जनरेटिव AI से सर्वाधिक प्रभावित पाँचवें हिस्से के व्यवसायों में, ChatGPT के बाद मास्टर्स डिग्रीधारकों की भर्ती सबसे कम प्रभावित पाँचवें हिस्से की तुलना में लगभग 10% गिर गई — और यह पूरी गिरावट उन उम्मीदवारों पर पड़ी है जिनके पास पहले से कार्य-अनुभव था। पहली बार नौकरी के बाज़ार में उतरने वालों पर कोई असर नहीं पड़ा (Cortés, Dellarocas & Wang, SSRN, 2026)।
यही विषमता असली निष्कर्ष है। और यही वह हिस्सा है जो किसी भी भर्ती-फ़नल चलाने वाले को चिंतित करना चाहिए, क्योंकि इसका अर्थ है कि बाज़ार ने स्नातकोत्तर डिग्रियों पर भरोसा करना बंद नहीं किया। उसने उन्हें देखना बंद किया — ठीक उन्हीं भूमिकाओं में जिन्हें आप ऑटोमेट कर रहे हैं, और ठीक उन्हीं उम्मीदवारों के लिए जिन्हें आप सबसे ज़्यादा भर्ती करते हैं।
इस बीच आपूर्ति बढ़ती रही। अमेरिकी विश्वविद्यालयों ने 2025 के बैच को लगभग 949,000 मास्टर्स डिग्रियाँ दीं, जबकि 2018 में यह संख्या 815,000 थी — हर एक वर्ष में वृद्धि, जनरेटिव AI के आगमन के दौर से गुज़रते हुए भी (Dellarocas, The Credential Crisis, 2026)। नियोक्ताओं के पास डिग्रीधारी उम्मीदवारों की कमी नहीं पड़ी। उन्होंने उन्हें छोड़ना शुरू कर दिया।
Boston University के अध्ययन ने वास्तव में क्या मापा
Patricia Cortés, Chrysanthos Dellarocas और Qi Wang ने 2018 से 2025 के बीच अमेरिका में 10 करोड़ से अधिक नौकरी-परिवर्तनों का विश्लेषण किया, Revelio Labs के उस डेटा से जो सार्वजनिक पेशेवर प्रोफ़ाइलों से रोज़गार-इतिहास पुनर्निर्मित करता है। यहाँ शोध-रचना निर्णायक है: यह देखता है कि नियोक्ताओं ने वास्तव में किसे भर्ती किया, न कि उनके विज्ञापनों ने क्या माँगने का दावा किया (Cortés, Dellarocas & Wang, SSRN, 2026)।
व्यवसायों को "GPTs are GPTs" एक्सपोज़र इंडेक्स से क्रमबद्ध किया गया — OpenAI और University of Pennsylvania के शोधकर्ताओं द्वारा बनाया गया वह पैमाना जो हर व्यवसाय को इस आधार पर अंक देता है कि उसके प्रलेखित कार्यों का कितना हिस्सा एक AI सहायक समान गुणवत्ता के साथ कम-से-कम दोगुनी गति से कर सकता है (Eloundou et al., 2023)। महत्वपूर्ण बात: यह अंक उसी दिन तय कर दिया गया जिस दिन तकनीक आई, इससे पहले कि नियोक्ताओं को प्रतिक्रिया करने का समय मिलता।
फिर टीम ने उच्चतम और निम्नतम एक्सपोज़र क्विंटाइल की वर्ष-दर-वर्ष तुलना की — उन प्रवेश-स्तरीय पदों पर जहाँ मास्टर्स एक वास्तविक विकल्प है, कानूनी अनिवार्यता नहीं: लेखाकार, बाज़ार-अनुसंधान विश्लेषक, बिज़नेस इंटेलिजेंस विश्लेषक, विधिक सहायक, लेखक।
2022 से पहले के चार वर्षों तक दोनों समूह एक साथ चले। फिर रेखाएँ अलग हो गईं — पहले धीरे, फिर तेज़ी से, और तब से हर साल यह अंतर बढ़ता जा रहा है।
तीन विवरण इस तस्वीर को काफ़ी स्पष्ट करते हैं।
गिरावट ग़ैर-STEM डिग्रियों में, विशेषकर बिज़नेस मास्टर्स में केंद्रित है — यानी उन कार्यक्रमों में जो संश्लेषण, विश्लेषण, पूर्वानुमान और पेशेवर लेखन प्रमाणित करते हैं। STEM मास्टर्स की भर्ती में कोई बदलाव नहीं आया। जिन कौशलों का अवमूल्यन हुआ, वे ठीक वही हैं जिन्हें एक भाषा मॉडल दक्षता से करता है।
गिरावट उन्हीं कंपनियों में सबसे तेज़ है जहाँ Census डेटा पुष्टि करता है कि AI वास्तव में तैनात है। डेटा जितनी अनुमति देता है, यह तंत्र-परीक्षण के सबसे निकट है, और यह सही दिशा में इशारा करता है।
और यह आपूर्ति की कमी नहीं हो सकती, क्योंकि अध्ययन-अवधि के हर वर्ष में आपूर्ति बढ़ी।
एक डिग्री, दो संकेत — और AI ने यह गठजोड़ तोड़ दिया
अनुभवी बनाम नवप्रवेशी का यह विभाजन तब तक अजीब लगता है जब तक आप डिग्री को एक ही चीज़ मानना बंद नहीं करते।
मास्टर्स दो अलग-अलग सूचनाएँ ले जाती है। पहली है प्रमाणन: यह व्यक्ति पूर्वानुमान बना सकता है, विश्लेषण की संरचना कर सकता है, रिपोर्ट लिख सकता है। दूसरी है सामान्य क्षमता का संकेत: यह व्यक्ति एक कठिन कार्यक्रम में गया, टिका रहा और उसे पूरा किया — बुद्धि, दृढ़ता, काम पूरा करने की क्षमता। 1973 में Michael Spence द्वारा श्रम-बाज़ार संकेत सिद्धांत को औपचारिक रूप देने के बाद से अर्थशास्त्री इन दोनों को जुड़ा हुआ मानते आए हैं।
जनरेटिव AI वह सब्बल है जो इन्हें अलग करता है। जब कोई मॉडल विश्लेषण का सक्षम पहला मसौदा तैयार कर देता है, तो प्रमाणन-घटक का मूल्य घट जाता है — कौशल अब भी वास्तविक हैं, बस दुर्लभ नहीं रहे। संकेत-घटक अछूता रहता है।
अब विषमता सुलझ जाती है। खाली रिज़्यूमे वाले 24 वर्षीय उम्मीदवार का आकलन करते समय नियोक्ता के पास पढ़ने को और कुछ नहीं होता, इसलिए डिग्री अपना पूरा भार बनाए रखती है। अनुभवी उम्मीदवार का आकलन करते समय उसके पास कुछ बेहतर होता है: कार्य-इतिहास, वितरित परिणामों का रिकॉर्ड। जैसे ही यह विकल्प मौजूद होता है, डिग्री का मूल्यांकन मुख्यतः उस कौशल-प्रमाणन के लिए होता है जिसे AI ने अभी छूट दी है — और निर्णय में उसका भार गिर जाता है (Dellarocas, The Credential Crisis, 2026)।
डिग्री ख़त्म नहीं हुई। उसका बंडल खुल गया। और बाज़ार पहले ही उसके घटकों की अलग-अलग क़ीमत लगाने लगा है।
आपकी मूल्यांकन-तालिका लगभग निश्चित रूप से उन्हें अब भी एक ही मानकर आँक रही है।
आपका भर्ती-फ़नल स्नातकोत्तर डिग्रियों का दाम अब भी ज़्यादा क्यों लगा रहा है
यहीं यह श्रम-अर्थशास्त्र का एक दिलचस्प निष्कर्ष होना बंद करके एक परिचालन समस्या बन जाता है।
मध्यम आकार की अधिकांश कंपनियों की भर्ती प्रक्रियाएँ स्नातकोत्तर डिग्रियों को तीन जगहों पर संरचनात्मक बढ़त देती हैं, और जब तक आप विशेष रूप से जाँच न करें, तीनों अदृश्य रहती हैं।
स्क्रीनिंग। विज्ञापन में "मास्टर्स वरीयता", या भर्तीकर्ता की वह मानसिक शॉर्टकट जो इसे फ़नल के शीर्ष पर निर्णायक कसौटी बना देती है।
मूल्यांकन-तालिका। स्कोरकार्ड में एक स्पष्ट अंक या श्रेणी, जो एक-समान लागू होती है — भले ही उम्मीदवार के दस वर्ष का प्रासंगिक कार्य-अनुभव उसी रिज़्यूमे में ठीक ऊपर लिखा हो।
ऑफ़र। वरिष्ठता और शिक्षा की वह मैट्रिक्स जो डिग्री पर प्रीमियम देती है — एक ऐसा प्रीमियम जिसे, इन साक्ष्यों के अनुसार, व्यापक बाज़ार आपकी सर्वाधिक AI-प्रभावित भूमिकाओं में चुपचाप वापस ले रहा है।
इनमें से हर एक प्रमाणन-घटक पर लगाया गया छोटा दाँव है। वित्त, एनालिटिक्स, मार्केटिंग ऑपरेशंस और आंतरिक रिपोर्टिंग में — मध्यम बाज़ार के वे कार्यक्षेत्र जिनके एक्सपोज़र अंक सबसे ऊँचे हैं — आप एक ऐसे संकेत की पूरी क़ीमत चुका रहे हैं जिसकी सूचना-सामग्री मापनीय रूप से घट चुकी है।
अधिक तीखा रूप: AI-प्रभावित भूमिका में किसी अनुभवी उम्मीदवार के लिए डिग्री अब काफ़ी हद तक उस सूचना की पुनरावृत्ति है जो आपके पास पहले से है। उसका कार्य-इतिहास आपके पास है। डिग्री का बचा हुआ एकमात्र विशिष्ट योगदान सामान्य-क्षमता संकेत है, और उसके लिए आप कौशल-प्रीमियम चुका रहे हैं।
फ़िल्टर हटाना और उसे प्रतिस्थापित करना एक बात नहीं है
स्पष्ट कदम यह है कि डिग्री की शर्त हटा दी जाए। साक्ष्य कहते हैं कि अकेले इससे लगभग कुछ भी हासिल नहीं होता।
Burning Glass Institute और Harvard Business School ने बड़ी कंपनियों की 11,300 भूमिकाओं का अध्ययन डिग्री-शर्तें हटने से पहले और बाद में किया। लगभग 40% कंपनियों ने ये शर्तें हटाईं। परिणाम: सालाना लगभग 7.7 करोड़ भर्तियों में से मात्र 97,000 अतिरिक्त कौशल-आधारित भर्तियाँ — 700 में 1 से भी कम। और वास्तविक बदलाव का लगभग पूरा हिस्सा उन्हीं 37% कंपनियों से आया जिन्होंने काग़ज़ पर किया बदलाव सचमुच लागू किया (Burning Glass Institute & Harvard Business School, 2024)।
फ़िल्टर हटाने से निर्णय-नियम नहीं बनता। उससे रिक्तता बनती है, और वह रिक्तता उसी मानसिक शॉर्टकट से भर जाती है, जो अब अनौपचारिक रूप से काम करने लगती है।
जो उसकी जगह लेगा, वह मापा हुआ होना चाहिए। उपलब्ध सबसे मज़बूत मेटा-विश्लेषणात्मक साक्ष्य के अनुसार संरचित साक्षात्कार कार्य-प्रदर्शन की भविष्यवाणी में r = .42 पर हैं, जबकि असंरचित साक्षात्कार r = .19 पर — किसी भर्ती टीम के लिए उपलब्ध सबसे बड़ा वैधता-अंतर, और इसकी क़ीमत अनुशासन के अलावा कुछ नहीं (Sackett, Zhang, Berry & Lievens, Journal of Applied Psychology, 2022)।
Boston University का निष्कर्ष यही प्रतिस्थापन सुझाता है: डिग्री-अंधी भर्ती नहीं, बल्कि ऐसी भर्ती जिसमें डिग्री का भार सही किया गया हो, और जो भार पहले डिप्लोमा उठाता था उसे अब एक सत्यापित क्षमता-माप उठाए।
यह तर्क कहाँ ग़लत हो सकता है
मैं दशमलव के आधार पर कार्रवाई नहीं करूँगी। मैं दिशा के आधार पर करूँगी। यह अंतर स्पष्ट रखना ज़रूरी है।
यह SSRN का एक कार्य-पत्र है, अभी सहकर्मी-समीक्षित नहीं। पूर्व-प्रवृत्ति साफ़ है और शोध-रचना सावधान है, पर समीक्षा के दौरान प्रभाव का परिमाण बदल सकता है।
साथ ही, एक्सपोज़र प्रतिस्थापन नहीं है। ऊँचा इंडेक्स अंक इतना कहता है कि किसी भूमिका के प्रलेखित कार्य उस दायरे से मेल खाते हैं जो मॉडल कर सकता है — यह नहीं कि मॉडल ने उन्हें किया। यह तकनीकी व्यवहार्यता का माप है, एक ही समय-बिंदु पर तय।
और प्रोफ़ाइल-आधारित डेटा में चयन-पूर्वाग्रह होता है। Revelio सार्वजनिक पेशेवर प्रोफ़ाइलों से इतिहास पुनर्निर्मित करता है, और कौन ऐसी प्रोफ़ाइल रखता है और कितनी पूर्णता से — यह यादृच्छिक नहीं है। यह डिग्रियों और व्यवसाय दोनों से इस तरह सहसंबंधित हो सकता है जिसे शोध-रचना पूरी तरह सोख नहीं पाती।
अब वह हिस्सा जो हर हाल में टिकता है। चार साल तक स्थिर चली डिग्री-प्रीमियम ठीक उसी क्षण अलग हुई जब एक सामान्य-प्रयोजन टेक्स्ट मॉडल आया — उन्हीं व्यवसायों में जिन्हें वह मॉडल अच्छी तरह संभालता है, और ठीक उन्हीं उम्मीदवारों के लिए जिनके बारे में नियोक्ताओं के पास पहले से बेहतर साक्ष्य है। प्रभाव को आधा कर दीजिए, परिचालन निष्कर्ष फिर भी वही रहता है।
50–500 कर्मचारियों वाली कंपनी में क्या बदलता है
यह प्रक्रिया का बदलाव है, ख़र्च नहीं। यह एक तिमाही में समा जाता है और आपकी अपनी स्वीकृति के अलावा किसी अनुमोदन की ज़रूरत नहीं।
जाँचिए कि डिग्री अब भी कहाँ भार रखती है। उच्च AI-एक्सपोज़र वाली भूमिकाओं के लिए अपनी खुली रिक्तियाँ और स्कोरकार्ड निकालिए — वित्त, एनालिटिक्स, मार्केटिंग ऑप्स, आंतरिक रिपोर्टिंग, तकनीकी लेखन। हर वह जगह ढूँढ़िए जहाँ स्नातकोत्तर डिग्री स्क्रीनिंग में बढ़त, स्कोरकार्ड में अंक या वेतन-श्रेणी दिलाती है। अधिकांश परिचालन प्रमुखों ने इन्हें कभी एक जगह सूचीबद्ध नहीं किया और उनकी संख्या देखकर चौंकते हैं।
नियम को उम्मीदवार की अवस्था के अनुसार बाँटिए। शोध इसका समर्थन करता है कि पहली नौकरी वालों के लिए डिग्री का भार बनाए रखें, जहाँ पढ़ने को और कुछ ख़ास नहीं है, और अनुभवी भर्तियों में उसे स्पष्ट रूप से घटाएँ, जहाँ बेहतर संकेत आपके पास पहले से है। दोनों अवस्थाओं के लिए एक ही नियम अब प्रमाणित रूप से किसी न किसी दिशा में ग़लत है।
खाई खोलने से पहले उसमें एक मापा हुआ उपकरण रखिए। निश्चित प्रश्न-समूह और आधारित रेटिंग-स्केल वाला संरचित साक्षात्कार, या वास्तविक काम से बना अंकित कार्य-नमूना। इसके बिना फ़िल्टर हटाना ही 700-में-1 वाला परिणाम है (Burning Glass Institute & Harvard Business School, 2024)।
इस समस्या के आंतरिक रूप पर एक टिप्पणी
यही तर्क भीतर की ओर भी चलता है। यदि आपके पदोन्नति-मानदंड या हाई-पोटेंशियल कार्यक्रम स्नातकोत्तर डिग्री पर अंक देते हैं, तो आप एक क्षयशील संकेत को उन लोगों पर लागू कर रहे हैं जिनका पूरा कार्य-इतिहास पहले से आपके पास है — यानी वह समूह जहाँ उसका सूचना-मूल्य सबसे कम है। इसे ठीक करने की यह सबसे सस्ती जगह है, और किसी की सूची में आने की संभावना सबसे कम।
इस तिमाही का एक निर्णय
अपनी सबसे AI-प्रभावित खुली भूमिका का स्कोरकार्ड खोलिए और वह पंक्ति ढूँढ़िए जहाँ मास्टर्स डिग्री अंक अर्जित करती है। फिर एक प्रश्न का उत्तर दीजिए: वह पंक्ति मुझे ऐसा क्या बताती है जो इस उम्मीदवार के पिछले तीन वर्षों का काम नहीं बताता?
यदि आप इसका उत्तर एक वाक्य में नहीं दे सकते, तो आप क्षमता के आधार पर छँटनी नहीं कर रहे। आप उस सूचना के लिए प्रीमियम चुका रहे हैं जिसका दाम बाज़ार पहले ही नए सिरे से लगा चुका है — और Boston University का डेटा कहता है कि AI-प्रभावित भूमिकाओं में स्नातकोत्तर डिग्रियों पर यह छूट हर साल बढ़ रही है।
डिग्री ने अर्थ रखना बंद नहीं किया। उसने वह अर्थ रखना बंद किया जो आपकी मूल्यांकन-तालिका उसे देती है।
