छियानबे प्रतिशत HR नेता अपेक्षा करते हैं कि प्रवेश-स्तर की भूमिकाएँ पाँच वर्षों के भीतर ऐसी नौकरियों में बदल जाएँगी जो AI प्रणालियों का पर्यवेक्षण या प्रबंधन करती हैं। उनमें से छियालीस प्रतिशत संगठन सक्रिय रूप से कोई AI प्रशिक्षण आयोजित ही नहीं कर रहे (Pearson & Cognizant, AI Workforce Pulse, 2026)। इन दो आँकड़ों को अगल-बगल रखिए और आपको इस वर्ष प्रकाशित प्रवेश-स्तर AI पर्यवेक्षण समस्या का सबसे स्पष्ट कथन मिल जाता है: नौकरी किस दिशा में जा रही है, इस पर लगभग सार्वभौमिक सहमति, और कंपनी इस यात्रा को वित्तपोषित कर रही है या नहीं, इसकी सिक्का-उछाल जैसी संभावना।
यह अंतर पूर्वानुमान की त्रुटि नहीं है। यह अभी, स्वतः ही, उन कंपनियों में लिया जा रहा एक बजट निर्णय है जिन्होंने इसे कभी नाम तक नहीं दिया। Pearson और Cognizant ने अमेरिका, ब्रिटेन और भारत में 1,000 से अधिक कर्मचारियों वाले संगठनों में निदेशक-स्तर और उससे ऊपर के 750 HR नेताओं का सर्वेक्षण किया, जिसका क्षेत्र-कार्य 2026 के वसंत में हुआ और प्रकाशन 18 जून को। जिस निष्कर्ष को एक Head of Operations को बजट के बीच में रोक देना चाहिए वह यह नहीं है कि AI प्रवेश-स्तर के काम के पीछे आ रहा है — बल्कि यह कि कार्यबल के आँकड़ों के सबसे निकट के लोग पहले से ही जानते हैं कि प्रवेश-स्तर की भूमिका किसी कठिन चीज़ में बदल रही है, और उनमें से अधिकांश नए कर्मचारी को उस भूमिका में बिना नक्शे के भेज रहे हैं।
सुर्खी "नौकरियाँ गायब होती हैं" नहीं है। यह "नौकरियाँ बदलती हैं — बिना वित्तपोषण के" है
प्रवेश-स्तर के काम के बारे में 2026 का प्रमुख आख्यान लोप है। इसके पीछे के आँकड़े वास्तविक हैं: SignalFire की State of Tech Talent रिपोर्ट में पाया गया कि बड़ी टेक कंपनियों में नए स्नातकों की भर्ती महामारी से पहले की कुल भर्तियों के 15% से घटकर लगभग 7% रह गई, और नए स्नातकों के भूमिका में प्रवेश 2019 से लगभग 50% गिर गए (SignalFire, State of Tech Talent, 2025)। यदि यही एकमात्र कहानी है जो आपने सुनी है, तो रणनीतिक निष्कर्ष निराशाजनक और निष्क्रिय है: जूनियर भर्ती करना बंद करें, इसके बीतने का इंतज़ार करें।
Pearson और Cognizant एक भिन्न और अधिक क्रियान्वयन-योग्य कहानी सुनाते हैं। उनके आँकड़े कहते हैं कि प्रवेश-स्तर का काम आवश्यक बना हुआ है — 94% HR नेता अपेक्षा करते हैं कि AI ऐसी नई प्रवेश-स्तर भूमिकाएँ उत्पन्न करेगा जो पहले मौजूद नहीं थीं, और 96% अपेक्षा करते हैं कि आज की प्रवेश-स्तर भूमिकाएँ पाँच वर्षों में AI-पर्यवेक्षण भूमिकाएँ बन जाएँगी (Pearson & Cognizant, AI Workforce Pulse, 2026)। जूनियर नौकरी लुप्त नहीं हो रही। उसे फिर से लिखा जा रहा है — कार्य करने से उस प्रणाली को निर्देशित करने और जाँचने तक जो कार्य करती है। यह संज्ञानात्मक माँग में एक पदोन्नति है जो प्रवेश-स्तर भूमिका का वेतन-बैंड पहने हुए है।
और यहाँ परिचालन चुभन है: इन्हीं नेताओं में से 60% मानते हैं कि उनके सीखने-और-विकास कार्यक्रम इस बदलाव के साथ कदम नहीं मिला पा रहे, और 46% सक्रिय रूप से कोई AI प्रशिक्षण आयोजित नहीं कर रहे — जबकि 91% बताते हैं कि पिछले वर्ष कर्मचारियों के AI प्रशिक्षण के अनुरोध बढ़े हैं। माँग का संकेत प्रबल है, आपूर्ति की प्रतिक्रिया लगभग आधे बाज़ार में अनुपस्थित है। यही एक पंक्ति में 96% / 46% तैयारी का अंतर है: भूमिका बदल रही है चाहे आप इसे वित्तपोषित करें या न करें, और इस समय सामान्य कंपनी इसे वित्तपोषित नहीं कर रही।
रूपांतरण "बस AI जोड़ दो" से कठिन क्यों है
"AI का पर्यवेक्षण करना" को उस काम से हल्का मानना आकर्षक है जिसकी वह जगह लेता है। यह उल्टा है। किसी AI प्रणाली का पर्यवेक्षण करने का अर्थ है उन त्रुटियों को पकड़ना जो वह आत्मविश्वास से करती है, यह जानना कि उसका आउटपुट कब प्रशंसनीय पर ग़लत है, और उस निर्णय की ज़िम्मेदारी लेना जिसकी मॉडल केवल सिफ़ारिश कर सकता है। यह निर्णय-क्षमता का काम है, और निर्णय-क्षमता ठीक वही है जिसे एक 22-वर्षीय किसी और के काम की जाँच के लिए भरोसे योग्य माने जाने से पहले, कार्य को दो वर्ष तक करके धीरे-धीरे बनाता था।
करना हटा दीजिए, और आपने वह प्रशिक्षुता हटा दी जो उस निर्णय-क्षमता को उत्पन्न करती थी। Cognizant के व्यापक शोध में पाया गया कि AI आज 93% नौकरियों को प्रभावित कर सकता है (Cognizant, New Work, New World, 2026), जिसका अर्थ है कि यह तकनीकी क्षेत्र की कोई संकीर्ण समस्या नहीं है — यह एक साथ ऑपरेशन, वित्त, विपणन और सहायता कार्यों में पहुँच रहा है। 2027 के प्रवेश-स्तर के कर्मचारी से उन क्षेत्रों में प्रणालियों का पर्यवेक्षण करने को कहा जाएगा जहाँ उसने अंतर्निहित काम कभी स्वयं नहीं किया। जानबूझकर प्रशिक्षण के बिना, आप कोई पर्यवेक्षण भूमिका नहीं भर रहे। आप एक ऐसी प्रणाली पर एक अयोग्य निरीक्षक बैठा रहे हैं जो सूक्ष्म तरीकों से विफल होती है, और इसे लागत-बचत कह रहे हैं।
Pearson के आँकड़े पुष्टि करते हैं कि HR नेता ठीक यही देखते हैं: 97% अब कहते हैं कि सॉफ्ट स्किल्स — अनुकूलनशीलता, निर्णय-क्षमता, संप्रेषण — पहले से कहीं अधिक मायने रखते हैं, 69% संकीर्ण विशेषज्ञता के बजाय व्यापक, अंतर-विषयक पृष्ठभूमि को महत्व देते हैं, और 67% बताते हैं कि वे पहले की तुलना में मानविकी की डिग्रियों को अधिक महत्व देते हैं। बाज़ार आपको बता रहा है कि AI-पर्यवेक्षण भूमिका पुराने "किसी परिभाषित कार्य के तेज़ निष्पादक" से भिन्न प्रोफ़ाइल को पुरस्कृत करती है। अधिकांश नौकरी-विवरण इसे प्रतिबिंबित करने के लिए फिर से नहीं लिखे गए।
मध्य-बाज़ार का जाल: आप उस परत को काट रहे हैं जिसके पास प्रवेश-स्तर AI पर्यवेक्षण है
200-कर्मचारी वाली कंपनी के लिए अध्ययन में दफ़न एक दूसरी, अधिक तीखी समस्या है। 90% से अधिक HR नेता कहते हैं कि जैसे-जैसे AI दैनिक काम बदलता है, भूमिकाओं को फिर से परिभाषित करने में मध्य प्रबंधक अनिवार्य हैं (Pearson & Cognizant, AI Workforce Pulse, 2026)। मध्य प्रबंधन वह तंत्र है जिससे एक अमूर्त "भूमिका बदल रही है" एक ठोस "अब आप यह करते हैं, मैं इसे ऐसे जाँचूँगा, अच्छा काम ऐसा दिखता है" बन जाता है।
अब पिछले 18 महीनों की मध्य-बाज़ार की प्रमुख AI रणनीति को इसके ऊपर रखिए: संगठन को सपाट करो, प्रबंधक परत काटो, बचत से AI उपकरण वित्तपोषित करो। जाल स्वयं लिख जाता है। भूमिका रूपांतरण आ जाता है (96%), उसे संभालने वाला प्रशिक्षण अवित्तपोषित रहता है (46% कुछ नहीं), और जिस परत को नए कर्मचारी के लिए बदलाव का अनुवाद करना था उसे उसी AI के भुगतान के लिए समाप्त कर दिया गया जिसने बदलाव को जन्म दिया। आपने बिना पाठ्यक्रम और बिना पर्यवेक्षक के पर्यवेक्षक के एक प्रवेश-स्तर AI पर्यवेक्षण भूमिका बना दी। यह एक दुबला संगठन नहीं है। यह एक स्टाफ-लाइन वाला जवाबदेही-शून्य स्थान है।
बड़े उद्यम इसे कुछ समय तक सोख सकते हैं — उनके पास L&D विभाग, योग्यता ढाँचे और कवरेज सुधारने को पर्याप्त बचे हुए प्रबंधक होते हैं। 200-व्यक्ति का संचालन नहीं सोख सकता। यदि आप अपनी प्रबंधक परत काटते हैं और प्रशिक्षण बजट छोड़ देते हैं, तो कोई संस्थागत जाल नहीं है। नया कर्मचारी वास्तविक काम पर विफल होकर सीखता है, विफलताएँ उन गुणवत्ता समस्याओं के रूप में उभरती हैं जिन्हें AI को रोकना था, और पूरे AI निवेश का उत्पादकता तर्क चुपचाप उलट जाता है।
प्रति-तर्क: "हम बस उन लोगों को भर्ती कर लेंगे जो पहले से AI में दक्ष हैं"
लागत के प्रति सजग संचालक की उचित आपत्ति है: प्रशिक्षण वित्तपोषित ही क्यों करें? प्रवेश पर AI दक्षता के लिए भर्ती करो, साक्षात्कार में जाँचो, श्रम बाज़ार को कौशल उत्पन्न करने दो। यह एक वास्तविक रुख है और यह खारिज किए जाने के बजाय एक सीधे उत्तर का हकदार है।
यह दो बिंदुओं पर विफल होता है। पहला, भूमिका वास्तव में जिस कौशल की माँग करती है वह "चैटबॉट से प्रश्न पूछ सकना" नहीं है — यह मॉडल अनिश्चितता के अंतर्गत निर्णय-क्षमता है, यह जानने की क्षमता कि आत्मविश्वासी उत्तर कब ग़लत है। यह किसी बायोडाटा या 45-मिनट के साक्षात्कार में विश्वसनीय रूप से दिखाई नहीं देता, और जिन उम्मीदवारों के पास यह वास्तव में है वे ठीक वही हैं जिनके लिए अब हर कंपनी बोली लगा रही है। दूसरा, Pearson के आँकड़े स्वयं इस छलनी को कमज़ोर करते हैं: जब 97% नेता सॉफ्ट स्किल्स और अनुकूलनशीलता को निर्णायक गुण मानते हैं, तो आप अब किसी उपकरण-सूची के लिए भर्ती नहीं कर रहे — आप एक संज्ञानात्मक प्रोफ़ाइल के लिए भर्ती कर रहे हैं और फिर उसके ऊपर क्षेत्र-निर्णय-क्षमता विकसित कर रहे हैं। भर्ती-करो-प्रशिक्षण-मत-दो रणनीति एक तैयार उत्पाद मान लेती है जिसे बाज़ार उस मात्रा या मूल्य पर उत्पन्न नहीं कर रहा जिसे मध्य-बाज़ार जीत सके।
ईमानदार संश्लेषण: आप न तो पूरी तरह खरीदकर बच सकते हैं, न पूरी तरह प्रशिक्षण देकर। जो काम करता है वह एक सुविचारित विभाजन है — उस गुण के लिए चयन करें जो अच्छे से प्रशिक्षित नहीं होता (अनुकूलनशीलता, निर्णय-क्षमता, सीखने की गति), फिर उन AI-विशिष्ट कौशलों के लिए प्रशिक्षण वित्तपोषित करें जो प्रशिक्षित होते हैं। जो कंपनियाँ इसे विशुद्ध भर्ती समस्या या विशुद्ध प्रशिक्षण समस्या मानती हैं वे दोनों उनसे पीछे रहेंगी जो नाम देती हैं कि कौन-सा कौन-सा है।
एकीकरण वास्तव में क्या देता है — और अंतर को खुला छोड़ना महँगा क्यों है
यही कारण है कि यह एक बजट लड़ाई के योग्य है, फुटनोट के नहीं: जब AI वास्तव में काम में एकीकृत होता है, और व्यक्ति उसे निर्देशित करने के लिए सुसज्जित होता है, तो प्रतिफल सीमांत नहीं होते। ज्ञान-कर्मियों पर Harvard Business School–BCG के क्षेत्र-प्रयोग में पाया गया कि जो AI का अच्छा उपयोग करते थे वे कार्य लगभग 25% तेज़ी से पूरे करते थे और नियंत्रण समूह की तुलना में गुणवत्ता में लगभग 40% अधिक आँका गया काम उत्पन्न करते थे (Harvard Business School & BCG, 2023)। वह वृद्धि तैयारी के अंतर की दूसरी ओर का पुरस्कार है — और यह केवल तभी साकार होती है जब प्रणाली चलाने वाला व्यक्ति जानता है कि वह क्या कर रहा है। एक अप्रशिक्षित पर्यवेक्षक 40% गुणवत्ता वृद्धि नहीं बटोरता; वह मॉडल की त्रुटियों को पैमाने पर बटोरता है।
तो जो 46% कोई प्रशिक्षण वित्तपोषित नहीं करते वे उन 54% से अधिक दुबला संचालन नहीं चला रहे जो करते हैं। वे AI क्षमता के लिए पूरी कीमत चुका रहे हैं और उस गुणक को त्याग रहे हैं जो उस क्षमता को लाभकारी बनाता है। प्रशिक्षण की पंक्ति AI निवेश पर कोई ऊपरी खर्च नहीं है। यह वह रूपांतरण तंत्र है जो AI निवेश को देयता के बजाय प्रतिफल में बदलता है।
इस तिमाही का निर्णय
आप इस तिमाही में पाँच-वर्षीय कार्यबल बदलाव को बंद नहीं करेंगे। आप एक काम कर सकते हैं जो आपको सही पक्ष पर रखता है। अपनी अगली खुली प्रवेश-स्तर रिक्ति लें — वह जो पुराने "इन परिभाषित कार्यों को निष्पादित करो" नौकरी-विवरण पर लिखी है — और इसे पोस्ट होने से पहले फिर से लिखें। दो बदलाव: उपकरण-सूचियों के बजाय अनुकूलनशीलता और अनिश्चितता के अंतर्गत निर्णय-क्षमता के लिए स्पष्ट रूप से चयन करें, और भूमिका के साथ एक नामित, वित्तपोषित AI-प्रशिक्षण मार्ग जोड़ें, ताकि नया कर्मचारी एक पर्यवेक्षक के रूप में गढ़ा जाए, उसमें छोड़ न दिया जाए।
यही वह चाल है जिसे 96% आते देख रहे हैं और जिसे 46% नहीं चल रहे। प्रवेश-स्तर AI पर्यवेक्षण भूमिका आपके संगठन-चार्ट पर आ रही है चाहे आप तैयार हों या न हों। एकमात्र खुला प्रश्न यह है कि जिस व्यक्ति को आप अगली तिमाही उसमें रखेंगे वह नक्शे के साथ अंदर आएगा — या वह पहली विफलता बन जाएगा जिसका उपयोग आप उस प्रशिक्षण बजट को उचित ठहराने में करेंगे जिसे आपको आज ही वित्तपोषित करना चाहिए था।
