क्या AI Intelligence Operations Specialists की जगह ले लेगा? Data क्या दिखाता है

आप मान सकते हैं कि खुफिया कार्य - खतरों का विश्लेषण करना, वर्गीकृत जानकारी को संसाधित करना, और निर्णय निर्माताओं के लिए ब्रीफिंग तैयार करना - अंतिम क्षेत्र होगा जिसे AI छू सकता है। वास्तविकता उससे अधिक सूक्ष्म है। खुफिया संचालन विशेषज्ञ पहले से ही 48% AI एक्सपोज़र का सामना करते हैं, और उनके सबसे डेटा-गहन कार्य उससे अधिक तेजी से स्वचालित हो रहे हैं जितनी क्षेत्र के अधिकांश लोगों ने अपेक्षा की थी।

लेकिन यहां वह है जो इस भूमिका को लगभग हर दूसरे व्यवसाय से अलग बनाता है जिसका हम विश्लेषण करते हैं: गलत करने के दांव डॉलर में नहीं मापे जाते। वे जीवन में मापे जाते हैं। यह एकमात्र तथ्य फिर से आकार देता है कि इस पेशे में AI को कैसे तैनात किया जा रहा है - और क्यों मानव भूमिका गायब नहीं हो रही है, भले ही स्वचालन का विस्तार हो रहा हो।

AI खुफिया कार्य को कैसे नया रूप दे रहा है

खुफिया संचालन विशेषज्ञों के पास 2025 तक 38% के स्वचालन जोखिम के साथ 48% का कुल AI एक्सपोज़र है। [तथ्य] वे संख्याएं इस भूमिका को "मध्यम एक्सपोज़र" श्रेणी में रखती हैं - उच्चतम नहीं, लेकिन प्रतिरक्षित होने से भी दूर। मध्यम स्थिति इस क्षेत्र में एक वास्तविक तनाव को दर्शाती है: नौकरी के मूल में डेटा विश्लेषण कार्य अत्यधिक स्वचालित हैं, लेकिन स्वचालन त्रुटियों के परिणाम तैनाती को धीमा करने के लिए पर्याप्त गंभीर हैं।

सबसे प्रभावित कार्य खुफिया डेटा का विश्लेषण है, 65% स्वचालन दर के साथ। [तथ्य] AI विशाल डेटासेट में पैटर्न पहचान में उत्कृष्ट है - उपग्रह इमेजरी स्कैनिंग, संचार अवरोधों में विसंगतियों को चिह्नित करना, डेटाबेस का क्रॉस-रेफरेंस करना जिसे कोई मानव मैन्युअल रूप से संसाधित नहीं कर सकता। खुफिया समुदाय इन उपकरणों का प्रारंभिक अपनाने वाला रहा है, ठीक इसलिए क्योंकि डेटा की मात्रा लंबे समय से इसे संसाधित करने की मानव क्षमता से अधिक हो गई है। रक्षा विभाग के भीतर Project Maven जैसे कार्यक्रम, और संबद्ध खुफिया सेवाओं में अनुरूप प्रयास, यह प्रदर्शित करते हैं कि मशीन लर्निंग आधुनिक संकेत और इमेजरी विश्लेषण के लिए मौलिक कैसे बन गई है।

खुफिया ब्रीफिंग तैयार करना 62% स्वचालन पर बारीकी से अनुसरण करता है। [तथ्य] AI अब कच्ची खुफिया जानकारी को संरचित ब्रीफिंग प्रारूपों में संश्लेषित कर सकता है, बहु-स्रोत रिपोर्टों के सारांश उत्पन्न कर सकता है, और यहां तक कि प्रारंभिक मूल्यांकनों का मसौदा तैयार कर सकता है। जो एक जूनियर विश्लेषक का पहला कार्य हुआ करता था - पढ़ना, सारांशित करना, स्वरूपण - उसका अधिकांश भाग तेजी से AI सिस्टम द्वारा संभाला जा रहा है। वरिष्ठ विश्लेषक फिर समीक्षा करते हैं, परिष्कृत करते हैं, और संदर्भगत निर्णय जोड़ते हैं जो AI में नहीं है।

खतरे के संकेतकों की निगरानी 55% स्वचालन पर बैठती है। [तथ्य] स्वचालित निगरानी प्रणालियां कीवर्ड को ट्रैक कर सकती हैं, असामान्य पैटर्न को चिह्नित कर सकती हैं, और शिफ्ट में काम करने वाले मानव मॉनिटरों की तुलना में तेजी से और अधिक लगातार रीयल-टाइम अलर्ट उत्पन्न कर सकती हैं। 24/7 सतर्कता जो कई खुफिया मिशनों के लिए आवश्यक थी, एक स्टाफिंग शेड्यूल की मांग करती थी जो विश्लेषकों को थका देती थी। AI बेसलाइन निगरानी को संभालता है, और मनुष्य उन अलर्ट पर ध्यान केंद्रित करते हैं जो मायने रखते हैं।

ओपन-सोर्स इंटेलिजेंस (OSINT) संग्रह लगभग 58% स्वचालन पर बैठता है। [तथ्य] वेब स्क्रैपिंग, सोशल मीडिया मॉनिटरिंग, और स्वचालित अनुवाद ने उस काम की मात्रा को बदल दिया है जो एक विश्लेषक एक दिन में पूरा कर सकता है। सार्वजनिक रूप से उपलब्ध जानकारी की मात्रा इतनी बड़ी हो गई है कि वर्गीकृत स्रोतों पर विचार करने से पहले भी, AI इसका अर्थ बनाने का एकमात्र व्यावहारिक तरीका है।

मानवीय तत्व जो स्वचालित नहीं किया जा सकता

इन संख्याओं के बावजूद, कुल स्वचालन जोखिम 38% एक कारण से मध्यम है। खुफिया कार्य में निर्णय, संदर्भ, और नैतिक तर्क की एक परत शामिल है जिसे वर्तमान AI दोहरा नहीं सकता है। [दावा] यह पैटर्न उससे मेल खाता है जो Anthropic आर्थिक सूचकांक वास्तविक दुनिया के AI उपयोग में पाता है: जिन कार्यों में AI लागू होता है उनमें से लगभग 57% स्वचालित होने के बजाय संवर्धित होते हैं — यानी मनुष्य सत्यापित करने, दोहराने और परिष्कृत करने के लिए लूप में बना रहता है — और AI उपयोग वास्तव में श्रम बाज़ार के सबसे अधिक वेतन वाले, सबसे अधिक निर्णय-गहन छोर पर कम है [तथ्य]। खुफिया विश्लेषण ठीक उसी संवर्धन-न-कि-प्रतिस्थापन क्षेत्र में बैठता है। जब एक झूठे सकारात्मक की लागत एक राजनयिक घटना है, और एक झूठे नकारात्मक की लागत एक सफल हमला है, तब स्वायत्त AI निर्णयों पर भरोसा करने की सीमा बहुत ऊंची बनी रहती है।

विचार करें कि AI द्वारा एक विसंगति चिह्नित करने के बाद क्या होता है। एक मानव विश्लेषक को यह निर्धारित करना होगा कि क्या यह एक वास्तविक खतरा, एक गलत सकारात्मक, या किसी प्रतिकूल पक्ष द्वारा जानबूझकर धोखे का प्रतिनिधित्व करता है। वह आकलन वर्षों के अनुभव, सांस्कृतिक ज्ञान, भू-राजनीतिक गतिशीलता की समझ, और अक्सर वर्गीकृत संदर्भ पर निर्भर करता है जो किसी प्रशिक्षण डेटासेट में उपलब्ध नहीं है।

प्रतिद्वंद्वी सक्रिय रूप से AI सिस्टम को गुमराह करने का प्रयास करते हैं। धोखा संचालन अब उतना ही मशीन लर्निंग वर्गीकर्ता को लक्षित करता है जितना मानव पर्यवेक्षकों को। यह एक काल्पनिक जोखिम नहीं है: Stanford AI Index 2025 दस्तावेज़ करता है कि AI-संबंधी घटनाएँ तेज़ी से बढ़ रही हैं जबकि मानकीकृत ज़िम्मेदार-AI मूल्यांकन प्रमुख मॉडल डेवलपर्स के बीच भी दुर्लभ बने हुए हैं, जिससे मॉडल-हेरफेर जोखिमों को पहचानने और उन पर कार्रवाई करने के बीच एक मापने योग्य अंतर रह जाता है [तथ्य]। वह विश्लेषक जो समझता है कि एक प्रतिद्वंद्वी कैसे एक मॉडल को मूर्ख बनाने के लिए डिज़ाइन किए गए इनपुट उत्पन्न कर सकता है, एक तरह से अमूल्य है जिसे AI दोहरा नहीं सकता। यह प्रतिकूल आयाम का मतलब है कि खुफिया कार्य में AI मानव पर्यवेक्षकों के बिना काम नहीं कर सकता है जो दोनों प्रौद्योगिकी और इसे भ्रष्ट करने की कोशिश कर रहे खतरे के अभिनेताओं को समझते हैं।

रणनीतिक आकलन का मसौदा तैयार करना और निर्णय निर्माताओं के लिए संदर्भ प्रदान करना केवल 32% स्वचालन पर बना रहता है। [तथ्य] यह इस व्यापक शोध निष्कर्ष का अनुसरण करता है कि सबसे रणनीतिक कार्य स्वचालन का प्रतिरोध करता है: OECD रोज़गार आउटलुक 2024 सामाजिक अंतर्दृष्टि और जटिल निर्णय को ऐसी स्थायी इंजीनियरिंग अड़चनों के रूप में पहचानता है जो उच्च-कुशल भूमिकाओं को स्वचालन की पहुँच से बाहर रखती हैं, भले ही उनके भीतर संकीर्ण विश्लेषणात्मक कार्य अत्यधिक उजागर हों [तथ्य]। जब एक राष्ट्रीय सुरक्षा सलाहकार को यह समझने की आवश्यकता है कि क्या कोई विदेशी नेता डींग मार रहा है, जब एक सैन्य कमांडर को समय के दबाव में प्रतिस्पर्धी प्राथमिकताओं को तौलने की आवश्यकता है, जब एक नीति निर्माता को राजनयिकता के साथ खुफिया को संतुलित करने की आवश्यकता है - इनके लिए अनुभव, विशेषज्ञता, और जवाबदेही द्वारा आकार दिए गए मानव निर्णय की आवश्यकता होती है जो AI प्रदान नहीं कर सकता।

भूमिका को "संवर्धित" के रूप में वर्गीकृत किया गया है - इसका मतलब है कि AI खुफिया पेशेवरों को बदलने के बजाय अधिक प्रभावी बनाता है। [तथ्य] AI उपकरणों वाला एक विश्लेषक उनके बिना काम करने वाले एक की तुलना में दस गुना अधिक खुफिया मात्रा संसाधित कर सकता है। लेकिन महत्वपूर्ण निर्णय अभी भी मानव जवाबदेही की आवश्यकता होती है। जब खुफिया कार्य में कुछ गलत हो जाता है, तो किसी को जवाब देना होगा। AI सिस्टम पर्यवेक्षण समितियों के सामने गवाही नहीं दे सकते, राष्ट्रपति को संक्षिप्त नहीं कर सकते, या विश्लेषणात्मक त्रुटियों के लिए जिम्मेदारी नहीं ले सकते।

विकास दृष्टिकोण और कैरियर पोजिशनिंग

श्रम सांख्यिकी ब्यूरो 2034 तक इस व्यावसायिक श्रेणी के लिए +5% विकास का अनुमान लगाता है, $74,600 की औसत वार्षिक मजदूरी के साथ। [तथ्य] लगभग 26,400 पेशेवरों का अपेक्षाकृत छोटा कार्यबल इन पदों की विशिष्ट प्रकृति को दर्शाता है। मंजूरी, प्रशिक्षण पाइपलाइन, और सुरक्षा आवश्यकताएं विस्तार पर प्राकृतिक अड़चनें बनाती हैं, जो वास्तव में क्षेत्र को तेजी से कार्यबल संकुचन से बचाती हैं।

2028 तक, अनुमान कुल एक्सपोज़र को 62% तक पहुंचते हुए और स्वचालन जोखिम को 52% तक चढ़ते हुए दिखाते हैं। [अनुमान] यह एक उल्लेखनीय वृद्धि है, जो मुख्य रूप से AI-संचालित विश्लेषण उपकरणों और स्वचालित निगरानी प्रणालियों में प्रगति से प्रेरित है। सैद्धांतिक एक्सपोज़र छत 80% है, लेकिन देखी गई वास्तविक तैनाती 45% पर पिछड़ रही है। [अनुमान] सुरक्षा चिंताएं, वर्गीकरण आवश्यकताएं, और एयर-गैप्ड सिस्टम की आवश्यकता खुफिया सेटिंग्स में AI अपनाने को धीमा करती हैं।

सैद्धांतिक और देखे गए एक्सपोज़र के बीच का अंतर यहां अधिकांश क्षेत्रों की तुलना में चौड़ा है, और अच्छे कारणों से। वर्गीकृत नेटवर्क आसानी से व्यावसायिक AI उपकरणों को शामिल नहीं कर सकते। विदेशी प्रतिद्वंद्वी खुफिया समुदाय द्वारा तैनात किसी भी AI सिस्टम से डेटा को भ्रष्ट या निकालने के तरीकों की तलाश करते हैं। निगरानी और खुफिया में AI के आसपास घरेलू कानूनी ढांचे अभी भी लिखे जा रहे हैं। इनमें से प्रत्येक कारक उस गति को धीमा करता है जिस पर सैद्धांतिक क्षमता परिचालन वास्तविकता बन जाती है।

कैरियर प्रक्षेपवक्र के बारे में सोचने वाले विश्लेषकों के लिए, इसका मतलब है कि एक पर्याप्त खिड़की है - संभवतः एक दशक या उससे अधिक - AI-निकटवर्ती विशेषज्ञता विकसित करने के लिए जो सबसे सफल करियर को परिभाषित करेगी। जो विश्लेषक AI उपकरणों के साथ प्रभावी ढंग से काम करना सीखते हैं, जो मशीन लर्निंग को इतनी अच्छी तरह से समझते हैं कि इसके आउटपुट पर सवाल उठा सकें, और जो गैर-तकनीकी निर्णय निर्माताओं को AI-व्युत्पन्न निष्कर्षों को विश्वसनीय रूप से संप्रेषित कर सकें, वे 2030 के दशक के खुफिया समुदाय के वरिष्ठ नेता होंगे।

आगे का मार्ग

यदि आप खुफिया संचालन में काम करते हैं, तो आपका प्रतिस्पर्धात्मक लाभ तकनीकी AI धाराप्रवाहता और डोमेन विशेषज्ञता के चौराहे पर है। [दावा] AI विश्लेषण प्लेटफ़ॉर्म के साथ काम करना सीखें, उनके खिलाफ नहीं। उनकी सीमाओं को समझें - विशेष रूप से प्रतिकूल हेरफेर और पूर्वाग्रह के आसपास - ताकि आप वह पकड़ सकें जो वे चूकते हैं।

तकनीकी साक्षरता में निवेश इस क्षेत्र में अनुपातहीन रूप से भुगतान करता है। एक विश्लेषक जो एक भ्रम मैट्रिक्स पढ़ सकता है, एक वर्गीकर्ता के प्रशिक्षण डेटा की सीमाओं को समझ सकता है, और पहचान सकता है जब एक मॉडल अपने डिज़ाइन डोमेन के बाहर काम कर रहा है, वह उन त्रुटियों को पकड़ता है जो कम तकनीकी रूप से साक्षर सहयोगी चूक जाते हैं। मशीन लर्निंग बुनियादी बातों, सांख्यिकीय तर्क, और डेटा विज्ञान में पाठ्यक्रम कार्य या प्रशिक्षण उन विश्लेषकों के लिए भी तेजी से पीछा करने योग्य है जिनके प्राथमिक कौशल भू-राजनीति, भाषाओं, या क्षेत्रीय अध्ययन में हैं।

साथ ही, उस मानव विशेषज्ञता को गहरा करें जिसे AI दोहरा नहीं सकता। भाषा प्रवीणता, सांस्कृतिक विसर्जन, क्षेत्रीय इतिहास, और एक विशिष्ट क्षेत्र में वर्षों के काम के माध्यम से निर्मित व्यक्तिगत नेटवर्क - ये अपूरणीय बने रहते हैं। AI पाठ का अनुवाद और केबल का सारांश कर सकता है। यह राजनयिक स्वागत में एक विदेशी अधिकारी की शारीरिक भाषा नहीं पढ़ सकता है, या वर्षों के संपर्क से समझ नहीं सकता है कि एक समकक्ष के रणनीतिक दृष्टिकोण में कुछ बदल गया है।

आने वाले वर्षों में सबसे अधिक मूल्यवान खुफिया संचालन विशेषज्ञ वे नहीं होंगे जो AI से तेज़ी से डेटा संसाधित कर सकते हैं। वे दिन समाप्त हो गए हैं। मूल्यवान वे लोग हैं जो AI आउटपुट की व्याख्या कर सकते हैं, उस संदर्भ को प्रदान कर सकते हैं जो एल्गोरिथम में कमी है, और अस्पष्टता के तहत निर्णय कॉल कर सकते हैं जहां त्रुटि की लागत अस्वीकार्य है।

AI-संवर्धित क्षेत्र में कैरियर प्रक्षेपवक्र

खुफिया संचालन के भीतर कैरियर पथ ऐसे तरीकों से बदल रहा है जो तकनीकी गहराई और पारंपरिक विश्लेषणात्मक कौशल दोनों को पुरस्कृत करते हैं। 2026 में प्रवेश-स्तर के विश्लेषक उस नियमित पठन और संक्षेपण को कम करते हैं जो विश्लेषकों की पुरानी पीढ़ियों को परिभाषित करता था, और AI टूल पर्यवेक्षण और आउटपुट सत्यापन को अधिक करते हैं। यह एक अवसर और एक जोखिम दोनों है। अवसर यह है कि जो जूनियर विश्लेषक जल्दी AI धाराप्रवाहता विकसित करते हैं वे तेजी से आगे बढ़ सकते हैं क्योंकि परिष्कृत सामग्री को संभालने का मार्ग छोटा है। जोखिम यह है कि कच्ची खुफिया पढ़ने के वर्षों से आने वाले गहरे पैटर्न-पहचान कौशल अधिक धीरे-धीरे विकसित हो सकते हैं जब AI प्रारंभिक प्रसंस्करण का अधिकांश हिस्सा संभालता है।

वरिष्ठ विश्लेषक भूमिकाएं विकसित हो रही हैं जिसे कुछ एजेंसियां "AI-सक्षम tradecraft" कह रही हैं - मशीन लर्निंग आउटपुट का शास्त्रीय खुफिया विधियों के साथ एकीकरण। इस संक्रमण के वरिष्ठ नेता वे नहीं हैं जो AI उपकरणों का विरोध करते हैं। वे वे हैं जो समझते हैं कि AI को सोच-समझकर कैसे तैनात किया जाए, कब इस पर भरोसा किया जाए, कब इसे ओवरराइड किया जाए, और मानव-और-मशीन टीमों में विश्लेषणात्मक कठोरता को कैसे बनाए रखा जाए। वरिष्ठ खुफिया पदों के लिए भर्ती तेजी से इस संकर क्षमता पर जोर दे रही है।

सरकार के बाहर काम करने वाले वाणिज्यिक खुफिया और प्रतिस्पर्धी खुफिया विशेषज्ञों के लिए, प्रक्षेपवक्र समान है लेकिन उपकरण अधिक सुलभ हैं। ओपन-सोर्स इंटेलिजेंस (OSINT) टूलिंग, खतरा खुफिया प्लेटफ़ॉर्म, और कॉर्पोरेट सुरक्षा AI तेजी से विकसित हो रहे हैं, और ऐसे श्रमिक जो इन्हें व्यावसायिक निर्णय समर्थन में एकीकृत कर सकते हैं, बड़े निगमों, परामर्श फर्मों, और विशेष जांच एजेंसियों में बढ़ती मांग में हैं।

पूर्ण कार्य-स्तरीय डेटा के लिए, खुफिया संचालन विशेषज्ञ विवरण पृष्ठ पर जाएं।

---

Anthropic आर्थिक प्रभाव रिपोर्ट (2026), BLS व्यावसायिक अनुमान, और ONET कार्य वर्गीकरणों पर आधारित AI-सहायता प्राप्त विश्लेषण।\*