6.1 Million US Workers: High AI Risk, Low Adaptation — Brookings Study

जब AI आपकी नौकरी पर आए, तो हर कोई switch नहीं कर सकता

AI और employment के बारे में ज़्यादातर बातचीत workers को interchangeable मानती है। कोई report कहती है कि आपकी job risk में है, तो retrain कर लो। Coding सीख लो, किसी growing city में चले जाओ, या कोई नया credential ले लो। समस्या हल।

लेकिन सोचिए ज़रा — अगर आप ऐसा नहीं कर सकते तो? अगर savings खत्म हैं, आपके skills दूसरी जगह easily transfer नहीं होते, और सबसे नज़दीकी growing job market तीन घंटे दूर है?

January 2026 में Brookings Institution ने Sam Manning, Tomas Aguirre, Mark Muro, और Shriya Methkupally की एक नई study publish की जो exactly यही सवाल पूछती है। Researchers ने सिर्फ़ यह नहीं मापा कि AI कौन सी jobs automate कर सकता है — उन्होंने यह मापा कि जब automation होगा तो कौन से workers adapt कर पाएंगे। और पता चला कि millions ऐसा नहीं कर पाएंगे।

Vulnerability के पीछे के Numbers

[तथ्य] Study ने AI exposure के top quartile में 37.1 million US workers identify किए — यानी उनकी jobs में बहुत ज़्यादा overlap है उन चीज़ों से जो current AI systems कर सकते हैं। यह लगभग हर चार American workers में से एक है।

आपको पता है, यहाँ बात interesting हो जाती है। इन 37.1 million में से करीब 26.5 million — यानी 70% — के पास median से ऊपर की adaptive capacity है। [तथ्य] उनके पास transferable skills, financial cushion, कम उम्र, या diverse job markets तक access का कोई न कोई combination है। ये workers AI से exposed हैं, हाँ, लेकिन transition करने के realistic options उनके पास हैं।

बाकी 6.1 million workers के पास नहीं हैं। [तथ्य] ये workers high AI exposure और low adaptive capacity के ख़तरनाक intersection पर हैं — कुल US workforce का करीब 4.2%। उनकी jobs ऐसी हैं जो AI increasingly perform कर सकता है, और pivot करने के resources उनके पास नहीं हैं।

6.1 million को perspective में रखें तो, यह लगभग Missouri state की पूरी population है। Wyoming, Vermont, Alaska, और दोनों Dakotas की combined workforce से ज़्यादा।

ये Workers कौन हैं?

Demographic profile बहुत stark है। [तथ्य] 6.1 million vulnerable workers में से पूरे 86% women हैं। यह कोई मामूली gender skew नहीं है — यह overwhelming है।

कौन सी occupations इस concentration को drive कर रही हैं, वो बताता है पूरी कहानी। सबसे बड़ा group office clerks हैं, करीब 2.5 million workers के साथ। इसके बाद administrative assistants और secretaries हैं, लगभग 1.7 million। Receptionists करीब 965,000 हैं, और medical secretaries 831,000 और जोड़ती हैं। [तथ्य] ये historically female-dominated roles हैं जहाँ daily work — scheduling, data entry, document processing, customer routing — सीधे map करता है उन चीज़ों पर जो large language models और AI assistants अभी कर सकते हैं।

Brookings researchers ने adaptive capacity को चार dimensions में measure किया। [तथ्य] ये हैं liquid financial resources (क्या आप बिना income के survive कर सकते हैं?), age (younger workers के पास retrain करने का ज़्यादा time होता है), geographic labor market density (क्या nearby दूसरी jobs हैं?), और skill transferability (क्या आपकी abilities growing occupations में apply होती हैं?)।

Office और admin roles में बहुत से workers के लिए, चारों dimensions में जवाब discouraging है। इन occupations में median wages से savings के लिए बहुत कम जगह बचती है। Filing, phone management, basic data processing — ये exactly वो skills हैं जो AI अच्छे से handle करता है, और ये growing occupations में easily transfer नहीं होतीं। [दावा — structural inference] जब आपकी core competency ही वो चीज़ है जो automate हो रही है, तो बिना substantial support के "reskill करो" की usual advice खोखली लगती है।

Geography चीज़ों को और बुरा बनाती है

[तथ्य] Study में पाया गया कि vulnerability geographically ऐसे तरीकों से cluster होती है जो आपको surprise कर सकते हैं। Major metro areas में concentrate होने की बजाय, high-exposure, low-adaptation workers disproportionately college towns (जैसे Laramie, Wyoming और Huntsville, Texas), state capitals (जैसे Springfield, Illinois और Carson City, Nevada), और Mountain West और Midwest के छोटे शहरों में पाए जाते हैं।

[दावा — researcher analysis] Logic को देखें तो intuitive समझ आता है: इन जगहों पर अक्सर कुछ dominant employers होते हैं — universities, government agencies, regional hospitals — जो बड़ी संख्या में administrative और clerical staff employ करते हैं। Local job market shallow होता है, यानी अगर आपकी position ख़त्म हो जाए तो alternative employers कम हैं। और ये towns अक्सर उन बड़े, diverse metropolitan areas से दूर होते हैं जहाँ displaced workers नई roles पा सकते हैं।

यह geographic pattern policy के लिए important है। [दावा] Major metro areas के around design किए गए federal retraining programs सबसे ज़्यादा ज़रूरतमंद workers को पूरी तरह miss कर सकते हैं। Carson City में एक displaced receptionist को San Francisco वाले से fundamentally अलग challenge face करना पड़ता है।

इन Roles में काम करने वालों के लिए इसका क्या मतलब है

अगर आप इन occupations में से किसी में काम करते हैं, तो Brookings findings गंभीर हैं लेकिन hopeless नहीं। Study यह predict नहीं कर रही कि 6.1 million लोग कल अपनी jobs खो देंगे — यह identify कर रही है कि अगर displacement accelerate हो तो कौन सबसे कम prepared है।

Actionable takeaway यह है कि researchers ने जो चार dimensions identify किए, उनमें adaptive capacity बनाएँ। Financial resilience — modest emergency savings भी — retrain करने के लिए crucial time देती है। Skill adjacencies matter करती हैं: एक administrative assistant जो department की project tracking या budget analysis भी manage करता/करती है, उसके पास primarily scheduling handle करने वाले से ज़्यादा transferable skills हैं। Geographic awareness भी important है — अपने local job market की depth और breadth समझना career change के timing decisions में inform कर सकता है।

Employers और policymakers के लिए, यह study one-size-fits-all approaches के ख़िलाफ़ एक warning है। [दावा — policy implication] Austin में एक 28-year-old data entry clerk के लिए काम करने वाला retraining grant rural Wyoming में 55-year-old medical secretary के लिए काम नहीं करेगा। 6.1 million एक monolith नहीं हैं — ये individuals हैं जिनकी specific constraints के combination को targeted, localized support चाहिए।

आप specific occupations पर AI के impact को ज़्यादा detail में explore कर सकते हैं हमारे administrative assistants, office clerks, receptionists, और medical secretaries pages पर, जहाँ task-level automation rates और projected employment changes शामिल हैं।

Update History

• 2026-03-21: Brookings Institution report (January 2026) के आधार पर initial publication

Sources

• Manning, S., Aguirre, T., Muro, M., & Methkupally, S. (2026). Measuring US workers' capacity to adapt to AI-driven job displacement. Brookings Institution.

---

_यह article AI-assisted analysis से produce किया गया है। सभी statistics referenced research से sourced हैं। हमारी पूरी methodology और AI disclosure के लिए, हमारा AI disclosure page देखें।_