کیا نئی ٹکنالوجی کا ایک پھٹ واقعی نئی شکل دے سکتا ہے جہاں کارکنوں کو کام ملتا ہے اور ملازمتیں کیسی نظر آتی ہیں؟ یہ سیکشن آپ کو موجودہ لیبر مارکیٹ کا واضح نقشہ فراہم کرتا ہے تاکہ آپ اپنے کیریئر کے بارے میں بہتر انتخاب کر سکیں۔

آپ دیکھیں گے کہ نمبروں میں مصنوعی ذہانت کہاں دکھائی دیتی ہے اور کہاں نہیں۔ 2022 کے اواخر سے ڈیٹا ظاہر کرتا ہے کہ کچھ ٹیک سب سیکٹرز برسوں کی ترقی کے بعد ٹھنڈا ہو رہے ہیں، جبکہ مجموعی طور پر ملازمت کے نمونے کافی مستحکم ہیں۔

یہ تضاد اہمیت رکھتا ہے۔ یہ آپ کو بنیادی تجزیہ سے بلند آواز کی سرخیوں کو الگ کرنے میں مدد کرتا ہے اور یہ معلوم کرنے میں مدد کرتا ہے کہ افرادی قوت کے کن حصوں کو تبدیلی کا حقیقی سامنا کرنا پڑتا ہے۔

اس سیکشن کے آخر تک، آپ سمجھ جائیں گے کہ فارغ التحصیل بے روزگاری کیوں زیادہ ہے، کون سے کام پہلے بدل سکتے ہیں، اور وقت کے ساتھ ساتھ کن اشارے پر نظر رکھنا ہے تاکہ آپ اعتماد کے ساتھ منصوبہ بندی کر سکیں۔

کلیدی ٹیک ویز

• آپ کو اس بات کا ایک جامع نظریہ ملے گا کہ مصنوعی ذہانت کہاں ظاہر ہوتی ہے اور کہاں نہیں ہوتی۔
• اعداد و شمار بتاتے ہیں کہ 2022 کے آخر کے بعد کچھ ٹیک نچس ٹھنڈے ہوئے، جبکہ بہت سے شعبے مستحکم رہے۔
• نمائش کام کی جگہ کے حقیقی استعمال سے مختلف ہوتی ہے۔ جانیں کہ کون سے کارکن سب سے زیادہ متاثر ہوتے ہیں۔
• گریجویٹ بے روزگاری میں غیر معمولی اضافہ ہوا؛ جانیں کہ آپ کے میجر کے لیے اس کا کیا مطلب ہو سکتا ہے۔
• ٹاسک اور ٹائمنگ دیکھیں—ٹیکنالوجی اکثر ہفتوں میں نہیں بلکہ برسوں میں کرداروں کی تشکیل نو کرتی ہے۔

ایگزیکٹو سنیپ شاٹ: ڈیٹا اس وقت ملازمتوں اور AI کے بارے میں کیا کہتا ہے۔

موجودہ اعدادوشمار ایک ملی جلی تصویر پیش کرتے ہیں: وسیع پیمانے پر مستحکم لیبر مارکیٹ کے اندر تبدیلی کی جیب۔ مارچ میں گریجویٹ بے روزگاری 5.8% تک پہنچ گئی۔، جو چار سالوں میں سب سے زیادہ ہے، اور اس ٹیکنالوجی کے سامنے آنے والی بڑی کمپنیوں نے — جیسے کمپیوٹر انجینئرنگ، گرافک ڈیزائن، صنعتی انجینئرنگ، اور فن تعمیر — نے بڑے اضافے دیکھے۔

2022 کے اواخر کے بعد کچھ ٹیک سب سیکٹرز نے بڑھنا بند کر دیا۔ کلاؤڈ سروسز، ویب سرچ، اور کمپیوٹر سسٹمز کے ڈیزائن میں بھرتی اور ترقی میں واضح کمی دکھائی دیتی ہے۔

زیادہ تر کاروبار اب بھی محدود استعمال کی اطلاع دیتے ہیں: 10% سے کم فرمیں ان ٹولز کو باقاعدگی سے استعمال کرتی ہیں۔ پیشہ ورانہ، سائنسی، اور تکنیکی خدمات میں استعمال زیادہ ہے (صرف 20% سے زیادہ) اور معلومات کے شعبے میں 27% کے قریب ہے۔ اس سے یہ بتانے میں مدد ملتی ہے کہ مجموعی سطح پر، پیشہ ورانہ اختلاط پچھلے سالوں کے مقابلے میں واضح طور پر تیزی سے کیوں نہیں بدلا ہے۔

• سرفہرست حقیقت: وسیع پیمانے پر ملازمت کے نقصان کے ثبوت محدود اور مرتکز ہیں۔
• نمائش ناہموار ہے - کچھ کارکنوں کو زیادہ خطرے کا سامنا کرنا پڑتا ہے، جبکہ بہت سی صنعتیں مستحکم رہتی ہیں۔
• ان سگنلز کو ابتدائی جھٹکے سمجھیں: یہ بتاتے ہیں کہ کہاں اپ سکل کرنا ہے اور کن کمپنیوں کو دیکھنا ہے۔

AI روزگار کے رجحانات اور آپ کے ارادے کی وضاحت: آپ واقعی کیا سیکھنے کی کوشش کر رہے ہیں۔

سب سے پہلے، ان درست سوالات کو پن کریں جن کا آپ لیبر مارکیٹ کے ڈیٹا سے جواب دینا چاہتے ہیں۔ کیا آپ اس بات پر توجہ مرکوز کر رہے ہیں کہ آیا پوری پیشے حرکت میں آتے ہیں، کون سے کام بدلتے ہیں، یا وقت کے ساتھ یہ حرکتیں کتنی تیزی سے ہوتی ہیں؟ واضح ارادہ تجزیہ کو آپ کے کیریئر کے اگلے فیصلے کے لیے مفید بناتا ہے۔

مزدوری کے تناظر میں "رجحانات" کا کیا مطلب ہے۔

مکس پوری مارکیٹ میں پیشوں کی تقسیم سے مراد ہے۔ یہ مکس کسی ایک کام کے اعدادوشمار کے مقابلے میں وسیع تبدیلی کا ایک بہتر اشارہ ہے۔

نمو ملازمت کے نمونوں کو ٹریک کرتا ہے۔ یہ دکھاتا ہے کہ کردار کہاں پھیلتے ہیں یا سکڑتے ہیں۔

نمائش، استعمال، اور محققین ان کی پیمائش کیسے کرتے ہیں۔

ایکسپوژر ایک ٹاسک لیول میٹرک ہے: اس کا مطلب یہ ہو سکتا ہے کہ ماڈل مخصوص کاموں کو 50% تیزی سے مکمل کرنے میں مدد کرتا ہے۔ محققین یہ اندازہ لگانے کے لیے کہ کتنے کارکنوں کو زیادہ نمائش کا سامنا کرنا پڑتا ہے۔

اس کے برعکس، استعمال اصل آلے کی سرگرمی کو ریکارڈ کرتا ہے۔ ChatGPT کے آغاز کے بعد سے، ایکسپوژر کوئنٹائلز میں ورکرز کا حصہ مستحکم رہا، اور استعمال شاذ و نادر ہی ایکسپوزر کے مطابق ہوتا ہے۔

• مکس گروتھ پلس ایکسپوژر اور استعمال اکیلے کسی بھی نمبر سے زیادہ واضح تصویر فراہم کرتا ہے۔
• تحقیق کے طریقے اہم ہیں — آپ کو یہ دیکھنا چاہیے کہ کام کرنے سے پہلے کام کس طرح پیشوں کے مطابق بنتے ہیں۔
• زمانے کا موازنہ کرنے کے لیے ٹائم ونڈوز کا استعمال کریں تاکہ قلیل مدتی شور ساختی تبدیلی کی طرح نظر نہ آئے۔

تبدیلی کے اشارے: جہاں لیبر مارکیٹ پہلے منتقل ہو رہی ہے۔

لیبر مارکیٹ میں ابتدائی اشارے بعض کالجوں اور کچھ ٹیک نچس کے لیے تیز اثرات کی طرف اشارہ کرتے ہیں۔ یہ تبدیلیاں مجموعی سطح پر چھوٹی ہوتی ہیں لیکن جب آپ مخصوص گروپوں اور ذیلی شعبوں میں ڈرل کرتے ہیں تو واضح ہوتی ہیں۔

کالج گریجویٹس اور بے نقاب میجرز میں بڑھتی ہوئی بے روزگاری۔

گریجویٹ بے روزگاری کی زد میں مارچ میں 5.8%، غیر معمولی طور پر مجموعی شرح سے زیادہ۔ یہ اضافہ اعلی نمائش والے میجرز کے حالیہ کالج گریڈوں میں مرکوز ہے۔

کمپیوٹر انجینئرنگ، گرافک ڈیزائن، صنعتی انجینئرنگ، اور فن تعمیر داخلے کی سطح کی بے روزگاری میں بڑے اضافہ کو ظاہر کریں۔ آپ کے لیے، اس کا مطلب ہے کہ اگر آپ کا اہم کام بے نقاب کاموں میں مرکوز ہے تو ابتدائی کیریئر کی ملازمت کی تلاش میں زیادہ وقت لگ سکتا ہے۔

2022 کے آخر کے بعد منتخب ٹیک سب سیکٹرز میں فلیٹ لائننگ

2022 کے آخر میں کلاؤڈ سروسز، ویب سرچ، اور کمپیوٹر سسٹم کے ڈیزائن کے لیے بھرتی اور ترقی رک گئی۔ ان طاقوں میں فرموں نے توسیع کو روک دیا یہاں تک کہ جب وسیع تر مارکیٹیں چلتی رہیں۔

مجموعی طور پر 10% سے بھی کم فرمیں ان ٹولز کو باقاعدگی سے استعمال کرتی ہیں، لیکن استعمال پیشہ ورانہ اور سائنسی خدمات میں 20% سے بڑھ کر معلومات کے شعبے میں تقریباً 27% تک پہنچ جاتا ہے۔ یہ ارتکاز بتاتا ہے کہ کیوں کچھ صنعتیں پہلے دباؤ محسوس کرتی ہیں۔

کیوں یہ تبدیلیاں گود لینے اور بعد از COVID چھانٹی دونوں کی عکاسی کرتی ہیں۔

سست روی کا ایک حصہ تیزی سے بھرتی کے عمل کے بعد COVID کے بعد کے معمول کے مطابق ہے۔ ایک اور حصہ ٹارگٹڈ اپنانے سے تعلق رکھتا ہے جو مخصوص کاموں اور کرداروں کو متاثر کرتا ہے۔

"یہاں تک کہ معمولی گود لینے سے بھی تنگ طاقوں میں ملازمت بدل سکتی ہے جہاں بہت سے کارکن ایک جیسے کام انجام دیتے ہیں،"

لہذا، جب آپ ڈیٹا کو پڑھتے ہیں، تو ٹاسک لیول کی نمائش سے قلیل مدتی چھانٹی کو الگ کریں جو سالوں کے دوران کرداروں کو نئی شکل دیتا ہے۔ اپ سکلنگ کی رہنمائی کے لیے سگنلز کا استعمال کریں اور جہاں آپ درخواست دیتے ہیں۔

• نمائش پر توجہ مرکوز کریں: یہ ابتدائی کیریئر کے نتائج کے لیے ہیڈ لائن جاب کے شمار سے زیادہ اہمیت رکھتا ہے۔
• صنعت کا ارتکاز دیکھیں: چند آجروں کے جھرمٹ میں کام کرنے والے کارکنوں کو زیادہ خطرے کا سامنا کرنا پڑتا ہے۔
• کئی سال سوچیں: تبدیلیاں اکثر سالوں میں ظاہر ہوتی ہیں، ہفتوں میں نہیں۔

زوم آؤٹ کرنا: معیشت بھر میں روزگار شہ سرخیوں کی تجویز سے زیادہ مستحکم نظر آتا ہے۔

پوری معیشت میں دیکھا جائے تو، جاب مکس میں تبدیلیاں اچانک وقفے سے زیادہ ماضی کے ٹیک سائیکلوں سے مشابہت رکھتی ہیں۔ حالیہ ڈیٹا نومبر 2022 سے شو تبدیلیاں معمولی ہیں اور تازہ ترین عوامی ریلیز سے پہلے شروع ہوئی ہیں۔

ChatGPT بمقابلہ پہلے کی ٹیک لہروں کے بعد سے پیشہ ورانہ مکس میں تبدیلی

2022 کے آخر سے پیشوں میں تبدیلیاں 1996–2002 جیسی اقساط کے ساتھ قریب سے ٹریک کرتی ہیں۔ مجموعی طور پر نقل و حرکت اس سے پہلے کے دور سے صرف ایک فیصد زیادہ ہے۔

اس کا مطلب ہے کہ قومی مارکیٹ اور افرادی قوت سالوں میں آہستہ آہستہ بدل رہی ہے، راتوں رات نہیں گر رہی ہے۔ اگر آپ مرتکز جگہ پر کام کرتے ہیں تو، آپ کی ملازمت کی تلاش کے لیے چھوٹی فیصد حرکتیں اب بھی اہمیت رکھتی ہیں۔

"چھوٹی معیشت کی وسیع تبدیلیاں مخصوص خدمات یا کاروبار کے اندر تیز اثرات کو چھپا سکتی ہیں۔"

• حقیقت: معیشت میں اب تک کوئی واضح رکاوٹ نہیں ہے۔
• ملٹی سالہ لینز کا موازنہ کریں، ایک مہینے کے شور کا نہیں۔
• اپنے کیریئر پر حقیقی اثرات کا اندازہ لگانے کے لیے تحقیق اور مخلوط اشارے استعمال کریں۔

نمائش بمقابلہ استعمال: AI کے لیبر اثر پر دو لینس

دو اقدامات — کن کاموں کو تیز کیا جا سکتا ہے اور لوگ اصل میں کون سے اوزار استعمال کرتے ہیں — تبدیلی کے بارے میں بہت مختلف نظریات پیش کرتے ہیں۔ یہ تقسیم اہم ہے کیونکہ ایک تکنیکی صلاحیت کو ظاہر کرتا ہے اور دوسرا کام کی جگہ کے حقیقی رویے کو ظاہر کرتا ہے۔

اوپن اے آئی ایکسپوژر میٹرکس: ٹاسک لیول کی صلاحیت

OpenAI کے بیٹا ایکسپوژر اسکورز کسی پیشے کے کاموں کے حصہ کا تخمینہ لگاتے ہیں جنہیں GPT-4 یا جوڑا سافٹ ویئر استعمال کرکے کم از کم 50% تک کم کیا جاسکتا ہے۔

وہ اسکورز ٹاسک کو ایک ایسے نمبر میں ترجمہ کرتے ہیں جو نظریاتی رفتار کو ظاہر کرتا ہے۔ اس کے باوجود 2022 کے آخر سے ایکسپوزر کوئنٹائل کے لحاظ سے ورکرز کا مجموعی حصہ مستحکم رہا، جس سے پتہ چلتا ہے کہ لیبر کے وسیع پیٹرن تیزی سے تبدیل نہیں ہوئے۔

انتھروپک استعمال کے سگنل: جہاں ٹولز اب فعال ہیں۔

اینتھروپک کے استعمال کا ڈیٹا تمام شعبوں میں ٹول کی اصل سرگرمی کی پیمائش کرتا ہے۔ یہ کمپیوٹر اور ریاضی کے کرداروں اور آرٹس/میڈیا کے پیشوں میں بہت زیادہ توجہ پاتا ہے۔

معیشت کی سطح پر، استعمال سے چلنے والے حصص مستحکم نظر آتے ہیں، جس سے یہ ظاہر ہوتا ہے کہ گود لینے کا عمل اب بھی وسیع ہونے کی بجائے کلسٹرڈ ہے۔

ملازمتوں کے لیے نمائش اور استعمال کے معاملات کے درمیان کم تعلق کیوں ہے۔

نمائش کا استعمال برابر نہیں ہے۔ اعلی نظریاتی نمائش والے بہت سے پیشے پیمانے پر ٹولز کا استعمال نہیں کر رہے ہیں۔

عملی راستہ: قلیل مدتی ملازمت کے خطرے کا اندازہ کرتے وقت وزن کا زیادہ استعمال۔ کام کو دوبارہ ڈیزائن کرنا اور عمل میں تبدیلی عام طور پر ہیڈ کاؤنٹ کی چالوں سے پہلے ہوتی ہے، لہذا قریب المدت اثرات کو دیکھنے کے لیے حقیقی ٹول کے استعمال کو ٹریک کریں۔

• نمائش ممکنہ رفتار کو ظاہر کرتی ہے۔ استعمال سے پتہ چلتا ہے کہ کام اب کہاں بدل رہا ہے۔
• 2022 کے اواخر سے مستحکم ایکسپوژر شیئرز کا مطلب ہے کہ وسیع لیبر شفٹ کا امکان نہیں ہے جب تک کہ استعمال میں توسیع نہ ہو۔
• اپنی فوری مارکیٹ ویلیو کو بہتر بنانے کے لیے استعمال کے ہاٹ اسپاٹس پر مہارت حاصل کرنے پر توجہ دیں۔

سیکٹر سنیپ شاٹ: معلومات، پیشہ ورانہ خدمات، اور اس سے آگے

مختلف شعبے مختلف رفتار سے آگے بڑھ رہے ہیں، اور یہ تقسیم رہنمائی کرتا ہے جہاں ملازمتیں پہلے شفٹ ہوتی ہیں۔

انفارمیشن سیکٹر: پبلشنگ اور ڈیٹا پروسیسنگ کی سطح بند ہونے کے ساتھ بڑی مکس شفٹ

معلومات کا شعبہ سب سے واضح مکس تبدیلی کو ظاہر کرتا ہے۔ پبلشنگ فرموں کے بارے میں رپورٹ 36% استعمال کریں۔ نئے ٹولز، اور ڈیٹا پروسیسنگ تقریباً بڑھ گئی۔ 35% 2023 میں چپٹا ہونے سے پہلے۔

اس کا مطلب ہے کہ ان طبقات میں ترقی رک گئی، لیکن روزگار گرنے کے بجائے بڑے پیمانے پر برابر ہو گیا۔ کچھ کمپنیوں میں بے نقاب رولز کلسٹر، جو مقامی خطرہ پیدا کر سکتا ہے یہاں تک کہ جب وسیع شعبہ مستحکم نظر آتا ہے۔

پیشہ ورانہ اور کاروباری خدمات: اب تک خاموش ملازمت کے اثرات کے ساتھ ابتدائی گود لینا

پیشہ ورانہ، سائنسی، اور تکنیکی خدمات کی رپورٹ ابھی ختم ہوئی۔ 20% استعمال. گود لینے کا عمل ہیڈ کاؤنٹ میں کمی سے زیادہ تبدیلی کے طور پر ظاہر ہوتا ہے۔

مختصراً، بہت سے کاروبار پہلے ورک فلو کو موافق بناتے ہیں۔ ہیڈ کاؤنٹ کے اثرات صرف اس وقت ہوتے ہیں جب ٹیمیں کئی سالوں میں کام کو دوبارہ ڈیزائن کرتی ہیں۔

مینوفیکچرنگ اور سروس انڈسٹریز: مجموعی سطح پر محدود رکاوٹ

مینوفیکچرنگ اور وسیع سروس کے زمرے اب تک محدود رکاوٹ دکھاتے ہیں۔ فرموں نے بیداری پیدا کی اور پائلٹ ٹولز، لیکن سیکٹر بھر میں ملازمت کی تبدیلیاں کم رہیں۔

"ٹارگٹ ٹیمیں جو ٹولز کو لاگو کرتی ہیں، نہ صرف وہ کمپنیاں جو ان کے بارے میں بات کرتی ہیں۔"

• آپ دیکھیں گے کہ معلومات سے بھرے طبقے روزگار کی سطح کے ساتھ مکس تبدیلیاں کہاں دکھاتے ہیں۔
• پیشہ ورانہ خدمات کو زیادہ اپنایا گیا ہے لیکن آج تک ملازمت کے اثرات خاموش ہیں۔
• مینوفیکچرنگ اور وسیع تر سروس کے زمرے محدود مجموعی تبدیلی دکھاتے ہیں۔

ابتدائی کیریئر ورکرز اور کالج میجرز: سب سے پہلے کون چوٹکی محسوس کرتا ہے؟

حالیہ اعداد و شمار اس بات میں معمولی فرق کی طرف اشارہ کرتے ہیں کہ نئے گریجویٹ اور قدرے پرانے ساتھی کس طرح پیشوں میں داخل ہوتے ہیں۔ 20–24 بمقابلہ 25–34 سال کی عمر کے افراد کے لیے پیشہ ورانہ اختلاط میں فرق بڑھ گیا، لیکن یہ تاریخی حدود میں رہتا ہے (تقریباً 30–33%)۔

چھوٹے نمونے کے سائز مہینہ بہ مہینہ شور کو بڑھا سکتے ہیں۔ اس کا مطلب ہے کہ نمبروں کا ایک سال ایک پائیدار نمونہ ثابت نہیں کرتا ہے۔

حالیہ گریڈز بمقابلہ پرانے گروہ: تھوڑا سا انحراف، چھوٹے نمونے، اور احتیاط

جہاں خطرہ پہلے ظاہر ہوتا ہے: اعلی ٹاسک ایکسپوژر سے منسلک میجرز - جیسے کمپیوٹر انجینئرنگ اور آرکیٹیکچر - گریجویٹ بے روزگاری میں بڑے اضافے کی اطلاع دیتے ہیں۔

عملی اقدامات: انٹرنشپ اور کرداروں کو ترجیح دیں جہاں ٹول کا استعمال پیداواری صلاحیت کو بڑھاتا ہے، نہ کہ صرف بھرتی کا حجم۔ ملحقہ پیشوں پر غور کریں جو آپ کی مہارت کو کم قریب مدتی خطرے کے ساتھ دوبارہ استعمال کرتے ہیں۔

• آپ ابتدائی ملازمتوں میں معمولی فرق دیکھیں گے اور ان کی اہمیت کیوں ہے۔
• شور مچانے والے مہینہ بہ مہینہ ڈیٹا پر زیادہ رد عمل ظاہر نہ کریں۔ کثیر سالہ لینس استعمال کریں.
• ہم آہنگی کے نتائج کو ٹریک کریں اور نمائش کو فائدہ میں تبدیل کرنے کے لیے ٹاسک لیول کی صلاحیت کو ظاہر کریں۔

"ان کرداروں پر توجہ مرکوز کریں جہاں لاگو پروجیکٹس اور اصل ٹول کا استعمال آجروں کو نظر آتا ہے۔"

کمپنیوں کے اندر: AI ملازمتوں کی جگہ لینے سے پہلے کاموں کو دوبارہ تفویض کرتا ہے۔

کمپنیاں اس بات کو دوبارہ تیار کرتی ہیں کہ کون پہلے کیا کرتا ہے، جو روزانہ کے کام کو نئی شکل دیتا ہے یہاں تک کہ جب عملے کی تعداد مستحکم رہتی ہے۔ یہ تبدیلی فوری کٹوتیوں کے بجائے ٹیموں میں کام کی دوبارہ تفویض کے طور پر ظاہر ہوتی ہے۔

اضافہ بمقابلہ نقل مکانی: بہت سی فرموں میں، اعلیٰ ہنر والے کارکن ٹولز کی مدد سے وسیع تر ذمہ داریوں کو جذب کرتے ہیں۔ ٹیمیں سائز میں سکڑ سکتی ہیں جب کہ بے نقاب کردار عملے پر رہتے ہیں۔

زیادہ تر کمپنیاں آج کل ملازمت پر کوئی اثر نہیں بتاتی ہیں۔ تقریباً ملتے جلتے حصص چھ مہینوں کے دوران ہیڈ کاؤنٹ میں اضافے یا گرنے کی توقع کرتے ہیں، اور تقریباً 27% ٹول استعمال کرنے والی فرموں کا کہنا ہے کہ انہوں نے کارکنوں کے کچھ کاموں کی جگہ لے لی ہے۔

اس تبدیلی کو آپ کے لیے کیسے کارآمد بنایا جائے۔

قابل پیمائش فوائد کے ارد گرد اپنے تعاون کو فریم کریں۔ سائیکل کے وقت، غلطی کی شرح، اور تھرو پٹ کو ٹریک کریں تاکہ آپ کے مینیجر کو واضح اثر نظر آئے۔

• چھوٹے پائلٹس تجویز کریں جو کاموں کے ایک سیٹ کو خودکار بنائیں اور ڈیٹا کی اطلاع دیں۔
• نمائش کو فائدہ میں تبدیل کرنے کے لیے دستاویز کے منٹ محفوظ کیے گئے اور معیار میں بہتری۔
• جب آپ کا کام سکڑنے کے بجائے پھیلتا ہے تو دائرہ کار اور تعاون پر بات چیت کریں۔

"جب کمپنیاں عمل کو دوبارہ ڈیزائن کرتی ہیں، تو وہ اکثر ایسے کارکنوں کو انعام دیتے ہیں جو آٹومیشن کو قابل پیمائش کاروباری قدر میں بدل دیتے ہیں۔"

AI اور اگلی مندی: کیوں بے روزگاری کی بحالی کا خطرہ دوبارہ میز پر ہے۔

آج کی مندی مختلف طریقے سے متاثر ہو سکتی ہے کیونکہ آٹومیشن اب ایک بار محفوظ سمجھے جانے کے بعد بہت سے اعلی ہنر والے کاموں تک پہنچ جاتے ہیں۔ یہ تبدیلی ایک واضح اضافہ کرتی ہے۔ خطرہ کہ آؤٹ پٹ بے نقاب فیلڈز میں ملازمت سے زیادہ تیزی سے ٹھیک ہو جاتا ہے۔

روٹین ٹاسک آٹومیشن سے لے کر غیر معمولی علمی نمائش تک: روٹین آٹومیشن سے منسلک ماضی کی بے روزگار بحالیوں نے دوبارہ ملازمت کی ضروریات کو کم کیا۔ اب، ٹولز سائنس دانوں، انجینئرز، ڈیزائنرز، اور وکلاء کے ذریعے انجام پانے والے غیر معمول کے علمی کام کو نشانہ بناتے ہیں۔

سائنسدانوں، انجینئرز، ڈیزائنرز، وکلاء کے لیے بے روزگاری کا زیادہ خطرہ؟

حالیہ اعداد و شمار سے پتہ چلتا ہے کہ بے روزگاری کا خطرہ ان پیشوں کے لیے بہت سے دستی کرداروں کے مقابلے میں زیادہ بڑھ گیا ہے۔ اس سے فرق پڑتا ہے کیونکہ زیادہ اجرت والے کارکنوں کو کام سے باہر ہونے کے طویل وقت کا سامنا کرنا پڑتا ہے جب کام تیزی سے خودکار ہو سکتے ہیں۔

کس طرح تیزی سے ٹول اپنانا لیبر مارکیٹ کی بحالی کو سست کر سکتا ہے۔

کساد بازاری کے دوران، فرموں کی کارکردگی تیز ہوتی ہے۔ نئے ٹولز کا تیزی سے رول آؤٹ کاموں کی جگہ لے سکتا ہے اور دوبارہ ملازمت میں تاخیر کر سکتا ہے، جس سے ملازمتوں کی بحالی میں لگنے والے وقت کو بڑھایا جا سکتا ہے۔

"جب فرمیں مندی میں بڑے پیمانے پر ٹولز کو دھکیلتی ہیں، تو بے نقاب پیشوں کے لیے وقفے وقفے سے خدمات حاصل کرتے ہوئے آؤٹ پٹ واپس اچھال سکتا ہے۔"

• تیار کریں: اپنے کاموں کو خود کار طریقے سے نقشہ بنائیں اور چپچپا، اعلی قدر والے کام کی طرف منتقل کریں۔
• حفاظت: پورٹیبل مہارتیں بنائیں اور قابل پیمائش شراکت کو دستاویز کریں۔
• منصوبہ: کئی سال کے اثرات کی توقع کریں اور اس کے مطابق دوبارہ مہارت کی ٹائم لائنز سیٹ کریں۔

اپنانا اور پھیلاؤ: کتنی فرمیں دراصل AI استعمال کر رہی ہیں؟

گود لینا ناہموار رہتا ہے۔ امریکی کاروباری منظر نامے میں۔ مردم شماری کے طرز کے اقدامات ان ٹولز کا استعمال کرتے ہوئے کاروباروں کا تقریباً 9–10% حصہ دکھاتے ہیں۔

معلومات کی بھاری صنعتوں میں کلسٹرز کا استعمال کریں۔ معلومات کا شعبہ 27% کے استعمال کی اطلاع دیتا ہے، جبکہ پیشہ ورانہ، سائنسی، اور تکنیکی خدمات 20% سے بالکل اوپر بیٹھتی ہیں۔

زیادہ تر کمپنیاں کہتے ہیں کہ وہ دیکھتے ہیں۔ کوئی خالص ملازمت میں تبدیلی نہیں آج اسی طرح کے چھوٹے حصص اگلے چھ مہینوں میں ہیڈ کاؤنٹ میں اضافے یا گرنے کی توقع کرتے ہیں۔

• آپ کو ایک گراؤنڈ پڑھنا ملتا ہے: گود لینا مجموعی طور پر کم ہے لیکن مرتکز ہے۔
• اگر آپ تیزی سے ملازمت اور مہارت کی تبدیلی چاہتے ہیں تو اس جگہ پر توجہ دیں جہاں استعمال زیادہ ہو۔
• مینوفیکچرنگ اور دیگر شعبے اب کم اپنانے دکھاتے ہیں، لیکن وہ آہستہ آہستہ بڑھ رہے ہیں۔

عملی اقدامات: ابتدائی پائلٹس کو شراکت دکھا کر اپنے تجربے کی فہرست میں نمائش کا نقشہ بنائیں۔ لائسنسنگ بجٹ، نئے ورک فلو، اور ٹیم ٹریننگ کو ابتدائی سگنل کے طور پر ٹریک کریں کہ کمپنیاں اگلے چند سالوں میں اس علاقے میں ترقی کی منصوبہ بندی کرتی ہیں۔

AI روزگار کے رجحانات: آگے کیا مانیٹر کرنا ہے۔

ملازمتوں اور کاموں میں پائیدار شفٹوں سے مختصر مدت کے شور کو الگ کرنے کے لیے صحیح اشارے کو ٹریک کریں۔ معروف سگنلز کے کمپیکٹ ڈیش بورڈ کے ساتھ شروع کریں تاکہ آپ وسیع تر اعداد و شمار کے سامنے آنے سے پہلے عمل کر سکیں۔

اعلی نمائش اور زیادہ استعمال والے پیشوں میں ملازمت کا حصہ

زیادہ نمائش اور زیادہ استعمال والے پیشوں میں کارکنوں کا حصہ دیکھیں۔ اوپن اے آئی ایکسپوژر کوئنٹائل حصص اب تک مستحکم رہے ہیں، اور انتھروپک استعمال کے سگنل مستحکم تناسب دکھاتے ہیں۔

بے روزگاری کی مدت اور نئے بے روزگاروں کی نمائش کا پروفائل

ایکسپوزر پروفائل کے ذریعے بے روزگاری کی مدت کی نگرانی کریں۔ حالیہ اعداد و شمار سے ظاہر ہوتا ہے کہ بے نقاب کرداروں میں نئے بے روزگاروں کے درمیان طویل منتروں میں کوئی واضح اضافہ نہیں ہوا، لیکن یہ بحران میں تیزی سے بدل سکتا ہے۔

AI-انتہائی صنعتوں میں ملازمتیں منجمد اور ملازمت کی پوسٹنگ

معلومات اور پیشہ ورانہ خدمات میں ملازمت کی پوسٹنگ اور ہائرنگ فریز کو ٹریک کریں۔ یہ صنعتیں اپنانے کی قیادت کرتی ہیں اور اکثر ملازمت کے آغاز میں ابتدائی تبدیلیوں کو ظاہر کرتی ہیں۔

ٹاسک لیول آٹومیشن اور بڑھانے کی شرح

پیمائش کریں کہ کتنے کام آٹومیشن بمقابلہ اضافہ کی طرف جاتے ہیں۔ ٹاسک لیول کی تحقیق آپ کو خطرے کا نقشہ بنانے میں مدد کرتی ہے اور اس جگہ پر جہاں آپ کی مہارتیں زیادہ قیمتی بن سکتی ہیں۔

کالج کے اہم نتائج اور ابتدائی کیریئر کی جگہ کا تعین

میجر کے ذریعہ کالج کے نتائج کی پیروی کریں۔ بے نقاب میجرز نے بے روزگاری میں بڑے پیمانے پر اضافہ دیکھا ہے، اس لیے سیکٹر کی خدمات پر نظر رکھیں اور ان کرداروں کی طرف بڑھیں جو ٹول سے چلنے والی پیداواری صلاحیت کو اہمیت دیتے ہیں۔

"پوسٹنگ، دورانیہ، اور ٹاسک میٹرکس کو ملا کر ایک چھوٹا، مستقل ڈیش بورڈ بنائیں تاکہ تبدیلی کی جلد نشاندہی کی جا سکے۔"

• مستقل ڈیٹا اور تجزیہ کے طریقے استعمال کریں۔
• ذاتی خطرے کا اندازہ لگانے کے لیے اپنے کاموں کو نمائش کے زمرے میں نقشہ بنائیں۔
• تحقیقی اشاروں کو حقیقی کاروباری اشارے جیسے تربیتی بجٹ کے ساتھ جوڑیں۔

نتیجہ

قومی مارکیٹ لچک دکھاتا ہے، لیکن کچھ معلومات خدمات اور ابتدائی کیریئر کے ساتھیوں کو پوری دنیا میں تیز تبدیلیوں کا سامنا کرنا پڑتا ہے۔ لیبر مارکیٹ.

آپ کو اس بات پر توجہ دینی چاہیے کہ آپ کس چیز کو کنٹرول کر سکتے ہیں: اپنی سیدھ کریں۔ کام بڑھانے کے راستے، پیمائش کے قابل فوائد کی دستاویز کریں، اور ایسے کرداروں کی تلاش کریں جہاں کام کی تبدیلی پیداواریت بن جائے، دباؤ نہیں۔

اپنانے پر توجہ مرکوز رہتی ہے، لہذا فرموں کے اندر حقیقی استعمال دیکھیں۔ زیادہ تر کاروبار غیر جانبدار قریبی مدت کی اطلاع دیتے ہیں۔ روزگار اثرات، اور ٹاسک ری ڈیزائن عام طور پر عملے میں کمی سے پہلے آتا ہے۔

اس رپورٹ میں انڈیکیٹرز کو ٹریک کریں، پورٹیبل اسکلز بنائیں، اور ایسے پروجیکٹس کو ٹارگٹ کریں جو واضح ہوں۔ اثر. یہ عملی نقطہ نظر آپ کو اپنی حفاظت کا بہترین طریقہ فراہم کرتا ہے۔ کارکنان-مرکزی کیریئر اور اس کے طور پر اپنائیں معیشت اور رجحانات تیار

اکثر پوچھے گئے سوالات

مصنوعی ذہانت اس وقت عالمی ملازمت کی منڈیوں کو کیسے بدل رہی ہے؟

نئی ٹیکنالوجیز بدل رہی ہیں کہ کون سے کام سب سے زیادہ قیمتی ہیں۔ آپ کو لکھنے، کوڈنگ اور ڈیٹا کے کام کے لیے تیز ترین ٹولز نظر آئیں گے جو کچھ کارکنوں کو کم وقت میں زیادہ کام کرنے دیتے ہیں۔ یہ کمپنیوں کو کاموں کو دوبارہ تفویض کرنے، ٹیموں کو دوبارہ منظم کرنے، یا ان کرداروں میں سستی ملازمت پر لے جا سکتا ہے جہاں آٹومیشن پیداواری صلاحیت کو بڑھاتا ہے۔ ایک ہی وقت میں، بہت سے شعبے اب تک مستحکم ہیڈ کاؤنٹ دکھاتے ہیں، لہذا اثر پیشہ اور صنعت کے لحاظ سے مختلف ہوتا ہے۔

اس سال نوکریوں اور AI کے بارے میں تازہ ترین ڈیٹا کیا کہتا ہے؟

حالیہ سروے اور لیبر کے اعدادوشمار ملے جلے اشارے دکھاتے ہیں: فرموں کا ایک چھوٹا حصہ فعال ٹول کے استعمال کی اطلاع دیتا ہے، خاص طور پر معلومات اور پیشہ ورانہ خدمات میں، جبکہ ایکسپوزر میٹرکس بتاتے ہیں کہ بہت سے پیشوں کو 50% یا اس سے زیادہ تک بڑھایا جا سکتا ہے۔ ملازمتوں اور بے روزگاری کے رجحانات شعبے اور گروہ کے لحاظ سے مختلف ہوتے ہیں، لہذا آپ کو استعمال کو دیکھنے کی ضرورت ہے، نہ کہ صرف نظریاتی نمائش کو، تاکہ قریب کے اثرات کا اندازہ لگایا جا سکے۔

لیبر مارکیٹ کو دیکھتے وقت "رجحانات" کا کیا مطلب ہے؟

اس تناظر میں، رجحانات میں چار چیزوں کا احاطہ کیا گیا ہے: پیشہ ورانہ اختلاط میں تبدیلی، ملازمتوں میں ترقی یا کمی، کاموں کا آٹومیشن کے سامنے آنا، اور کام پر ٹولز کا حقیقی استعمال۔ آپ ممکنہ خطرے (نمائش) اور حقیقی دنیا کو اپنانے (استعمال) دونوں کو ٹریک کرنا چاہتے ہیں تاکہ یہ سمجھ سکیں کہ وقت کے ساتھ کردار کیسے بدل سکتے ہیں۔

کیا کالج کے فارغ التحصیل افراد کو ان آلات کی وجہ سے زیادہ بے روزگاری کا سامنا ہے؟

کچھ ابتدائی علامات کچھ بڑی کمپنیوں میں بڑھتی ہوئی بے روزگاری کی طرف اشارہ کرتی ہیں جن کو زیادہ کام کی نمائش کا سامنا کرنا پڑتا ہے، لیکن اثر غیر مساوی ہے۔ بے نقاب شعبوں میں حالیہ فارغ التحصیل افراد پہلے دباؤ محسوس کر سکتے ہیں، پھر بھی نمونے چھوٹے ہیں اور دیگر قوتیں — جیسے معاشی سائیکل — بھی اہم ہیں۔ طویل رجحانات کے بغیر پختہ نتیجہ اخذ کرنے میں محتاط رہیں۔

2022 کے آخر کے بعد کچھ ٹیک سب سیکٹر کیوں چپٹے ہوئے؟

کئی عوامل مل کر: چند فرموں میں تیزی سے اپنانا، ترقی کی توقعات کی دوبارہ قیمتوں کا تعین، اور کلاؤڈ اور ویب سروسز میں وبائی امراض کے بعد کی چھانٹی۔ اس نے تلاش اور سسٹمز کے ڈیزائن جیسے شعبوں میں خدمات حاصل کرنے یا تنظیم نو میں ایک وقفہ پیدا کیا، جو آٹومیشن کو اپنانے اور وسیع مارکیٹ سائیکل دونوں کی عکاسی کرتا ہے۔

کیا آپ کو پوری معیشت میں ملازمت کے وسیع نقصانات کی فکر کرنی چاہئے؟

ابھی تک نہیں۔ مخصوص صنعتوں اور پیشوں میں مرتکز تبدیلیوں کے ساتھ، معیشت بھر میں روزگار نسبتاً مستحکم رہا ہے۔ اگرچہ ٹاسک لیول آٹومیشن حقیقی ہے، بہت سی ملازمتیں کم از کم مختصر مدت میں، سراسر تبدیلی کے بجائے اضافہ کے ذریعے آہستہ آہستہ تبدیل ہوتی ہیں۔

نمائش اور استعمال میں کیا فرق ہے، اور یہ آپ کے کام کے لیے کیوں اہمیت رکھتا ہے؟

نمائش اس بات کی پیمائش کرتی ہے کہ نئے ٹولز کے ذریعے کسی پیشے کے کاموں میں کتنی تیزی لائی جا سکتی ہے۔ استعمال کے ٹریکس جہاں وہ ٹولز آج کل استعمال میں ہیں۔ اگر فرمیں ٹولز کو نہیں اپناتی ہیں تو اعلی نمائش والا کام خود بخود خطرے میں نہیں ہے۔ آپ کو اپنے ذاتی خطرے یا موقع کا اندازہ لگانے کے لیے دونوں میٹرکس کو دیکھنا چاہیے۔

کون سے پیشے کام کی رفتار کو زیادہ ظاہر کرتے ہیں؟

دستاویز کا معمول کا کام، مسودہ تیار کرنا، اور ڈیٹا کی ترکیب میں شامل کردار — جیسے کچھ انتظامی، مواد، اور تجزیہ کے کام — اکثر زیادہ نمائش دکھاتے ہیں۔ تاہم، پیشوں کے اندر نمائش مختلف ہوتی ہے، اور ہنر مند کارکن جو ڈومین کے علم کو فیصلے کے ساتھ جوڑتے ہیں ان کو تبدیل کرنا مشکل رہتا ہے۔

آج کل ٹولز سب سے زیادہ کہاں استعمال ہو رہے ہیں؟

استعمال معلومات کی صنعتوں، مارکیٹنگ ٹیموں، اور پیشہ ورانہ خدمات کے حصوں میں مرکوز ہے۔ ڈیجیٹل ورک فلو اور مضبوط تکنیکی صلاحیت والی کمپنیاں ٹولز کو تیزی سے اپناتی ہیں، جبکہ مینوفیکچرنگ اور بہت سے سروس رولز اب تک محدود استعمال کو ظاہر کرتے ہیں۔

نمائش اور استعمال کے درمیان کم تعلق کیوں ہے؟

کمپنیاں ٹیکنالوجی کی تعیناتی سے پہلے لاگت، خطرات اور فوائد کا وزن کرتی ہیں۔ ریگولیٹری خدشات، انضمام کے چیلنجز، اور تنظیمی جڑت کا مطلب ہے کہ بہت سے اعلی نمائش والے کام ابھی تک خودکار نہیں ہیں۔ یہ مماثلت بتاتی ہے کہ ممکنہ اور حقیقت ملازمتوں میں کیوں مختلف ہوتی ہے۔

پیشہ ورانہ اور کاروباری خدمات ان ٹولز کا کیا جواب دے رہی ہیں؟

آپ کو مشاورت، قانونی ٹیک، اور اکاؤنٹنگ سافٹ ویئر میں جلد اپنانا نظر آئے گا جو ہنر مند کارکنوں کو بڑھاتا ہے۔ ابھی تک، ملازمتوں کے اثرات خاموش ہیں: فرمیں اکثر ٹیموں کو دبلی پتلی بنانے یا خدمت کے دائرہ کار کو بڑھانے کے بجائے بڑی تعداد میں کرداروں کو فوری طور پر کم کرنے کے لیے ٹولز کا استعمال کرتی ہیں۔

کیا مینوفیکچرنگ ان ٹیکنالوجیز سے بڑی رکاوٹ دیکھ رہی ہے؟

مینوفیکچرنگ میں مجموعی رکاوٹ کو محدود کر دیا گیا ہے۔ آٹومیشن نے طویل عرصے سے وہاں اپنا کردار ادا کیا ہے، لیکن موجودہ ٹول ڈفیوژن جسمانی پیداوار سے زیادہ معلوماتی کاموں پر توجہ مرکوز کرتا ہے، اس لیے سیکٹر کی سطح پر ملازمتوں کے وسیع نقصانات واضح نہیں ہوتے۔

کون سے کارکن سب سے پہلے تبدیلی محسوس کرتے ہیں—حالیہ گریڈز یا تجربہ کار عملہ؟

بے نقاب میجرز میں حالیہ فارغ التحصیل افراد پہلے ملازمتوں میں سست روی کا تجربہ کر سکتے ہیں، کیونکہ فرمیں اکثر نئے داخل ہونے والوں کو معمول یا نیم معمول کے کرداروں میں بھرتی کرتی ہیں۔ تجربہ کار کارکن جو وسیع تر یا نگران کرداروں میں تبدیل ہوتے ہیں وہ کام کی دوبارہ جگہ کے ذریعے زیادہ تحفظ دیکھ سکتے ہیں۔

کمپنیاں عام طور پر ان ٹولز کو اندرونی طور پر کیسے لاگو کرتی ہیں؟

زیادہ تر فرمیں ملازمین کو بڑھانے کے لیے ٹولز کا استعمال کرتے ہوئے شروع کرتی ہیں — کاموں کو دوبارہ تفویض کرنا، چھوٹی ٹیمیں بنانا، اور اعلیٰ ہنر والے کارکنوں کے لیے کردار کو وسیع کرنا۔ مکمل متبادل ابتدائی طور پر کم عام ہے؛ آپ کو پہلے کام کی تشکیل نو اور پیداواری فوائد دیکھنے کا زیادہ امکان ہے۔

کیا تیزی سے اپنانے سے مندی کے بعد لیبر مارکیٹ کی بحالی سست ہو سکتی ہے؟

جی ہاں اگر فرمیں مندی کے دوران فوری طور پر ٹولز کو اپناتی ہیں، تو ان کو کم ملازمتوں کی ضرورت پڑسکتی ہے یہاں تک کہ جب ڈیمانڈ ٹھیک ہوجاتی ہے، تو "بے روزگاری کی بحالی" کا خطرہ پیدا ہوتا ہے۔ اعلی غیر معمولی علمی نمائش کے ساتھ پیشوں کو اس منظر نامے میں بھاری بھرتیوں کا سامنا کرنا پڑ سکتا ہے۔

کتنی فرمیں دراصل پوری معیشت میں ان ٹولز کا استعمال کرتی ہیں؟

معیشت میں استعمال واحد ہندسوں میں رہتا ہے، لیکن معلومات اور پیشہ ورانہ خدمات میں یہ زیادہ ہے۔ گود لینے کی شرحیں فرم سائز، صنعت اور ڈیجیٹل میچورٹی کے لحاظ سے مختلف ہوتی ہیں، اس لیے آپ کے شعبے کی نمائش ایک اہم عنصر ہے۔

آگے رہنے کے لیے آپ کو کن اشارے کی نگرانی کرنی چاہیے؟

اعلی نمائش اور اعلی استعمال والے کرداروں میں ملازمتوں کا حصہ دیکھیں، نئے بے روزگار کارکنوں میں بے روزگاری کا دورانیہ، ٹیک انٹینسی صنعتوں میں ملازمتیں منجمد کرنا، ٹاسک لیول آٹومیشن کی شرحیں، اور بڑے کی طرف سے ابتدائی کیریئر پلیسمنٹ۔ وہ اشارے آپ کو بتاتے ہیں کہ رکاوٹ یا موقع کہاں سے ابھر رہا ہے۔

آپ اپنی افرادی قوت یا اپنے کیریئر کو ان تبدیلیوں کے لیے کیسے تیار کر سکتے ہیں؟

ان مہارتوں پر توجہ مرکوز کریں جو ٹولز کی تکمیل کرتی ہیں: تنقیدی سوچ، ڈومین کی مہارت، لوگوں کا نظم و نسق، اور پیچیدہ مسائل کو حل کرنا۔ آجروں کو صرف کارکنوں کو تبدیل کرنے کے بجائے دوبارہ ہنر مندی، کرداروں کو نئے سرے سے ڈیزائن کرنے، اور ٹولز کو بڑھانے میں سرمایہ کاری کرنی چاہیے۔