2021 से 2025 के बीच लगभग 10,000 अर्निंग्स कॉल में AI पर बोलने वाले अधिकारी एक-समान रूप से आशावादी थे — और उस आशावाद ने उनकी कंपनियों की उत्पादकता के अंतर का कुछ भी स्पष्ट नहीं किया। जो चीज़ उत्पादकता के साथ चलती दिखी, वह वही चर है जिसे कोई बोर्ड स्लाइड पर नहीं रखता: कर्मचारियों की AI-धारणा, जो उन्हीं कंपनियों की उन्हीं वर्षों की लाखों Glassdoor समीक्षाओं से निकाली गई (Ding, Ma, Wu & Yang, SSRN, 2026)।
एक संकेत शोरगुल भरा, मुफ़्त और बेकार है। दूसरा शांत है, अधिकांश मिड-मार्केट कंपनियों में मापा ही नहीं जाता, और उत्पादन से सिद्ध संबंध रखने वाला अकेला संकेत है।
अगर आप अपने AI-रिटर्न का पूर्वानुमान उन्हीं लोगों के आत्मविश्वास से लगा रहे हैं जिन्होंने बजट मंज़ूर किया, तो आप ग़लत मीटर पढ़ रहे हैं।
पिट्सबर्ग पैनल ने असल में क्या मापा
अध्ययन — Tracking Artificial Intelligence Sentiment in the U.S. Labor Market, पिट्सबर्ग की Katz स्कूल और Michigan State के शोधकर्ताओं का 116-पृष्ठ का वर्किंग पेपर — 2021–2025 के लिए चार डेटा स्रोतों से कंपनी-स्तरीय पैनल बनाता है: लाखों Glassdoor कर्मचारी समीक्षाएँ, लगभग 10,000 अर्निंग्स कॉल ट्रांसक्रिप्ट, LinkedIn के व्यक्तिगत करियर प्रोफ़ाइल, और कंपनी-स्तर की नौकरी सूचनाएँ (Ding, Ma, Wu & Yang, SSRN, 2026)।
ऑपरेशंस चलाने वाले किसी भी व्यक्ति के लिए तीन नतीजे मायने रखते हैं।
पहला, कर्मचारी AI को लेकर उतने ही मापने-योग्य ढंग से अधिक नकारात्मक हैं, जितने वे कुल मिलाकर अपने नियोक्ता को लेकर नहीं हैं। यह अंतर विशेष रूप से AI का है। जो समीक्षक कंपनी को अच्छी रेटिंग देता है, वही AI कार्यक्रम को उस आधार-रेखा से नीचे आँकता है — यानी यह सामान्य असंतोष का AI-प्रश्न में रिस जाना नहीं है।
दूसरा, कर्मचारियों की AI-धारणा कंपनी की उत्पादकता के साथ मज़बूत सकारात्मक संबंध दिखाती है। धारणा ऊँची, उत्पादन ऊँचा।
तीसरा, और यह तय करने वाले ऑपरेशंस प्रमुख के लिए सबसे उपयोगी कि मापा क्या जाए: प्रबंधन की AI-धारणा उत्पादकता को स्पष्ट नहीं करती। वह उन कंपनियों में भी एक-समान आशावादी है जिन्होंने आगे अच्छा प्रदर्शन किया और उनमें भी जिन्होंने नहीं किया — और यही उसे संकेत के रूप में बेकार बनाता है। जिस चर में भिन्नता ही न हो, वह कुछ भी नहीं बता सकता।
नेतृत्व के आशावाद के पास देने को भिन्नता क्यों नहीं है
यह दावा नहीं है कि अधिकारी झूठ बोलते हैं। यह इस बारे में है कि अर्निंग्स कॉल की भाषा किस काम आती है।
अर्निंग्स कॉल एक पोज़िशनिंग अभ्यास है जिसके साथ क़ानूनी टीम जुड़ी होती है। जो CEO कहता है "हमारा AI निवेश अभी तक रिटर्न नहीं दे रहा", वह उस वाक्य की तत्काल बाज़ार-क़ीमत चुकाता है। नतीजा एक ऐसा संग्रह है जिसमें लगभग हर कोई आश्वस्त सुनाई देता है — और यही उन अंतरों को मिटा देता है जिनकी ज़रूरत चलते हुए कार्यक्रम को ठप कार्यक्रम से अलग करने में होती।
सर्वेक्षण डेटा वही संकुचन दूसरे कोण से दिखाता है। छह उद्योगों के 1,200 से अधिक कर्मचारियों और व्यावसायिक नेताओं पर आधारित BambooHR के State of the Workforce 2026 में पाया गया कि 81% नेता AI से उत्पादकता वृद्धि की बात करते हैं, जबकि 49% उत्तरदाता कहते हैं कि AI ने कोई ठोस मूल्य नहीं दिया और वह बढ़ा-चढ़ाकर पेश किया गया है (BambooHR, 2026)। ये दोनों आँकड़े एक ही कंपनियों का वर्णन करते हैं। नेतृत्व की परत कोई अलग वास्तविकता देख नहीं रही — वह एक अलग वास्तविकता बता रही है।
ऊपरी पाठ के ऊँचा रहने की एक संरचनात्मक वजह है, और वह अहंकार नहीं है। नेता पायलट का डेमो, वेंडर का बेंचमार्क और समेकित डैशबोर्ड देखते हैं। कर्मचारी दोबारा किया गया काम, सत्यापन का क़दम और वह वर्कफ़्लो देखते हैं जिसे कभी उपकरण के इर्द-गिर्द दोबारा डिज़ाइन किया ही नहीं गया। दोनों AI कार्यक्रम को देख रहे हैं। पर केवल एक उस हिस्से को देख रहा है जहाँ से उत्पादकता आनी थी।
अगर आपका AI बिज़नेस केस इस पर टिका है कि आपकी नेतृत्व टीम कितनी आश्वस्त महसूस करती है, तो वह डेटासेट के उस अकेले चर पर टिका है जिसमें व्याख्या-शक्ति है ही नहीं।
नौकरी की सुरक्षा सबसे बड़ा कारक है — और छँटनी को AI बताना उसका बढ़ाने वाला
पेपर उन कारकों को क्रम देता है जो कर्मचारियों की AI-धारणा को नीचे खींचते हैं। नौकरी की सुरक्षा की चिंता सबसे मज़बूत नकारात्मक कारक है — कमज़ोर प्रशिक्षण, पतले रीस्किलिंग रास्तों, कमज़ोर AI नेतृत्व और इस साधारण संदेह से आगे कि उपकरण काम भी करते हैं या नहीं (Ding, Ma, Wu & Yang, SSRN, 2026)।
फिर आता है वह नतीजा जिसका परिचालन-परिणाम सबसे सीधा है: AI को कारण बताकर की गई छँटनी की घोषणाएँ घोषणा करने वाली कंपनी में कर्मचारियों की AI-धारणा को तेज़ी से गिरा देती हैं — और उन्हीं अपनाने-संबंधी लाभों को निष्प्रभावी कर देती हैं जिन्हें ये कटौतियाँ दर्ज करने वाली थीं। और इन घोषणाओं पर बाज़ार की प्रतिक्रिया अध्ययन की गई आधे से अधिक घटनाओं में नकारात्मक या लगभग शून्य रही।
इसे एक मूल्य-निर्धारण की चूक की तरह पढ़िए। जब कोई कंपनी कटौती को "AI ने इन भूमिकाओं को अनावश्यक बना दिया" कहकर पेश करती है, तो वह एक ऐसी कहानी चुनती है जिसे वह मुफ़्त मानती है। वह मुफ़्त नहीं है। वह उत्पादकता से संबद्ध धारणा-चर में मापने-योग्य गिरावट ख़रीदती है, बदले में एक बाज़ार-प्रतिक्रिया के, जो आधे से ज़्यादा बार आती ही नहीं।
इस निर्णय के दूसरे पहलू पर Forrester का डेटा सुखद नहीं है। 55% नियोक्ता कहते हैं कि उन्हें AI के नाम पर छँटनी करने का पछतावा है, और AI को कारण बताई गई लगभग आधी छँटनियाँ 2026 में चुपचाप पलटने की उम्मीद है — विदेश में या काफ़ी कम वेतन पर दोबारा भर्ती के साथ (HR Executive, Forrester Predictions 2026 पर)। यानी कंपनियों के एक बड़े हिस्से का क्रम यह है: कटौती करो, कटौती को AI बताओ, धारणा की चोट सहो, बाज़ार से कोई श्रेय न पाओ, फिर दोबारा भर्ती करो।
व्यापक तस्वीर बताती है कि उस कटौती का अधिकांश हिस्सा कुल कर्मचारी-गणित से वैसे भी उचित नहीं ठहरता था। फेड का CFO सर्वे पैनल — 603 उत्तर, साथ में 145 पूरक उत्तर, नवंबर 2025 से जनवरी 2026 के बीच एकत्र — 2025 में रोज़गार पर AI का प्रभाव नगण्य और 2026 के लिए कुल मिलाकर अपेक्षित प्रभाव लगभग शून्य पाता है। बदलाव संरचना में है: 2026 में नियमित लिपिकीय काम के हिस्से में 0.76% और 2028 तक 2.19% की अपेक्षित गिरावट, जिसकी आंशिक भरपाई कुशल तकनीकी भूमिकाओं की वृद्धि से होती है (NBER Working Paper 34984, 2026)।
संरचना के बदलाव के लिए घोषणा की ज़रूरत नहीं होती। उसके लिए भर्ती-योजना चाहिए।
प्रतिधारण का वह नतीजा जिसकी कोई क़ीमत नहीं लगाता
पैनल का एक और नतीजा आपके वर्कफ़ोर्स मॉडल में अपनी अलग पंक्ति का हक़दार है: जिन कंपनियों में AI-दक्ष कर्मचारी अधिक हैं, वहाँ छोड़ने की दर ऊँची, भर्ती दर नीची और रोज़गार वृद्धि धीमी है। लेखकों ने स्पष्ट वैकल्पिक व्याख्या जाँची — कोविड के बाद ज़रूरत से ज़्यादा भर्ती करके अब सुधार करने वाली कंपनियाँ — और उन्हें हटाने पर भी नतीजा टिका रहता है, इसलिए यह मुख्यतः "AI-वॉशिंग" का असर नहीं है (Ding, Ma, Wu & Yang, SSRN, 2026)।
इसके साथ ही: AI-दक्ष कर्मियों के लिए बढ़ता वेतन-प्रीमियम और तेज़ ऊर्ध्व गतिशीलता।
दोनों को मिलाइए और मिड-मार्केट का जोखिम बिल्कुल ठोस हो जाता है। जिन लोगों को आपने 2025 में AI में दक्ष बनाया, वे अब उस बाज़ार में अधिक गतिशील हो गए हैं जो उन्हें ज़्यादा भुगतान करता है — और वे उस कंपनी के भीतर हैं जो धीमी गति से भर्ती कर रही है। आपके AI सक्षमता कार्यक्रम के साथ एक प्रतिधारण-बिल नत्थी है, और वह ठीक उसी वरिष्ठता स्तर पर देय होता है जहाँ प्रतिस्थापन सबसे कठिन है।
वह प्रतिवाद जिसे गंभीरता से लेना चाहिए
यह वर्किंग पेपर है, समकक्ष-समीक्षित प्रकाशन नहीं, और इसके केंद्रीय संबंध पर्यवेक्षणात्मक हैं। किसी ने कर्मचारी धारणा को यादृच्छिक रूप से नहीं बाँटा। धारणा और उत्पादकता का संबंध उलटी कार्य-कारणता के अनुरूप भी है — उत्पादक कंपनियाँ काम करने के लिए सुखद जगहें होती हैं, और लोग उनके बारे में बेहतर समीक्षाएँ लिखते हैं — और एक छूटे हुए तीसरे कारक, यानी सक्षम प्रबंधन, के अनुरूप भी, जो दोनों पैदा करता है।
यह आपत्ति सही है, और इससे यह नहीं बदलता कि आपको क्या करना चाहिए।
आपसे यह मानने को नहीं कहा जा रहा कि धारणा सुधारने से उत्पादकता आती है। आपसे यह देखने को कहा जा रहा है कि एक मापने-योग्य चर कंपनी के प्रदर्शन के साथ चलता है और दूसरा नहीं। अग्रगामी संकेतक को उपयोगी होने के लिए कारणात्मक होना ज़रूरी नहीं; उसे सूचनाप्रद और जल्दी उपलब्ध होना चाहिए। कर्मचारियों की AI-धारणा दोनों है। इन प्रमाणों के आधार पर, अधिकारियों की AI-धारणा दोनों में से कुछ भी नहीं।
बचाव-योग्य स्थिति यह नहीं है कि "AI से रिटर्न पाने के लिए हमें मनोबल ठीक करना होगा"। वह यह है: "हम इस समय अपने रिटर्न का पूर्वानुमान एक ऐसे संकेत से लगा रहे हैं जिसकी सिद्ध पूर्वानुमान-क्षमता शून्य है, जबकि वैकल्पिक संकेत जुटाने में लगभग कुछ भी ख़र्च नहीं होता।"
क्या मापें: अग्रगामी संकेतक के रूप में कर्मचारियों की AI-धारणा
AI-धारणा को एंगेजमेंट से अलग मापिए
आपका मौजूदा एंगेजमेंट सर्वे इसे सामने नहीं लाएगा। पिट्सबर्ग के नतीजे का पूरा मुद्दा ही यह है कि AI-धारणा कंपनी के प्रति समग्र धारणा से नीचे रहती है — दोनों को मिला देना उस अंतर को छिपा देता है। जो साधन आप पहले से चला रहे हैं, उसमें AI-विशिष्ट तीन-चार प्रश्न जोड़िए: क्या उपकरण आपके काम को बेहतर बना रहा है, क्या उसे इस्तेमाल करने का प्रशिक्षण आपके पास है, क्या आप समझते हैं कि आपकी भूमिका के लिए इसका क्या अर्थ है। AI-धारणा और समग्र धारणा के बीच के अंतर को एक अलग आँकड़े की तरह ट्रैक कीजिए।
इसे फ़ंक्शन और सेवा-अवधि के हिसाब से बाँटिए, और बिखराव पढ़िए
संगठन-स्तर का औसत ठीक-ठाक दिखेगा और आपको कुछ नहीं बताएगा। संकेत इसमें है कि कौन-सी टीमें नकारात्मक हो चुकी हैं — और छोड़ने की दर वाले नतीजे को देखते हुए, इसमें कि क्या नकारात्मक होने वाले वही लोग हैं जो AI में सबसे दक्ष हैं। यही दो कट रिपोर्ट हैं।
जाँचिए कि इस साल के पुनर्गठन को किस कारण से जोड़ा गया
पिछले बारह महीनों की हर कटौती पर लौटिए और देखिए कि कर्मचारियों को उसका कारण क्या बताया गया। जहाँ AI को कारण बताया गया पर वह असली वजह नहीं थी, वहाँ आपने एक ऐसी कहानी के लिए धारणा की क़ीमत चुकाई जिसने आपको कुछ नहीं दिया। आगे के लिए भाषा सुधारिए: कारण को कारोबारी वजह से जोड़िए, तकनीक से नहीं।
कारकों को महत्व के क्रम में ठीक कीजिए, न कि जिनका बजट आसान हो
नौकरी की सुरक्षा प्रशिक्षण से पहले आती है। अधिकांश सक्षमता-बजट इस क्रम को उलट देते हैं — उपकरणों और प्रॉम्प्ट कार्यशालाओं पर भारी, और इस पर चुप कि वर्कफ़्लो बदलने पर भूमिका का क्या होगा। किसी विशेष काम के लिए AI का क्या अर्थ है और क्या नहीं, इस पर एक स्पष्ट और ठोस वक्तव्य कुछ ख़र्च नहीं करता और सबसे ऊपर के कारक को संबोधित करता है। प्रशिक्षण दूसरे को संबोधित करता है। इसी क्रम में ख़रीदिए।
उसके बाद उपयोग-मामले बढ़ाइए, लाइसेंस की संख्या नहीं
Gallup के 2026 की दूसरी तिमाही के आँकड़े बताते हैं कि उत्पादकता पर सकारात्मक असर बताने वाले कर्मचारियों का हिस्सा एक-दो AI उपयोग-मामलों वालों में 45% से बढ़कर सात या अधिक वालों में 90% हो जाता है (Gallup, 2026)। जब उपकरण सचमुच मदद करता है, तब धारणा सुधरती है। उसे हिलाने वाली चीज़ लागू उपयोग की व्यापकता है, जारी किए गए लाइसेंस नहीं।
आपकी मेज़ पर पड़ा निर्णय
आपके पास पहले से कर्मचारी सर्वे है। आपके पास पहले से तिमाही समीक्षाएँ हैं जिनमें कोई वेंडर बेंचमार्क और नेतृत्व के आत्मविश्वास से बनी AI-प्रगति स्लाइड दिखाता है। बदलाव कोई नई बजट-मद नहीं है — बदलाव यह है कि इन दोनों में से किसे आप प्रमाण मानते हैं।
अगली AI निवेश समीक्षा से पहले कमरे के सामने एक आँकड़ा रखिए: फ़ंक्शन और सेवा-अवधि के हिसाब से बँटी कर्मचारियों की AI-धारणा, और समग्र धारणा से उसका अंतर। अगर वह कमरे में मौजूद किसी की भी अपेक्षा से नीचे निकलता है, तो यह HR को भेजने वाली मनोबल की समस्या नहीं है। यह आपका उत्पादकता पूर्वानुमान है, जो कार्रवाई करने लायक़ समय रहते आ गया है।
