਤ ਹਨ, ਜਿਸ ਨਾਲ ਗਿਗ ਅਤੇ ਪਲੇਟਫਾਰਮ ਵਰਕਰਾਂ (Gig and Platform Workers) ਨਾਲ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸ ਵਿੱਚ ਇੱਕ ਪਾੜਾ (Gap) ਰਹਿ ਜਾਂਦਾ ਹੈ। ਮਾਹਰ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਮੌਜੂਦਾ ਖਿੰਡੇ ਹੋਏ ਰੈਗੂਲੇਟਰੀ ਪਹੁੰਚ (Fragmented Regulatory Approach) - ਜਿੱਥੇ ਵੱਖ-ਵੱਖ ਮੰਤਰਾਲੇ ਡਿਜੀਟਲ ਅਰਥਚਾਰੇ (Digital Economy) ਦੇ ਵੱਖ-ਵੱਖ ਪਹਿਲੂਆਂ ਨੂੰ ਸੰਭਾਲਦੇ ਹਨ - ਨੂੰ ਇੱਕ ਵਧੇਰੇ ਇਕਸਾਰ, ਵਿਆਪਕ ਢਾਂਚੇ (Cohesive, Comprehensive Framework) ਨਾਲ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ। ਵਿਚਾਰ ਅਧੀਨ ਪ੍ਰਸਤਾਵਾਂ (Proposals) ਵਿੱਚ ਵੱਖ-ਵੱਖ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਵਰਕਰ ਸਮੀਖਿਆਵਾਂ (Worker Reviews) ਦੀ ਪੋਰਟੇਬਿਲਟੀ (Portability) ਨੂੰ ਲਾਜ਼ਮੀ ਬਣਾਉਣਾ ਅਤੇ ਨਿਰਪੱਖ ਕਮਿਸ਼ਨ ਢਾਂਚਾ (Fair Commission Structures) ਯਕੀਨੀ ਬਣਾਉਣਾ ਸ਼ਾਮਲ ਹੈ। ਇਨ੍ਹਾਂ ਉਪਾਵਾਂ ਦਾ ਉਦੇਸ਼ ਵਰਕਰਾਂ ਦੇ ਸ਼ੋਸ਼ਣ (Worker Exploitation) ਨੂੰ ਰੋਕਣਾ ਹੈ, ਪਰ ਇਹ ਸੇਵਾ ਪਲੇਟਫਾਰਮਾਂ ਦੇ ਕੰਮ ਕਰਨ ਅਤੇ ਮਾਲੀਆ (Revenue) ਪੈਦਾ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਵੀ ਬਦਲ ਸਕਦਾ ਹੈ।

ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਸਨੂੰ ਟੈਕ ਸਰਵਿਸਿਜ਼ ਸੈਕਟਰ (Tech Services Sector) ਲਈ ਇੱਕ ਸੰਭਾਵੀ ਪਰਿਵਰਤਨ ਪੜਾਅ (Transition Phase) ਵਜੋਂ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ AI ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦੀ ਮੰਗ ਵਧਣ ਦੀ ਉਮੀਦ ਹੈ, ਪ੍ਰਦਾਤਾਵਾਂ (Providers) ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮੁਨਾਫਾਖੋਰਤਾ (Profitability) ਕਿਰਤ ਲਾਗਤਾਂ (Labor Costs) ਅਤੇ ਪਾਲਣਾ (Compliance) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਨੈਤਿਕ ਕਿਰਤ ਅਭਿਆਸਾਂ (Ethical Labor Practices) ਅਤੇ ਮਾਪਣਯੋਗ, ਪਾਰਦਰਸ਼ੀ AI-ਡਰਾਈਵਨ ਪ੍ਰਬੰਧਨ ਪ੍ਰਣਾਲੀਆਂ (Scalable, Transparent AI-driven Management Systems) ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਲਾਗੂ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਮਾਰਜਿਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟ (Margin Disruption) ਦੇ ਬਿਨਾਂ ਇਨ੍ਹਾਂ ਬਦਲਾਵਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ ਲਈ ਬਿਹਤਰ ਸਥਿਤੀ ਵਿੱਚ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਦੂਜੇ ਪਾਸੇ, ਘੱਟ-ਲਾਗਤ, ਅਸੁਰੱਖਿਅਤ ਗਿਗ ਵਰਕਫੋਰਸ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਫਰਮਾਂ ਨੂੰ ਜੋਖਮ (Risks) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ ਜੇਕਰ ਰੈਗੂਲੇਟਰੀ ਮਾਪਦੰਡ (Regulatory Standards) ਅਚਾਨਕ ਸਖ਼ਤ ਹੋ ਜਾਂਦੇ ਹਨ।

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਅੱਗੇ ਵਧਦੇ ਹੋਏ, ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਮੁੱਖ ਨਿਗਰਾਨੀ (Primary Monitorable) AI ਅਤੇ ਗਿਗ ਵਰਕਰ ਰੈਗੂਲੇਸ਼ਨ ਲਈ ਇੱਕ ਰਾਸ਼ਟਰੀ ਢਾਂਚੇ (National Framework) ਦਾ ਵਿਕਾਸ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ ਪਹਿਲਕਦਮੀਆਂ (Social Security Initiatives), ਡਿਜੀਟਲ ਪਲੇਟਫਾਰਮ ਵਰਕਰਾਂ ਲਈ ਘੱਟੋ-ਘੱਟ ਉਜਰਤ ਪ੍ਰਸਤਾਵਾਂ (Minimum Wage Proposals), ਅਤੇ ਕਿਸੇ ਵੀ ਸੈਕਟਰ-ਵਿਸ਼ੇਸ਼ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ (Sector-specific Guidelines) ਜੋ ਐਲਗੋਰਿਦਮਿਕ ਪ੍ਰਬੰਧਨ (Algorithmic Management) ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਲਾਜ਼ਮੀ ਬਣਾਉਂਦੇ ਹਨ, 'ਤੇ ਅਪਡੇਟਸ ਦੀ ਭਾਲ ਕਰੋ। ਪ੍ਰਮੁੱਖ IT ਅਤੇ BPO ਖਿਡਾਰੀਆਂ (Players) ਦੁਆਰਾ ਉਨ੍ਹਾਂ ਦੀ ਡਾਟਾ ਐਨੋਟੇਸ਼ਨ ਸਮਰੱਥਾ (Data Annotation Capacity) ਅਤੇ ਕਿਰਤ ਅਭਿਆਸਾਂ (Labor Practices) ਬਾਰੇ ਪ੍ਰਬੰਧਨ ਟਿੱਪਣੀ (Management Commentary) ਵੀ ਇਸ ਗੱਲ ਦੀ ਕੀਮਤੀ ਸਮਝ (Valuable Insights) ਪ੍ਰਦਾਨ ਕਰੇਗੀ ਕਿ ਉਹ ਸੰਭਾਵੀ ਰੈਗੂਲੇਟਰੀ ਬਦਲਾਵਾਂ ਲਈ ਕਿਵੇਂ ਤਿਆਰੀ ਕਰ ਰਹੇ ਹਨ। ਇਨ੍ਹਾਂ ਸੰਕੇਤਕਾਂ (Indicators) ਨੂੰ ਟਰੈਕ ਕਰਨ ਨਾਲ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲੇਗੀ ਕਿ ਕੀ ਸੈਕਟਰ ਇੱਕ ਵਧੇਰੇ ਨਿਯੰਤ੍ਰਿਤ ਸੰਚਾਲਨ ਵਾਤਾਵਰਣ (Regulated Operating Environment) ਦੇ ਅਨੁਕੂਲ ਹੁੰਦੇ ਹੋਏ ਆਪਣੇ ਵਿਕਾਸ ਦੇ ਰੁਖ (Growth Trajectory) ਨੂੰ ਬਰਕਰਾਰ ਰੱਖ ਸਕਦਾ ਹੈ।