कार्यप्रणाली

हमारा विश्लेषण AI के व्यवसायों पर प्रभाव का व्यापक दृश्य प्रदान करने के लिए कई प्रामाणिक डेटा स्रोतों को एकीकृत करता है। हम लगातार नए शोध की निगरानी करते हैं।

• Massenkoff & McCrory (2026) - AI का श्रम बाजार प्रभाव: वास्तविक Claude उपयोग डेटा से अवलोकित एक्सपोजर मीट्रिकप्राथमिक
• Eloundou et al. (2023) - GPTs are GPTs: सैद्धांतिक कार्य एक्सपोजर ढांचा (बीटा स्कोर 0, 0.5, 1)
• Brynjolfsson et al. (2025) - कोयला खदान में कैनरी: ADP पेरोल माइक्रोडेटा का उपयोग करके अवलोकित रोजगार प्रभाव
• अमेरिकी श्रम सांख्यिकी ब्यूरो (2024) - व्यवसाय-स्तरीय विकास दर के साथ 2024-2034 रोजगार अनुमान
• O*NET SOC वर्गीकरण प्रणाली - सभी मूल्यांकनों में उपयोग की जाने वाली मानकीकृत व्यवसाय और कार्य वर्गीकरण

हम प्रत्येक व्यवसाय पर AI के प्रभाव को मापने के लिए चार प्राथमिक मीट्रिक्स का उपयोग करते हैं। प्रत्येक मीट्रिक AI के कार्य इंटरैक्शन के एक अलग आयाम को पकड़ता है।

समग्र एक्सपोजर

एक संयुक्त मीट्रिक जो सैद्धांतिक और अवलोकित एक्सपोजर डेटा को संश्लेषित करके एक एकल सारांश स्कोर (0-100) प्रदान करता है।

सैद्धांतिक एक्सपोजर

अकादमिक शोध और क्षमता मूल्यांकन के आधार पर AI क्या संभावित रूप से स्वचालित कर सकता है, इसे मापता है। मुख्य रूप से Eloundou et al. (2023) बीटा कार्य एक्सपोजर स्कोर से प्राप्त।

अवलोकित एक्सपोजर

वास्तविक उपयोग डेटा के आधार पर AI वास्तव में व्यवहार में क्या करता है, इसे मापता है। O*NET व्यावसायिक कार्यों से मैप किए गए लाखों Claude वार्तालापों के विश्लेषण से प्राप्त।

स्वचालन जोखिम

मूल्यांकन समय सीमा के भीतर महत्वपूर्ण नौकरी विस्थापन की संभावना। एक्सपोजर मैट्रिक्स को रोजगार रुझान डेटा, वेतन स्तर और कार्य प्रतिस्थापनीयता के साथ जोड़ता है।

प्रत्येक व्यवसाय को व्यक्तिगत कार्यों में विभाजित करके वर्तमान और भविष्य की AI प्रणालियों द्वारा स्वचालन की डिग्री का मूल्यांकन करते हैं। यह कार्य-स्तरीय दृष्टिकोण संपूर्ण व्यवसाय अनुमानों से अधिक सूक्ष्म अंतर्दृष्टि प्रदान करता है।

कार्य-स्तरीय विभाजन

O*NET की विस्तृत कार्य गतिविधियों (DWA) का उपयोग करके प्रत्येक व्यवसाय को उसके घटक कार्यों में विभाजित किया जाता है। हम संपूर्ण व्यवसायों पर सामान्य निर्णय लेने के बजाय प्रत्येक कार्य का स्वतंत्र रूप से मूल्यांकन करते हैं।

बीटा स्कोर कार्यप्रणाली

Eloundou et al. (2023) के अनुसार, प्रत्येक कार्य को बीटा स्कोर मिलता है: 0 (कोई एक्सपोजर नहीं), 0.5 (मानव निगरानी के साथ आंशिक एक्सपोजर), या 1 (AI स्वचालन के लिए पूर्ण एक्सपोजर)।

टाइम सीरीज़ निर्माण (2023-2028)

2023-2025 के वास्तविक मापन और 2026-2028 के अनुमानित अनुमानों का उपयोग करके टाइम सीरीज़ डेटा का निर्माण करते हैं। सभी विज़ुअलाइज़ेशन में ठोस बनाम धराशायी रेखाओं से स्पष्ट अंतर।

अनुमान कार्यप्रणाली

2026-2028 के भविष्योन्मुखी अनुमान अवलोकित रुझान दरों, घोषित AI क्षमता सुधार और BLS रोजगार अनुमानों पर आधारित हैं। सभी अनुमानित मान स्पष्ट रूप से चिह्नित हैं।

हमारी सीमाओं के बारे में पारदर्शिता जिम्मेदार विश्लेषण के लिए आवश्यक है। डेटा की व्याख्या करते समय इन कारकों पर विचार करें।

नमूना आकार

अवलोकित एक्सपोजर डेटा लाखों Claude वार्तालापों पर आधारित है, जो उच्च-उपयोग व्यवसायों के लिए मजबूत सांख्यिकीय कवरेज प्रदान करता है। हालांकि, कम सामान्य व्यवसायों में छोटे नमूने हो सकते हैं।

भौगोलिक एवं व्यावसायिक कवरेज

वर्तमान में 55 व्यवसायों को कवर करता है और 200+ तक विस्तार की योजना है। डेटा मुख्य रूप से अमेरिकी श्रम बाजार और अंग्रेजी-भाषा AI इंटरैक्शन को प्रतिबिंबित करता है।

अपडेट आवृत्ति

नए शोध प्रकाशनों या डेटा रिलीज़ उपलब्ध होने पर कोर मैट्रिक्स अपडेट किए जाते हैं। BLS अनुमान वार्षिक रूप से अपडेट होते हैं। अवलोकित एक्सपोजर डेटा Anthropic के नए विश्लेषण प्रकाशित होने पर अपडेट होता है।

सैद्धांतिक बनाम अवलोकित अंतर

सैद्धांतिक एक्सपोजर (AI क्या कर सकता है) और अवलोकित एक्सपोजर (AI वास्तव में क्या करता है) के बीच अक्सर महत्वपूर्ण अंतर होता है। अपनाने की बाधाएं, नियामक बाधाएं और संगठनात्मक जड़ता का अर्थ है कि वास्तविक AI प्रभाव आमतौर पर तकनीकी क्षमताओं से पीछे रहता है।

हम प्रमुख डेटा अपडेट और कार्यप्रणाली परिवर्तनों का पारदर्शी रिकॉर्ड बनाए रखते हैं।

सभी डेटा बिंदु अपने मूल स्रोतों से जुड़े हैं। पारदर्शिता के लिए पूर्ण उद्धरण जानकारी प्रदान करते हैं। नीचे पूर्ण संदर्भ सूची देखें।