Karpathy ने हर अमेरिकी नौकरी को AI Exposure के लिए स्कोर किया — डेटा क्या कहता है
OpenAI के co-founder Andrej Karpathy ने 342 अमेरिकी occupations की AI exposure rating दी। 42% workers — 5.99 करोड़ लोग — high-exposure zone में हैं। आपकी नौकरी का क्या होगा?
जब Andrej Karpathy — OpenAI के co-founder और Tesla के former AI Director — ने पूरे Bureau of Labor Statistics Occupational Outlook Handbook को scrape करके हर नौकरी की AI exposure rating देने का फैसला किया, तो लोगों ने ध्यान दिया। और उन्हें देना भी चाहिए, क्योंकि results ने artificial intelligence अमेरिकी labor market को कैसे बदल रही है, इसकी सबसे comprehensive तस्वीरों में से एक पेश की है।
Karpathy ने लगभग 14.3 करोड़ अमेरिकी workers को cover करने वाली 342 occupations का analysis किया [तथ्य]। उन्होंने हर job को 0 से 10 तक का AI exposure score दिया, इस basis पर कि large language models और related AI systems कितना काम handle कर सकते हैं। पूरे US workforce का weighted average 10 में से 4.9 आया [तथ्य] — मतलब अमेरिकी जो काम करते हैं, उसका लगभग आधा अब AI capabilities की reach में है।
लेकिन यह headline number बहुत बड़ी variation छुपाता है। और सबसे interesting बात extremes में है।
High-Exposure Reality: 5.99 करोड़ Workers
14.3 करोड़ workers में से लगभग 5.99 करोड़ — यानी workforce का 42% — ऐसी occupations में हैं जो Karpathy के scale पर 7 या उससे ज़्यादा score करती हैं [तथ्य]। ये कोई छोटी-मोटी jobs नहीं हैं। इनकी कुल annual wages लगभग ₹308 लाख करोड़ (.7 trillion) हैं [तथ्य]। यह economy में rounding error नहीं है; यह economy है।
List में सबसे ऊपर कौन है? Medical transcriptionists को perfect 10/10 score मिला [तथ्य] — role की लगभग हर core task ऐसी है जो LLM पहले से अच्छे से कर सकता है। Accountants और Lawyers दोनों को 9/10 मिला [तथ्य], जो reflect करता है कि उनके काम का कितना हिस्सा text-based documents की processing, analysis और generation से जुड़ा है। अगर आप इन fields में काम करते हैं, तो इसका मतलब यह नहीं कि अगले साल आप बेरोज़गार हो जाएंगे, लेकिन आपके काम की nature dramatically बदलने की संभावना है। Accountants का detailed analysis देखें | Lawyers | Medical transcriptionists
दूसरे छोर पर, Roofers को 0/10 मिला [तथ्य], Home health aides को 1/10 [तथ्य], और Construction laborers को भी 1/10 [तथ्य]। Pattern एकदम clear है: जिन jobs में physical presence, manual dexterity, और real-world environmental judgment चाहिए, वे अभी भी AI की पहुंच से लगभग पूरी तरह बाहर हैं। Roofers का data देखें
Income Paradox: ज़्यादा तनख़्वाह, ज़्यादा ख़तरा
शायद सबसे striking finding income और AI exposure के बीच का relationship है [तथ्य]। सालाना ₹83 लाख (K) से ज़्यादा कमाने वाले workers का average exposure score 6.0/10 है, जबकि ₹25 लाख (K) से कम कमाने वालों का सिर्फ 3.4/10 है [तथ्य]। Education भी similar story बताती है: bachelor's degree वालों का average 5.7, professional degree वालों का 4.7 [तथ्य]।
यह पुराने automation playbook से बिल्कुल उलट है, जहां factory workers और cashiers machines से डरते थे। Generative AI ने script पलट दी है। यह exactly उन tasks में excel करती है जिनके लिए high earners को pay किया जाता है: complex documents analysis, professional communications drafting, research synthesis। सोचिए ज़रा — barista और plumber, corporate lawyer से ज़्यादा safe हैं!
यह finding AI Changing Work पर हमारे data से भी match करती है। मिसाल के तौर पर, software developers code generation और documentation tasks में significant AI exposure face करते हैं, जबकि debugging, architecture और stakeholder communication automate करना कहीं ज़्यादा मुश्किल है।
दूसरी Research से तुलना
Karpathy का analysis अकेला नहीं है, और दूसरी major studies के साथ रखने पर convergence और tension दोनों दिखती है।
OpenAI के अपने "GPTs are GPTs" paper (Eloundou et al., 2023) ने estimate किया कि 80% US workers ऐसी occupations में हैं जहां कम से कम 10% tasks LLMs से affect हो सकते हैं [तथ्य]। यह Karpathy से broader लेकिन shallower claim है।
Anthropic Economic Index (2025) ने real-world API conversations analyze करके पाया कि AI currently replacement से ज़्यादा augmentation के लिए use होती है [तथ्य]। Observed AI usage का सिर्फ 4% tasks की full automation था [तथ्य]। Exposure potential और actual displacement बहुत अलग चीज़ें हैं।
Brookings Institution के researchers ने consistently argue किया है कि labor market data में mass displacement simply दिखाई नहीं देती [तथ्य]।
तो Karpathy का काम कहां fit होता है? इसे एक ceiling estimate समझिए [दावा] — AI theoretically क्या कर सकती है, न कि वह किसी specific timeline पर कर रही है।
Method की ताकत और कमज़ोरियां
Karpathy के approach में real strengths हैं। उन्होंने BLS की detailed task descriptions use कीं और scoring systematic थी। 0-10 का simple scale results को तुरंत समझने लायक बनाता है।
लेकिन important limitations भी हैं [दावा]। Scores एक LLM द्वारा अपनी capabilities evaluate करके generate किए गए — यानी AI से पूछा गया कि वह हर job का कितना काम कर सकती है। इसमें obvious confidence bias है। LLMs notoriously बुरे हैं यह जानने में कि वे क्या नहीं जानते।
Analysis हर occupation को एक monolith भी treat करता है। दिन भर contracts draft करने वाला "lawyer" और courtroom में जूरी पढ़ने वाला trial lawyer बहुत अलग AI exposure face करते हैं।
आख़िर में, method complementarity effect account नहीं करता — जहां AI tools human workers को replace करने की बजाय ज़्यादा productive बनाते हैं [दावा]।
आपके लिए इसका क्या मतलब है
अगर आपकी job ने high score किया, तो सबसे बुरा reaction panic है। दूसरा सबसे बुरा denial है। Data एक ज़्यादा nuanced reality की तरफ़ point करता है:
Title से ज़्यादा task मायने रखता है। High-scoring occupation में भी कुछ tasks highly automatable हैं और कुछ नहीं। पहचानिए कि आपके कौन से tasks सबसे ज़्यादा exposed हैं।
AI fluency अब optional नहीं रही। हर high-exposure occupation में, AI tools effectively use करने वाले workers बाकियों से आगे निकलेंगे।
Timeline uncertain है लेकिन direction नहीं। चाहे full impact 3 साल लगे या 15, knowledge work में AI capability बढ़ने की trajectory clear है। अभी adapt करना शुरू करें।
आपकी specific occupation पर AI का क्या impact है, इसके लिए हमारे 1,000+ occupations के detailed analysis pages explore करें।
Sources
- Karpathy, A. (2026). "AI Exposure Score for US Occupations." BLS Occupational Outlook Handbook data पर आधारित analysis। Fortune coverage | Awesome Agents summary
- Eloundou, T. et al. (2023). "GPTs are GPTs." OpenAI.
- Anthropic. (2025). "The Anthropic Economic Index."
- Brookings Institution. (2025-2026). AI और labor market stability पर multiple reports.
Update History
- 2026-03-22: Karpathy की 342 US occupations AI exposure analysis पर आधारित initial publication.
यह article cited sources के data का use करके AI assistance से generate किया गया है। सभी factual claims attributed हैं और confidence indicators ([तथ्य], [दावा], [अनुमान]) से tagged हैं। Detailed occupation-level data के लिए ऊपर linked individual occupation pages visit करें। हमारी AI-assisted content process के बारे में जानें.