2025-ലെ വേനല്‍ക്കാലത്ത്, ഭാവി സുരക്ഷിതമാക്കാന്‍ വേണ്ടിയെന്ന് കരുതിയ സാങ്കേതികവിദ്യയെക്കുറിച്ച് ഇന്ത്യ ഒരേ സമയം ആവേശത്തിലും ആശങ്കയിലുമാണ്. ബെംഗളൂരുവിലെ ഗ്ലാസ് ഗോപുരങ്ങളില്‍ പുതിയ ജനറേറ്റീവ് AI അഥവാ പ്രതിമകൾ, പാട്ടുകൾ, വാക്യങ്ങൾ, സോഫ്റ്റ്‌വെയർ കോഡ് തുടങ്ങി പുതിയ ഉള്ളടക്കങ്ങൾ സ്വയം സൃഷ്ടിക്കാൻ കഴിയുന്ന യന്ത്രബുദ്ധിയുടെ  സംരംഭങ്ങൾ ഉത്സാഹത്തോടെ പ്രവര്‍ത്തിക്കുമ്പോള്‍, രാജ്യത്തിന്റെ ഐടി അത്ഭുതത്തിന്‍റെ ശില്‍പികളായ ടാറ്റാ കണ്‍സള്‍ട്ടന്‍സി സര്‍വീസസ്, ഇന്‍ഫോസിസ്, വിപ്രോ എന്നിവര്‍ ഒറ്റക്കാലയളവില്‍ 12,000-ത്തിലധികം മധ്യനിലയും ഉയര്‍ന്ന നിലയുമുള്ള ജോലികള്‍ വെട്ടിക്കുറച്ചതായി പ്രഖ്യാപിച്ചു. നഗര തൊഴിലില്ലായ്മ (urban unemployment) 7.1 %-ആയി ഉയര്‍ന്നപ്പോള്‍, മുപ്പത് വയസ്സിന് താഴെയുള്ള ഇന്ത്യക്കാരുടെ ഇടയില്‍ ഇത് 19 %-ആയി കുതിച്ചുയര്‍ന്നു (Bao,2025). അതേസമയത്ത്, കൃത്രിമബുദ്ധി 2035-ഓടെ ഇന്ത്യയുടെ സമ്പദ്‌വ്യവസ്ഥയിലേക്ക് ഒരു ട്രില്യണ്‍ ഡോളര്‍ ചേർക്കുമെന്നും വിദഗ്ധര്‍ കണക്കാക്കുന്നു. അങ്ങനെയെങ്കിൽ അതിന്റെ ഗുണം എല്ലാവര്‍ക്കും ഒരുപോലെ ലഭ്യമാകണം എന്നതാണ് ആവശ്യം. ഇല്ലെങ്കില്‍ ഇന്ത്യയുടെ ഇപ്പോഴത്തെ ഗ്രാമ-നഗര, ലിംഗ അസമത്വങ്ങള്‍ കൂടുതല്‍ വികസിക്കും എന്നതിൽ സംശയമില്ല. ഈ വൈരുദ്ധ്യം ഇന്ത്യയുടെ ഇന്നത്തെ നേര്‍ച്ചിത്രമാണ്— പ്രശ്‌നപരിഹാര നിയമങ്ങളുടെ കൂട്ടം ആയ അല്‍ഗോരിതങ്ങള്‍ പുതിയ എഞ്ചിനീയറിംഗ് ബിരുദധാരികളെക്കാള്‍ വേഗത്തില്‍ കോഡെഴുതുന്നു; ആധുനികതയ്ക്കും സാങ്കേതിക വിദ്യക്കും മുൻഗണന കൊടുക്കുന്ന ഇന്ത്യയുടെ സ്മാർട്ട് സിറ്റി ആയ ഗുരുഗ്രാമിലെ റോബോട്ടുകള്‍ ഈ-കൊമേഴ്‌സ് പാര്‍സലുകള്‍ പാക്ക് ചെയ്യുന്നു. അതേ സമയം മറുവശത്ത്, 300 മില്യണ്‍ അനൗപചാരിക തൊഴിലാളികള്‍ ഉന്നയിക്കുന്നത് ഒരു ചോദ്യം മാത്രമാണ്—എന്റെ ജോലിയും ഇനി ചുറ്റുമുള്ള പ്രകാശം, താപം എന്തിനു ദൂരം വരെ കൃത്യമായി അളന്ന് പറഞ്ഞുകൊടുക്കുന്ന വിദ്യയായ ഒരു സെൻസറിന്റെയോ, കൃത്യമായ കോണിൽ തിരിഞ്ഞ് അവിടെ നിൽക്കുന്ന എന്തിന്റെയും നിയന്ത്രണം കൃത്യമായി ഉറപ്പു വരുത്തുന്ന ഒരു  സെർവോ മോട്ടറിന്റെയോ പിടിയിലാകുമോ? എന്ന്. രാജ്യം ഓരോ വര്‍ഷവും 1.5 മില്യണിലധികം എഞ്ചിനീയര്‍മാരെ പുറത്തിറക്കുമ്പോഴും, AI-പരിഷ്‌കൃത തൊഴില്‍ വിപണി ആവശ്യപ്പെടുന്ന അടിസ്ഥാന ഡിജിറ്റല്‍ സാക്ഷരതയുള്ളത് അഞ്ചിലൊരാള്‍ക്ക് മാത്രമാണ് (Shen & Zhang, 2024). 

ലോക സാമ്പത്തിക ഫോറം (World Economic Forum,2025) മുന്നറിയിപ്പ് നൽകുന്നത് 2030-ഓടെ 69 % ഉത്പാദന മേഖലാ ജോലികളും ഇല്ലാതാകും എന്നതാണ്. മാത്രമല്ല, സര്‍ക്കാരിന്റെ Skill India, FutureSkills Prime പദ്ധതികള്‍ ഇപ്പോഴും തൊഴിലാളികളുടെ പത്തിലൊരാളിലേക്ക് മാത്രമേ എത്തിയിട്ടുള്ളൂ— അവരിലേറെയും വലിയ വികസനവും അടിസ്ഥാന സൗകര്യങ്ങളും ഉള്ള നഗരങ്ങളില്‍ (tier-1 city) പാർക്കുന്നവർ എന്ന വസ്തുതയും ആശങ്കാ ജനകമാണ്.

^{REPRESENTATIVE IMAGE | WIKI COMMONS}
ഇന്ത്യ ഇപ്പോള്‍ ആഗോള AI-ജോലി വാദത്തിന്‍റെ കാണികളല്ല, മറിച്ച് മുന്‍വശത്ത് പോരാടുന്നവരാണ്. അടുത്ത അഞ്ച് വര്‍ഷങ്ങളില്‍ ഇവിടെ സംഭവിക്കുന്നത് രാജ്യത്തിന്റെ ജനസംഖ്യാ ആനുപാതിക വിഹിതം (Demographic Devident) അഥവാ തൊഴിൽപ്രായക്കാർ (ഏകദേശം 15–64 വയസ്‌) ആശ്രിതരെക്കാൾ (കുട്ടികളും വൃദ്ധരും) കൂടുതലായിരിക്കുമ്പോൾ ലഭിക്കുന്ന സാമ്പത്തിക വളർച്ചാ നിരക്ക് മാറ്റിവെക്കുന്നതായിരിക്കും; അതായത്, AI ഇന്ത്യയുടെ ജനസംഖ്യാ ലാഭത്തെ വലിയതോതിൽ വർദ്ധിപ്പിക്കുന്ന ശക്തിയാകും — പക്ഷേ അത് ഗുണമോ ദോഷമോ എന്നത് നയ ക്രമീകരണം, തൊഴിലാളികളുടെ നിലവിലുള്ള കഴിവുകൾ ആവശ്യാനുസരണം വർദ്ധിപ്പിക്കൽ എന്നിവയെ ആശ്രയിച്ചിരിക്കും. അതിലൂടെ ലോക ജോലി സംസ്കാരത്തിന്റെ കഥയില്‍ ഇന്ത്യയുടെ പങ്ക് നിര്‍ണ്ണായകമാകും എന്ന് കണക്കുകൾ നമ്മെ സൂചിപ്പിക്കുന്നു. ശരിയായ നടപടികൾ ഉണ്ടെങ്കിൽ, AI ഇന്ത്യയുടെ യുവജനതയെ കൂടുതൽ ഉൽപ്പാദനക്ഷമവും ഉയർന്ന വേതനമുള്ളതുമായ തൊഴിലാളി വിഭാഗമാക്കി മാറ്റും എന്നിരിക്കെ തന്നെ; മറുവശത്ത് യാന്ത്രികവത്‌കരണം സാധാരണ ജോലികളിൽ നിന്നുള്ള പുറത്താക്കലും സാങ്കേതിക തൊഴിലില്ലായ്മ എന്ന പ്രശ്നവും  വർദ്ധിപ്പിക്കാൻ സാധ്യതയുണ്ടെന്നും സൂചന നൽകുന്നു.

ചരിത്രം പരിശോധിച്ചാൽ നമുക്ക് വ്യക്തമാണ്, സാങ്കേതിക തൊഴിലില്ലായ്മ ഒരു പുതിയ പ്രതിഭാസമൊന്നുമല്ല. അതിന്റെ തുടക്കം കുറഞ്ഞത് വ്യവസായ വിപ്ലവകാലം മുതൽക്കെ  കാണാം. 19-ആം നൂറ്റാണ്ടിന്റെ ആദ്യഭാഗത്ത് ഇംഗ്ലണ്ടിൽ തുണിത്തര വ്യവസായത്തിൽ യന്ത്രങ്ങൾ വ്യാപകമായി ഉപയോഗിച്ചപ്പോൾ ആയിരക്കണക്കിന് തൊഴിലാളികൾക്കാണ് അന്ന് ജോലി നഷ്ടപ്പെട്ടത്. ആ കാലത്ത് തൊഴിൽ നഷ്ടത്തിനെതിരെ യന്ത്രങ്ങൾ തകർത്തു പ്രതിഷേധിച്ച തൊഴിലാളി കൂട്ടായ്മയായിരുന്നു ലഡൈറ്റുകൾ (Luddites) (1811–1816). അവർ ടെക്‌നോളജിക്കെതിരെ മാത്രമല്ല, മാനവിക മൂല്യങ്ങൾ ഇല്ലാത്ത ടെക്‌നോളജി പ്രയോഗത്തിനെതിരെ കൂടിയാണ് പൊരുതിയത്.

ലഡൈറ്റുകളുടെ കാലത്തിനുശേഷവും തൊഴിൽ നഷ്ടപ്പെടുത്തിയ നിരവധി സാങ്കേതിക കുതിപ്പുകൾ ചരിത്രത്തിൽ അരങ്ങേറിയിട്ടുണ്ട്. 19-ാം നൂറ്റാണ്ടിന്റെ അവസാനം കൃഷിയന്ത്രങ്ങൾ വയലേലകളിൽ കടന്നുവന്നപ്പോൾ നൂറുകണക്കിന് കർഷകർ തൊഴിൽരഹിതരായി. പിന്നീട്, 20-ാം നൂറ്റാണ്ടിന്റെ തുടക്കത്തിൽ ഹെൻറി ഫോർഡ് അവതരിപ്പിച്ച അസംബ്ലി ലൈൻ സമ്പ്രദായം നൈപുണ്യമുള്ള കൈകളുടെ ആവശ്യകതയും കുറച്ചു. ഉത്പാദനം കുത്തനെ ഉയർന്നെങ്കിലും തൊഴിലിന്റെ നിലവാരം താഴ്ന്നു, പ്രതിഷേധങ്ങൾ ചെറുതല്ലാതായി.1970-കളിൽ കമ്പ്യൂട്ടറുകളും ഓട്ടോമേഷനും കടന്നുവന്നപ്പോൾ “വെളുത്ത കോളറുള്ള” ടൈപ്പിസ്റ്റുകളും അക്കൗണ്ടന്റുമാരും സ്ഥാനം ഒഴിയേണ്ടി വന്നു. ഇങ്ങനെ നിരവധി തൊഴിൽ നഷ്ട സാഹചര്യങ്ങൾ സാങ്കേതിക വളർച്ചയുടെ ഭാഗമായി വന്നിട്ടുണ്ട്.

^{REPRESENTATIVE IMAGE | WIKI COMMONS}
ഇന്നത്തെ Artificial Intelligence വിപ്ലവം ഈ ചരിത്രപരമായ നിരയിലേയ്ക്കുള്ള പുതിയ ഒരു അദ്ധ്യായമാണ് — എന്നാൽ വ്യത്യാസം ഇതാണ്:  വ്യവസായ വിപ്ലവകാലത്ത് യന്ത്രങ്ങൾ മനുഷ്യരുടെ ശാരീരികപ്രവർത്തനങ്ങളെ പകരംവെച്ചപ്പോൾ, ഇന്നത്തെ AI യന്ത്രങ്ങൾ മനുഷ്യബുദ്ധിയെയും കൃത്യമായ തീരുമാനശേഷിയെയുമാണ് പകരംവെക്കുന്നത്. അതിനാൽ ഇന്നത്തെ പ്രശ്നം തൊഴിൽ നഷ്ടം മാത്രമല്ല, മറ്റൊരു രീതിയിൽ പറഞ്ഞാൽ അത് മനുഷ്യന്റെ ബൗദ്ധിക സ്ഥാനം തന്നെ പുനർനിർവ്വചിക്കപ്പെടുന്ന ഒരു സാമൂഹിക വെല്ലുവിളിയാണ്.

‘സാങ്കേതിക തൊഴിലില്ലായ്മ’ യുടെ നീണ്ട നിഴലും അവഗണിക്കാനാവാത്ത സംഖ്യകളും ഏകദേശം ഒരു നൂറ്റാണ്ട് മുമ്പ്, സാങ്കേതിക പുരോഗതിയുടെ വേഗത പുതിയ തൊഴിലുകൾ ഉത്ഭവിക്കാനുള്ള സമൂഹത്തിന്റെ കഴിവിനെ മറികടക്കുമെന്ന് മുന്നറിയിപ്പ് നൽകി ജോൺ മേയ്നാർഡ് കെയ്നസ് “സാങ്കേതിക തൊഴിലില്ലായ്മ” (Technological Unemployment) എന്ന ആശയം ആദ്യമായി രൂപപ്പെടുത്തി. ലളിതമായി പറഞ്ഞാൽ, യന്ത്രങ്ങൾ, പുതിയ സാങ്കേതികവിദ്യകൾ അല്ലെങ്കിൽ ഉത്പാദന രീതികൾ എന്നിവ വരുമ്പോൾ പഴയ രീതികൾക്ക് മുന്‍പത്തെയത്ര തൊഴിലാളികളുടെ ആവശ്യമില്ലാതാകുന്നതിനാൽ അവരുടെ ജോലി നഷ്ടപ്പെടുന്നതാണ് “സാങ്കേതിക തൊഴിലില്ലായ്മ”.

ചരിത്രം കൂടുതൽ വ്യക്തമായ ഉദാഹരണങ്ങൾ തരുമ്പോൾ; സാമ്പത്തിക ശാസ്ത്രജ്ഞനായ  വാസിലി ലിയോണ്ടീഫ്, കംപ്യൂട്ടറുകളുടെ വരവോടെ ഓട്ടോമൊബൈൽ എഞ്ചിനുകളും വാഹനങ്ങളും കുതിരകളെ പുറത്താക്കി എന്ന്   ഉപമിച്ചിരുന്നതായി കാണാം (Leontief, W. 1979). ഒരു തവണ സാമ്പത്തികത യന്ത്രങ്ങൾക്ക് അനുകൂലമായി തിരിഞ്ഞാൽ, ആ മാറ്റത്തിൽ നിന്നും തിരിച്ചുപോകാനാവില്ല. ഇന്ന് ആ ഭയം സൃഷ്ടിക്കുന്നത് ഇരുമ്പ് എഞ്ചിനല്ല; മനുഷ്യചിന്തയെക്കാൾ വേഗത്തിൽ പഠിക്കുകയും തീരുമാനിക്കുകയും ചെയ്യുന്ന കൃത്രിമബുദ്ധിയാണ്. ഇപ്പോൾ AI വ്യാപിക്കുന്നത് മാസങ്ങൾക്കും ദിവസങ്ങൾക്കും ഉള്ളിലാണ്. സമൂഹങ്ങൾ അതിന്റെ മുമ്പിലും നിസ്സംഗത കാണിച്ചാൽ, മനുഷ്യജീവിതങ്ങളും അവരുടെ അടയാളങ്ങളും പുതിയ അവസരങ്ങൾ ഉയരുന്നതിനുമുമ്പ് നഷ്ടപ്പെടും എന്നതിൽ സംശയമില്ല.

2010-ൽ നോക്കുമ്പോൾ ഫോട്ടോ തിരിച്ചറിയാൻ ശ്രമിക്കുന്ന കമ്പ്യൂട്ടർ സംവിധാനങ്ങൾക്ക് 29 ശതമാനം തെറ്റുകൾ വരുമായിരുന്നു; 2017-ഓടെ അത് 3 ശതമാനത്തിലും താഴെയായി കുറഞ്ഞു(Rashid & Kausik, 2024), അതായത് സാങ്കേതികത  മനുഷ്യരെക്കാൾ കൃത്യമായി എന്ന് സാരം. അതേ കാലയളവിൽ തന്നെ, AI-ടെക്‌നോളജികളുമായി ബന്ധപ്പെട്ട കമ്പനികളെ വാങ്ങലും ലയനവും ഇരുപത്താറുമടങ്ങായി കൂടുകയും ചെയ്തു; ഇത് പരീക്ഷണത്തിലെ കൗതുകത്തില്‍ നിന്ന് അത്തരം ടെക്നിക്കൽ കമ്പനികളുടെ ആവശ്യകത ആവശ്യമായിത്തീർന്നതിന്റെ സൂചനയാണ് വ്യക്തമാക്കിയത്.വെന്‍ചര്‍ മൂലധനം, സര്‍ക്കാര്‍ ഫണ്ടുകള്‍, കമ്പനികളുടെ കാശ് എന്നിവ ഇന്ന് നൂറുകണക്കിന് ബില്ല്യൺ ഡോളറുകളാണ് റോബോട്ടുകള്‍ക്കും AI-ചിത്രങ്ങൾ ഉണ്ടാക്കുന്ന സംവിധാനങ്ങൾക്കും സ്വയം നിയന്ത്രിക്കുന്ന യന്ത്രങ്ങൾക്കും വേണ്ടി നിക്ഷേപിക്കുന്നത്. അതിന്റെ ഫലമാണ് ഇപ്പോഴത്തെ നിർമ്മാണ–വ്യാവസായിക മേഖലകളിൽ ഉയർന്ന സാങ്കേതികവിദ്യകൾ ചേർത്ത് ഉൽപ്പന്നനിർമ്മാണവും സേവനവിതരണവും പുതിയ രീതിയിലാക്കുന്ന നാലാമത്തെ വ്യാവസായിക വിപ്ലവമായ ഇൻഡസ്ടറി 4.0 ( Industry 4.0) (Rashid & Kausik, 2024).

 ^{ഇൻഡസ്ടറി 4.0 |PHOTO : WIKI COMMONS}
ഫാക്ടറികള്‍ സ്വയം അറ്റകുറ്റപ്പണി എപ്പോള്‍ വേണമെന്ന് കണക്കാക്കുന്നതും; ട്രക്കുകളും കപ്പലുകളും യഥാർത്ഥ സമയത്തില്‍ വഴിമാറുന്നതും; കസ്റ്റമർ സഹായത്തിനായുള്ള ബോട്ടുകൾ കോഫി ബ്രേക്ക് ഇല്ലാതെ ചോദ്യങ്ങൾ തീർക്കുന്നതും ഒക്കെ. ഇങ്ങനെ തുടങ്ങിയ അനേക നൂതന ആശയങ്ങളും മാറ്റങ്ങളും ഇന്നത്തെ കൃത്രിമ ബുദ്ധിയുടെ വളർച്ചയേയും അതുമൂലം സൃഷ്ടിക്കപ്പെടുന്ന സാങ്കേതിക തൊഴിലില്ലായ്മയുടെ നേർ കാഴ്ചകളാണ്. അക്കാദമിക ജേണലുകളില്‍ മാത്രം നിറഞ്ഞിരുന്ന സാങ്കേതിക നാഴികക്കല്ലുകള്‍ ഇന്ന് ത്രൈമാസ വരുമാന മാര്‍ഗ്ഗനിര്‍ദ്ദേശങ്ങളിലായി പ്രത്യക്ഷപ്പെടുന്നു എന്നതാണ് മറ്റൊരു പ്രധാന കാര്യം. മെക്‌കിൻസി(McKinsey), ലോക സാമ്പത്തിക ഫോറം (World Economic Forum), പി.ഡബ്ല്യു.സി. (PwC ), അന്താരാഷ്ട്ര നാണയ നിധി (IMF) എന്നിവയെല്ലാം കാണിക്കുന്നത് സമാനമായ കണക്കുകളാണ്. 

ആഗോളതലത്തിൽ, 2025-ഓടെ 8.5 കോടി ജോലികൾ ഇല്ലാതാകുമെന്നും എന്നാൽ പുനഃപ്രവേശന പരിശീലനം വേഗത്തിലായാൽ 9.7 കോടി പുതിയ സ്ഥാനങ്ങൾ ഉയരുമെന്നും പറയുന്നു. അമേരിക്കയില്‍ മാത്രം 2030-ഓടെ 3.9 കോടി ജോലികള്‍ യന്ത്രങ്ങൾ ഏറ്റെടുക്കാൻ പോകുന്നു എന്നാണ് കണക്കുകൾ സൂചിപ്പിക്കുന്നത്. പക്ഷെ ഇപ്പോഴത്തെ സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് 81 ശതമാനം ജോലി ചുമതലകളും യന്ത്രവത്ക്കരിക്കാം എന്നതാണ് യാഥാർഥ്യം. ഈ സംഖ്യകളുടെ അടിസ്ഥാനത്തിൽ ഇന്ത്യയുടെ സ്ഥിതിയെ വ്യക്തമാക്കുമ്പോൾ രണ്ട് കാര്യങ്ങളാണുള്ളത്; ഒന്ന് ഉത്പാദനമേഖലയിലെ 69 ശതമാനം ജോലികൾ ഉയർന്ന പ്രതിസന്ധിയിലാണെന്നതും, അതേ സ്ഥിതി  2025-ഓടെ 30 ലക്ഷം പുതിയ AI-ബന്ധിത തൊഴിലുകൾ സൃഷ്ടിക്കുമെന്നതുമാണ് അവ. അതായത്, ജോലി നഷ്ടപ്പെടുന്നതനുസരിച്ച് ഒരു ഭാഗത്തു അവസരങ്ങൾ ഇല്ലാതാവുകയും മറുഭാഗത്തു പുത്തൻ അവസരങ്ങൾ സൃഷ്ടിക്കപ്പെടുകയും ചെയ്യുന്നു. രണ്ടും തമ്മിലുള്ള അകലം നിശ്ചിതമല്ല എങ്കിലും നമ്മൾ എത്ര വേഗത്തിലും വിശാലതയിലും തൊഴിലാളികളെ അൽഗോരിത യുഗത്തിനുവേണ്ടി തയ്യാറാക്കുന്നു എന്നതിനെ ആശ്രയിച്ചിരിക്കും എന്നതിലാണ് കാര്യം. 

തൊഴില്‍ ഇല്ലായ്മയുടെ നാല് തരംഗങ്ങൾ (Four Waves of Displacement)
സാങ്കേതിക തൊഴിലില്ലായ്മ അഥവാ ടെക്നോളോജിക്കൽ അൺഎംപ്ലോയ്‌മെന്റ്  എന്നത് ഒരു ഒറ്റ വലിയ തിരമാലയല്ല, പകരം അത് നാല് ഘട്ടങ്ങളിലായി വരുന്ന വിവിധ തരത്തിലുള്ള  തരംഗങ്ങളാണ്.  

ഒന്നാം തരംഗം – പഴയ യന്ത്ര ഓട്ടോമേഷൻ: 
ഒന്നാം തരംഗം എന്നത് ഫാക്ടറി റോബോട്ടുകളും റെഡി-മെയ്ഡ് സോഫ്റ്റ്‌വെയറും കൊണ്ട് തൊഴിലാളികളുടെ പതിവ് കൈവേലയും സേവന ജോലികളും ഇല്ലാതാക്കുന്ന ഘട്ടമാണ്. ഇത് 1970-കൾ മുതൽ തുടങ്ങിയ “പരമ്പരാഗത ഓട്ടോമേഷൻ” ആണ്. വലിയ യന്ത്രങ്ങളും മുൻകൂട്ടി എഴുതിയ (script) സോഫ്റ്റ്‌വെയറും ചേർന്ന് ആവർത്തിക്കുന്ന, രൂപരേഖയുള്ള (routine) ജോലികൾ യന്ത്രങ്ങൾ ഏറ്റെടുക്കുന്ന ഘട്ടം. ഫാക്ടറികളിൽ വെൽഡിംഗ്, അസംബ്ലി, പാക്കിംഗ് എന്നിവ ചെയ്യാൻ റോബോട്ട് കൈകൾ വന്നു. ഓഫീസുകളിൽ സാലറി സ്ലിപ്പ്, ഇൻവോയ്സ്, ഡാറ്റ എൻട്രി തുടങ്ങിയവ ചെയ്യാൻ ERP/സ്ക്രിപ്റ്റ് സോഫ്റ്റ്‌വെയറുകൾ വന്നു. സേവനമേഖലയിൽ ടെലഫോൺ കോളുകൾക്ക് മറുപടി നൽകുന്ന IVR സിസ്റ്റം, ATM മെഷീനുകൾ തുടങ്ങിയവ വന്നു എന്നിവ സാങ്കേതിക തൊഴിലില്ലായ്മയുടെ ഒന്നാം ഘട്ടങ്ങൾ അല്ലെകിൽ ഒന്നാം തരംഗമാണ്. കൈകൊണ്ട് ആവർത്തിച്ചു ജോലികൾ ചെയ്തിരുന്ന തൊഴിലാളികളെ —ഉദാ: ഫാക്ടറി വർക്കർമാർ, ഡാറ്റ എൻട്രി ഓപ്പറേറ്റർമാർ, ടെലഫോൺ ഓപ്പറേറ്റർമാർ എന്നിവരെ ഈ തരംഗം പ്രതികൂലമായി ബാധിക്കുന്നു എന്ന് കാണാം.

രണ്ടാം തരംഗം – ജനറേറ്റീവ് AI :
2020-കൾക്കുശേഷം ChatGPT, Midjourney പോലുള്ള സംവിധാനങ്ങളിലൂടെ വന്നതാണ് രണ്ടാം തരംഗമായ ജനറേറ്റീവ് AI. ഇത് പഠിച്ച വിവരങ്ങളുടെ അടിസ്ഥാനത്തിൽ പുതിയ വാചകം, ചിത്രം, കോഡ്, റിപ്പോർട്ട് എന്നിവ ഒറ്റ ക്ലിക്കിൽ ഉണ്ടാക്കുന്നു എന്നതാണ് പ്രത്യേകത. ഒറ്റ വാക്കിൽ പറഞ്ഞാൽ; ഒരു ചോദ്യം (Prompt) കൊടുത്താൽ ഉടനടി ഉത്തരം. തത്ഫലമായി മാർക്കറ്റിംഗ് കുറിപ്പുകൾ, നിയമസംക്ഷേപങ്ങൾ, ജൂനിയർ കോഡ് സ്നിപ്പറ്റുകൾ, ഡാറ്റാ അനാലിസിസ് റിപ്പോർട്ടുകൾ എന്നിവയ്ക്കുള്ള ആവശ്യം മനുഷ്യരുടെ കയ്യില്‍ നിന്ന് AI-യിലേക്ക് മാറുന്നു; കോണ്ടന്റ് റൈറ്റർമാർ, ഗ്രാഫിക് ഡിസൈനർമാർ, ജൂനിയർ ഡെവലപ്പർമാർ, ഫിനാൻസ്-ലീഗൽ അസിസ്റ്റന്റുമാർ എന്നിവരാണ് ഇപ്പോൾ ജനറേറ്റിവ് AI-ക്കു മുന്നിൽ നിസ്സഹായതയിൽ നിൽക്കുന്നത്.

^{REPRESENTATIVE IMAGE |WIKI COMMONS}
മൂന്നാം തരംഗം – ഏജന്റിക് AI: 
ഇവിടെ AI വെറും ഉപകരണമല്ല, സ്വന്തമായി തീരുമാനമെടുക്കുന്ന “ഏജന്റ്”ആണ്. ജോലിക്ക് ഇന്റർവ്യൂ സമയം കണ്ടെത്തുക, ഐ.ടി. ടിക്കറ്റുകൾ പരിഹരിക്കുക, സപ്ലൈ ചെയിൻ ഓർഡറുകൾ സ്വയം നടത്തുക, റിപ്പോർട്ടുകൾ തയാറാക്കുക, പല ഘട്ടങ്ങളും കൂട്ടിച്ചേർത്ത് ഒരു ജോലി തന്നെ പൂർത്തിയാക്കുക തുടങ്ങി നിരവധി കാര്യങ്ങൾ സമയ ബന്ധിതമായി ചെയ്യുന്നു. ശേഷം ഇവയെ എല്ലാം ഒന്നായി ചേര്‍ത്ത് പൂര്‍ണ്ണ വര്‍ക്ക്‌ഫ്‌ളോകളാക്കുന്നു. അതുകൊണ്ട് തന്നെ മനുഷ്യൻ ഓരോ ഘട്ടവും നോക്കേണ്ടത് ഇല്ല; AI തന്നെ “എന്റെ പണി എന്റെ ഉത്തരവാദിത്തം” എന്ന നിലയിൽ എല്ലാം ചെയ്യുന്നു. അതിനാൽ മധ്യനിലയിലെ മാനേജർമാർ പോലും പുറത്താകാം എന്നതാണ് വസ്തുത.

നാലാം തരംഗം – ആര്‍ട്ടിഫിഷ്യല്‍ ജനറല്‍ ഇന്റലിജന്‍സ് ആൻഡ് സൂപ്പർ ഇന്റലിജന്‍സ്:
നാലാം തരംഗം – ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസും  (AGI) അതിന്റെ പിന്നാലെ വരുന്ന ആർട്ടിഫിഷ്യൽ സൂപ്പർ ഇന്റലിജൻസും (ASI) ആണ്. ഇവ മനുഷ്യന്റെ ചിന്ത, പഠനം, പ്രശ്നപരിഹാരം, സൃഷ്ടിപരത എന്നീ എല്ലാ ബൗദ്ധിക കഴിവുകളെയും മറികടക്കുന്നു; ഏത് വിഷയവും, ഏത് ഭാഷയും, ഏത് വ്യവസായവും കൈകാര്യം ചെയ്യാൻ കുറച്ച് സെക്കൻഡുകൾ മതി. ഡോക്ടറുടെ രോഗനിർണയം, നിയമജ്ഞന്റെ വാദം, പ്രോഗ്രാമറിന്റെ കോഡ്, ശാസ്ത്രജ്ഞന്റെ ഗവേഷണം—ഇവയെല്ലാം AGI/ASI ഒറ്റ ക്ലിക്കിൽ പൂർത്തിയാക്കും എന്നത് തന്നെയാണ് ഒരേ സമയം ഇതിന്റെ മേന്മയും തിന്മയും. “മനുഷ്യർക്ക് മാത്രമേ ചെയ്യാനാവൂ” എന്ന് കരുതിയിരുന്ന പല തൊഴിലുകളും കണ്ണടച്ച് തുറക്കുന്ന ഒരു നിമിഷത്തിൽ ഇല്ലാതാകുന്നു. ഡോക്ടർ, എഞ്ചിനീയർ, അക്കൗണ്ടന്റ്, അധ്യാപകർ , മാനേജർ തുടങ്ങി എല്ലാവരും ഒരേ സമയം പുറത്താകാവുന്ന ഒരവസ്ഥ. 

നാല് തിരമാലകള്‍ ഒന്നിച്ച് ഒരു സന്ദേശം മാത്രം നല്‍കുന്നു: തൊഴില്‍ നഷ്ടം ഇനി “ഒരു ദിവസം വരുന്ന വലിയ സംഭവമല്ല”, അതൊരു ക്രമമായ, ഘട്ടംഘട്ടമായ, അതിവേഗ യാത്രയായി മാറിക്കൊണ്ടിരിക്കുന്നു. ഒന്നാം തരംഗം കൈവേലയും പതിവ് സേവനവും എടുത്തുമാറ്റി; രണ്ടാം തരംഗം എഴുത്തും രൂപകല്‍പ്പനയും കോഡും പിടിച്ചെടുത്തു; മൂന്നാം തരംഗം മധ്യനിലയിലെ മാനേജ്‌മെന്റിനെ വരെ ലക്ഷ്യമാക്കുന്നു; നാലാം തരംഗം വരുമ്പോള്‍ ബൗദ്ധികമെന്ന് പറയുന്ന ഏത് ജോലിയും സുരക്ഷിതമല്ല എന്ന് കാണുന്നു. എങ്കിലും ഓരോ തരംഗവും ഒരേ സമയം വെല്ലുവിളിയും അവസരവുമാണ്. നാം എത്ര വേഗത്തില്‍ പഠിക്കുകയും, എത്ര വിശാലമായി പുനഃപ്രവേശനം നടത്തുകയും, എത്ര വേഗത്തില്‍ നയപരമായ ഇടപെടലുകൾ സ്വീകരിക്കുകയും ചെയ്യുന്നു എന്നതാണ് വ്യത്യാസം. തിരമാലകൾ അടുത്തു വരുമ്പോള്‍, നമ്മുടെ ജോലി പുനരവതരിപ്പിക്കാനുള്ള ബോട്ടുകൾ ഇപ്പോള്‍ തന്നെ നിര്‍മ്മിക്കേണ്ടതുണ്ട്; അല്ലെങ്കില്‍ അവയ്ക്ക് ശേഷം നാം പിന്നില്‍ പോകും എന്നതു മാത്രം.

സാങ്കേതിക തൊഴില്‍ നഷ്ടത്തിന്റെ ഭീഷണിയിൽ ആരൊക്കെ ?

പുതിയ കണക്കുകൾ വ്യക്തമാക്കുന്നത് പ്രായം എത്രയായാലും ആരെയും ഈ തൊഴിൽ മേഖലയിൽ വരുന്ന സാങ്കേതിക മാറ്റം ഒഴിവാക്കില്ല എന്നതാണ്. പക്ഷേ ഏത് ജോലിയാണ് പോകുന്നത് എന്നതില്‍ വലിയ വ്യത്യാസമുണ്ട് എന്നത് വസ്തുതയാണ്.  
18 മുതൽ 34 വയസ്സ് വരെയുള്ള ഇളം പ്രായക്കാർക്ക് ഏറ്റവും വലിയ തൊഴിൽ നഷ്ടം പ്രധാനമായും  മൂന്നിടത്താണ്:  ഭക്ഷണമുണ്ടാക്കൽ (8,04,000 പേർ ), ഷോപ്പ് സെയിൽസ് (5,67,000 പേർ ), കാഷ്യർ ജോലി
( 5,37,000 പേർ ) എന്നീ നിലകളിലാണ് അവ. ഇവയൊക്കെ ഉപഭോക്താവുമായി നേരിട്ട് ഇടപെടുന്ന, വേഗം യന്ത്രത്തിലേക്ക് മാറ്റാവുന്ന സേവന ജോലികളായതുകൊണ്ടാണ് പഠനങ്ങൾ ഇപ്രകാരം പറയുന്നത് (Turner et al., 2022).   50 വയസ്സ് കഴിഞ്ഞവർ, അവർക്കാവും കൂടുതൽ പ്രതിസന്ധി നേരിടേണ്ടിവരുന്നത് എന്ന് പറയാം. സെക്രട്ടറിയും അഡ്മിന്‍ അസിസ്റ്റന്റുമാര്‍, അക്കൗണ്ട് ബുക്ക്-കീപ്പേഴ്‌സ്, ഓഡിറ്റേഴ്‌സ്, ഓഫിസ് ക്ലര്‍ക്കുകള്‍ ഇവർ ഒക്കെ ഈ കൂട്ടത്തിലുള്ളവരാണ്.

കമ്പ്യൂട്ടറില്‍ തയാറാക്കാവുന്ന ഡാറ്റാ, ഫയൽ വര്‍ക്കുകള്‍, ചെറുകണക്കുകൾ ഇവയെല്ലാം  ഡിജിറ്റലായി ക്രമേണ പൂർണ്ണമായി യന്ത്രങ്ങൾ ഏറ്റെടുത്തുകൊണ്ടിരിക്കുകയാണ്. ഒരു കാര്യം മാത്രം പൊതുവാണ്, അതായത് കൈകൊണ്ട് ചെയ്യുന്നതോ, മസ്തിഷ്‌കം ഉപയോഗിച്ച് ചെയ്യുന്നതോ, ആവർത്തിച്ച് ചെയ്യുന്നതോ ആയ ജോലികൾ അതിപ്പോൾ യന്ത്രത്തിന്റെയും നിർമിത ബുദ്ധിയുടെയും വാളിന് മുന്നിലാണ് എന്നുമാത്രം. 

ആർട്ടിഫിഷ്യൽ ഇന്റലിജെൻസ് കൊണ്ട് വരുന്ന ഉല്പാദനക്ഷമതയുടെ വളർച്ചയുടെ ഏറിയ പങ്കും, ആ കമ്പനിയുടെ ഓഹരി ഉടമകൾക്കും, ആ AI ഡിസൈൻ ചെയ്യുന്നവരോ, പഠിപ്പിക്കുന്നവരോ, നിയന്ത്രിക്കുന്നവരോ ആയ ജീവനക്കാർക്കുമാണ് കിട്ടുന്നത്. അതിന്റെ ഫലമായി, വികസിത രാജ്യങ്ങളിലും വികസ്വര രാജ്യങ്ങളിലും വരുമാന അസമത്വം (Gini coefficient) കൂടിക്കൊണ്ടിരിക്കുന്നു. ഉയർന്ന നൈപുണ്യമുള്ളവരെ (high-skill professionals) AI അവരുടെ ജോലിയുടെയും വരുമാനത്തിന്റെയും വേഗതയും അളവും പെട്ടെന്ന് വർദ്ധിപ്പിക്കാൻ സഹായിക്കുന്നു. എന്നാൽ, ഇടത്തരം–താഴ്തരം നൈപുണ്യമുള്ളവർക്ക് (mid- and low-skill workers) അവരുടെ ജോലികളെ ചെറിയ ഭാഗങ്ങളായി വിഭജിച്ച് സോഫ്റ്റ്‌വെയറിന് കൈമാറുന്നതിനാൽ ശമ്പളം ഉയരാതെ നില്‍ക്കുകയോ, കുറയുകയോ ചെയ്യുന്നു. കൃത്യമായ പുനർവിതരണ നടപടികൾ—പുരോഗമന നികുതി, എല്ലാ പൗരൻമാർക്കുമുള്ള അടിസ്ഥാന സ്വത്ത്, അല്ലെങ്കിൽ ലക്ഷ്യമിട്ട വേതന സബ്‌സിഡികൾ—എടുക്കാത്തപക്ഷം, ഇന്നത്തെ ഡിജിറ്റൽ വിടവ് നാളത്തെ ജാതി സംവിധാനം പോലെ കടുത്ത അസമത്വമായി മാറാം; അതിന്റെ ഫലമായി, അവസരങ്ങൾ കുറച്ച് ആളുകൾക്ക് മാത്രമായി ഒതുങ്ങുകയും സാമൂഹ്യ അസ്വസ്ഥത വർദ്ധിക്കുകയും ചെയ്യാം എന്നതിൽ സംശയമില്ല.

^{REPRESENTATIVE IMAGE | WIKI COMMONS}
15 മുതൽ 40 വയസുവരെ പ്രായമുള്ളവരുടെ  ജനസംഖ്യയുടെ ഉയർന്ന അനുപാതത്തിന്റെ അടിസ്ഥാനത്തിലാണ് ഇന്ത്യയെ വികസനസാധ്യത കൂടുതലുള്ള രാജ്യമെന്നും   “ഡെമോഗ്രാഫിക് ഡിവിഡന്റ്” ഉള്ള രാജ്യമെന്നും വിശേഷിപ്പിക്കുന്നത്. എന്നാൽ ഈ പ്രതീക്ഷ സാമൂഹ്യവും സാമ്പത്തികവുമായ അസമത്വങ്ങൾ കൊണ്ട് പരിമിതമാകുന്നു. നല്ല വിദ്യാഭ്യാസവും ഡിജിറ്റൽ പ്രാവീണ്യവും ഉള്ളവർക്ക് ഈ AI കാലത്ത് പുതിയ അവസരങ്ങൾ ലഭ്യമാകുമ്പോൾ, ഗ്രാമീണ മേഖലയിലോ അനൗദ്യോഗിക മേഖലയിലോ ഉള്ളവർ കൂടുതൽ തൊഴിൽ സുരക്ഷാഹീനരാകുന്നു. അതിനാൽ ഡെമോഗ്രാഫിക് ഡിവിഡന്റ് യഥാർത്ഥത്തിൽ ഡെമോഗ്രാഫിക് ഡിവൈഡ്  ആകാതിരിക്കാനാണ് നയപരമായ ഇടപെടലുകൾ ആവശ്യമാകുന്നത് — പ്രത്യേകിച്ച് സ്കിൽ ഡെവലപ്മെന്റ്, വിദ്യാഭ്യാസ സമത്വം, സാമൂഹിക സംരക്ഷണം തുടങ്ങിയ മുൻകരുതലുകൾ.

മറ്റൊരു വശം പരിശോധിച്ചാൽ, പല സാമ്പത്തിക വിശകലനങ്ങളും ചൂണ്ടിക്കാട്ടുന്നതുപോലെ, AI തന്നെത്താൻ  തൊഴിലാളികളെ പിരിച്ചുവിടുന്നില്ല; പകരം അത് പ്രയോഗിക്കുന്ന ക്യാപിറ്റലിസ്റ്റ് വ്യവസ്ഥയാണ് തൊഴിലാളികളെ പിരിച്ചുവിടുന്നത്. സാങ്കേതിക വിദ്യയുടെ പ്രധാന ലക്ഷ്യം ഉൽപ്പാദനക്ഷമതയും കാര്യക്ഷമതയും വർദ്ധിപ്പിക്കുക എന്നതാണെങ്കിലും, ലാഭം പരമാവധി ലക്ഷ്യമിടുന്ന കോർപ്പറേറ്റ് ഘടന  “കുറച്ച് തൊഴിലാളികളിൽ കൂടുതൽ ഉൽപ്പാദനം ” എന്ന ആശയത്തിലേക്ക് അതിനെ ചുരുക്കുന്നു. തത്ഫലമായി, AI സൃഷ്ടിക്കുന്ന കാര്യക്ഷമത വർദ്ധനവ് (efficiency gains) സമൂഹത്തിൽ സമമായി വിതരണം ചെയ്യപ്പെടുന്നില്ല എന്നതാണ് യാഥാർഥ്യം; അതു ചിലർക്കു മാത്രമേ പ്രയോജനപ്പെടുന്നുള്ളൂ. അതിനാൽ AI മൂലമുള്ള തൊഴിൽ നഷ്ട്ടം  (displacement) ടെക്‌നോളജിയുടെ മാത്രം പ്രശ്നമല്ല, മറിച്ച് മാനവിക മൂല്യങ്ങളും സാമ്പത്തിക നീതിയും ചോദ്യം ചെയ്യപ്പെടുന്ന ഒരു ഘടനാപരമായ പ്രശ്നമാണെന്ന് നമുക്ക് മനസിലാക്കാം. 

അപകടസാധ്യതയെ തടയാൻ നയപദ്ധതികൾ 

കൃത്രിമബുദ്ധി (AI) വേഗത്തിൽ ഇന്ത്യയിലെ തൊഴിൽ മേഖലയെ മാറ്റിക്കൊണ്ടിരിക്കുകയാണ്. നിലവിലെ സ്കിൽ ഇന്ത്യ പോലുള്ള രാജ്യങ്ങളിൽ ഇപ്പോഴും ഗ്രാമങ്ങളിലും മധ്യവയസ്കരിലും എത്താൻ കഴിയാത്തത് വ്യക്തമാണ്. യന്ത്രങ്ങളോട് പോരാടാതെയും  കണ്ണടച്ച് സാങ്കേതിക വിദ്യയെ വിശ്വസിക്കാതെയും, പകരം താഴെ പറയുന്ന  നാലുപടി പദ്ധതികൾ നടപ്പിൽ വരുത്തുന്നത് ഒരു പരിധിവരെ നമ്മെ നിലവിലുള്ള പ്രതിസന്ധികളെ തരണം ചെയ്യുവാൻ  സഹായിക്കും. നാല് തരം നയരീതികൾ താഴെ പറയുന്നവയാണ്  :

1.  വീണ്ടും പഠിപ്പിക്കാം ( റീ-educate) 
സ്കിൽ ഇന്ത്യ, ഫ്യൂച്ചർസ്കിൽസ് പ്രൈം പോലുള്ള പദ്ധതികൾ ഗ്രാമങ്ങളിലേക്കും വ്യാപിപ്പിക്കാം.  

സ്കൂളുകളിൽ കുട്ടികൾക്ക് വേണ്ടി AI പാഠ്യ   പദ്ധതികൾ രൂപീകരിച്ചു നടപ്പിലാക്കാം. 

കമ്പനികളിൽ ഡാറ്റ കൈകാര്യം ചെയ്യൽ, ചോദ്യം നൽകൽ (prompt engineering), AI നൈതികത എന്നിവയിൽ ആവശ്യമായ തൊഴിൽ പരിശീലനം സർക്കാർ ചെലവിൽ നടത്താം.

2. സാമൂഹിക കരാർ പുതുക്കാം  

ജോലിസ്ഥാനത്തിന്റെ മാറ്റം ഉണ്ടായാലും കൈമാറ്റം ചെയ്യാവുന്ന (portable) ആനുകൂല്യപദ്ധതികൾ നടപ്പിലാക്കാം.

ജീവിതപര്യന്തം തുടർന്നുള്ള പഠനത്തിനായി പ്രത്യേകമായി സംവരിപ്പിക്കുന്ന lifelong learning accounts നടപ്പിലാക്കാം.

ഔദ്യോഗിക തൊഴിലിന് പുറത്ത്, നാടിന്റെ സാമൂഹിക-സാമുദായിക നിർമ്മിതിയിൽ പങ്കാളിയാകുന്ന പ്രവർത്തനങ്ങൾക്ക് അലവൻസ് നൽകുന്ന civic basic income തുടങ്ങി സമന്വിത ചട്ടക്കൂടിലൂടെയുള്ള  പ്രവർത്തനങ്ങൾ സാധ്യമാക്കാവുന്നതാണ്.

3. അസ്ഥിര തൊഴിലാളികളുടെ കേന്ദ്രം (Precariat Labs) തുടങ്ങാം  

അസ്ഥിര തൊഴിലാളികളുടെ കേന്ദ്രം (Precariat Labs) എന്ന പേരിൽ സർക്കാർ-കമ്പനി-സിവിൽ സൊസൈറ്റികൾ  ചേർന്ന് ജീവനുള്ള പരീക്ഷണകേന്ദ്രങ്ങൾ (living labs) സ്ഥാപിക്കാവുന്നതാണ്. അവിടെ ജോലി നഷ്ടപ്പെട്ടവർക്കായി മാനസികാരോഗ്യ പരിചരണം, ചെറിയ ഡിഗ്രികൾ,  പിന്തുണാ ശൃംഖലകൾ അഥവാ സപ്പോർട്ട്  നെറ്റ്‌വർക്കുകൾ എന്നിവ നടപ്പിലാക്കാവുന്നതാണ്.

4. വേഗത്തിൽ മാറ്റാവുന്ന നിയമങ്ങൾ ഉണ്ടാക്കാം  

കൃത്രിമ ബുദ്ധി (AI)  എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് പുറംലോകം കാണാനാകുന്ന രീതിയിൽ സുതാര്യത നിർബന്ധമാക്കുക.

അൽഗോരിതം എല്ലാവർക്കും നീതിപരമാണോ എന്ന് പരിശോധിക്കാൻ നിശ്ചിത കാലയളവിൽ ‘ഫെയർനസ് ഓഡിറ്റ്’ നടത്തേണ്ടതാക്കുക.

AI തീരുമാനം മൂലം നഷ്ടം ഉണ്ടായാൽ ആരാണ് ഉത്തരവാദി എന്ന് നിയമത്തിൽ വ്യക്തമാക്കുക.

ഇന്ത്യൻ സംരംഭങ്ങൾക്ക് പുതിയ AI  സാങ്കേതിക വിദ്യ പരീക്ഷിക്കാൻ നിയമസുരക്ഷിതമായ ‘സോവറിൻ സാൻ‌ഡ്‌ബോക്‌സ്’ മേഖലകൾ ഒരുക്കുക. ഇവിടെ സാൻ‌ഡ്‌ബോക്‌സ് എന്ന് പറയുന്നത് സാങ്കേതികവിദ്യ-ധനകാര്യം തുടങ്ങിയ മേഖലകളിൽ പുതിയ ആശയങ്ങൾ സുരക്ഷിതമായി പരീക്ഷിക്കാൻ ഉണ്ടാക്കുന്ന നിയന്ത്രിത അന്തരീക്ഷത്തെയാണ് സൂചിപ്പിക്കുന്നത്. സോവറിൻ സാൻ‌ഡ്‌ബോക്‌സ് എന്നാൽ രാജ്യത്തിന്റെ  നിയന്ത്രണത്തിലുള്ള പരീക്ഷണ വേദി എന്ന് പറയാം.

എല്ലാ കണക്കുകളും AI വ്യാപനം ഉൽപ്പാദനം കൂട്ടുമ്പോഴും ചിലർക്ക് തൊഴിൽ നഷ്ടപ്പെടുമെന്ന് കാണിക്കുന്നു. മുകളിലെ നാല് നിർദ്ദേശങ്ങൾ ഒരുമിച്ച് നടപ്പാക്കിയാൽ, AI-യുടെ ഗുണം കൂടുതൽ പേർക്ക് എത്തുകയും, നഷ്ടം കുറച്ച് പേരിലേക്ക് മാത്രമായി ഒതുങ്ങാതിരിക്കുകയും ചെയ്യും. അതിനാൽ AI- യുടെ ഗുണം എല്ലാവർക്കും കിട്ടും; നഷ്ടം കുറച്ച് പേർക്കുമാത്രമായിരിക്കില്ല.

^{REPRESENTATIVE IMAGE |WIKI COMMONS}
ഇന്ത്യയുടെ AI -സുരക്ഷാ പദ്ധതി; പാഠം, പദ്ധതി, പ്രതിക്രിയ

എന്താണ് AI എന്നറിയാതെ എങ്ങനെ എഐ-യുഗം നേരിടും? എന്ന ഈ ചോദ്യം ഇന്ത്യയുടെ നിലവിലെ യാഥാർത്ഥ്യത്തെയാണ് തുറന്നുകാട്ടുന്നത്. മൂന്ന് കോടി പുതിയ AI ജോലികൾ വരുന്നതായി നാസ്കോം പ്രവചിക്കുമ്പോഴും, ഇന്ത്യൻ തൊഴിലാളികളിൽ ഒരാൾക്കുമാത്രമാണ് അടിസ്ഥാന ഡിജിറ്റൽ കഴിവുള്ളത്. ടാറ്റാ കൺസൾട്ടൻസിയുടെ ചാറ്റ്ബോട്ടുകൾ കോൾ സെന്റർ ജോലികൾ കുറച്ചു എന്നതൊരു വശത്തും, മറുവശത്ത് സംഭാഷണ ഡിസൈനർമാർക്കും AI ട്രെയിനർമാർക്കുമായി ആയിരക്കണക്കിന് പുതിയ അവസരങ്ങൾ സൃഷ്ടിക്കപ്പെട്ടു എന്നതും വാസ്തവമാണ്. എന്നാൽ ഗ്രാമീണ സ്ത്രീകളും ടൗൺ ഗ്രാജുവേറ്റുകളും ഭാഷ, അടിസ്ഥാനസൗകര്യം, സാമൂഹ്യ-സാംസ്‌കാരിക തടസ്സങ്ങൾ എന്നിവ നേരിടുന്നതിനാൽ ഈ നേട്ടം എല്ലാവർക്കും ലഭ്യമാകുന്നില്ല എന്നതാണ് സത്യം. ഈ വിടവുകൾ പരിഹരിക്കാൻ പൊതു-സ്വകാര്യ പങ്കാളിത്തം (പബ്ലിക്-പ്രൈവറ്റ് പാർട്ണർഷിപ്പുകൾ) അനിവാര്യമാണ്—പ്രാദേശിക ഭാഷയിൽ ഉള്ളടക്കം മൊബൈൽ ഉപകരണങ്ങളിലൂടെ മൈലിലേക്ക് എത്തിക്കുക, കേന്ദ്ര-സംസ്ഥാന സഹകരണത്തോടെ ആഗോള മാനദണ്ഡങ്ങളുമായി പൊരുത്തപ്പെടുന്ന, എന്നാൽ ക്രിയാത്മകതയെ അടിച്ചമർത്താത്ത ഇന്ത്യൻ AI ഭരണഘടന രൂപപ്പെടുത്തുക  തുടങ്ങിയ ഭേദഗതികൾ ആവശ്യമാണ്.

AI-യുടെ അപകടഭീതിയെ നേരിടാൻ അന്ധമായ ടെക്‌നോ-ഓപ്റ്റിമിസമോ ലുഡ്ഡൈറ്റ് എതിർപ്പോ (സാങ്കേതിക വിദ്യയോടുള്ള അമിതമായ  വിശ്വാസമോ, കടുത്ത എതിർപ്പോ) അല്ല പരിഹാരമെന്ന് വ്യക്തമാണ്. മുൻ പറഞ്ഞ നാല് തൂണുകളുള്ള ദേശീയ നയഘടനയാണ് ആവശ്യം. ഒന്ന്, വിശാലമായ പുനഃപ്രവേശന പരിശീലനം: സ്കിൽ ഇന്ത്യയും ഫ്യൂച്ചർസ്കിൽസ് പ്രൈമും ഗ്രാമപ്രദേശങ്ങളിലേക്ക് വ്യാപിപ്പിക്കുക, സ്കൂൾ പാഠ്യപദ്ധതിയിൽ AI അക്ഷരസാക്ഷരത ചേർക്കുക, ഡാറ്റ സ്റ്റുവാർഡ്ഷിപ്പ്, പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ്, AI എത്തിക്സ് തുടങ്ങിയ മേഖലകളിൽ വ്യവസായ തൊഴിൽപരിശീലനം സ്പോൺസർ ചെയ്യുക. രണ്ട്, സാമൂഹ്യ കരാറിനെ പുനഃക്രമീകരിക്കുക: പോർട്ടബിൾ ആനുകൂല്യങ്ങൾ, ജീവിതകാല പഠന അക്കൗണ്ടുകൾ, ഔദ്യോഗിക തൊഴിലിന് പുറത്തുള്ള കമ്മ്യൂണിറ്റി നിർമ്മാണ പ്രവൃത്തികൾക്കുള്ള പൗര അടിസ്ഥാന വരുമാനം. മൂന്ന്, അസ്ഥിര തൊഴിലാളികളുടെ കേന്ദ്രം സൃഷ്ടിക്കുക—സർക്കാർ, കമ്പനികൾ, സിവിൽ സൊസൈറ്റി ചേർന്ന് തൊഴിൽ നഷ്ടപ്പെടാൻ സാധ്യതയുള്ളവർക്കായി മാനസികാരോഗ്യ പരിചരണം, ചെറു യോഗ്യതാ കോഴ്‌സ് സർട്ടിഫിക്കറ്റ് മാർഗങ്ങൾ, സമപ്രവർത്തക ശൃംഖലകൾ എന്നി വിവിധ മേഖലകളെ കൂട്ടിച്ചേർത്ത് പരീക്ഷണാടിസ്ഥാനത്തിൽ നടത്തുന്ന ലിവിംഗ് ലാബുകൾ. നാല്, വേഗതയുള്ള നിയന്ത്രണ നിയമങ്ങൾ നടപ്പാക്കുക: അൽഗോരിതം ട്രാൻസ്‌പെറൻസി, ഫെയർനസ് ഓഡിറ്റുകൾ, AI തീരുമാനങ്ങളിൽ വ്യക്തമായ ഉത്തരവാദിത്വം നിർബന്ധമാക്കുക; ഇന്ത്യൻ സ്റ്റാർട്ടപ്പുകൾക്ക് നിയന്ത്രണ ആഘാതമില്ലാതെ ഇന്നൊവേറ്റ് ചെയ്യാനുള്ള രാജ്യത്തിന്റെ നിയന്ത്രണത്തിലുള്ള പരീക്ഷണ വേദികൾ നൽകുക.

ഈ മാനസിക-സാമൂഹിക ചുമട് എത്രത്തോളമെന്ന് അളക്കാൻ ഒരു പുതിയ ആഗോള അളവുകോൽ ആവശ്യമാണ്— കൃത്രിമ ബുദ്ധിയോടുള്ള ആശങ്കാ സൂചിക അഥവാ AI ആൻസൈറ്റി ഇൻഡക്‌സ് (AI Anxiety Index)’. AI ആക്‌സൈറ്റി ഇൻഡക്‌സ് എന്നത് തൊഴിൽ, സ്വകാര്യത, നൈതികത, സമൂഹം എന്നിവയിൽ കൃത്രിമബുദ്ധി (AI) ഉണ്ടാക്കുന്ന ആഘാതത്തെക്കുറിച്ചുള്ള ആളുകളുടെ ആശങ്ക, ഭയം അല്ലെങ്കിൽ അനിശ്ചിതത്വം അളക്കാനായി ഉപയോഗിക്കുന്ന ഒരു അളവുകോലാണ്. കൃത്രിമബുദ്ധി  ഉപയോഗിച്ച് ഉൽപ്പാദനക്ഷമതയും സാമ്പത്തിക വളർച്ചയും ഉയരുമ്പോൾ തന്നെ,  ലക്ഷക്കണക്കിന് ആളുകൾ അതേ കൃത്രിമ ബുദ്ധി കാരണം തൊഴിൽ പ്രതിസന്ധികൾ നേരിടുന്നു. ആളുകൾക്ക് അവരുടെ  കഴിവുകൾ ഉയർത്തേണ്ടതോ അല്ലാത്ത പക്ഷം ആ ജോലിയിൽ നിന്ന് മറ്റ് ജോലിയിലേക്ക് മാറേണ്ടതായോ സാഹചര്യങ്ങൾ വരുന്നു. ഈ അടിസ്ഥാനപരമായ മാറ്റങ്ങൾ  പൊതുജനങ്ങളിൽ പ്രത്യേകിച്ച് തൊഴിലാളി വിഭാഗങ്ങളിൽ  AI വികസനത്തെക്കുറിച്ചുള്ള ഭീതി വർധിപ്പിക്കുന്നു. സെൻട്രൽ ബാങ്കുകൾ പണപ്പെരുപ്പം ട്രാക്ക് ചെയ്യുന്നതുപോലെ, തൊഴിൽ ബ്യൂറോകൾ തൊഴിൽ നഷ്ടം ട്രാക്ക് ചെയ്യുന്നതുപോലെ, കൃത്രിമ ബുദ്ധിയുടെ മനുഷ്യന്റെ മേൽ ഉള്ള മാനസിക ചുമട് നിരീക്ഷിക്കാൻ ഒരു അളവ് സൂചിക സാമൂഹിക സഹജീവിതത്തിനുള്ള ആദ്യ ഘട്ട മുന്നറിയിപ്പ് മുറയാകും അത് ആവശ്യവുമാകും എന്നത്, ഇന്നത്തെ ആഗോള-ഇന്ത്യൻ AI യുഗത്തിന്റെ പശ്ചാത്തലത്തിൽ ശ്രദ്ധേയമാണ്
. 
^{REPRESENTATIVE IMAGE | WIKI COMMONS}
ഉപസംഹാരം: AI യുഗത്തിൽ മാനവികതയുടെ അടുത്ത അധ്യായം

കൃത്രിമ ബുദ്ധി ഒരുനാളും നമുക്കായി കാത്തുനിൽക്കില്ല എന്നതാണ് യാഥാർഥ്യം. അതു പഠിച്ചും മാറിയും പഴയതിനെ മാറ്റിയും പുതിയതിനെ ഉൾക്കൊണ്ടും ഒരുപാട് വേഗത്തിൽ മുന്നോട്ടുപോയ്‌ക്കൊണ്ടിരിക്കുന്നു. ഇനി നാം എന്തു ചെയ്യുമെന്നതാണ് പ്രധാനം. ഓരോ യന്ത്രവത്‌ക്കരണവും ആദ്യം ജോലി നഷ്ടപ്പെടുത്തുകയും പിന്നീട് പുതിയ ജോലി സൃഷ്ടിക്കുകയുമാണ് ചെയ്തത്. ലഡൈറ്റുകള്‍ കത്തിച്ച യന്ത്രങ്ങള്‍ മുതല്‍ ഇന്നത്തെ കോഡെഴുതുന്ന എഐ വരെ, ഓരോ തവണയും ആദ്യം പുറത്തായത് മനുഷ്യനാണ്. എന്നാൽ ഇത്തവണ മനുഷ്യനും കൈകള്‍ക്കും  പകരം, മനുഷ്യന്റെ ബുദ്ധിയ്ക്കാണ് പകരക്കാരന്‍ വരുന്നത് എന്നതാണ് കാര്യം; നഷ്ടം വെറും തൊഴിലല്ല, മനുഷ്യന്റെ ബൗദ്ധിക സ്ഥാനമാണെന്ന് ചുരുക്കം.

അതുകൊണ്ട് തന്നെ, AI നൂതന മാറ്റങ്ങളും ആശയങ്ങളും എല്ലാവർക്കും ഒരുപോലെ  നീതിയുള്ളതാകുവാൻ ആവശ്യമായതെല്ലാം  നമുക്ക് ചെയ്യേണ്ടതുണ്ട് : മനസ്സിനുള്ള പരിചരണം, പഠിക്കുവാനുള്ള അവസരങ്ങൾ, എല്ലാവർക്കും വരുമാനം, മാറുന്ന സാഹചര്യങ്ങൾക്കൊപ്പം വേണ്ടുന്ന മാറുന്ന ചിട്ടകൾ തുടങ്ങി ചട്ടങ്ങൾ വരെ നടപ്പിലാക്കേണ്ടതുണ്ട്.  അതിനാൽ നമ്മുടെ ഒരുമിച്ചുള്ള തീരുമാനം മാത്രമാണ് ഇനി  വേണ്ടത്. സർക്കാർ, കമ്പനികൾ, സിവിൽ സൊസൈറ്റികൾ തുടങ്ങി എല്ലാവരും ഒരുമിച്ച് കൈകോർത്താൽ ഈ യന്ത്രബുദ്ധിയെ എല്ലാവർക്കും ഒരുപോലെ ഉപകാരമാക്കാം. മാറ്റത്തിന്റെ AI തിരമാലകളെ പ്രതിസന്ധികളാക്കാതെ പ്രയോജനമാക്കി മാറ്റാം.