क्या AI 1 करोड़ नौकरियां ले लेगा? NBER फोरकास्टर भी असहमत हैं

62 प्रतिशत। यही वो आंकड़ा है जहां टेटलॉक के सुपरफोरकास्टर और शैक्षणिक अर्थशास्त्री सोचते हैं कि अगर AI तेज़ी से आगे बढ़ता है तो 2050 तक अमेरिका में श्रम बल भागीदारी रह सकती है — आज के 62.7% से लगभग नीचे। परिदृश्य को थोड़ा और सख्त बनाइए, "ट्रांसफॉर्मेटिव AI" वाले इलाके में ले जाइए, और वही फोरकास्टर अलग-अलग बंट जाते हैं: कुछ को लगता है भागीदारी 55% तक गिर सकती है, जिससे लगभग 1 करोड़ नौकरियां चली जाएं, जबकि दूसरे मानते हैं बदलाव लगभग शून्य ही रहेगा।

यह फासला इस बारे में नहीं है कि AI और बेहतर होगा या नहीं। यह इस बारे में है कि AI के बेहतर हो जाने के _बाद_ अर्थव्यवस्था का क्या होता है — और नेशनल ब्यूरो ऑफ इकनॉमिक रिसर्च (NBER) से अभी आया एक नया वर्किंग पेपर बताता है कि विशेषज्ञ तो जवाब छोड़िए, सवाल पर भी सहमत नहीं हो पा रहे।

अगर आप यह सोचकर बैठे थे कि "इस विषय पर पूरी जिंदगी लगाने वाले लोग अब बता देंगे मेरी नौकरी सुरक्षित है या नहीं" — यह पेपर उसका सबसे करीबी जवाब है जो आपको मिलेगा। मायूस मत होइए, सीधा जवाब नहीं है। लेकिन _असहमति का आकार_ देख लीजिए, उसी से लगभग पूरी प्लानिंग निकल आती है।

पेपर ने असल में किया क्या

Forecasting the Economic Effects of AI (NBER Working Paper w35046, अप्रैल 2026) में Ezra Karger, Otto Kuusela, Philip Tetlock और 12 सह-लेखकों ने एक संरचित फोरकास्टिंग प्रयोग चलाया। नमूने में पांच बहुत अलग समूह थे: शैक्षणिक अर्थशास्त्री, फ्रंटियर AI कंपनियों के कर्मचारी, नीति शोधकर्ता, सिद्ध सटीकता ट्रैक रिकॉर्ड वाले "सुपरफोरकास्टर", और अमेरिकी आम जनता का प्रतिनिधि नमूना।

हर समूह से एक ही सेट के समष्टि-आर्थिक चर — सालाना GDP वृद्धि, श्रम बल भागीदारी, उन बदलावों में AI का हिस्सा — एक बेसलाइन परिदृश्य और एक "रैपिड AI प्रोग्रेस" परिदृश्य के लिए, सब 2050 तक के लिए, अनुमानित कराया गया।

यहां कार्यप्रणाली अहम है। टेटलॉक का पुराना काम (Superforecasting, 2015) यह स्थापित कर चुका है कि कैलिब्रेटेड फोरकास्टर भू-राजनीतिक सवालों पर डोमेन एक्सपर्ट्स से लगातार बेहतर प्रदर्शन करते हैं। उन्हीं लोगों को अर्थशास्त्रियों और AI इनसाइडर्स के साथ _एक ही सवालों_ पर बैठा देना — यही इस पेपर को असाधारण बनाता है। यह सिर्फ "विशेषज्ञ क्या सोचते हैं" नहीं है, यह है: "जिन लोगों के पास सबसे बेहतर फोरकास्टिंग ट्रैक रिकॉर्ड है, वे क्या उन लोगों से सहमत हैं जिनके पास सबसे गहरा डोमेन ज्ञान है?"

[तथ्य] ज़्यादातर मामलों में, नहीं।

मुख्य आंकड़े

सारे समूहों को मिलाकर, 2050 तक अमेरिकी सालाना GDP वृद्धि का माध्यिका अनुमान 2.5% था। यह अमेरिकी सरकार के आधिकारिक बेसलाइन — मध्यम-अवधि 2.0% / दीर्घ-अवधि 1.7% (CBO 2026 Long-Term Budget Outlook) — से स्पष्ट रूप से ऊपर है। दूसरे शब्दों में, हर फोरकास्टिंग कम्युनिटी मानती है कि AI वृद्धि को बढ़ाएगा — बस यह कि कितना बढ़ाएगा, इस पर असहमत हैं।

रैपिड AI प्रोग्रेस परिदृश्य में फासले तेजी से बढ़ते हैं:

• माध्यिका GDP वृद्धि उछलकर लगभग 4% सालाना — बेसलाइन का करीब दोगुना।
• माध्यिका श्रम बल भागीदारी आज के 62.7% से 2050 तक करीब 55% तक गिरती है।
• फोरकास्टर्स ने भागीदारी गिरावट का लगभग आधा सीधे AI को ज़िम्मेदार ठहराया, जिसका मतलब लगभग 1 करोड़ अमेरिकी नौकरियां विशेष रूप से AI से विस्थापित (बाकी आधा जनसांख्यिकी है — उम्र बढ़ना, रिटायरमेंट, इमिग्रेशन शिफ्ट)।

लेकिन "माध्यिका" असली कहानी छुपा देती है। AI से जुड़ी नौकरी हानि का इंटरक्वार्टाइल रेंज लगभग शून्य से 2 करोड़ से ज़्यादा तक फैला है। AI कंपनी के कर्मचारी और सुपरफोरकास्टर ऊंचे सिरे पर इकट्ठा हुए। शैक्षणिक अर्थशास्त्री और आम जनता निचले सिरे पर। नीति शोधकर्ताओं का अनुमान बाकी सब समूहों से ज़्यादा फैला हुआ था।

अर्थशास्त्री और AI इनसाइडर्स क्यों अलग सोचते हैं

पेपर का सबसे दिलचस्प निष्कर्ष यह नहीं है _कि_ समूह असहमत हैं — बल्कि यह है कि _क्यों_।

[तथ्य] जब लेखकों ने विचरण को विघटित किया, तो असहमति का प्रमुख कारण "AI की क्षमताएं कितनी तेज़ी से बेहतर होंगी" के बारे में पूर्वानुमान नहीं थे। "ज़्यादातर संज्ञानात्मक कार्यों पर मानव-स्तरीय प्रदर्शन" जैसी टाइमलाइन पर लगभग सबने एक जैसा जवाब दिया। बड़ा फासला था "उच्च-क्षमता वाला AI जब अस्तित्व में आ जाएगा, तो वह वास्तव में अर्थव्यवस्था के साथ क्या करेगा" पर।

शैक्षणिक अर्थशास्त्री ऐतिहासिक उपमाओं — विद्युतीकरण, कंप्यूटिंग, इंटरनेट — का सहारा लेते हैं, जहां उत्पादकता लाभ बड़े थे लेकिन श्रम बाज़ार की उथल-पुथल क्रमिक थी और नई नौकरी श्रेणियों ने उसे सोख लिया। AI कंपनी कर्मचारियों की दलील ज़्यादा थी कि इस बार ढांचागत रूप से अलग है, क्योंकि संज्ञानात्मक श्रम के लिए AI का _प्रतिस्थापन्यता (substitutability)_ किसी भी पिछली तकनीक से ज़्यादा व्यापक और तेज़ है।

[दावा] दोनों में से किसी के पास साफ-सुथरा अनुभवजन्य आधार नहीं है। पेपर बताता है कि यह बिल्कुल वैसा सवाल है जहां आप टेटलॉक-शैली के सुपरफोरकास्टर्स से बेहतर प्रदर्शन की उम्मीद करेंगे — वे कमज़ोर संकेतों पर अपडेट करने के लिए ट्रेन्ड हैं, किसी एक विश्वदृष्टि से चिपकने के लिए नहीं — लेकिन सुपरफोरकास्टर भी बंट गए, जिनकी माध्यिका AI-इनसाइडर वाले नज़रिए के ज़्यादा करीब थी, अर्थशास्त्रियों की सहमति से नहीं।

तो करना क्या चाहिए — समूह-दर-समूह अलग जवाब

पेपर ने नीति प्राथमिकताओं पर भी सर्वे किया, और इसका नतीजा अध्ययन का सबसे राजनीतिक रूप से भारी हिस्सा है:

• विशेषज्ञ (अर्थशास्त्री, AI कर्मचारी, नीति शोधकर्ता) ने मुख्य प्रतिक्रिया के रूप में लक्षित पुनर्प्रशिक्षण कार्यक्रम और पोर्टेबल बेनिफिट्स को ज़बरदस्त बहुमत से तरजीह दी।
• आम जनता ने सार्वभौमिक मूल आय (UBI) और संघीय रोज़गार गारंटी को बड़े अंतर से तरजीह दी।
• सुपरफोरकास्टर बंटे हुए थे, लेकिन UBI के बजाय पुनर्प्रशिक्षण और वेज इंश्योरेंस की तरफ झुके।

[अनुमान] यह फासला इसलिए मायने रखता है कि राजनीतिक व्यवहार्यता विशेषज्ञों से नहीं, जनता से होकर गुज़रती है। अगर AI विस्थापन पूर्वानुमानों के ऊंचे सिरे की तरफ खेलता है, तो नीतिगत प्रतिक्रिया अर्थशास्त्रियों के पसंदीदा लक्षित पुनर्प्रशिक्षण ढांचों से कम और UBI/रोज़गार-गारंटी बहसों से ज़्यादा मिलती-जुलती दिखेगी। नीति, सरकार या श्रम बाज़ार से जुड़ी भूमिकाओं (संबंधित पेशा) में जो लोग हैं, उनके लिए यह स्पष्ट प्लानिंग संकेत है।

आपके करियर के लिए इसका मतलब

इस पेपर के किसी एक नंबर को अपने लिए व्यक्तिगत पूर्वानुमान मत मानिए। पूरे अध्ययन का संदेश यही है कि विशेषज्ञ कई गुना के स्तर पर असहमत हैं, और यह असहमति ढांचागत है — डेटा और जुटाने से जल्दी सुलझने वाली नहीं।

फिर भी जो काम का है:

1. बेस केस अब भी "वृद्धि" का है। हर समूह की माध्यिका GDP पूर्वानुमान सरकारी बेसलाइन से ऊपर थी। माध्यिका नज़रिए में AI मंदी की कहानी नहीं है — पुनर्वितरण की कहानी है।
2. श्रम बल भागीदारी ही वो वेरिएबल है जो देखना है। 62.7% से 55% तक की गिरावट अमेरिकी शांतिकालीन इतिहास की सबसे बड़ी गिरावट होगी, उस 2008-बाद वाली गिरावट से भी बड़ी जिसने एक दशक की नीति बहसें तय की थीं। अगर आप BLS मासिक भागीदारी दर में असली गिरावट देखने लगें, तो रैपिड परिदृश्य असली परिदृश्य बनता जा रहा है।
3. "संज्ञानात्मक बनाम शारीरिक" का बंटवारा पुरानी कहानी से धुंधला है। इस अध्ययन में AI इनसाइडर्स ने पुराने ऑटोमेशन साहित्य की तरह शारीरिक श्रम को सुरक्षित ज़ोन के रूप में अलग नहीं किया। उनकी उम्मीद है कि संज्ञानात्मक काम _पहले_ चपेट में आएगा, लेकिन सिर्फ वही नहीं।
4. दोनों परिदृश्यों के लिए तैयारी करें, किसी एक पर दांव न लगाएं। अगर माध्यिका विशेषज्ञ सही हैं तो आपके पास लगभग 25 साल हैं और प्रतिक्रिया क्रमिक पुनर्प्रशिक्षण है। अगर AI इनसाइडर्स सही हैं तो टाइमलाइन सिकुड़ जाती है और प्रतिक्रिया बेनिफिट्स पुनर्संरचना है। दोनों दुनियाओं को पार करने वाले स्किल — निर्णय क्षमता, क्लाइंट विश्वास, भौतिक उपस्थिति, AI सिस्टम्स की निगरानी — सबसे सुरक्षित दांव हैं।

पेपर ने उजागर किया एक फोरकास्टिंग विरोधाभास

पद्धति वाले सेक्शन में कहीं दबा है एक गहरा निष्कर्ष, जिसे हेडलाइन नंबर नहीं मिला, पर शायद मिलना चाहिए था।

[तथ्य] जब लेखकों ने तुलना की कि हर समूह अपने पूर्वानुमानों पर कितना _आत्मविश्वास_ दिखा रहा है, तो AI कंपनी कर्मचारी सबसे ज़्यादा आत्मविश्वासी थे — संकीर्ण वितरण, मज़बूत राय। जबकि शैक्षणिक अर्थशास्त्री सबसे ज़्यादा अनिश्चित थे — सबसे चौड़े वितरण के साथ। सुपरफोरकास्टर इन दोनों के बीच कैलिब्रेटेड थे, लेकिन घोषित अनिश्चितता में अर्थशास्त्रियों के ज़्यादा करीब।

यह पैटर्न जानकारी देता है। टेटलॉक के पिछले शोध में, समय के साथ सबसे ज़्यादा सटीक साबित होने वाले लोग आम तौर पर वो थे जो अपनी राय उपयुक्त विनम्रता से रखते हैं — किसी एक भव्य सिद्धांत से चिपकने वाले "हेजहॉग" नहीं, बल्कि "लोमड़ी।" AI के आर्थिक प्रभावों पर सबसे आत्मविश्वासी फोरकास्टर वो लोग हैं जो तकनीक के सबसे करीब हैं। इतिहास से पता चलता है कि निकटता अक्सर अंतर्दृष्टि नहीं, बल्कि अति-आत्मविश्वास पैदा करती है — खासकर जब उस निकट समूह की वित्तीय या करियर हिस्सेदारी इस बात में होती है कि नतीजा बड़ा हो।

[दावा] इसका मतलब यह नहीं है कि AI इनसाइडर्स गलत हैं। मतलब यह है कि उनके आत्मविश्वास को इस विशिष्ट सवाल पर उनकी सटीकता ट्रैक रिकॉर्ड से ज़्यादा वज़न नहीं देना चाहिए — और वह ट्रैक रिकॉर्ड अभी मौजूद ही नहीं है, क्योंकि सवाल नया है।

अभी ध्यान किसे देना चाहिए

अगर आप ऐसी भूमिका में हैं जहां श्रम बाज़ार के संकेत मायने रखते हैं — HR, वर्कफोर्स प्लानिंग, आर्थिक विकास, रिटायरमेंट प्लानिंग — तो यह पेपर मौजूदा वक्त का सबसे ताज़ा विशेषज्ञ-राय स्नैपशॉट है, बुकमार्क करने लायक भले ही आप निष्कर्षों से असहमत हों। खासकर मानव संसाधन प्रबंधक के लिए नीति-प्राथमिकता वाला फासला प्रासंगिक होगा: आपके कर्मचारियों को जो वर्कफोर्स पॉलिसी चाहिए, वह आपकी फाइनेंस टीम के अर्थशास्त्री जो मॉडल कर रहे हैं उससे एकदम अलग हो सकती है।

अगर आप एक व्यक्तिगत कर्मचारी हैं, तो व्यावहारिक कदम वही है जो अच्छे करियर सलाहकार एक दशक से देते आए हैं: विकल्पों वाले स्किल बनाइए, अग्रणी संकेतक देखते रहिए (भागीदारी दर, GDP में AI कैपेक्स का हिस्सा, BLS व्यावसायिक प्रोजेक्शन्स), और किसी एक पूर्वानुमान — इस वाले समेत — के इर्द-गिर्द अपनी ज़िंदगी को पुनर्संरचित मत कीजिए।

स्रोत

• Karger, E., Kuusela, O., Tetlock, P. et al. (2026). _Forecasting the Economic Effects of AI_. NBER Working Paper w35046. अप्रैल 2026 में प्रकाशित।
• CBO 2026 Long-Term Budget Outlook — पेपर ने बेसलाइन के रूप में इस्तेमाल किया।
• BLS नागरिक श्रम बल भागीदारी दर — हर महीने देखने लायक संकेतक।

---

_यह लेख ऊपर उद्धृत NBER वर्किंग पेपर के आधार पर AI-सहायक विश्लेषण के साथ लिखा गया है। सभी संख्यात्मक दावे पेपर के बताए आंकड़ों को दर्शाते हैं; व्याख्याएं हमारी अपनी हैं और लेखकों से भिन्न हो सकती हैं।_