क्या Generative AI महिला कामगारों को ज़्यादा प्रभावित करेगा? Brookings 2024 का जवाब

36% महिलाएँ ऐसी नौकरियों में काम करती हैं जहाँ generative AI रोज़मर्रा के आधे या उससे ज़्यादा tasks को बदल सकता है। पुरुषों के लिए यह आंकड़ा 25% है। यह 11-percentage-point का फ़र्क़ कोई rounding error नहीं है — यह चेतावनी है जो Brookings ने 1,000 से ज़्यादा US occupations पर ChatGPT-4 task exposure data चलाकर निकाली है। तथ्य — [Brookings 2024]

आपको पता है, अगर आप एक working woman हैं तो शायद यह बात आप पहले से ही महसूस कर रही हैं। Admin-heavy, documentation वाली, back-office जॉब्स — जहाँ महिलाओं की संख्या ज़्यादा है — वही जगहें हैं जहाँ large language models चुपचाप workflow का एक बड़ा हिस्सा खा रहे हैं। Brookings ने बस math करके दिखा दिया कि असल में तो मामला headlines से भी ज़्यादा serious है।

असली exposure किसकी है — और gender बार-बार क्यों आता है

Brookings ने OpenAI के task-exposure framework का इस्तेमाल किया, उसे O*NET के task inventories और BLS के employment data से cross-check किया, ताकि हर occupation के daily work में से कितना हिस्सा current generative AI से meaningfully assist या replace हो सकता है, यह score किया जा सके। [तथ्य] फिर ऊपर Pew के demographic data की layer चढ़ाई ताकि पता चले कि ये नौकरियाँ असल में कौन कर रहा है।

Pattern यह निकला। सभी US workers में से 30% से ज़्यादा ऐसी occupations में हैं जहाँ 50% या उससे ज़्यादा daily tasks disruption के लिए exposed हैं। [तथ्य] थोड़ा और ज़ूम-आउट करें, तो 85% workers अपने कम-से-कम 10% tasks को इस technology से touch होता देखेंगे। [तथ्य] इस लहर से कोई नहीं बच पाएगा।

लेकिन यह बोझ बराबर नहीं बँटा है। सबसे ज़्यादा exposure वाली पाँच occupational families ये हैं:

• Computer and mathematical work — जैसे software developers अब code scratch से लिखने के बजाय AI-generated code review करते हैं
• Business and financial operations — इसमें financial analysts और accountants and auditors शामिल हैं जिनके modeling और reconciliation tasks partially automatable हैं
• Engineering
• Office और administrative support — जैसे administrative assistants और bookkeeping, accounting, and auditing clerks
• Legal work, जहाँ paralegals और legal assistants contract review और research workflows की front line पर हैं

इनमें से तीन — business-finance, office-admin support, और legal support — US labor market में majority-female occupations हैं। सिर्फ़ office और administrative support में ही लगभग 1.9 करोड़ Americans काम करते हैं, और उसमें महिलाओं का हिस्सा 70% से ऊपर है। [तथ्य] 36% बनाम 25% के gap के पीछे यही एक fact है जो सबसे ज़्यादा काम कर रहा है।

Brookings ने जो uncomfortable layer जोड़ी — Bargaining Power

Exposure तो सिर्फ़ आधी कहानी है। बाक़ी आधी यह है कि जब आपकी job के अंदर tasks बदलने लगें, तब आपके पास कोई leverage है भी या नहीं।

Brookings ने एक बात highlight की जो flashy coverage में शायद ही कहीं आती है: finance sector में union representation सिर्फ़ 1% है। [तथ्य] यह typo नहीं है। जब productivity software किसी financial analyst या claims processor का काम reshape करता है, तो training, pay, या task redesign पर negotiate करने वाला कोई institutional counterweight practically मौजूद ही नहीं है। इसकी तुलना कीजिए education या healthcare से — medium-exposure sectors — जहाँ unionization meaningfully ज़्यादा है और workers का historically ज़्यादा voice रहा है कि नए tools कैसे deploy हों।

तो असली बात "AI महिलाओं को replace कर देगा" नहीं है। असली बात ज़्यादा narrow और ज़्यादा honest है। दावा — [Brookings 2024]

असली बात यह है: जो occupations generative AI से सबसे ज़्यादा exposed हैं, उनमें बहुत सारी महिलाएँ काम करती हैं, और ठीक वही occupations US economy में सबसे कमज़ोर collective bargaining footprint वाली occupations में से हैं। जब लहर आती है, तो उसके रास्ते में खड़े लोगों के पास negotiate करने के सबसे कम formal tools होते हैं।

Low-exposure column क्या बताना चाह रहा है

Brookings की low-exposure list दिलचस्प है — इसमें क्या है, और क्या नहीं, दोनों देखिए। Manual, blue-collar, और in-person service occupations — construction, food prep, personal care — task exposure पर low score करते हैं। [अनुमान] यह बात tools इस्तेमाल करने वालों को पहले से पता है: मौजूदा generation का generative AI text, code, और structured data में तगड़ा है, लेकिन embodied, physical, context-heavy काम में अभी भी awkward है।

एक generation में पहली बार, एक general-purpose technology white-collar और office work को physical labor से ज़्यादा ज़ोर से मार रही है। यह 2010s की automation story का उल्टा है, जब warehouse robotics और trucking (याद है truck drivers पर कितने articles थे?) headlines पर छाए हुए थे।

अगर आप medium-exposure band में हैं — LLM के साथ काम करने वाली customer service representative, discovery के लिए AI use करने वाले lawyer, AI charting use करने वाली nurse — तो Brookings data एक तीसरा रास्ता suggest करता है। Tasks बदलते हैं। Jobs पूरी तरह से गायब नहीं होतीं। लेकिन आप रोज़ क्या करते हैं, उसका mix ज़रूर shift होता है।

तो आप actually क्या करें

कुछ बातें सीधे कहने लायक़ हैं।

पहली, अपना exposure score जानिए। अगर आप पाँच high-exposure families में से किसी एक में हैं, तो मान कर चलिए कि आपके current tasks के 30-50% 3-5 साल में meaningfully अलग दिखेंगे। [अनुमान] यह unemployment का forecast नहीं है। यह forecast है कि आपके workday का content बदलेगा, और जो लोग अपना task portfolio सबसे तेज़ adapt कर पाते हैं वही सबसे ज़्यादा leverage बचा पाते हैं।

दूसरी, अगर आप ऐसी teams manage करते हैं जहाँ महिलाओं की संख्या ज़्यादा है — admin, finance ops, paralegal, customer support — तो यह सिर्फ़ productivity का मुद्दा नहीं, retention का मुद्दा है। Task churn से सबसे ज़्यादा प्रभावित workers वही हैं जिनकी formal bargaining position सबसे कमज़ोर है। आपकी training, redeployment, या wage policy जो भी आज है, वह शायद उस वक़्त design हुई थी जब exposure profile इस तरह skew नहीं हुआ था।

तीसरी, Brookings data update होता रहेगा। GPT-4 इस बार task-exposure का proxy था; नए frontier models exposure curve को और उन tasks तक ले जा रहे हैं जहाँ पहले judgment ज़रूरी माना जाता था। [दावा] 2024 के data में gender gap floor है, ceiling नहीं।

आपका क्या अनुभव है? अपनी job के "बदलने लायक़ tasks" के percentage का कभी अंदाज़ा लगाया है? Comments में बताइए।

स्रोत

• Muro, Mark, Maxim, Robert, Hathaway, Shriya Methkupally. "Generative AI, the American worker, and the future of work." The Brookings Institution. 10 अक्टूबर 2024. लिंक
• Underlying data: OpenAI ChatGPT-4 task-exposure scores (1,000+ occupations), O*NET task inventories, US Bureau of Labor Statistics Occupational Employment and Wage Statistics, Pew Research Center demographic overlays.

Update History

• 2026-04-17: Brookings 2024 report पर आधारित पहला publication। 36% महिलाएँ बनाम 25% पुरुष exposure gap, 1.9 करोड़ office-admin workforce, finance sector में 1% union density — ये तीन data points केंद्र में हैं।

---

यह AI-assisted analysis है। यह पोस्ट एक AI research agent ने draft की, Brookings source के against factual accuracy के लिए review की गई, और aichanging.work पर editorial oversight के साथ publish की गई।