इकहत्तर प्रतिशत कर्मचारी कहते हैं कि AI टूल्स उन्हें अधिक उत्पादक महसूस करने में मदद करते हैं। सबसे भारी उपयोगकर्ताओं में यह आंकड़ा 93 प्रतिशत तक चढ़ जाता है। उन्हीं लोगों से पूछिए कि उनके काम का बोझ उनकी भूमिका के लिहाज़ से वाजिब है या नहीं, और जवाब लगभग हिलता ही नहीं: पावर यूज़र्स में 72 प्रतिशत, और AI न इस्तेमाल करने वालों में 69 प्रतिशत — यानी तीन अंकों का अंतर (Culture Amp, 2026)।
ये दोनों निष्कर्ष एक ही सर्वे से, एक ही कर्मचारियों से, एक ही बारह महीनों से आते हैं। एक रेखा उपयोग की तीव्रता के साथ तेज़ी से ऊपर जाती है। दूसरी सपाट है।
यह माप की गलती नहीं है। यह प्रबंधन की उपज है, और इसका अर्थ है कि आपके AI रोलआउट से बनी क्षमता उन्हीं भूमिकाओं के भीतर फिर से सोख ली जा रही है, बजाय इसके कि उसे आपने जो चुना है वहाँ भेजा जाए।
एक ही डेटासेट से दो रेखाएँ
Culture Amp का पहला AI at Work बेंचमार्क उसके प्लेटफ़ॉर्म पर 292 संगठनों द्वारा किए गए 342 सर्वे पर आधारित है, जो लगभग 1,12,000 कर्मचारियों और 3,43,000 व्यक्तिगत उत्तरों का प्रतिनिधित्व करते हैं; डेटा जुलाई 2026 तक के बारह महीनों में जुटाया गया। उत्तरदाता 16 उद्योगों और सभी प्रमुख क्षेत्रों में फैले हैं; व्यक्तिगत योगदानकर्ता नमूने का लगभग दो-तिहाई हैं। कर्मचारियों को चार तुलनीय उपयोग श्रेणियों में मानकीकृत किया गया — न इस्तेमाल करने वाले, हल्के उपयोगकर्ता (सप्ताह में एक-दो बार), दैनिक उपयोगकर्ता, और पावर यूज़र्स (दिन में कई बार) (Culture Amp, 2026)।
इन श्रेणियों के भीतर अनुभव का लगभग हर पैमाना उपयोग के साथ सुधरता है। जोखिम की समझ न इस्तेमाल करने वालों में 67 प्रतिशत से पावर यूज़र्स में 95 प्रतिशत हो जाती है। "कहीं और यही भूमिका जितना मांगती, उससे आगे जाने" की प्रेरणा सबसे भारी उपयोगकर्ताओं में 72 प्रतिशत है, और न इस्तेमाल करने वालों में 57 प्रतिशत। यह सहमति कि AI ने उन्हें सीखने और बढ़ने में मदद की, वैश्विक औसत में 66 प्रतिशत है — जिसे 27 प्रतिशत पर टिके न इस्तेमाल करने वाले नीचे खींचते हैं।
एक ही मद इस रुझान का पीछा करने से इनकार करता है। "कुल मिलाकर, मेरा काम का बोझ मेरी भूमिका के लिहाज़ से वाजिब लगता है" इस कथन पर अनुकूल उत्तर न इस्तेमाल करने वालों के 69 प्रतिशत से लेकर, AI का किसी भी मात्रा में उपयोग करने वालों के 71–72 प्रतिशत तक जाते हैं। Culture Amp का अपना पाठ दो-टूक है: शुरुआती अपनाव काम के बोझ की धारणा को थोड़ा सुधारता है, और उपयोग की बढ़ी हुई आवृत्ति कोई अतिरिक्त राहत नहीं देती (Culture Amp, 2026)।
महसूस की गई उत्पादकता पूरे नमूने में 71 प्रतिशत और सबसे भारी उपयोगकर्ताओं में 93 प्रतिशत है। उन्हीं श्रेणियों में काम के बोझ में महसूस की गई राहत तीन अंकों की है।
आपका अडॉप्शन डैशबोर्ड सपाट काम के बोझ को क्यों नहीं देख पाता
मध्यम आकार की कंपनियों के अधिकांश AI कार्यक्रम गलत चर पर मापे जा रहे हैं। लाइसेंस की संख्या, साप्ताहिक सक्रिय उपयोगकर्ता, प्रति सीट प्रॉम्प्ट, टूल-स्तर पर बचे समय के अनुमान — अपनाव बढ़ने पर ये सब बढ़ते हैं। और जब मुक्त हुआ घंटा चुपचाप उसी तरह के और काम में खप जाता है, तो इनमें से कोई नहीं बदलता।
यह पुनः-अवशोषण रचना से ही अदृश्य है। जो कर्मचारी गुरुवार की रिपोर्ट नब्बे मिनट के बजाय चालीस मिनट में पूरी करता है, वह हल्के सप्ताह की सूचना नहीं देता; वह उस सप्ताह की सूचना देता है जिसमें और चीज़ें आ गईं। Culture Amp यह आपत्ति स्वयं अपने ही निष्कर्ष पर उठाती है, और ठीक ही उठाती है: जैसे-जैसे लोग अधिक कुशल होते हैं, थाली फिर भर जाती है, और यह सामान्य है। कोई यह उम्मीद नहीं करता कि सिलाई मशीन वाली रजाई-कारीगर साल में उतनी ही रजाइयाँ बनाए जितनी हाथ से काम करने वाली।
समस्या यह नहीं है कि थाली फिर भर गई। समस्या यह है कि उसमें क्या डाला जाए, यह किसी ने तय नहीं किया।
यहीं Culture Amp का निष्कर्ष एक दिलचस्प तथ्य से हटकर बजट का सवाल बन जाता है। अगर आपके बिज़नेस केस ने मान लिया था कि वापस मिले घंटे मुक्त क्षमता, टाली गई भर्ती या तेज़ साइकल के रूप में दिखेंगे, और आपका ही एंगेजमेंट डेटा कहता है कि हर उपयोग श्रेणी में महसूस किया गया काम का बोझ सपाट है, तो वह बिज़नेस केस असत्यापित है — खंडित नहीं, असत्यापित। आपने जो वादा किया था, उस पर आपका कोई उपकरण तैनात ही नहीं है।
वापस मिले घंटे असल में कहाँ जाते हैं
2026 के दो अन्य डेटासेट इन घंटों की मंज़िलें दिखाते हैं, और इनमें कोई भी रणनीतिक नहीं है।
BCG के चौथे वार्षिक AI at Work सर्वे — 14 बाज़ारों में 11,749 कर्मचारी — में पाया गया कि नियमित फ्रंटलाइन उपयोगकर्ताओं में 42 प्रतिशत कहते हैं कि AI से उन्हें सप्ताह में कम से कम एक पूरा कार्यदिवस बचता है, जबकि 66 प्रतिशत कहते हैं कि उस समय का क्या करना है इस पर उन्हें सीमित या कोई मार्गदर्शन नहीं मिलता, और आधे से अधिक उसे रणनीतिक काम की ओर नहीं मोड़ते। उसी नमूने में 47 प्रतिशत अब कहते हैं कि वे काम करने से ज़्यादा समय AI को संभालने और निर्देश देने में बिताते हैं, और 72 प्रतिशत कहते हैं कि AI ने उनकी भूमिका से अपेक्षित कौशल को पहले ही काफ़ी बदल दिया है (BCG, 2026)।
इन दोनों आंकड़ों को साथ पढ़िए। घंटा वास्तविक है। उस घंटे पर निर्णय मौजूद नहीं है। निर्णय के अभाव में वह घंटा डिफ़ॉल्ट रूप से निकटतम उपलब्ध मांग के पास चला जाता है — और वह मांग, बढ़ते हुए, AI खुद है।
BambooHR के 1,608 अमेरिकी डेस्क कर्मचारियों के सर्वे ने इस डिफ़ॉल्ट पर स्टॉपवॉच लगाई। कर्मचारी औसतन दिन में 87 मिनट AI टूल्स के भीतर बिताते हैं; उस समय का 42 प्रतिशत त्रुटियाँ सुलझाने और प्रॉम्प्ट दोहराने में जाता है, जबकि 35 प्रतिशत उस काम में जो वास्तव में उनके अपने कार्यभार को आगे बढ़ाता है (BambooHR, 2026)। AI के साथ उत्पादन करने से अधिक AI समय AI को ठीक करने में जाता है।
तो क्षमता निष्क्रियता में गायब नहीं हो रही। वह खर्च हो रही है — निगरानी, सुधार, और औज़ारों द्वारा बनाई गई नई समन्वय सतह पर। वह काम असली है। वह केवल ऐसा काम है जिसे किसी ने बजट में नहीं रखा, नाम नहीं दिया, और किसी भूमिका को नहीं सौंपा।
मार्गदर्शन का शून्य ही तंत्र है
जिस बेंचमार्क ने सपाट काम का बोझ पाया, उसी ने इसका कारण भी पाया — और वह कारण कर्मचारियों का प्रतिरोध नहीं है।
पचासी प्रतिशत कर्मचारी कहते हैं कि उनका संगठन AI के साथ खोज और प्रयोग को सक्रिय रूप से प्रोत्साहित करता है। केवल 58 प्रतिशत कहते हैं कि उनके नेताओं ने स्पष्ट रूप से समझाया है कि AI कंपनी की दिशा से कैसे जुड़ता है — यह पूरे बेंचमार्क में सबसे कम अंक वाला मद है, और प्रोत्साहन वाले मद से 27 अंकों का अंतर। रोज़मर्रा के काम के और करीब, केवल 60 प्रतिशत कहते हैं कि उनका मैनेजर ऐसे उदाहरण साझा करता है कि AI उनके लक्ष्यों में कैसे मदद कर सकता है, और सिस्टम व प्रक्रियाओं का सहारा 64 प्रतिशत पर है (Culture Amp, 2026)।
Culture Amp की VP of People Science एमी लवोई निष्कर्ष उत्पादकता के आंकड़े से निकालती हैं, भावना के आंकड़ों से नहीं: अधिकांश कार्यकारी टीमें "दस में सात कर्मचारी खुद को अधिक उत्पादक महसूस करते हैं" को निवेश पर रिटर्न की तरह पढ़ेंगी, लेकिन काम के बोझ के अंक स्थिर रहते हुए यह एक अनुत्तरित प्रश्न है। उनका तर्क है कि वास्तविक रिटर्न पाने वाले संगठन "वे नहीं होंगे जिनकी अपनाव दर सबसे ऊँची है। वे होंगे जिन्होंने स्पष्ट रूप से तय किया कि लौटे हुए समय के साथ वे क्या करना बंद करेंगे" (Culture Amp, 2026)।
यह वह कार्यबल है जिसने अपना हिस्सा निभा दिया है। जो चीज़ गायब है वह उनके ऊपर बैठी है: इस बारे में एक लिखित निर्णय कि क्या बंद होता है।
उसी रिलीज़ में दूसरा संकेत
एक संलग्न निष्कर्ष सावधानी से संभालने योग्य है। आंतरिक करियर अवसरों के बारे में कर्मचारियों की जानकारी जुलाई 2025 से 10 प्रतिशत अंक गिरी — Culture Amp के बेंचमार्क डेटा में सबसे बड़ा एकवर्षीय बदलाव — जबकि करियर विकास से संतुष्टि 66 प्रतिशत पर बनी रही, जहाँ वह 2021 से है। कर्मचारी उन्हें मिल रहे विकास से कम संतुष्ट नहीं हैं; उन्हें यह कम स्पष्ट है कि आगे क्या है।
चेतावनी मायने रखती है: Culture Amp बताती है कि ये करियर आंकड़े उसके व्यापक एंगेजमेंट बेंचमार्क से आते हैं, जो 1,12,000 कर्मचारियों वाले AI नमूने से बड़ी आबादी है। इन्हें AI समूह पर आरोपित न करें। इन्हें आसपास का मौसम मानिए, वही माप नहीं।
ईमानदार प्रत्युत्तर
तीन सीमाएँ, साफ़ शब्दों में।
यह धारणा है, उत्पादन नहीं। यहाँ का हर आंकड़ा कर्मचारियों द्वारा अपनी अनुभूति की सूचना है। Culture Amp यह स्पष्ट कहती है — बेंचमार्क का हर परिणाम कर्मचारियों का एक समूह है जो आपको बता रहा है कि वह किसी चीज़ के बारे में कैसा महसूस करता है, यह उत्पादन या घंटों का माप नहीं है। सपाट बोझ-अंक इस बात के साथ पूरी तरह संगत है कि क्षमता में वास्तविक बढ़त हुई और लोगों ने उसे बिना ध्यान दिए सोख लिया।
नमूना स्वयं-चयनित है। जो संगठन AI सर्वे कराते हैं, वे परिभाषा से ही उनसे आगे हैं जो नहीं कराते। टेम्पलेट उपयोग करने वाली कंपनियों में उत्तरी अमेरिका का हिस्सा 58 प्रतिशत है, उद्योगों में तकनीक बहुत आगे है, और 1,000 से अधिक कर्मचारियों वाले संगठन उपयोगकर्ताओं का लगभग एक-तिहाई हैं। Culture Amp का ढाँचा सही है: इसे AI में लगे संगठनों का चित्र मानिए, हर नियोक्ता का नहीं। (प्रेस रिलीज़ के मुख्य भाग में एक अनुच्छेद में "123 संगठन" भी लिखा है, जबकि कार्यप्रणाली खंड में 292; उद्धरण कार्यप्रणाली वाले कथन का देना चाहिए।)
वैकल्पिक व्याख्या समय की है, विफलता की नहीं। NBER वर्किंग पेपर 35684 — बाबिना, हे और जियांग — AI से मिली शुरुआती उत्पादकता बढ़त को संगठनात्मक पूंजी के संचय से जोड़ता है, यानी करके-सीखने से बने टिकाऊ, फर्म-विशिष्ट ज्ञान से — न कि औज़ारों या AI कर्मचारियों की संख्या से (NBER, 2026)। पेपर का मुख्य भाग प्रतिबंधित है, इसलिए इसके साथ कोई प्रभाव-आकार नहीं जोड़ा जाना चाहिए। लेकिन दिशा एक उचित प्रत्युत्तर है: सपाट काम के बोझ का एक साल उस प्रक्रिया-ज्ञान को बनाने की लागत हो सकता है जो बाद में भुगतान करता है। बस, यह पाठ केवल उन कंपनियों के लिए उपलब्ध है जो वास्तव में कुछ दर्ज कर रही हैं। 400 अलग-अलग अनुकूलित वर्कफ़्लो और उनमें से किसी का कोई रिकॉर्ड न रखने वाली कंपनी के लिए यह उपलब्ध नहीं है।
तिमाही बंद होने से पहले क्या तय करें
चार कदम। इनमें कोई नया लाइसेंस नहीं है।
- "क्या बंद होगा" की सूची लिखिए — टीम-दर-टीम, नामों के साथ। "मैनुअल काम घटाना" नहीं — बल्कि तीन ठोस आवर्ती आउटपुट जो इस तिमाही के बाद नहीं बनेंगे, और किसने पुष्टि की कि उनकी ज़रूरत नहीं है। अगर सूची में कुछ भी असहज नहीं है, तो सूची सजावटी है।
- वापस मिले घंटों पर दावा करने से पहले उनकी मंज़िल का नाम लिखिए। जिस मुक्त घंटे की मंज़िल का नाम नहीं है, वह सोखा गया घंटा है। प्रति भूमिका एक चुनिए: एक विकास लक्ष्य, एक क्रॉस-टीम प्रोजेक्ट, एक आंतरिक स्थानांतरण, या जानबूझकर रखी गई ढील। "रणनीतिक काम" कोई मंज़िल नहीं है।
- अपने अगले एंगेजमेंट सर्वे में काम के बोझ का एक प्रश्न जोड़िए और उसे AI उपयोग श्रेणी के अनुसार विभाजित कीजिए। आप Culture Amp के निष्कर्ष को अपनी ही कंपनी में एक सर्वे चक्र में दोहरा सकते हैं। अगर आपके सबसे भारी उपयोगकर्ता वही बोझ बताते हैं जो न इस्तेमाल करने वाले बताते हैं, तो आपने पुनः-अवशोषण को सीधे मापा है — अपने डेटा में, अपनी भूमिकाओं के साथ।
- औज़ार को नहीं, भूमिका को मापिए। "क्या बंद करना है" का निर्णय इस दृष्टि की मांग करता है कि प्रत्येक पद वास्तव में क्या योगदान देता है, वापस मिले घंटे कौन-सी दक्षताएँ बना सकते हैं, और मुक्त क्षमता कौन-सा आंतरिक स्थानांतरण संभव बनाती है। यह भूमिका-स्तर का डेटा है, अपनाव का डेटा नहीं। Scovai की परफ़ॉर्मेंस और उत्तराधिकार परत प्रति चक्र दक्षताएँ मापती है और उससे आंतरिक गतिशीलता तथा उत्तराधिकार-तैयारी का नक्शा बनाती है, अगर आप देखना चाहें कि ऐसी माप व्यवस्था व्यवहार में कैसी दिखती है।
बेंचमार्क का असली निष्कर्ष यह नहीं है कि AI काम का बोझ घटाने में विफल रहा। असली निष्कर्ष यह है कि 1,12,000 कर्मचारियों को उत्पादकता की बढ़त दी गई और उनके ऊपर किसी ने यह तय नहीं किया कि वह किसलिए थी।
आपके सबसे भारी AI उपयोगकर्ताओं ने समय पहले ही खोज लिया है। इस तिमाही के लिए बचा एकमात्र प्रश्न यह है: वह समय कहाँ जाएगा, यह आप तय करेंगे या उनका इनबॉक्स।
