क्या AI अर्थशास्त्रियों की जगह लेगा? व्यवधान का अध्ययन करने वाला पेशा व्यवधान हो रहा है

अर्थशास्त्री अपने करियर का अध्ययन करने में बिताते हैं कि बाज़ार तकनीकी व्यवधान पर कैसे प्रतिक्रिया करते हैं। अब वे इसे जी रहे हैं। वह पेशा जो रचनात्मक विनाश का मॉडल बनाता है, इसे प्रत्यक्ष रूप से अनुभव कर रहा है -- और अनुभव अर्थशास्त्रियों को उनके स्वयं के काम के बारे में कुछ महत्वपूर्ण सिखा रहा है जो उन्होंने अकेले सिद्धांत से नहीं सीखा होगा।

डेटा: उच्च एक्सपोज़र, मध्यम जोखिम

हमारा डेटा दिखाता है कि अर्थशास्त्री 60% की समग्र AI एक्सपोज़र और 36% [अनुमान] के ऑटोमेशन जोखिम का सामना करते हैं। एक्सपोज़र पर्याप्त है -- अधिकांश सामाजिक विज्ञानों की तुलना में अधिक -- लेकिन जोखिम आर्थिक सलाह की निर्णय-गहन प्रकृति और संस्थागत संदर्भ से कम होता है जिसमें अधिकांश पेशेवर अर्थशास्त्री काम करते हैं।

आर्थिक डेटा और रुझानों का विश्लेषण, मुख्य मात्रात्मक कार्य, 48% ऑटोमेशन [अनुमान] पर बैठता है। AI की विश्लेषणात्मक क्षमताओं को देखते हुए यह संख्या आश्चर्यजनक रूप से कम लग सकती है, लेकिन यह इस तथ्य को दर्शाती है कि आर्थिक डेटा विश्लेषण केवल regressions चलाना नहीं है। इसमें प्रश्न के लिए सही मॉडल का चयन, ऐसे डेटा की सफ़ाई जो अक्सर अव्यवस्थित और अधूरा होता है, चतुर अनुसंधान डिज़ाइन के माध्यम से पहचान समस्याओं का समाधान, और AI की कमी वाले संस्थागत ज्ञान के संदर्भ में परिणामों की व्याख्या शामिल है।

हमारे डेटाबेस में श्रम अर्थशास्त्री और भी अधिक एक्सपोज़र दिखाते हैं: 58% समग्र 46% जोखिम [अनुमान] के साथ, श्रम बाज़ार विश्लेषण की अत्यधिक मात्रात्मक प्रकृति और बड़े प्रशासनिक डेटासेट तथा डिजिटल ट्रेस डेटा की बढ़ती उपलब्धता से प्रेरित जिसे मशीन लर्निंग संसाधित करने में उत्कृष्ट है।

संयुक्त राज्य अमेरिका में औपचारिक BLS वर्गीकरण के तहत लगभग 19,600 अर्थशास्त्री [तथ्य] हैं, जो $113,940 [तथ्य] का मध्यिका वेतन कमाते हैं। ब्यूरो ऑफ़ लेबर स्टैटिस्टिक्स 2034 तक 6% वृद्धि का अनुमान लगाता है [तथ्य] -- औसत से ऊपर, सार्वजनिक और निजी दोनों क्षेत्रों में आर्थिक विशेषज्ञता की निरंतर माँग को दर्शाता है। औपचारिक वर्गीकरण से परे, अर्थशास्त्र PhDs वाले कई अधिक लोग परामर्श, वित्त, प्रौद्योगिकी, सरकारी नीति, और अंतर्राष्ट्रीय विकास में काम करते हैं।

अर्थशास्त्र में AI कहाँ उत्कृष्ट है

AI आर्थिक अभ्यास के कई क्षेत्रों को वास्तव में बदल रहा है।

Nowcasting -- वर्तमान आर्थिक स्थितियों का अनुमान लगाने के लिए वास्तविक समय के डेटा (क्रेडिट कार्ड लेनदेन, उपग्रह छवियों, वेब ट्रैफ़िक, बिजली खपत, पेरोल डेटा) का उपयोग करना, आधिकारिक आँकड़ों की प्रतीक्षा करने के बजाय -- एक ऐसा क्षेत्र है जहाँ मशीन लर्निंग पारंपरिक अर्थमितीय विधियों पर स्पष्ट लाभ रखता है। न्यूयॉर्क के फ़ेडरल रिज़र्व बैंक, अटलांटा के फ़ेडरल रिज़र्व बैंक के GDPNow, क्लीवलैंड फ़ेड के nowcasting मॉडल, और प्रमुख वाणिज्यिक भविष्यवक्ता सभी पारंपरिक तरीक़ों के साथ-साथ मशीन लर्निंग दृष्टिकोणों का उपयोग करते हैं।

भविष्यवाणी महत्वपूर्ण AI योगदान का एक और क्षेत्र है। न्यूरल नेटवर्क और ensemble विधियाँ कहीं अधिक चर संसाधित कर सकती हैं और अरैखिक संबंधों का पता लगा सकती हैं जिन्हें पारंपरिक मॉडल चूक जाते हैं। कुछ AI पूर्वानुमान सिस्टम पहले से ही GDP, मुद्रास्फीति, और रोज़गार की अल्पकालिक भविष्यवाणियों पर मानव अर्थशास्त्रियों को पीछे छोड़ देते हैं। हाल के तुलनात्मक अध्ययनों में पाया गया है कि मशीन लर्निंग दृष्टिकोण अक्सर सामान्य आर्थिक लक्ष्यों पर सर्वसम्मति पूर्वानुमानों से मेल खाते या उन्हें पीछे छोड़ते हैं [दावा], हालाँकि वे लंबे क्षितिज पर या शासन परिवर्तन के दौरान अधिक सीमित रहते हैं।

साहित्य समीक्षा और संश्लेषण -- किसी विषय पर ज्ञान की स्थिति को समझने के लिए सैकड़ों पेपर पढ़ने की श्रम-गहन प्रक्रिया -- AI उपकरणों के साथ नाटकीय रूप से तेज़ हो रही है। NBER वर्किंग पेपर श्रृंखला, SSRN, और अन्य भंडारों में सैकड़ों हज़ारों अर्थशास्त्र पेपर हैं। AI सारांश और खोज उपकरणों ने शोधकर्ताओं के इस साहित्य को नेविगेट करने के तरीक़े को बदल दिया है।

कोडिंग और दोहराव भी बदल रहे हैं। GitHub Copilot जैसे AI कोडिंग सहायकों ने अर्थमितीय कार्यान्वयन को तेज़ बना दिया है। प्रकाशित अध्ययनों का दोहराव -- स्नातक अर्थशास्त्र प्रशिक्षण में एक प्रमुख समय सिंक -- आंशिक रूप से स्वचालित किया जा सकता है। American Economic Association की डेटा और कोड संग्रह समीक्षा प्रक्रिया AI-सहायता प्राप्त सत्यापन की खोज कर रही है।

मानव अर्थशास्त्री क्यों आवश्यक रहते हैं

आर्थिक निर्णय आर्थिक गणना से मौलिक रूप से अलग है। मौद्रिक नीति पर विचार करें: जब फ़ेडरल रिज़र्व ब्याज दर परिवर्तन का निर्णय लेता है, तो डेटा विश्लेषण आसान हिस्सा है। कठिन हिस्सा प्रतिस्पर्धी जोखिमों (मुद्रास्फीति बनाम बेरोज़गारी) को तौलना, वर्तमान आर्थिक माहौल के लिए विशिष्ट संचरण तंत्रों को समझना, यह अनुमान लगाना कि बाज़ार सहभागी नीति संकेत पर कैसे प्रतिक्रिया देंगे, अपेक्षाओं का प्रबंधन करने वाले तरीक़े से निर्णय का संचार करना, और स्वतंत्र मौद्रिक नीति को सीमित करने वाले राजनीतिक माहौल को नेविगेट करना है।

यह डेटा प्रसंस्करण नहीं है -- यह विशाल परिणामों के साथ अनिश्चितता के तहत निर्णय है। 2022-2024 की मुद्रास्फीति का अनुभव दिखाता है कि कैसे परिष्कृत पूर्वानुमान उपकरणों ने भी मुद्रास्फीति की दृढ़ता को चूक दिया, AI मॉडल राजकोषीय प्रोत्साहन और ऊर्जा झटकों के साथ संयुक्त अभूतपूर्व महामारी के बाद की आपूर्ति झटकों की भविष्यवाणी नहीं कर सके, और मानव अर्थशास्त्रियों को अपूर्ण जानकारी के साथ कठिन निर्णय लेने पड़े।

इसी तरह, आर्थिक नीति सलाह -- एक सरकार को यह बताना कि क्या एक प्रस्तावित व्यापार समझौता उसके श्रमिकों को लाभ पहुँचाएगा, या ऐसा कार्बन कर कैसे डिज़ाइन किया जाए जो प्रभावी और राजनीतिक रूप से व्यवहार्य दोनों हो, या AI-अव्यवस्थित श्रम बाज़ार में श्रमिकों का सर्वोत्तम समर्थन करने के लिए कौन सा बेरोज़गारी बीमा सुधार होगा -- के लिए तकनीकी विश्लेषण को राजनीतिक व्यवहार्यता, वितरण संबंधी चिंताओं, और मानक मूल्यों के साथ एकीकृत करने की आवश्यकता है। ये स्पष्ट उद्देश्य कार्यों के साथ अनुकूलन समस्याएँ नहीं हैं।

अर्थशास्त्र में कारण अनुमान मौलिक रूप से एक मानवीय उद्यम है। विश्वसनीयता क्रांति जिसने पिछले तीन दशकों में अनुभवजन्य अर्थशास्त्र को बदल दिया है, रचनात्मक अनुसंधान डिज़ाइनों -- प्राकृतिक प्रयोगों, उपकरण चर, regression discontinuities, difference-in-differences -- पर बनी है जो कारण प्रभावों की पहचान करने के लिए विशिष्ट संस्थागत विशेषताओं का उपयोग करती हैं। AI एक बार निर्दिष्ट होने पर इन डिज़ाइनों को लागू कर सकता है, लेकिन डिज़ाइन स्वयं आर्थिक सेटिंग के गहरे ज्ञान और कौन सी भिन्नता का दोहन करना है, इस पर रचनात्मक सोच की आवश्यकता है।

शैक्षणिक बनाम अनुप्रयुक्त विभाजन

मुख्य रूप से अनुभवजन्य विश्लेषण पर केंद्रित शैक्षणिक अर्थशास्त्री सबसे अधिक व्यवधान जोखिम का सामना करते हैं। regressions चलाने की क्षमता, जो दशकों तक अनुभवजन्य अर्थशास्त्र को परिभाषित करती थी, कमोडिटीकृत हो रही है। शिक्षा जगत में फलने-फूलने वाले अर्थशास्त्री वे होंगे जो नए प्रश्न पूछते हैं, नए सैद्धांतिक ढाँचे विकसित करते हैं, चतुर प्राकृतिक प्रयोग डिज़ाइन करते हैं, और गहरे संस्थागत ज्ञान के साथ परिणामों की व्याख्या करते हैं।

PhD अर्थशास्त्र नौकरी का बाज़ार क्रूर लेकिन विकसित होता रहता है। शीर्ष विभाग अभी भी tenure-track अनुसंधान पदों में रखे जा सकने वाले से अधिक स्नातक तैयार करते हैं। लेकिन प्रौद्योगिकी में PhD अर्थशास्त्रियों के लिए माँग (Amazon, Google, Meta, Microsoft सभी सैकड़ों अर्थशास्त्रियों को नियुक्त करते हैं), वित्त, परामर्श (McKinsey, BCG, NERA, Charles River Associates, Cornerstone Research), और केंद्रीय बैंकों और अंतर्राष्ट्रीय संगठनों में मज़बूत बनी हुई है।

सरकार, परामर्श, और निजी क्षेत्र में अनुप्रयुक्त अर्थशास्त्री कम विस्थापन का सामना करते हैं क्योंकि उनका काम स्वाभाविक रूप से निर्णय-गहन और ग्राहक-सामना है। ग़ैर-अर्थशास्त्रियों को आर्थिक विश्लेषण समझाना, वास्तविक दुनिया के परिणामों वाले निर्णयों पर सलाह देना, सामान्य सिद्धांतों को विशिष्ट संदर्भों में अनुकूलित करना, और ऐसा विश्लेषण तैयार करना जो कानूनी या नियामक कार्यवाही में जाँच का सामना कर सके, सभी मानवीय कौशल की आवश्यकता है जिसे AI विश्वसनीय रूप से नहीं कर सकता।

तकनीकी क्षेत्र की माँग

प्रौद्योगिकी कंपनियों में "अर्थशास्त्री भूमिकाओं" का विस्तार पिछले एक दशक में पेशे में सबसे उल्लेखनीय विकासों में से एक रहा है। Amazon मूल्य निर्धारण, मार्केटप्लेस डिज़ाइन, अनुशंसा प्रणाली, और श्रम बाज़ार के सवालों पर काम करने वाले सैकड़ों PhD अर्थशास्त्रियों को नियुक्त करता है। Microsoft, Meta, Google, Uber, Airbnb, और दर्जनों अन्य कंपनियों के पास आर्थिक अनुसंधान टीमें हैं।

काम में बड़े पैमाने पर डिजिटल प्रयोग के लिए कारण अनुमान विधियाँ लागू करना, marketplaces और तंत्र डिज़ाइन प्रश्न (उदाहरण के लिए, विज्ञापन नीलामी, प्लेटफ़ॉर्म मूल्य निर्धारण), प्रतिस्पर्धा और antitrust मुद्दों का मॉडलिंग करना, और गिग वर्क, ऑटोमेशन, और असमानता से संबंधित श्रम बाज़ार प्रश्नों का विश्लेषण करना शामिल है।

मुआवज़ा अक्सर शैक्षणिक वेतन से काफ़ी अधिक होता है -- वरिष्ठ तकनीकी अर्थशास्त्री अक्सर कुल मुआवज़े में $300,000-$500,000+ [दावा] कमाते हैं, अग्रणी भूमिकाओं के लिए काफ़ी अधिक भुगतान होता है। काम बौद्धिक रूप से माँग वाला है और अक्सर शीर्ष अर्थशास्त्र पत्रिकाओं में प्रकाशित होता है।

AI अर्थशास्त्र: सबसे गर्म उप-क्षेत्र

AI के स्वयं के आर्थिक विश्लेषण सबसे सक्रिय अनुसंधान क्षेत्रों में से एक बन गए हैं। AI उत्पादकता को कैसे प्रभावित करेगा? असमानता को? श्रम बाज़ार की गतिशीलता को? शिक्षा पर रिटर्न को? आर्थिक शक्ति की एकाग्रता को? AI उद्योग के स्वयं के औद्योगिक संगठन को?

David Autor, Daron Acemoglu, Erik Brynjolfsson, Anton Korinek जैसे अर्थशास्त्रियों, और दर्जनों अन्य लोगों ने इन सवालों के आसपास प्रभावशाली अनुसंधान कार्यक्रम बनाए हैं। NBER का AI अर्थशास्त्र कार्य समूह, Stanford का Digital Economy Lab, MIT का IDE, और इसी तरह के संस्थान गतिविधि के केंद्रित केंद्र हैं।

अभी इस पेशे में प्रवेश करने वाले अर्थशास्त्रियों के लिए, AI अर्थशास्त्र आकर्षक अवसर प्रदान करता है। प्रश्न महत्वपूर्ण हैं, डेटा प्रचुर है, और नीति प्रासंगिकता उच्च है।

अर्थशास्त्रियों को क्या करना चाहिए

विश्लेषणात्मक उपकरणों के रूप में मशीन लर्निंग और डेटा विज्ञान में महारत हासिल करें। शीर्ष विभागों में फैले "अर्थशास्त्रियों के लिए ML" पाठ्यक्रम आवश्यक कौशल में स्थायी बदलाव को दर्शाते हैं। Mostly Harmless Econometrics अभी भी आवश्यक पठन है, लेकिन यह अब Murphy की Probabilistic Machine Learning के साथ बैठती है।

AI अर्थशास्त्र में विशेषज्ञता विकसित करें -- बाज़ारों, श्रम, और असमानता पर AI के प्रभाव का आर्थिक विश्लेषण। यह समकालीन अर्थशास्त्र के सबसे नीति-प्रासंगिक क्षेत्रों में से एक है और शिक्षा जगत, सरकार, और उद्योग में आकर्षक करियर पथ प्रदान करता है।

संचार और सलाहकार कौशल का निर्माण करें जो आर्थिक विश्लेषण को कार्रवाई योग्य निर्णयों में अनुवादित करते हैं। नियोक्ताओं, नीति निर्माताओं, और जनता द्वारा सबसे अधिक मूल्यवान अर्थशास्त्री वे हैं जो तकनीकी कठोरता और स्पष्ट संचार के बीच आगे बढ़ सकते हैं।

ऐसे उप-क्षेत्र विशेषज्ञताओं का पीछा करें जहाँ गहरा संस्थागत ज्ञान मूल्य को संयुक्त करता है: श्रम अर्थशास्त्र (विशेष रूप से AI के साथ), औद्योगिक संगठन (विशेष रूप से प्लेटफ़ॉर्म बाज़ार), सार्वजनिक अर्थशास्त्र, अंतर्राष्ट्रीय व्यापार, मौद्रिक नीति, या पर्यावरण अर्थशास्त्र। ये अनुप्रयुक्त विशेषज्ञताएँ वे क्षेत्र हैं जहाँ मानवीय निर्णय सबसे मूल्यवान बना रहता है।

संस्थागत और प्रासंगिक ज्ञान में निवेश करें जो कच्ची विश्लेषणात्मक क्षमता से परे आर्थिक निर्णय को मूल्यवान बनाता है। यह जानना कि एक विशेष श्रम बाज़ार वास्तव में कैसे कार्य करता है, एक नियामक एजेंसी निर्णय कैसे लेती है, एक न्यायालय आर्थिक साक्ष्य की व्याख्या कैसे करता है, या एक कंपनी वास्तव में कैसे संचालित होती है, उस प्रकार की विशेषज्ञता है जिसे AI आसानी से दोहरा नहीं सकता।

श्रम अर्थशास्त्रियों सहित विस्तृत डेटा के लिए, अर्थशास्त्री 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 भूगोलवेत्ताओं को बदल देगा?
• क्या AI दार्शनिकों को बदल देगा?
• क्या AI सॉफ़्टवेयर डेवलपर्स को बदल देगा?
• क्या AI नर्सों को बदल देगा?

_ब्लॉग पर हमारे सभी 470+ व्यवसाय विश्लेषण देखें।_