जिन नौकरी-विज्ञापनों में AI कौशल का उल्लेख होता है, वे अन्यथा तुलनीय विज्ञापनों से 28 प्रतिशत अधिक वेतन की घोषणा करते हैं — सालाना लगभग 18,000 डॉलर अधिक (Lightcast, 2025)। लेकिन जब अर्थशास्त्रियों ने वास्तविक भर्ती-निर्णयकर्ताओं को वास्तविक अदला-बदली के सामने रखा और चुनने को विवश किया, तो प्रॉम्प्टिंग कौशल का मूल्य उनकी फर्म में एक दक्ष कर्मचारी के औसत वेतन से 2 प्रतिशत ऊपर निकला (IZA, 2026)।
दोनों आँकड़े सही मापे गए हैं। वे अलग-अलग चीज़ें मापते हैं, और इन दोनों के बीच की खाई में ही मध्य-बाज़ार की छँटनी-कसौटियाँ चुपचाप भटक रही हैं।
दूसरा आँकड़ा जर्मनी के BIBB ट्रेनिंग पैनल की 2025 लहर में अंतर्निहित एक डिस्क्रीट चॉइस प्रयोग से आता है: 992 फर्में, उम्मीदवार प्रोफ़ाइलों के बीच 15,660 बाध्य चयन, और नमूने की लगभग 81 प्रतिशत फर्में 250 कर्मचारियों से कम वाली। और चौथी तिमाही की किसी भर्ती-मांग को बदलने वाला निष्कर्ष कीमत नहीं है। वह यह है कि उस कीमत ने क्या खरीदने से इनकार कर दिया।
जब 992 फर्मों को समझौता करने पर मजबूर किया गया, उन्होंने क्या चुना
अध्ययन की संरचना ही इसे गंभीरता से लेने का कारण है। उत्तरदाता मालिक, प्रबंध निदेशक, शाखा प्रबंधक और HR प्रभारी थे — वे लोग जो वास्तव में भर्ती पर हस्ताक्षर करते हैं। प्रत्येक को उम्मीदवार प्रोफ़ाइलों के जोड़े दिखाए गए जो पाँच विशेषताओं पर भिन्न थे: प्रॉम्प्टिंग कौशल, व्यवसाय-विशिष्ट कौशल अंतर, सामाजिक कौशल, लिंग, और अपनी ही फर्म के दक्ष कर्मचारी के सापेक्ष वेतन अपेक्षा। शिक्षा और प्रासंगिक अनुभव स्थिर रखे गए। वे बार-बार एक को चुनते रहे।
यह संरचना वरीयताओं को एक मुद्रा में बदल देती है। यहाँ पूरी मूल्य-सूची है (IZA, 2026):
| विशेषता | भर्ती की संभावना पर प्रभाव | भुगतान करने की इच्छा |
|---|---|---|
| मध्यम प्रॉम्प्टिंग कौशल | +4.3 अंक | +2.0% |
| उच्च प्रॉम्प्टिंग कौशल | +5.2 अंक | +2.5% |
| मध्यम सामाजिक कौशल | +19.9 अंक | +9.0% |
| उच्च सामाजिक कौशल | +33.8 अंक | +14.6% |
| व्यवसाय-विशिष्ट कौशल में उल्लेखनीय कमी | −31.5 अंक | −13.6% |
सभी विशेषताएँ एक प्रतिशत स्तर पर सार्थक थीं। उच्च सामाजिक कौशल का मूल्य उच्च प्रॉम्प्टिंग कौशल के मूल्य का लगभग छह गुना था। व्यवसाय-विशिष्ट कौशल में उल्लेखनीय कमी की लागत लगभग उतनी ही थी जितना उच्च सामाजिक कौशल कमाते थे — बस विपरीत दिशा में।
उसी मॉडल की एक और पंक्ति इस परिमाण को ठोस बनाती है। जिस उम्मीदवार ने फर्म के दक्ष कर्मचारियों के औसत वेतन से 3 प्रतिशत अधिक माँगा, उसने भर्ती की संभावना के 4.8 अंक खो दिए; 6 प्रतिशत अधिक माँगने की लागत 13.8 अंक थी। उच्च प्रॉम्प्टिंग कौशल 5.2 अंक जोड़ता है। प्रॉम्प्टिंग में प्रवाह लगभग 2.5 प्रतिशत अधिक पैसे माँगने के भर्ती-दंड को वापस खरीद लेता है, और वहीं समाप्त हो जाता है।
विज्ञापनों का प्रीमियम भर्ती का प्रीमियम नहीं है
Lightcast के आँकड़े और IZA के आँकड़े को विरोधाभास के रूप में पढ़ने का प्रलोभन होता है। वे विरोधाभास नहीं हैं, और इसका कारण समझना ही एक बचाव-योग्य भर्ती-मांग और एक महँगी भर्ती-मांग के बीच का अंतर है।
Lightcast ने 1.3 अरब नौकरी-विज्ञापनों का विश्लेषण किया और AI कौशल सूचीबद्ध करने वाले विज्ञापनों के घोषित वेतन की तुलना उन विज्ञापनों से की जो ऐसा नहीं करते (Lightcast, 2025)। यह भूमिकाओं के बीच की तुलना है। AI कौशल माँगने वाले विज्ञापन व्यवस्थित रूप से भिन्न विज्ञापन होते हैं — अधिक वरिष्ठ, अधिक तकनीकी, अधिक वेतन देने वाले कार्यक्षेत्रों और फर्मों में अधिक केंद्रित। 28 प्रतिशत वास्तविक है, और उसका बड़ा हिस्सा नौकरी की कीमत है, कौशल की नहीं।
IZA का प्रयोग नौकरी को स्थिर रखता है और केवल उम्मीदवार को बदलता है। यह एक ही भूमिका के भीतर की तुलना है, और भूमिका के भीतर प्रॉम्प्टिंग प्रवाह का सीमांत मूल्य लगभग 2 प्रतिशत है।
यदि आप किसी भर्ती-मांग को विज्ञापन-स्तर के आँकड़ों पर अंशांकित करते हैं, तो आप यह निष्कर्ष निकालेंगे कि AI प्रवाह बड़ा प्रीमियम माँगता है, और अपनी छँटनी उसी के अनुसार बनाएँगे — उसे भारी भार देंगे, उसके लिए अधिक चुकाएँगे, उसे पाने के लिए अन्य चीज़ें छोड़ेंगे। 992 भर्ती-निर्णयकर्ताओं की प्रकट वरीयता कहती है कि किसी दी गई भूमिका के भीतर बाज़ार इसके लिए छोटा प्रीमियम चुकाता है, और यह किसी चीज़ का विकल्प नहीं बन रहा।
प्रॉम्प्टिंग कौशल ने कौशल-अंतर के ऊपर से रास्ता नहीं खरीदा
यही वह परिणाम है जो पूरे तर्क को उठाता है, और यह उस दिशा में टिकता है जो कोई नहीं चाहता।
लेखकों ने स्पष्ट रूप से एक प्रतिपूरक प्रभाव की जाँच की — क्या मजबूत प्रॉम्प्टिंग कौशल व्यवसाय-विशिष्ट कौशल अंतर की भरपाई कर सकते हैं। नहीं कर सके। उच्च प्रॉम्प्टिंग कौशल ने न हल्के अंतर के साथ, न उल्लेखनीय अंतर के साथ कोई सार्थक अंतःक्रिया दिखाई। इससे भी बुरा: मध्यम प्रॉम्प्टिंग कौशल और हल्के अंतर के बीच की अंतःक्रिया सीमांत रूप से सार्थक और ऋणात्मक थी — निम्न प्रॉम्प्टिंग कौशल और पूर्ण कौशल-मेल वाले उम्मीदवार की तुलना में भर्ती की संभावना लगभग 3 प्रतिशत कम। मध्यम प्रॉम्प्टिंग प्रवाह ने एक छोटे विषय-अंतर को बेहतर नहीं, बदतर पढ़ाया।
लेखकों का निष्कर्ष वही वाक्य है जिसे किसी भर्ती-बैठक में साथ ले जाना चाहिए: प्रॉम्प्टिंग कौशल की मांग "नौकरियों में कौशल आवश्यकताओं को बढ़ाती प्रतीत होती है", उनका स्थान लेने के बजाय (IZA, 2026)।
AI प्रवाह एक अतिरिक्त शर्त है। यह अदला-बदली नहीं है।
जहाँ इसका वास्तविक लीवरेज था
एक अंतःक्रिया सकारात्मक थी। जिन उम्मीदवारों में मध्यम प्रॉम्प्टिंग कौशल और मध्यम सामाजिक कौशल दोनों थे, उनकी भर्ती की संभावना निम्न-निम्न संदर्भ समूह से लगभग 4 प्रतिशत अधिक थी। उच्च सामाजिक कौशल ने किसी भी स्तर पर प्रॉम्प्टिंग के साथ सार्थक अंतःक्रिया नहीं दिखाई — जिस उम्मीदवार के पास वह चीज़ पहले से है जिसके लिए नियोक्ता 14.6 प्रतिशत चुकाते हैं, उसमें जोड़ने को कुछ नहीं बचता।
तो प्रॉम्प्टिंग प्रवाह का लीवरेज ठीक एक जगह है: निम्न से मध्यम पारस्परिक क्षमता वाले उम्मीदवार की मदद करने में। और जहाँ इसे सबसे अधिक उद्धृत किया जाता है — पतली विषय-गहराई को ढकने में — वहाँ इसका कोई लीवरेज नहीं है।
यह दिशा महत्वपूर्ण है क्योंकि आवश्यकता का मानवीय आधा हिस्सा हल्का नहीं, भारी हो रहा है। एक अरब से अधिक नौकरी-विज्ञापनों पर PwC के विश्लेषण में पाया गया कि AI के सर्वाधिक संपर्क वाली भूमिकाओं में माँगे जाने वाले कौशल सबसे कम संपर्क वाली भूमिकाओं की तुलना में दोगुने से अधिक तेज़ी से बदलते हैं, और नए उभरते कार्यों के सहानुभूति, विवेक और सृजनात्मकता पर निर्भर होने की संभावना 2.5 गुना अधिक है (PwC, 2026)।
जहाँ प्रीमियम दोगुना हो जाता है
2 प्रतिशत एक औसत है, और विषमता-विश्लेषण परिचालन रूप से उपयोगी है।
250 से अधिक कर्मचारियों वाली फर्मों में उच्च प्रॉम्प्टिंग कौशल ने भर्ती की संभावना 9 प्रतिशत बढ़ाई — समग्र प्रभाव का दोगुना, पाँच प्रतिशत स्तर पर सार्थक। कर्मचारी-संख्या के माध्यक विभाजन पर, माध्यक से ऊपर की फर्मों में उच्च प्रॉम्प्टिंग वाले उम्मीदवार को प्राथमिकता देने की संभावना 7 प्रतिशत अधिक थी। MSME में प्रभाव समग्र औसत के करीब, लगभग 4 प्रतिशत, बना रहा।
वही पैटर्न AI अंगीकरण के अनुसार दिखता है। जिन फर्मों ने भौतिक या अभौतिक कार्य-प्रक्रियाओं में AI अपनाया है या अपनाने की योजना है, उन्होंने उच्च प्रॉम्प्टिंग वाले उम्मीदवारों को लगभग 9 प्रतिशत अधिक प्राथमिकता दी, जबकि न अपनाने वालों में यह 2 से 4 प्रतिशत था। उल्लेखनीय रूप से, विशेष रूप से जनरेटिव AI अपनाने वाली फर्मों में अंतःक्रिया केवल सीमांत रूप से सार्थक थी — प्रीमियम उन फर्मों का अनुसरण करता है जो AI को प्रक्रियाओं में औद्योगीकृत करती हैं, न कि उन फर्मों का जिनके कर्मचारियों का ChatGPT खुला रहता है।
इसे मूल्य-संकेत के बजाय प्रतिस्पर्धी संकेत के रूप में पढ़ें। यदि आप 300 लोगों की फर्म हैं और उसी तकनीशियन के लिए रोलआउट के बीच वाली 3,000 लोगों की फर्म से प्रतिस्पर्धा कर रहे हैं, तो बड़ी फर्म प्रॉम्प्टिंग प्रवाह का मूल्य आपसे लगभग दोगुना आँकती है। वह उस विशेषता पर आपसे ऊँची बोली लगाएगी। सामाजिक कौशल या विषय-मेल पर नहीं लगाएगी, क्योंकि उनकी कीमत सभी ऊँची आँकते हैं।
ईमानदार प्रति-तर्क
तीन सीमाएँ, स्पष्ट शब्दों में।
एक अलग प्रयोग में प्रतिपूर्ति का विपरीत प्रकार मिला। Stephany, Teutloff और Leone ने ब्रिटेन, अमेरिका और जर्मनी के 1,725 रिक्रूटर्स के साथ युग्मित कंजॉइन्ट अध्ययन किया और पाया कि AI कौशल ने साक्षात्कार-आमंत्रण की संभावना लगभग 8 से 15 प्रतिशत अंक बढ़ाई, और अधिक आयु तथा कम औपचारिक शिक्षा के नुकसान को आंशिक या पूर्ण रूप से संतुलित किया (Stephany et al., 2026)। यह वास्तविक तनाव है — लेकिन निर्णय-बिंदुओं पर ध्यान दें। उनका परिणाम साक्षात्कार-आमंत्रण है, जहाँ किसी संकेत पर कार्य करना सस्ता है; IZA का परिणाम वेतन से जुड़ी भर्ती है। और किसी जनसांख्यिकीय नुकसान की भरपाई करना किसी क्षमता-अंतर की भरपाई करने के समान नहीं है। दोनों सत्य हो सकते हैं: प्रॉम्प्टिंग प्रवाह 55 वर्षीय कार्यालय सहायक को कमरे तक पहुँचा देता है, और जब किसी को उसका भुगतान करना हो तो वह अनुपस्थित योग्यता की भरपाई फिर भी नहीं करता।
कथित वरीयता वेतन-पंजी नहीं है। किसी ने जाँच नहीं की कि इन 992 फर्मों ने वास्तव में क्या भुगतान किया। अनुमान एक सर्वेक्षण-उपकरण में किए गए चयन हैं, लेन-देन नहीं — स्वच्छ कारणात्मक भिन्नता पाने के लिए यही मानक अदला-बदली है।
यह अध्ययन जर्मन, व्यावसायिक-शिक्षा आधारित और आरंभिक है। लेखक संकेत देते हैं कि उनके निष्कर्ष जनरेटिव AI के आरंभिक लेकिन तेज़ी से बढ़ते प्रसार के चरण के लिए विशिष्ट हैं। यह औपचारिक व्यावसायिक योग्यता में लंगर डाला हुआ श्रम-बाज़ार है, जहाँ "व्यवसाय-विशिष्ट कौशल" असामान्य रूप से स्पष्ट श्रेणी है। बिंदु-अनुमानों को यह कहे बिना अमेरिकी भर्ती पर न ले जाएँ। जो यात्रा करता है वह विशेषताओं का क्रम है; दशमलव नहीं।
चौथी तिमाही की भर्ती-मांगें बंद होने से पहले छँटनी में क्या बदलें
चार कदम, जिनमें से किसी के लिए नई बजट-मद की आवश्यकता नहीं।
- AI प्रवाह को विषय-गहराई पर छूट खरीदने देना बंद करें। यदि आपकी शॉर्टलिस्ट-तर्कसंगति किसी मजबूत प्रॉम्प्टिंग संकेत को उस आवश्यकता से आगे उम्मीदवार को धकेलने देती है जिसे आपने गंभीर चिह्नित किया था, तो आपने वह प्रतिपूरक नियम बना लिया है जिसे 992 भर्ती-निर्णयकर्ताओं ने बनाने से इनकार किया। अवरोधक आवश्यकताओं को चिह्नित करें और उन्हें वास्तव में अवरोधक बनाएँ।
- भर्ती-मांग में AI कौशल की पंक्ति की कीमत फिर से तय करें। यदि आप विज्ञापनों से लिए दो-अंकीय प्रीमियम पर लंगर डाल रहे थे, तो एक ही भूमिका के भीतर का साक्ष्य 2 से 2.5 प्रतिशत कहता है। अंतर उस विशेषता पर खर्च करें जो 14.6 प्रतिशत मूल्य की है।
- प्रॉम्प्टिंग को "अनिवार्य" से "मूल्यांकित" में ले जाएँ। विषय-विशेषज्ञता और सामाजिक क्षमता की तुलना में इसे सिखाना सस्ता है, और समग्र नमूने में मध्यम तथा उच्च के बीच का अंतर बहुत कम मायने रखा। न्यूनतम सीमा पर छाँटें; अधिकतम के लिए भुगतान न करें।
- भारांकन को स्पष्ट और निरीक्षण-योग्य बनाएँ। उपयोगी तंत्र गंभीरता-आधारित भारांकन है — एक अवरोधक आवश्यकता किसी महत्वपूर्ण आवश्यकता से कई गुना और किसी वांछनीय आवश्यकता से एक कोटि अधिक गिनी जाती है — ताकि किसी सस्ती विशेषता पर मिला ऊँचा अंक किसी अनुपस्थित अनिवार्य शर्त को अंकगणितीय रूप से न हरा सके। यदि आप इस अंकगणित की संरचना का ठोस संदर्भ चाहते हैं, तो Scovai का स्कोरिंग मॉडल सार्वजनिक रूप से प्रलेखित है।
गहरा बिंदु यह है कि आवश्यकताएँ किस दिशा में जा रही हैं। प्रॉम्प्टिंग कौशल ने पद-विवरण को ढीला नहीं किया। उसने उसमें एक पंक्ति जोड़ दी, जबकि जो पंक्तियाँ पहले से थीं वे महँगी हो गईं।
आपकी अगली भर्ती-मांग जारी होने से पहले, वह उपवाक्य खोजें जहाँ AI प्रवाह किसी और चीज़ के विकल्प के रूप में दर्ज है। "या" शब्द हटा दें।
