OpenAI ने मैप किए US के 921 jobs: 18% पर ज़्यादा short-term AI automation risk

अमेरिका की 18% नौकरियों पर short-term AI automation का risk ज़्यादा है। और इस list में कौन-कौन है, यह देखकर आपको थोड़ा हैरानी होगी। [तथ्य]

यह किसी think tank की forecast नहीं है, या किसी journalist की analysis नहीं। यह OpenAI ने ख़ुद April 2026 में लिखकर publish किया है। 921 occupations, अमेरिका के 99.7% employment को 4-dimension framework से map किया गया। अगर आपका काम contracts, classrooms, या office paperwork से जुड़ा है, तो आप statistically एक plumber, registered nurse, या kindergarten teacher से ज़्यादा exposed हैं। [तथ्य]

यह बात इसलिए important है — एक AI company खुद बता रही है कि उसके model से कौन-सी jobs पर सबसे ज़्यादा pressure है। आम तौर पर ऐसी reports बाहर की consulting firms या academia करती हैं। AI बनाने वाली company खुद कहे कि "हमारी technology से ये जॉब्स ख़तरे में हैं" — यह बहुत common नहीं है। इसलिए ध्यान से समझना चाहिए।

यह report actually क्या कहती है, वह line कहाँ खींची गई है, और Monday morning जब आप अपनी नौकरी पर जाते हैं, उसका इससे क्या मतलब निकलता है — इसे आसान भाषा में समझाते हैं।

OpenAI का framework बाक़ी reports से अलग कैसे है

ज़्यादातर AI-and-jobs reports task list से शुरू होती हैं। आपका काम किन tasks से बना है, क्या AI वो tasks कर सकता है, बस। OpenAI Jobs Transition Framework अलग है। Economist Alex Martin Richmond ने इसे लिखा है, और OpenAI के Chief Economist Ronnie Chatterji ने foreword लिखा है। उन्होंने इसके ऊपर तीन और dimensions add की हैं। [तथ्य]

पहली dimension obvious है: Technical capability। क्या AI आज actually वो tasks कर सकता है जो job में required हैं? यह सवाल हर report पूछती है। [तथ्य]

दूसरी dimension वो है जो ज़्यादातर reports skip कर देती हैं — Human necessity। कुछ काम ऐसे हैं जो AI technically कर तो सकता है, लेकिन इंसान को ही करना होता है। Framework इसे तीन कारणों में बाँटता है। Regulatory (judges, courtroom में lawyers, कुछ medical procedures), Relational (teachers, therapists, hospice nurses), Physical (plumbers, electricians, hands-on caregivers)। एक task 90% automatable हो सकता है, और फिर भी legally या socially एक इंसान required हो। [दावा]

यह distinction इसलिए important है — AI जो कर सकता है और society AI को जो करने देगी, उनके बीच एक बड़ा gap होता है। मान लीजिए AI एक radiologist से ज़्यादा accuracy से X-ray पढ़ सकता है। फिर भी अभी भारत में MCI के rules कहते हैं कि diagnosis देने वाला doctor इंसान होना चाहिए। Technical capability और legal permission अलग-अलग चीज़ें हैं। Report इसी gap को point out करती है।

तीसरी dimension है Demand elasticity। अगर AI accounting को 10× सस्ता बना दे, तो firms क्या 10× ज़्यादा accountants hire करेंगी जो 10× ज़्यादा काम करेंगे? या headcount काट देंगी? OpenAI मानती है कि यह dimension observe करना सबसे मुश्किल है, और structured approximation use करती है। [अनुमान]

Demand elasticity को एक line में explain करूँ — "जब चीज़ें सस्ती हो जाएँ, तो क्या लोग उन्हें ज़्यादा खरीदते हैं?" अगर smartphones सस्ते होते हैं, तो हर घर में ज़्यादा phones आ जाते हैं, तो phone industry बढ़ती है। पर कुछ services में ऐसा नहीं होता। अगर सबको already accounting service मिल रही है, और वो सस्ती हो जाती है, तो भी लोग दोगुना accounting नहीं करवाते। तब headcount कटता है। यही elasticity का खेल है।

चौथी dimension इस report को unique बनाती है। OpenAI ने analysis को anonymized 2025 की दूसरी छमाही ChatGPT consumer usage data से cross-reference किया। US Current Population Survey के unemployment data और GPT-5.4 occupation classifier के साथ। नतीजा — जिन occupations को framework ने high-risk बताया, उनमें ChatGPT usage low-risk वालों से लगभग 3× ज़्यादा था। यह theoretical prediction नहीं है, यह real behavioral signal है। [तथ्य]

Numbers, सीधे शब्दों में

921 occupations के पूरे sample में, framework अमेरिकी workforce को चार buckets में बाँटता है। [तथ्य]

• 18% jobs पर short-term automation risk ज़्यादा है। Clusters हैं legal support, classroom administrative roles, और office/administrative support overall। [तथ्य]
• 46% में change कम होगा — जो automate करना मुश्किल है, या जहाँ human necessity रोकती है। [तथ्य]
• 24% में employment गिर सकता है क्योंकि role के अंदर task composition shift होगा। Job title बच जाती है, headcount घट जाती है। [अनुमान]
• 12% AI की वजह से grow कर सकती हैं — आम तौर पर इसलिए कि सस्ता output ज़्यादा demand create करता है। [अनुमान]

ध्यान दें: 18% + 46% + 24% + 12% = 100% है, लेकिन "higher risk" और "employment decline" conceptually overlap करते हैं। Framework winners vs losers का net नहीं कर रहा — pressure के _type_ से sort कर रहा है। एक ही job दो buckets में आ सकती है।

High-risk list में actually कौन है

तीन job families उस 18% पर dominate करते हैं। Legal support, education, और office/administrative। [तथ्य]

Legal support में paralegals और legal secretaries बहुत सारा document review, citation checking, और templated drafting करते हैं। यह बिल्कुल वही है जो large language models अच्छा करते हैं। [अनुमान] अगर आप paralegal या legal secretary हैं, तो report कहती है आप अभी सबसे ज़्यादा pressure वाली category में हैं। यह honestly सबसे intuitive part है। US law firms में Harvey AI या Casetext जैसे tools 2-3 साल से use हो रहे हैं, और वो tools जो काम खा रहे हैं, वो paralegal work का सबसे बड़ा chunk है।

Education में जो हिस्सा affected है, वो administrative है — पढ़ाने का काम नहीं। [दावा] OpenAI elementary teachers, preschool teachers, kindergarten teachers को साफ़ तौर पर insulated बताती है। क्योंकि relational dimension इन्हें इस तरह necessary बनाती है जिसे AI replace नहीं कर सकता। Exposure है scheduling, grading paperwork, parent communication drafts, और lesson plan boilerplate में। भारतीय school context में बात करें — teacher का पढ़ाने का time protected है, पर हर हफ़्ते जो lesson logs, parent notes, और administrative reports बनाने पड़ते हैं, वो pressure के नीचे हैं।

Office/administrative में administrative assistants, executive secretaries, customer service representatives, data entry keyers, bookkeeping clerks, office clerks — ये सब high-pressure band में हैं। Common thread है scale पर structured language work। यह काम अब एक query पर लगभग ₹2.50 ($0.03) में हो जाता है। [अनुमान] भारतीय wages में convert करें — एक administrative assistant की hourly cost average ₹150-300 है। अगर एक AI query इंसान के 1 minute के काम को handle करे, तो cost difference लगभग 600× बनता है। यही elasticity वाला dangerous spot है।

Insulated jobs, और उनके reasons क्यों matter करते हैं

Workers के लिए report की सबसे clear finding यह है — कौन-सी roles buffered हैं, और क्यों।

Lawyers (licensed, courtroom वाले — paralegal से अलग), judges, registered nurses, nurse practitioners, और front-line teachers — सब insulated category में हैं। [तथ्य] पर reasons same नहीं हैं। यही key है।

एक lawyer regulation से buffered है। Bar admission, courtroom appearance rules, और signature liability का मतलब है — किसी इंसान का नाम brief पर जाना ज़रूरी है, चाहे draft AI ने ही क्यों न लिखा हो। भारत में Advocates Act यह buffer देता है। Bar Council of India enrolment के बिना कोई court में appear नहीं कर सकता। यह protection America जैसा ही है, बल्कि कुछ मामलों में और tight है।

एक nurse physical और relational necessity से buffered है। Catheter insertion, bedside care, डरे हुए patient को calm करने वाली human presence। [दावा] यह AI से सबसे मुश्किल replace होने वाला cluster है। Model कितना भी अच्छा हो, उसके पास हाथ नहीं हैं। Humanoid robotics आ भी जाए, हॉस्पिटल में deploy होने तक — honestly — एक decade लगेगा।

एक teacher relational demand से buffered है। Parents, school management, और students खुद चाहते हैं कि classroom में एक इंसान हो, chatbot नहीं। एक भारतीय parent अगर सुने कि उसके बच्चे का class teacher AI से replace हो गया है — उनकी reaction imagine कीजिए। यह relational protective layer कितनी मज़बूत है, यह वहाँ से समझ आता है।

आपके career planning के लिए इस nuance को क्यों matter करना चाहिए, सीधे बात कर देता हूँ। अगर आपकी role regulation से buffered है, तो वो buffer एक law-change से ख़त्म हो सकता है। Physical necessity से buffered है, तो robotics दस साल में चबा सकती है। Relational demand से buffered है — यानी इंसान दूसरे इंसान से actually जो चाहता है, उससे — तो वो सबसे लंबे टिकने का pattern है। [दावा]

ChatGPT usage data जो extra add करता है

यह report का सबसे dismiss-न-होने-वाला हिस्सा है। OpenAI ने predict नहीं किया, measure किया। 2025 की दूसरी छमाही में ChatGPT usage उन occupations में लगभग 3× ज़्यादा था जिन्हें framework ने high-risk बताया था, low-risk वालों के मुक़ाबले। [तथ्य]

यह survey response नहीं है, यह behavioral signal है। Legal support, office administration, white-collar coordination roles के workers _पहले से ही job पर AI heavily use कर रहे हैं_। Transition future shock नहीं है — यह अभी, ongoing substitution है। [दावा]

यहाँ एक irony है। सबसे ज़्यादा exposed worker सबसे तेज़ AI adopt कर रहा है। पहले लगता है resistance होगा, पर actually लोग अपना काम तेज़ी से ख़त्म करने के लिए सबसे पहले AI use कर रहे हैं। फिर company सोचती है — "यह बंदा AI से 1.5× तेज़ काम कर रहा है? तो वही काम 1.5× कम लोगों से हो जाएगा।" Worker का adaptation ironically headcount cut का justification बन जाता है। यह structure है।

EdTech Innovation Hub की independent reporting ने इसे central tension बताया। 18% की संख्या impressive है, पर ज़्यादा important fact यह है कि adoption उसी role में concentrated है जो सबसे exposed है। अगर आप उन roles में हैं और _अभी तक_ AI नहीं use कर रहे, तो आप उन colleagues से पीछे हैं जो already use कर रहे हैं। [अनुमान]

भारतीय workplace में इस report को कैसे पढ़ें

OpenAI का data US occupation classification और US ChatGPT usage पर based है। भारतीय workplace में directly apply करने से पहले कुछ adjustments चाहिए। [दावा]

पहला, labor protection बहुत अलग है। US में at-will employment है, company जब चाहे लोगों को निकाल सकती है। भारत में Industrial Disputes Act और labor laws के तहत retrenchment के लिए valid reason और proper procedure चाहिए। तो वही AI pressure आने पर भी headcount cut धीमे होते हैं। अच्छी बात लगती है — पर इसका workaround यह है कि companies hiring freeze लगा देती हैं। Report का 24% scenario, यानी title बच जाए और headcount घट जाए, भारत में _ज़्यादा strongly_ दिखेगा। नए लोग नहीं hire होंगे, बस।

दूसरा, legal support segment अलग है। Indian legal system में US-style paralegals का large workforce नहीं है। तो 18% का legal portion मुख्य रूप से law firm support staff, in-house legal team assistants, और litigation support providers पर apply होता है। Affected population US से कम है। पर अगर corporate legal teams external law firms पर dependence कम करके AI से directly काम करने लगें, तो impact junior associates की hiring पर पड़ेगा।

तीसरा, BPO और customer service segment ख़ासतौर पर exposed है। भारत का large customer service और BPO industry आज भी voice और text-based structured language work करता है। यह ठीक वही है जो AI की 18% category में सबसे ऊपर है। यहाँ pressure global है — US clients अपने vendors से कह रहे हैं "AI use करो, costs कम करो।" भारतीय BPO companies अभी से workforce restructure कर रही हैं। [दावा] अगर आप इस industry में हैं, तो AI adoption optional नहीं रह गया है।

चौथा, education administration भारत में और बड़ा बोझ है। Indian teachers जो paperwork करते हैं — student records, parent communications, government forms, attendance registers — वो शायद OECD average से ज़्यादा है। यह सब LLMs के लिए perfect target है। [दावा] पर adoption speed धीमी है। मतलब pressure _delayed_ आएगा। यह news अच्छी है या बुरी, यह इस पर depend करता है कि teacher वो extra time कैसे use करता है।

पाँचवाँ, nursing और care work में demand structurally बढ़ रही है। भारत में aging population, urban middle class की healthcare demand, और chronic disease burden — सब nursing और allied health workers की demand बढ़ा रहे हैं। AI physical care नहीं कर सकता। Registered nurses, ANMs, GNMs, और care workers की protection भारत में US से और मज़बूत है। [दावा]

इस week, आपके schedule में इसका क्या मतलब है

अगर आपकी job 18% list में है, तो concretely तीन चीज़ें suggest करता हूँ।

एक — इस हफ़्ते अपना task mix measure कीजिए। पाँच दिन पकड़िए और घंटे-दर-घंटे लिखिए कि आपने actually क्या किया। OpenAI framework occupation-level है, आपका specific job task-level पर है। अगर एक हफ़्ते का 70% structured language work है (drafting, summarizing, classifying, retrieving), तो framework का pressure आप पर apply होता है। अगर 70% judgment calls, client relationships, या physical work है, तो कम apply होता है। यह नहीं किया तो — guess करते रहेंगे, और 6 महीने और निकल जाएँगे, बिना यह जाने कि आपकी job actually safe है या नहीं।

दो — मजबूर होने से पहले adopt कीजिए। ChatGPT usage data दिखाता है कि आपकी category में substitution already चल रहा है। जो worker 18% bucket के tasks AI से तेज़ी से handle करता है, उसके पास framework जो "insulated" कहती है उस तरह के काम — relational, regulated, judgment-heavy — लेने की headroom ज़्यादा होती है। वो headroom आपका career insurance है। AI को reject करना और AI use करके ज़्यादा protected work की तरफ़ shift करना — दोनों same result नहीं देते। दूसरा survive करने का path है।

तीन — 24% bucket को watch कीजिए। अगर आपकी role "insulated" भी है, तो 24% quiet decline scenario का मतलब है company title रखेगी, headcount घटाएगी। Hiring freeze, role consolidation, और "वो बाद में refill कर देंगे" type की language को team में देखिए। यह signal है कि आपकी company ने decide कर लिया है कि AI ने lost capacity absorb कर ली है। भारतीय office context में बात करें — एक colleague resign करता है और एक साल तक उसकी जगह कोई नहीं आता, तो वो position practically delete हो गई है। यह signal ignore मत कीजिए।

यह framework इसलिए useful है क्योंकि यह forecast होने का pretend नहीं करता। यह सिर्फ़ pressure map करता है। उस pressure से आप क्या करेंगे, या आपका employer क्या करेगा — यह हिस्सा report predict करने की कोशिश नहीं करती। यह decision आख़िर में आपके और आपकी company के हाथ में है।

Sources

• The AI Jobs Transition Framework (OpenAI, April 2026) — primary report (PDF)
• EdTech Innovation Hub: OpenAI finds 18% of US jobs at risk from AI as ChatGPT use surges — independent coverage
• BCG: AI Will Reshape More Jobs Than It Replaces — corroborating analysis

AI सहायता प्रकटीकरण

यह article Claude (Anthropic) ने OpenAI की April 2026 framework को primary source मानकर draft किया। इस session में PDF का full text directly access नहीं हो पाया file-size limit की वजह से, इसलिए numbers और findings independent secondary coverage (EdTech Innovation Hub, BCG re-publication) और report की publicly listed summary से quote किए गए हैं। सारे quoted percentages और 921-occupation count उन्हीं sources से हैं। Editorial judgments — कौन-सी roles highlight करनी हैं, dimensions कैसे frame करनी हैं, action steps, भारतीय context में conversion — यह सब इस site का analysis है। Primary report और citations links ऊपर दिए हुए हैं verification के लिए।

Update History

• 2026-04-28 — OpenAI Jobs Transition Framework (April 2026 release) की summary, पहला publication।