क्या AI Eligibility Interviewers की जगह ले लेगा? Headlines के पीछे का Data

44% ऑटोमेशन जोखिम। यदि आप अभी एलिजिबिलिटी इंटरव्यूअर हैं, तो आपके काम के बारे में डेटा यही कहता है। और यदि आप देखते आ रहे हैं कि AI टूल्स आवेदन प्रसंस्करण, दस्तावेज़ सत्यापन, और डेटाबेस क्रॉस-रेफ़रेंसिंग में बेहतर होते जा रहे हैं, तो शायद यह संख्या आपको चौंका नहीं रही।

लेकिन जो हिस्सा आपको चौंका सकता है: उस जोखिम के बावजूद, यह भूमिका ग़ायब नहीं हो रही — यह रूपांतरित हो रही है। सवाल यह है कि क्या आप तैयार रहेंगे जब यह जो बनने जा रही है, वह बन जाए।

रूपांतरण समान नहीं है। 2025 में रोज़ चालीस सीधे SNAP आवेदन संभालने वाले इंटरव्यूअर के पास 2030 में वही नौकरी नहीं होगी — स्वचालित इनटेक सिस्टम उस काम का अधिकांश हिस्सा सोख लेंगे। लेकिन जो इंटरव्यूअर जटिल बहु-कार्यक्रम मामलों, धोखाधड़ी जाँच, या कमज़ोर-जनसंख्या इनटेक में विशेषज्ञता रखता है, वह पहले से कहीं अधिक मूल्यवान होगा। आज एक ही पदनाम वाले दो इंटरव्यूअर पूरी तरह अलग पाँच-साल के वक्र देख रहे हैं — इस पर निर्भर करते हुए कि उन्होंने काम के किस संस्करण के इर्द-गिर्द कौशल बनाए हैं।

संख्याएँ वास्तव में क्या दिखाती हैं

[तथ्य] 2025 के अनुसार, एलिजिबिलिटी इंटरव्यूअर का कुल AI एक्सपोज़र 56% है और ऑटोमेशन जोखिम 44% है। इस भूमिका में लगभग 8,200 लोग काम करते हैं, जिनकी औसत वार्षिक आय लगभग $41,800 है। [तथ्य] BLS 2034 तक रोज़गार में -15% की गिरावट का अनुमान लगाता है — कार्यालय और प्रशासनिक भूमिकाओं के बीच सबसे तीव्र गिरावटों में से एक।

वह गिरावट वास्तविक है और AI द्वारा संचालित है। सरकारी एजेंसियाँ और सामाजिक सेवा संगठन स्वचालित इनटेक सिस्टम, चैटबॉट-संचालित आवेदन पोर्टल, और मशीन लर्निंग मॉडल तैनात कर रहे हैं जो एक साथ कई डेटाबेस में पात्रता मानदंड सत्यापित कर सकते हैं। जिस काम के लिए एक इंटरव्यूअर को आय दस्तावेज़ों को कार्यक्रम सीमाओं के विरुद्ध मैन्युअल रूप से क्रॉस-चेक करना पड़ता था, वह अब सेकंडों में गणना किया जा सकता है।

[तथ्य] 2028 तक, कुल AI एक्सपोज़र 70% तक पहुँचने का अनुमान है, ऑटोमेशन जोखिम 58% तक चढ़ रहा है। प्रक्षेपवक्र अचूक है — यह भूमिका महत्वपूर्ण रूपांतरण के क्षेत्र में है।

[दावा] जो -15% गिरावट को विशेष रूप से तीव्र बनाता है, वह तकनीक की तैनाती और कार्यबल में कमी के बीच का अंतराल है। कई राज्य अब भी ग्रेट रिसेशन के दौरान निर्धारित एलिजिबिलिटी इंटरव्यूअर हेडकाउंट के साथ काम कर रहे हैं, जब केसलोड बढ़ा और भर्ती विस्तार हुआ। स्वचालित सिस्टम परिपक्व होते ही, एजेंसियाँ आम तौर पर मौजूदा इंटरव्यूअर्स को बड़े पैमाने पर निकाल नहीं देंगी — लेकिन सेवानिवृत्त या चले जाने वालों को प्रतिस्थापित भी नहीं करेंगी। कमी पाँच से सात वर्षों के दौरान कर्मचारियों के स्वाभाविक प्रवाह से होगी, जो सामान्यतः करियर बदलाव की योजना के मुक़ाबले तेज़ है। जो श्रमिक स्पष्ट ले-ऑफ़ नोटिस का इंतज़ार करेंगे, वे पुनःप्रशिक्षण की खिड़की चूक जाएँगे।

जहाँ AI पहले से ही कब्ज़ा कर रहा है

[तथ्य] नियमित पात्रता सत्यापन — आय स्तर, परिवार का आकार, रोज़गार स्थिति, और निवास को कार्यक्रम नियमों के विरुद्ध जाँचना — वह क्षेत्र है जहाँ AI सबसे मज़बूत प्रदर्शन करता है। स्वचालित सिस्टम कर रिकॉर्ड, रोज़गार डेटाबेस, और सार्वजनिक सहायता रजिस्ट्रियों से किसी भी मानव इंटरव्यूअर की तुलना में कहीं तेज़ी से डेटा खींच सकते हैं। जिन राज्यों ने ये सिस्टम तैनात किए हैं, वे सीधे मामलों के लिए प्रसंस्करण समय कई दिनों से कुछ मिनटों तक घटने की रिपोर्ट करते हैं।

[दावा] दस्तावेज़ प्रसंस्करण एक और क्षेत्र है जहाँ AI उत्कृष्ट है। ऑप्टिकल कैरेक्टर पहचान, प्राकृतिक भाषा प्रसंस्करण के साथ, पे स्टब, टैक्स रिटर्न, यूटिलिटी बिल, और पहचान दस्तावेज़ों से जानकारी निकाल सकती है, फिर उन्हें ज्ञात प्रारूपों के विरुद्ध सत्यापित कर सकती है और असंगतियों को चिह्नित कर सकती है। आवेदन पैकेजों से डेटा पढ़ने, छाँटने, और दर्ज करने का यांत्रिक काम तेज़ी से ऑटोमेट हो रहा है।

[तथ्य] आवेदन इनटेक स्वयं भी मानव इंटरव्यूअर के फ़ाइल देखने से पहले चैटबॉट और संवादात्मक AI द्वारा बढ़ती दर पर संभाला जा रहा है। आधुनिक सार्वजनिक सहायता पोर्टल आवेदक को संरचित साक्षात्कार के माध्यम से ले जा सकते हैं, प्रतिक्रिया अधूरी होने पर स्पष्टीकरण प्रश्न पूछ सकते हैं, और औपचारिक आवेदन पैकेज को पहले से भर सकते हैं। जब तक एक मानव इंटरव्यूअर मामले को छूता है, नियमित इनटेक काम पहले ही हो चुका होता है — वे आंशिक रूप से पूर्ण फ़ाइल उठाते हैं जिसमें मानव निर्णय के लिए एक विशिष्ट मुद्दा चिह्नित है।

[अनुमान] क्रॉस-प्रोग्राम समन्वय, परंपरागत रूप से नौकरी के सबसे कठिन हिस्सों में से एक, भी ऑटोमेशन की ओर बढ़ रहा है। जब एक आवेदक एक साथ SNAP, मेडिकेड, TANF, और चाइल्ड केयर सब्सिडी के लिए योग्य होता है, ऐतिहासिक प्रक्रिया के लिए एक इंटरव्यूअर को प्रत्येक कार्यक्रम के नियमों से मैन्युअल रूप से गुज़रना पड़ता था। AI सिस्टम अब समानांतर में उन सभी कार्यक्रमों की जाँच कर सकते हैं जिनके लिए एक आवेदक योग्य हो सकता है, विरोधाभासों को चिह्नित कर सकते हैं, और इष्टतम लाभ कॉन्फ़िगरेशन की सिफ़ारिश कर सकते हैं — जिस काम में पहले प्रति मामला घंटे लगते थे।

जहाँ इंसान आवश्यक बने रहते हैं

[तथ्य] एक्सपोज़र (56%) और जोखिम (44%) के बीच का 12-पॉइंट अंतराल कुछ महत्वपूर्ण प्रकट करता है: इस नौकरी का एक महत्वपूर्ण हिस्सा निर्णय कॉल शामिल करता है जो AI विश्वसनीय रूप से नहीं ले सकता।

उस आवेदक पर विचार करें जो किसी श्रेणी में करीने से फ़िट नहीं होता। एक एकल माँ जिसकी आय गिग इकोनॉमी की नौकरियों के कारण महीने-दर-महीने उतार-चढ़ाव करती है। एक बुज़ुर्ग व्यक्ति जो ऑनलाइन पोर्टल नेविगेट नहीं कर सकता और जिसे प्रक्रिया आमने-सामने समझाने के लिए किसी की ज़रूरत है। घरेलू हिंसा से भागते परिवार जिनके दस्तावेज़ अधूरे हैं क्योंकि वे जल्दबाज़ी में निकले। इन स्थितियों के लिए केवल कार्यक्रम नियमों के ज्ञान की नहीं, विश्वसनीयता का आकलन करने, विवेक का उपयोग करने, और अस्पष्ट परिस्थितियों में निष्पक्ष निर्णय लेने की क्षमता की आवश्यकता होती है।

[दावा] जटिल मामलों में धोखाधड़ी का पता लगाना एक और क्षेत्र है जहाँ मानव इंटरव्यूअर स्वचालित सिस्टमों से बेहतर प्रदर्शन करते हैं। जबकि AI सांख्यिकीय असामान्यताओं को चिह्नित कर सकता है, अनुभवी इंटरव्यूअर व्यवहारिक संकेत, मौखिक खातों में असंगतियाँ, और पैटर्न नोटिस करते हैं जो केवल बातचीत के माध्यम से उभरते हैं। साक्षात्कार की कला — जानना कि कब गहराई से जाँचें, कब सहायता प्रदान करें, और कब आगे बढ़ाएँ — स्पष्ट रूप से मानवीय बनी हुई है।

[अनुमान] समता विचार भी पुनः आकार दे रहे हैं कि इस काम के कौन से हिस्से मानवीय रहते हैं। पूरी तरह से स्वचालित पात्रता प्रणालियों के भेदभावपूर्ण परिणाम उत्पन्न करने पर संघीय और राज्य एजेंसियों को मुक़दमों का सामना करना पड़ा है — विकलांग आवेदकों को नकारना जो डिजिटल इंटरफ़ेस नेविगेट नहीं कर सकते, या ग़ैर-स्थानीय अंग्रेज़ी बोलने वालों के आवेदनों को व्यवस्थित रूप से संदिग्ध के रूप में चिह्नित करना। लाभ निर्णयों के लिए क़ानूनी और नैतिक जवाबदेही एक ऐसा दबाव बनाती है जो किसी भी ऐसे मामले के लिए मानवों को लूप में रखे जो एल्गोरिथम का आत्मविश्वास कम हो या आवेदक के लिए दांव अधिक हों।

[दावा] कमज़ोर जनसंख्या के साथ काम — बेघर, घरेलू हिंसा के पीड़ित, गंभीर मानसिक बीमारी वाले लोग, नागरिक बच्चों के अप्रलेखित परिवार के सदस्य — के लिए ट्रॉमा-सूचित साक्षात्कार कौशल चाहिए जो AI अनुमान नहीं लगा सकता। ये आवेदक अक्सर डिजिटल इनटेक पूरा नहीं कर सकते या नहीं करेंगे। उन्हें किसी ऐसे व्यक्ति की ज़रूरत है जो विश्वास बना सके, संवेदनशील विषयों को नेविगेट कर सके, और भ्रामक कार्यक्रम नियमों को उनके सम्मान की रक्षा करने वाले तरीक़ों से समझा सके। यह भाग नौकरी का अधिक महत्वपूर्ण होता जा रहा है क्योंकि आसान मामले ऑटोमेट होते जा रहे हैं।

असली रूपांतरण

[अनुमान] जो हो रहा है वह सरल प्रतिस्थापन नहीं है, बल्कि पुनर्संरचना है। स्पष्ट मामलों के लिए प्रवेश-स्तर, उच्च-मात्रा वाली पात्रता निर्धारण स्वचालित सिस्टमों की ओर बढ़ रही है। शेष इंटरव्यूअर जटिल मामलों को संभालेंगे — वे जो निर्णय, सहानुभूति, और कमज़ोर जनसंख्या के साथ काम करने की क्षमता की आवश्यकता रखते हैं जिन्हें चैटबॉट सेवा नहीं दे सकता।

इसका मतलब है कि कौशल प्रोफ़ाइल बदल रही है। शुद्ध डेटा प्रविष्टि और सत्यापन कौशल मूल्य खो रहे हैं। जटिल केस मूल्यांकन, आवेदक परामर्श, धोखाधड़ी जाँच, और क्रॉस-प्रोग्राम समन्वय कौशल मूल्य प्राप्त कर रहे हैं। 2028 का इंटरव्यूअर कम मामले संभालेगा लेकिन कठिन मामले, जिनके लिए गहरी विशेषज्ञता और अधिक परिष्कृत निर्णय की आवश्यकता होगी।

[अनुमान] मुआवज़ा पैटर्न भी इसे प्रतिबिंबित करने की संभावना है। आज की $41,800 की औसत आय उच्च-मात्रा वाले नियमित काम और कम-मात्रा वाले जटिल काम के औसत को दर्शाती है। जैसे-जैसे नियमित मामले ऑटोमेट होते हैं, शेष पद उच्च वेतन का आदेश देंगे क्योंकि काम स्वयं कठिन है। मुआवज़े को समायोजित करने में विफल राज्य और काउंटी एजेंसियाँ जटिल काम के लिए आवश्यक अनुभवी इंटरव्यूअर्स को बनाए रखने में संघर्ष करेंगी, जबकि अपने शेष कार्यबल में निवेश करने वाली बेहतर प्रदर्शन करेंगी।

इसका आपके लिए क्या मतलब है

यदि आप आज एलिजिबिलिटी इंटरव्यूअर हैं, BLS का -15% अनुमान एक संकेत है, सज़ा नहीं। पेशा सिकुड़ रहा है, लेकिन शेष पद अधिक कुशल और अधिक महत्वपूर्ण बनते जा रहे हैं। यहाँ रणनीतिक गणना है:

पहला, जटिल पात्रता निर्धारण में विशेषज्ञता बनाएँ — कई कार्यक्रमों, असामान्य परिस्थितियों, या विवादित दावों से जुड़े मामले। ये वे मामले हैं जिन्हें AI ख़राब तरीक़े से संभालता है और जिनके लिए मानव निर्णय की आवश्यकता बनी रहेगी।

दूसरा, अपनी जाँच और साक्षात्कार कौशल विकसित करें। प्रभावी पात्रता साक्षात्कार आयोजित करने, विश्वसनीयता का आकलन करने, और ठोस विवेकाधीन निर्णय लेने की क्षमता तब अधिक मूल्यवान बनती जा रही है जब नियमित मामले ऑटोमेट होकर निकल रहे हैं।

तीसरा, AI टूल्स के साथ काम करना सीखें। फलने-फूलने वाले इंटरव्यूअर वे होंगे जो यांत्रिक काम संभालने के लिए स्वचालित सत्यापन का उपयोग करते हैं और अपना मानवीय ध्यान उन मामलों पर केंद्रित करते हैं जिन्हें वास्तव में इसकी आवश्यकता है।

[दावा] विचार करने योग्य चौथी चाल — एक ऐसी जनसंख्या में विशेषज्ञता विकसित करें जिसे ऑटोमेशन सेवा देने में संघर्ष करता है। स्पेनिश-द्विभाषी इंटरव्यूअर, मानसिक स्वास्थ्य प्रमाण-पत्र वाले इंटरव्यूअर, जो दिग्गजों के साथ काम करते हैं, जो आदिवासी राष्ट्रों की सेवा करते हैं, जो कारावास से पुनः प्रवेश में विशेषज्ञता रखते हैं — ये निशे महत्व में बढ़ रहे हैं ठीक इसीलिए क्योंकि वे मानवीय कौशल की आवश्यकता रखते हैं जिसे सामान्य AI दोहरा नहीं सकता। सामान्य पात्रता ज्ञान को कठिन-दोहराने योग्य जनसंख्या विशेषता के साथ जोड़ने वाले इंटरव्यूअर के पास सबसे रक्षात्मक करियर स्थिति है।

[अनुमान] इस पेशे के लिए न्यूनतम शून्य नहीं है — सामाजिक कार्यक्रमों को हमेशा अपने प्रशासन में मानव निर्णय की आवश्यकता होगी। लेकिन छत पूरी तरह इस पर निर्भर करती है कि क्या वर्तमान इंटरव्यूअर एक ऐसी भूमिका के अनुकूल होते हैं जो उस भूमिका से काफ़ी अलग दिखती है जिसके लिए उन्हें काम पर रखा गया था।

[दावा] यहाँ एक व्यावहारिक समयरेखा महत्वपूर्ण है। स्वचालित इनटेक में आगे बढ़ने वाले राज्य — कैलिफ़ोर्निया, टेक्सास, न्यूयॉर्क, और कई अन्य — देर से अपनाने वाले राज्यों से लगभग दो से तीन साल आगे हैं। यदि आप जल्दी अपनाने वाले राज्य में काम करते हैं, आपकी संक्रमण खिड़की तेज़ी से क़रीब आ रही है, और जटिल-केस विशेषज्ञता बनाना शुरू करने का समय अभी है। यदि आप बाद में अपनाने वाले राज्य में काम करते हैं, आपके पास अधिक रनवे है, लेकिन तकनीक काफ़ी परिपक्व है कि देरी से अपनाना अधिक समय तक नहीं चलेगा। 2030 तक, भौगोलिक अंतर बड़े पैमाने पर एकत्रित होने चाहिए, और किसी भी राज्य के इंटरव्यूअर्स को भारी रूप से AI-संवर्धित वातावरण में काम करने की उम्मीद करनी चाहिए।

[अनुमान] विचार करने योग्य निकटवर्ती करियर पथों में लाभ नेविगेशन (आवेदकों और प्राप्तकर्ताओं की कार्यक्रमों का प्रभावी उपयोग करने में मदद करना, अक्सर ग़ैर-लाभकारी या स्वास्थ्य देखभाल सेटिंग्स में), केस प्रबंधन (कई कार्यक्रमों और जीवन की चुनौतियों में परिवारों के साथ काम करना), और एजेंसियों के भीतर गुणवत्ता आश्वासन भूमिकाएँ (सटीकता और निष्पक्षता के लिए स्वचालित निर्णयों का ऑडिट करना) शामिल हैं। प्रत्येक उस पात्रता ज्ञान और साक्षात्कार कौशल पर बनता है जो आपके पास पहले से है, लेकिन उन कार्यों की ओर मुड़ता है जो बढ़ रहे हैं, सिकुड़ नहीं रहे हैं। सबसे कठिन करियर ग़लती जिससे उबरना मुश्किल होगा, वह अगले पाँच वर्षों के लिए भूमिका के शुद्ध डेटा-प्रविष्टि-उन्मुख संस्करण में बने रहना है और फिर पता चलता है कि पद को बिना किसी स्पष्ट अगले क़दम के समाप्त कर दिया गया है।

विस्तृत ऑटोमेशन डेटा और कार्य-स्तरीय विश्लेषण के लिए, एलिजिबिलिटी इंटरव्यूअर व्यवसाय पृष्ठ पर जाएँ।

यह विश्लेषण Anthropic की 2026 श्रम बाज़ार रिपोर्ट, BLS अनुमानों, और ONET कार्य वर्गीकरण के डेटा के आधार पर AI-सहायता प्राप्त अनुसंधान का उपयोग करता है।\*