क्या AI मानवविज्ञानियों की जगह लेगा? AI डेटा विश्लेषण कर सकता है, लेकिन गांव में रह नहीं सकता

क्या AI उस व्यक्ति की जगह ले सकता है जो दो साल किसी दूरस्थ समुदाय में रहकर बिताता है, भाषा सीखता है, विश्वास अर्जित करता है, और सांस्कृतिक प्रथाओं का दस्तावेज़ीकरण करता है जिन्हें किसी बाहरी व्यक्ति ने कभी रिकॉर्ड नहीं किया? प्रश्न लगभग स्वयं ही उत्तर देता है।

मानव विज्ञान सबसे AI-प्रतिरोधी शैक्षणिक विषयों में से एक है क्योंकि इसकी मुख्य पद्धति -- नृवंशविज्ञान क्षेत्र कार्य -- एक ऐसी चीज़ की आवश्यकता है जो AI मौलिक रूप से नहीं कर सकता: अन्य मनुष्यों के बीच मानव होना।

डेटा: मध्यम एक्सपोज़र, कम जोखिम

हमारा डेटा दिखाता है कि मानवविज्ञानी 38% की समग्र AI एक्सपोज़र और 28% [अनुमान] के ऑटोमेशन जोखिम का सामना करते हैं। ये संख्याएँ उन्हें मध्यम श्रेणी में रखती हैं, लेकिन जोखिम पेशे के समग्र होने के बजाय विशिष्ट कार्यों में केंद्रित है।

सांस्कृतिक कलाकृतियों और नृवंशविज्ञान डेटा का विश्लेषण 55% ऑटोमेशन [अनुमान] पर बैठता है -- AI बड़े डेटासेट में पैटर्न पहचान में वास्तव में उपयोगी है, चाहे इसका मतलब हज़ारों मिट्टी के बर्तनों के टुकड़ों का विश्लेषण करना हो या गुणात्मक साक्षात्कार प्रतिलेखों को कोडिंग करना। शोध रिपोर्ट और अकादमिक पेपर लिखना 52% [अनुमान] पर है, जो साहित्य समीक्षा और मसौदा निर्माण में सहायता करने की AI की बढ़ती क्षमता को दर्शाता है। लेकिन क्षेत्र कार्य और समुदाय सहभागिता 15% [अनुमान] पर है -- और यह वह कार्य है जो परिभाषित करता है कि एक मानवविज्ञानी वास्तव में क्या है।

संयुक्त राज्य अमेरिका में लगभग 8,600 मानवविज्ञानी [तथ्य] हैं, जो लगभग $68,000 [तथ्य] का मध्यिका वेतन कमाते हैं। ब्यूरो ऑफ़ लेबर स्टैटिस्टिक्स 2034 तक 5% वृद्धि का अनुमान लगाता है [तथ्य], स्थिर अगर असाधारण नहीं -- हालाँकि मानवविज्ञान रोज़गार में वास्तविक वृद्धि का बहुत हिस्सा BLS व्यवसाय परिभाषा के बाहर हो रहा है, प्रौद्योगिकी कंपनियों, परामर्श फ़र्मों, और अंतर्राष्ट्रीय विकास संगठनों में।

क्षेत्र कार्य मूलतः मानवीय क्यों है

मानवविज्ञान क्षेत्र कार्य उस तरह से डेटा संग्रह नहीं है जिस तरह एक सर्वेक्षक मापन एकत्र करता है। यह भागीदारी है। मानवविज्ञानी, एक समय के लिए, उस समुदाय का सदस्य बन जाता है जिसका वह अध्ययन कर रहा है। वे भोजन साझा करते हैं, समारोहों में भाग लेते हैं, संघर्षों के गवाह बनते हैं, त्योहार मनाते हैं, राजनीतिक तनावों को नेविगेट करते हैं, और संस्कृति को परिभाषित करने वाली अनगिनत सामाजिक सूक्ष्मताओं को आत्मसात करते हैं।

ब्रोनिस्लाव मालिनोव्स्की के ट्रोब्रिआंड द्वीप समूह में मूलभूत कार्य के लिए उन्हें वर्षों तक वहाँ रहने की आवश्यकता थी। मार्गरेट मीड के युवावस्था के अध्ययन को सामोआ किशोर जीवन में डुबकी की आवश्यकता थी। क्लिफ़ोर्ड गीर्ज़ का बालिनी मुर्गा-लड़ाई का "मोटा वर्णन" केवल इसलिए संभव था क्योंकि गीर्ज़ ने ऐसी घटना में गाँव सहन करने वाले बनने में महीनों बिताए थे। पद्धति विकसित हुई है -- समकालीन क्षेत्र कार्य सहयोग, प्रतिवर्तता, और मानवविज्ञानी की स्थिति की स्वीकृति पर ज़ोर देता है -- लेकिन दीर्घकालिक तल्लीनता की मुख्य आवश्यकता नहीं बदली है।

इस तरह के काम के लिए वर्षों की भाषा प्रशिक्षण, सांस्कृतिक संवेदनशीलता जो किसी भी सांस्कृतिक डेटाबेस से कहीं अधिक है, गहरे विश्वदृष्टि के अंतर के पार विश्वास बनाने की क्षमता, और क्या रिकॉर्ड करना है, क्या गोपनीय रखना है, और उन समुदायों का प्रतिनिधित्व कैसे करना है जिनके पास अक्सर पश्चिमी शैक्षणिक संस्थानों से बहुत अलग गोपनीयता और ज्ञान-साझाकरण के विचार हैं, के बारे में नैतिक निर्णय की आवश्यकता है। अमेरिकन एंथ्रोपोलॉजिकल एसोसिएशन का नैतिकता पर वक्तव्य मानवविज्ञानियों को उन लोगों के प्रति अपनी प्राथमिक ज़िम्मेदारी को प्राथमिकता देने की आवश्यकता है जिनका वे अध्ययन करते हैं [दावा] -- एक प्रतिबद्धता जो अक्सर प्रकाशन, पेशेवर उन्नति, या यहाँ तक कि सूचना के लिए कानूनी माँगों पर भी पूर्वता लेती है।

AI उस डेटा का विश्लेषण कर सकता है जो क्षेत्र कार्य उत्पन्न करता है। यह वह डेटा उत्पन्न नहीं कर सकता। कोई बड़ा भाषा मॉडल नहीं है जो यानोमामी गाँव में रिश्तेदारी विवाद में छह घंटे तक चुपचाप बैठ सके, उस क्षण को पहचान सके जब एक विशेष पूर्वज को आह्वान किया जाता है, और समझ सके कि वह आह्वान विवाद के प्रक्षेपवक्र में बदलाव का संकेत देता है।

जहाँ AI वास्तव में उपयोगी है

टेक्स्ट विश्लेषण मानवविज्ञानियों के बड़े गुणात्मक डेटा निकायों के साथ काम करने के तरीक़े को बदल रहा है। प्राकृतिक भाषा प्रसंस्करण हज़ारों साक्षात्कार प्रतिलेखों को विषयों, भावनाओं, और भाषाई पैटर्न के लिए मैन्युअल रूप से लगने वाले समय के एक छोटे से अंश में कोड कर सकता है। NVivo, Atlas.ti, और MAXQDA जैसे उपकरणों ने AI-सहायता प्राप्त कोडिंग को एकीकृत किया है जो साक्षात्कार corpora से विषयों का सुझाव देता है, शोधकर्ता को यांत्रिक कोडिंग के बजाय व्याख्या पर ध्यान केंद्रित करने के लिए मुक्त करता है।

कंप्यूटर विज़न फ़ोटोग्राफ़िक अभिलेखागार का विश्लेषण कर सकता है, कलाकृतियों की पहचान कर सकता है, और यहाँ तक कि खंडित साक्ष्य से पुरातात्विक स्थलों के पुनर्निर्माण में मदद कर सकता है। मशीन लर्निंग के साथ संयुक्त फ़ोटोग्रामेट्री सॉफ़्टवेयर एक भी भौतिक पुनर्निर्माण प्रयास से पहले बिखरे हुए मिट्टी के बर्तनों को डिजिटल रूप से फिर से जोड़ सकता है। AI छवि वर्गीकरण के साथ जोड़ा गया ड्रोन-आधारित पुरातात्विक सर्वेक्षण भारी वनस्पति वाले क्षेत्रों में पहले से अज्ञात स्थलों की पहचान कर सकता है जहाँ पारंपरिक ज़मीनी सर्वेक्षण असंभव है।

AI अनुवाद उपकरण बहुभाषी अनुसंधान को अधिक सुलभ बना रहे हैं, हालाँकि कोई भी मानवविज्ञानी आपको बताएगा कि किसी भाषा का Google Translate संस्करण लोगों के संदर्भ में वास्तव में बोलने के तरीके से बहुत कम मिलता-जुलता है -- विशेष रूप से स्वदेशी और अल्पसंख्यक भाषाओं के लिए जहाँ प्रशिक्षण डेटा कम है और बोलीगत भिन्नता विशाल है।

सबसे बड़ा प्रभाव डिजिटल मानव विज्ञान में ही हो सकता है -- ऑनलाइन समुदायों, सोशल मीडिया व्यवहार, गेमिंग संस्कृतियों, और डिजिटल नृवंशविज्ञान स्थानों का अध्ययन जहाँ AI उपकरण विशाल मात्रा में स्वाभाविक रूप से होने वाला डिजिटल डेटा एकत्र और विश्लेषण कर सकते हैं। प्लेटफ़ॉर्म एल्गोरिदम, डिप्लेटफ़ॉर्मिंग गतिशीलता, ऑनलाइन कट्टरपंथीकरण, और क्रॉस-सांस्कृतिक सूचना प्रवाह के अध्ययन ऐसे क्षेत्र हैं जहाँ कम्प्यूटेशनल विधियाँ पारंपरिक नृवंशविज्ञान संवेदनाओं को पूरक करती हैं।

तकनीकी उद्योग की माँग

तकनीकी कंपनियाँ ऐसी संख्या में मानवविज्ञानियों को नियुक्त करती हैं जो अधिकांश शिक्षाविदों को आश्चर्यचकित करेगी। Microsoft, Google, Meta, Intel, और IBM ने उपयोगकर्ता अनुसंधान और उत्पाद डिज़ाइन भूमिकाओं में प्रमुख मानवविज्ञानियों को वर्षों से नियुक्त किया है। Intel और बाद में Microsoft में Genevieve Bell के काम ने यह आकार देने में मदद की कि उद्योग क्रॉस-सांस्कृतिक प्रौद्योगिकी अपनाने के बारे में कैसे सोचता है। Microsoft में Mary Gray के "ghost work" पर शोध ने AI सिस्टम के पीछे अदृश्य मानव श्रम को उजागर किया।

जनरेटिव AI की लहर ने केवल मानवविज्ञानी विशेषज्ञता के लिए उद्योग की माँग को तेज़ किया है। AI कंपनियों को शोधकर्ताओं की आवश्यकता है जो समझ सकें कि लोग वास्तव में AI उपकरणों का उपयोग कैसे करते हैं, AI स्वीकृति में क्या सांस्कृतिक भिन्नताएँ मौजूद हैं, और विभिन्न समुदायों में क्या अनपेक्षित परिणाम उभर रहे हैं। प्रमुख प्लेटफ़ॉर्म पर ट्रस्ट और सेफ़्टी टीमें यह समझने के लिए मानवविज्ञानियों को नियुक्त करती हैं कि नुक़सान विशिष्ट सांस्कृतिक संदर्भों में कैसे प्रकट होता है।

$120,000-$200,000+ [दावा] का भुगतान करने वाली UX अनुसंधान भूमिकाएँ अक्सर मानवविज्ञान से प्रशिक्षित उम्मीदवारों को प्राथमिकता देती हैं। अकादमिक मानवविज्ञान जो कौशल विकसित करता है -- क़रीबी अवलोकन, सांस्कृतिक अनुवाद, नैतिक अनुसंधान अभ्यास, धारणाओं को चुनौती देने की क्षमता -- वही है जो AI-युग उत्पाद विकास की आवश्यकता है।

तकनीक से परे बढ़ती प्रासंगिकता

विकास संगठनों को कार्यक्रम कार्यान्वयन के लिए सांस्कृतिक विशेषज्ञता की आवश्यकता है। जिनेवा में डिज़ाइन किया गया एक स्वास्थ्य हस्तक्षेप अक्सर लागोस या ला पाज़ में विफल हो जाता है क्योंकि डिज़ाइनर बीमारी, परिवार, अधिकार, या जोखिम की स्थानीय अवधारणाओं को नहीं समझते थे। मानवविज्ञानियों को ऐसी विफलताओं को होने से पहले रोकने के लिए कार्यान्वयन टीमों में तेज़ी से एम्बेड किया जा रहा है।

कॉर्पोरेट विविधता, समानता, और समावेश पहलों के लिए उस तरह की गहरी सांस्कृतिक समझ की आवश्यकता है जो मानवविज्ञान प्रशिक्षण प्रदान करता है -- हालाँकि यह काम हाल के वर्षों में राजनीतिक रूप से आरोपित हो गया है और बजट में उतार-चढ़ाव हुआ है।

कानूनी संदर्भों में फ़ोरेंसिक मानव विज्ञान, स्वास्थ्य देखभाल प्रणालियों में चिकित्सा मानव विज्ञान, बाज़ार अनुसंधान में व्यावसायिक मानव विज्ञान, और संघर्ष क्षेत्रों में मानवीय मानव विज्ञान सभी अकादमिया के बाहर स्थापित और बढ़ते रोज़गार पथों का प्रतिनिधित्व करते हैं।

जैसे-जैसे AI सिस्टम विविध सांस्कृतिक संदर्भों में तैनात किए जाते हैं, लोगों की माँग जो समझते हैं कि प्रौद्योगिकी संस्कृति के साथ कैसे संपर्क करती है, बढ़ रही है -- सिकुड़ नहीं रही।

चार उप-क्षेत्रीय वास्तविकताएँ

अमेरिकी मानव विज्ञान पारंपरिक रूप से चार उप-क्षेत्रों में विभाजित होता है, और AI प्रभाव उनके बीच नाटकीय रूप से भिन्न होता है।

सांस्कृतिक मानव विज्ञान -- नृवंशविज्ञान क्षेत्र कार्य से सबसे अधिक जुड़ा उप-क्षेत्र -- सबसे कम प्रत्यक्ष AI ख़तरे का सामना करता है लेकिन सबसे लंबे समय तक चलने वाली अकादमिक नौकरी बाज़ार समस्याओं का सामना करता है। सांस्कृतिक मानवविज्ञानी तेज़ी से उद्योग में जा रहे हैं, विशेष रूप से तकनीक, डिज़ाइन, और परामर्श में। "अनुप्रयुक्त मानव विज्ञान" ट्रैक ने वैधता प्राप्त की है जिसे पहले की पीढ़ी अक्सर अस्वीकार कर देती थी।

पुरातत्व AI द्वारा अधिक प्रत्यक्ष रूप से रूपांतरित हो रहा है। LiDAR-आधारित स्थल का पता लगाना, उपग्रह-आधारित पुरातात्विक भविष्यवाणी, AI-संचालित कलाकृति वर्गीकरण, और खंडित सामग्री का कम्प्यूटेशनल पुनर्निर्माण सभी पुरातात्विक अनुसंधान के काम करने के तरीक़े को बदल रहे हैं। लेकिन क्षेत्र कार्य आवश्यक बना हुआ है। उत्खनन स्वचालित नहीं किया जा सकता। अमेरिका में सांस्कृतिक संसाधन प्रबंधन (CRM) पुरातत्व निर्माण और बुनियादी ढाँचा परियोजनाओं से जुड़े अनुपालन कार्य में हज़ारों पुरातत्वविदों को रोज़गार देता है।

जैविक मानव विज्ञान (मानव विकास, प्राइमेटोलॉजी, फ़ोरेंसिक मानव विज्ञान, पुरामानवविज्ञान) जीनोमिक्स के साथ प्रतिच्छेद करता है और प्राचीन DNA अनुसंधान, जीनोमिक चिकित्सा अनुप्रयोगों, और फ़ोरेंसिक AI उपकरणों द्वारा रूपांतरित हो रहा है। फ़ोरेंसिक मानव विज्ञान विशेष रूप से चिकित्सा परीक्षक कार्यालयों, सैन्य पहचान कार्य (DPAA), और मानवीय फ़ोरेंसिक मिशनों में मज़बूत रोज़गार बाज़ार रखता है।

भाषाई मानव विज्ञान भाषाविज्ञान के साथ चौराहे पर बैठता है (हमारे विश्लेषण में अलग से कवर किया गया) और AI विकास, भाषा दस्तावेज़ीकरण, और डिजिटल संचार अनुसंधान के लिए तेज़ी से प्रासंगिक है।

अनुशासनात्मक चौड़ाई मानव विज्ञान स्नातकों को अधिकांश मानविकी और सामाजिक विज्ञान क्षेत्रों की तुलना में अधिक करियर लचीलापन देती है, यहाँ तक कि जब औपचारिक अकादमिक नौकरी बाज़ार तंग रहता है।

मानवविज्ञानियों को क्या करना चाहिए

पारंपरिक नृवंशविज्ञान कौशल के साथ-साथ डिजिटल तरीक़े विकसित करें। NLP और कम्प्यूटेशनल टेक्स्ट विश्लेषण को क़रीबी पढ़ने के पूरक के रूप में उपयोग करना सीखें, प्रतिस्थापन के रूप में नहीं। Python, R, और कम से कम एक गुणात्मक विश्लेषण प्लेटफ़ॉर्म से परिचितता तेज़ी से अपेक्षित होती जा रही है।

व्यावहारिक विशेषज्ञताएँ -- डिज़ाइन मानव विज्ञान, व्यावसायिक मानव विज्ञान, चिकित्सा मानव विज्ञान, विकास मानव विज्ञान -- का पीछा करें जहाँ नियोक्ता की माँग सबसे मज़बूत है और क्षेत्र कार्य प्रशिक्षण का मूल्य ग़ैर-अकादमिक दर्शकों के लिए सबसे स्पष्ट है।

AI मानव विज्ञान के उभरते क्षेत्र से जुड़ें -- अध्ययन करना कि AI सिस्टम विभिन्न संस्कृतियों में कैसे समझे, विवादित, और अपनाए जाते हैं। यह अनुशासन के लिए सबसे महत्वपूर्ण मोर्चों में से एक है, और अब किया जा रहा काम दशकों तक नीति और डिज़ाइन को आकार देगा।

स्पष्ट रूप से स्पष्ट करें कि उस युग में नृवंशविज्ञान ज्ञान क्यों मायने रखता है जो अक्सर मात्रात्मक डेटा को प्राथमिकता देता है। एक उत्पाद प्रबंधक, एक सार्वजनिक स्वास्थ्य अधिकारी, या एक मानवीय कार्यक्रम निदेशक को मानवविज्ञानी मूल्य की व्याख्या करने की क्षमता स्वयं एक महत्वपूर्ण पेशेवर कौशल है।

विस्तृत डेटा के लिए, मानवविज्ञानी व्यवसाय पृष्ठ पर जाएँ।

_यह विश्लेषण Anthropic लेबर मार्केट रिपोर्ट और ब्यूरो ऑफ़ लेबर स्टैटिस्टिक्स अनुमानों के डेटा का उपयोग करते हुए AI सहायता से तैयार किया गया था।_

संबंधित: अन्य नौकरियों के बारे में क्या?

AI कई पेशों को नया रूप दे रहा है:

• क्या AI अर्थशास्त्रियों को बदल देगा?
• क्या AI जनसांख्यिकीविदों को बदल देगा?
• क्या AI लेखाकारों को बदल देगा?
• क्या AI वकीलों को बदल देगा?

_ब्लॉग पर हमारे सभी 470+ व्यवसाय विश्लेषण देखें।_