गूगल ने 15 मिलियन वास्तविक AI इंटरैक्शन का अध्ययन किया और पाया कि कर्मचारी अपनी नौकरियों को स्वचालित नहीं कर रहे हैं
एक नया गूगल रिसर्च पेपर देखता है कि लोग वास्तव में काम पर Gemini का उपयोग कैसे करते हैं। मुख्य निष्कर्ष: AI कार्यों के टुकड़ों में मदद करता है, लेकिन सिरे से सिरे तक नौकरी प्रतिस्थापन दुर्लभ है।
मुख्य बिंदु
- गूगल रिसर्च ने Gemini, गूगल के AI सहायक के साथ 15 मिलियन अनाम इंटरैक्शन का विश्लेषण किया यह देखने के लिए कि कर्मचारी वास्तव में काम पर इसका उपयोग कैसे करते हैं।
- शोधकर्ताओं को कोई सबूत नहीं मिला कि AI सफेद कॉलर श्रमिकों के व्यापक स्वचालन या विस्थापन का कारण बनने वाला है।
- AI का उपयोग कई पेशों में दिखाई दिया लेकिन उथला और मुख्य रूप से सहयोगी रहा, जिसका अर्थ है कि इंसान पूरे कार्य पर नियंत्रण में रहे।
- पूरी तरह से स्वचालित, शुरुआत से अंत तक कार्य पूरा करना समीक्षा किए गए सभी डेटा में सीमित दायरे में था।
गूगल को वास्तव में क्या मिला?
कर्मचारी AI को प्रतिस्थापन नहीं, बल्कि सहायक के रूप में उपयोग करते हैं। यह गूगल रिसर्च द्वारा पिछले सप्ताह प्रकाशित एक अध्ययन का संक्षिप्त संस्करण है जो Gemini, कंपनी के AI सहायक के साथ 15 मिलियन अनाम बातचीत को कवर करता है।
परियोजना को AI & Economy ATLAS कहा जाता है, जो Activity, Task, Landscape, और Adoption Study के लिए खड़ा है। शोधकर्ताओं ने Gemini ऐप, गूगल के AI मोड और Gemini API (प्रोग्रामिंग इंटरफेस जो व्यवसायों को अपने स्वयं के सॉफ्टवेयर में Gemini को प्लग करने देता है) से डेटा निकाला, ताकि यह सबसे बड़ी वास्तविक दुनिया की तस्वीर बनाई जाए कि कर्मचारी वास्तव में अपने काम के दिन के दौरान AI उपकरणों तक कैसे पहुंचते हैं।
उन्हें जो मिला वह सुर्खियों के विरुद्ध था। पेपर स्पष्ट रूप से बताता है कि शोधकर्ताओं "को इस दावे का समर्थन करने के लिए कोई सबूत नहीं मिला कि AI सफेद कॉलर कार्य के बड़े पैमाने पर स्वचालन और विस्थापन का कारण बनने वाला है।"
Ars Technica ने सबसे पहले इस अध्ययन की रिपोर्ट की थी।
"उथला और सहयोगी" का वास्तव में क्या अर्थ है?
इसका अर्थ है कि कर्मचारी ज्यादातर AI को किसी काम का एक हिस्सा संभालने के लिए कहते हैं, फिर परिणाम लेते हैं और स्वयं इसके साथ आगे बढ़ते हैं। एक नर्स को किसी शोध पत्र का सादी अंग्रेजी सारांश मांगने, या एक दुकान के मालिक को एक आपूर्तिकर्ता को एक प्रारंभिक ईमेल का मसौदा तैयार करने के बारे में सोचें। मानव अभी भी फैसला लेता है। मानव अभी भी ईमेल भेजता है।
पूर्ण स्वचालन, जहां AI किसी कार्य को पहले चरण से तैयार उत्पाद तक संभालता है और कोई मानव लूप में नहीं होता है, डेटा में दुर्लभ था।
"AI कार्यों के एक सबसेट के लिए उपयोगी दिखाई देता है," शोधकर्ताओं ने लिखा, पूरे नौकरी विवरण को निगलने के लिए नहीं।
शोधकर्ताओं ने 15 मिलियन बातचीत को कैसे क्रमबद्ध किया?
उन्होंने एक स्वचालित वर्गीकरणकर्ता का उपयोग किया, एक सॉफ्टवेयर का टुकड़ा जो डेटा को क्रमबद्ध और लेबल करने के लिए प्रशिक्षित है, दो आधिकारिक डेटाबेस के विरुद्ध कार्य-संबंधित AI इंटरैक्शन को मैच करने के लिए: US Bureau of Labor Statistics का Standard Occupational Classifications और O*NET, एक विस्तृत सरकारी कार्य कार्यों का सूची। मानव समीक्षकों ने तब परिणामों की जांच की और पुष्टि की कि विधि विश्वसनीय थी।
यह दृष्टिकोण पूर्ण नहीं है। कुछ इंटरैक्शन इस बारे में "स्वाभाविक रूप से अनिश्चित" थे कि क्या वे काम से संबंधित थे। लेकिन सत्यापन प्रक्रिया ने टीम को व्यापक निष्कर्ष निकालने के लिए पर्याप्त आत्मविश्वास दिया।
यह अपनी नौकरियों के बारे में चिंतित कर्मचारियों के लिए क्या मायने रखता है?
विनाश की भविष्यवाणियों को एक दाने नमक के साथ लें, लेकिन AI को पूरी तरह से अनदेखा न करें। डेटा से पता चलता है कि AI कई नौकरियों के हिस्सों के लिए वास्तव में उपयोगी है: मसौदा तैयार करना, सारांश, अनुसंधान और काम की जांच करना। यह जानना लायक है।
यह भी महत्वपूर्ण है कि इन निष्कर्षों पर कौन ध्यान दे रहा है। गूगल के पास यह दिखाने में वित्तीय हित है कि Gemini सहायक है न कि खतरनाक, इसलिए फ्रेमिंग को जांच की आवश्यकता है। गूगल के अपने उत्पादों पर आधारित एक अध्ययन, गूगल के अपने उपयोगकर्ताओं को मापते हुए, काम पर AI की तस्वीर के हर कोने को कैप्चर नहीं करेगा। Survivorship bias यहां भी वास्तविक है: कर्मचारी जो AI को बेकार पाते हैं, शायद इसका उपयोग करना बंद कर देंगे, और उनकी अनुपस्थित इंटरैक्शन इस डेटा में दिखाई नहीं देंगी।
फिर भी, 15 मिलियन वास्तविक इंटरैक्शन अनुमान से बेहतर है। फिलहाल, सबूत एक अधिग्रहण के बजाय एक उपकरण की ओर इशारा करते हैं।
ईमानदार निष्कर्ष: इस सप्ताह अपनी नौकरी में एक दोहराव वाले कार्य को उठाएं, AI सहायक को इसे मसौदा या सारांश देने के लिए कहने का प्रयास करें, और आउटपुट को स्वयं आंकें। यह प्रत्यक्ष परीक्षण आपको किसी भी भविष्यवाणी से अधिक बता देगा।
