AI आणि AR च्या युगात कौशल्यांचे भविष्य: प्रगतीची वाट की असमानतेचा अडथळा?

Image Source: Getty

आर्टिफिशियल इंटेलिजन्स (AI) आणि ऑगमेंटेड रिॲलिटीमुळे (AR) जगभरातील लोक कसे शिकतात आणि काम करतात ह्यात वेगाने बदल होत आहे. ॲडॉप्टिव्ह लर्निंग सॉफ्टवेअरपासून इमर्सिव्ह ट्रेनिंग सिम्युलेशन्सपर्यंत, हे तंत्रज्ञान शिक्षणाचे लोकशाहीकरण करण्याचे आणि मोठ्या प्रमाणात कामकाजी लोकांचे कौशल्य वाढविण्याचे आश्वासन देत आहे. त्याचवेळी, प्रगत अर्थव्यवस्था आणि विकसनशील अर्थव्यवस्थेमधील, अगदी वर्ग आणि कंपन्यांमधील अत्याधुनिक साधनांचा वापर करणाऱ्यांमध्ये आणि नसलेल्या लोकांमध्ये दरी अधिक खोल होण्याबद्दल चिंता व्यक्त केली जात आहे. जगातील सर्वात मोठं आणि तरुण मनुष्यबळ असलेल्या भारतासाठी, या तंत्रज्ञानामुळे निर्माण होणाऱ्या संधी आणि आव्हानांना समजून घेणं अत्यंत महत्त्वाचं आहे. 

AI-संचालित साधने शिकणे अधिक वैयक्तिकृत, लवचिक आणि सुलभ बनवत आहेत. बुद्धिमान ट्यूशन सिस्टम वैयक्तिक विद्यार्थ्यांच्या गरजा पूर्ण करू शकतात, शिकणाऱ्याला कुठे अडचण येत आहे हे ओळखून, त्याला लक्ष केंद्रित करून समर्थन पुरवतात. उदाहरणार्थ, डुओलिंगोसारख्या प्लॅटफॉर्मने अहवाल दिला आहे की, वापरकर्ते AI-चालित पाठ मार्गांसह ३० टक्के वेगाने भाषा प्रवीणता प्राप्त करतात. शिक्षक आणि संसाधनांची कमतरता असलेल्या प्रदेशांमध्ये, असे इनोव्हेशन विशेषतः प्रभावी ठरू शकतात, कारण ते चोवीस तास डिजिटल कोच म्हणून कार्य करतात. AI भाषा किंवा शारीरिक अडथळ्यांचा सामना करणाऱ्या विद्यार्थ्यांसाठी रिअल-टाइम भाषांतर, स्पीच-टू-टेक्स्ट आणि इतर सहाय्यक कार्ये प्रदान करून शिकण्याची सुलभता वाढवते.

बुद्धिमान ट्यूशन सिस्टम वैयक्तिक विद्यार्थ्यांच्या गरजा पूर्ण करू शकतात, शिकणाऱ्याला कुठे अडचण येते हे ओळखून, त्याला लक्ष केंद्रित करून समर्थन पुरवतात.

दरम्यान, AR (ऑगमेंटेड रिॲलिटी) अनुभवात्मक, हँड-ऑन लर्निंग सक्षम करून AI ला पूरक आहे. हे वापरकर्त्यांना जटिल कौशल्यांचा सुरक्षितपणे सराव करण्याची संधी देते, जसे की व्हर्च्युअल सर्किट बोर्डवर काम करणारे प्रशिक्षणार्थी इलेक्ट्रिशियन म्हणून असो किंवा चरण-दर-चरण AR-निर्देशित मशीन देखभालीनंतर कारखाना कामगार म्हणून. AR वास्तविक जगातील जोखीम कमी करून आणि प्रशिक्षण अधिक स्केलेबल व किफायतशीर बनवून उद्योगांमध्ये कौशल्य विकासाची पुनर्व्याख्या करत आहे. अशी प्रगती आर्थिक विषमतेचे समानीकरण किंवा विस्तारक म्हणून काम करेल का, हा एक मध्यवर्ती प्रश्न आहे. हे तंत्रज्ञान वंचित लोकांपर्यंत उच्च-गुणवत्तेचे शिक्षण आणून कौशल्यातील तफावत भरून काढू शकते. उदाहरणार्थ, AI-संचालित शिक्षण साधने विकसनशील प्रदेशांमध्ये शिक्षकांची कमतरता दूर करण्यात मदत करत आहेत. जगभरात अंदाजे ५८ दशलक्ष अतिरिक्त शिक्षकांची आवश्यकता आहे, आणि तंत्रज्ञान हे अंतर भरून काढण्यास मदत करू शकते.

तथापि, AI आणि AR सारख्या उदयोन्मुख तंत्रज्ञानामुळे विकसनशील देशांना शैक्षणिक अडथळे दूर करण्याची मोठी क्षमता प्राप्त झाली आहे. हे तंत्रज्ञान दुर्गम भागांतील विद्यार्थ्यांना प्रगत शिक्षणसाधनांपर्यंत पोहोचण्याची आणि विशिष्ट कौशल्यांमध्ये विकसित देशांशी स्पर्धा करण्याची किंवा अगदी त्यांना मागे टाकण्याची संधी प्रदान करते. मात्र, या तंत्रज्ञानाचा प्रवेश असमान राहिल्यास, हीच प्रगती असमानतेचे अंतर अधिक रुंद करू शकते. श्रीमंत संस्था आणि व्यक्तींना उत्कृष्ट AI ट्यूटर आणि हाय-स्पीड कनेक्टिव्हिटीचा लाभ मिळण्याची संधी असते, तर कमी उत्पन्न गटातील समुदायांना मर्यादित मानवी समर्थनासह निकृष्ट दर्जाचे, तंत्रज्ञानाधारित शिक्षण मिळण्याचा धोका निर्माण होतो. परवडणारे इंटरनेट, सततची वीज आणि आवश्यक उपकरणे यांच्या अभावामुळे अनेक विद्यार्थी शिक्षणाच्या या नव्या प्रवाहातून वगळले जातात आणि परिणामी विद्यमान विषमता कमी होण्याऐवजी अधिक ठळकपणे समोर येत आहे.

श्रम बाजार आणि वेतनावर होणारे परिणाम

अशा नवकल्पनांमुळे श्रम बाजारातही मोठे बदल घडून येत आहेत. यामुळे नोकरीच्या भूमिका, कामगार उत्पादकता आणि वेतन वितरण याला नव्याने आकार मिळतो आहे. उद्योगांमध्ये AI चा अवलंब केल्याने बहुतांश वेळा उत्पादकता आणि आउटपुट वाढते, कारण मशीन स्वयंचलितपणे नियमित कामे पार पाडू शकतात तसेच जटिल प्रक्रिया अधिक प्रभावीपणे ऑप्टिमाइझ करू शकतात. तथापि, आंतरराष्ट्रीय कामगार संघटना (ILO) यांच्याकडून नुकत्याच करण्यात आलेल्या विश्लेषणातून हे स्पष्ट झाले आहे की तंत्रज्ञानातील या नवकल्पनांमुळे कामगारांची उत्पादकता सातत्याने वाढली असली, तरी कामगारांच्या उत्पन्नातील वाटा मात्र घटला आहे. अलीकडच्या काही वर्षांत जागतिक पातळीवर कामगारांच्या उत्पन्नातील हिस्सा कमी झाला आहे आणि याला कोविड-१९ महामारी व काही मोजक्या कंपन्यांमध्ये तांत्रिक क्षमतेचे केंद्रीकरण हे मुख्य कारण ठरले आहे. जर AI चा उपयोग मुख्यत्वे खर्च कमी करण्यासाठी म्हणजे अल्गोरिदम किंवा रोबोट्सच्या माध्यमातून मानवी कामगारांची जागा घेण्यासाठी करण्यात आला, तर याचा थेट फायदा कंपनीच्या मालकांना किंवा तंत्रज्ञान प्रदात्यांना होतो. परिणामी, भांडवल आणि श्रम यांच्यातील उत्पन्नातील विषमता आणखी वाढण्याचा धोका निर्माण होतो. या संक्रमणाचे व्यवस्थापन करण्यासाठी धोरणांचा अभाव कामगारांचे उत्पन्न आणि त्यांच्या बार्गेनिंग पॉवरमध्ये घट करु शकतो, ज्यामुळे उत्पन्नातील असमानता वाढू शकते.

यामध्ये सर्वात मोठी जोखीम म्हणजे विभक्त होत चाललेला श्रम बाजार. AI आणि ऑटोमेशन कामगारांची नोकरी काढून टाकत नसले तरी, आवश्यक कौशल्यांची व्याख्या मात्र नव्याने करत आहेत. हे तंत्रज्ञान नियमित आणि पुनरावृत्ती होणारी कार्ये आपल्या ताब्यात घेत असताना, गुंतागुंतीच्या संज्ञानात्मक आणि तांत्रिक कौशल्यांची मागणी वाढवत आहे. यामुळे नोकरीच्या बाजारपेठेचे स्पष्ट ध्रुवीकरण होत आहे. AI ची रचना कार्यक्रम किंवा तंत्रज्ञान प्रभावीपणे वापरणाऱ्या उच्च-कौशल्याच्या भूमिका अधिकच मौल्यवान (आणि अधिक चांगल्या पगाराच्या) आणि त्यासाठी चांगले वेतन मिळत आहे. दुसरीकडे, मध्यम व कमी कौशल्यांच्या नोकऱ्या मोठ्या प्रमाणावर स्वयंचलित होत आहेत, त्यामुळे हे जॉब कमी होतील.

हे संक्रमण प्रभावीपणे व्यवस्थापित करण्यासाठी योग्य धोरणांचा अभाव असल्यास, कामगारांचे उत्पन्न आणि त्यांच्या सौदाशक्तीत आणखी घट होऊ शकते, तसेच उत्पन्नातील विषमता अधिक वाढण्याचा धोका निर्माण होतो.

AI मुळे कौशल्य वाढीचे प्रमाण आधीच वाढले आहे. आर्टिफिशियल इंटेलिजन्सशी संबंधित किंवा डिजिटल कौशल्य असलेल्या कामगारांना इतरांच्या तुलनेत अधिक पगार मिळत आहे. भारतातील एका अभ्यासानुसार असे निष्पन्न झाले आहे की, AI कौशल्य असलेल्या कर्मचाऱ्यांना विशेषतः माहिती तंत्रज्ञान (आयटी) आणि संशोधन व विकास (R & D) यांसारख्या क्षेत्रांमध्ये ५० टक्क्यांहून अधिक वेतनवाढ मिळू शकते. नुकत्याच प्रकाशित झालेल्या एम्प्लॉयबिलिटी रिपोर्टनुसार, भारतातील सुमारे ४६ टक्के पदवीधर आता AI आणि मशीन-लर्निंग (ML) क्षेत्रातील भूमिकांसाठी रोजगारक्षम मानले जातात, ही अल्पावधीत झालेली लक्षणीय वाढ आहे. परंतु, दुसरीकडे केवळ ४२.६ टक्के भारतीय पदवीधरांना एकंदरीत रोजगारक्षम मानले जात आहे, जे दोन वर्षांपूर्वीच्या ४४.३ टक्क्यांपेक्षा कमी झाले आहे. यावरून असे स्पष्ट होते की अनेक विद्यार्थी आजही AI-चालित अर्थव्यवस्थेत आवश्यक असलेल्या सर्वांगीण कौशल्यांशिवाय पदवी घेत आहेत. तसेच, तांत्रिक ज्ञानासोबतच समस्या सोडविण्याची क्षमता आणि प्रभावी संप्रेषण यांसारख्या सॉफ्ट स्किल्सचे संतुलित मिश्रण असलेल्या उमेदवारांना शोधण्यासाठी कंपन्यांनाही मोठ्या प्रमाणावर संघर्ष करावा लागत आहे.

श्रम बाजारातील व्यत्यय ही कोणत्याही नवीन उत्पादकता वाढविणाऱ्या तंत्रज्ञानाची अपरिहार्य वैशिष्ट्ये असतात. मात्र, AI आणि AR सारख्या तंत्रज्ञानातील बदलाचा अभूतपूर्व वेग त्यांच्या परिणामांना अधिक जलद आणि व्यापक बनवत आहे. त्यामुळे नोकरीतील स्थित्यंतरे, पुनरुज्जीवन आणि वेतनातील विषमता यांचे व्यवस्थापन करण्यासाठी तातडीने धोरणात्मक हस्तक्षेप आवश्यक आहेत. व्यापक कौशल्यविकास, पायाभूत सुविधा आणि सर्वसमावेशक तंत्रज्ञानाच्या उपलब्धतेमध्ये सक्रियपणे गुंतवणूक करणारे देशच आर्थिक विकास आणि सामायिक समृद्धीसाठी या तंत्रज्ञानाचा प्रभावी वापर करण्याच्या दृष्टीने अधिक सक्षम ठरणार आहेत.

श्रम उत्पादकतेसाठी शिक्षणाची सांगड घालणे

आर्टिफिशियल इंटेलिजन्स-संचालित अर्थव्यवस्थांच्या गतिशील आणि सतत बदलणाऱ्या मागण्यांमुळे पारंपरिक शिक्षक-केंद्रित शिक्षणपद्धती जी प्रामुख्याने सैद्धांतिक ज्ञान आणि पाठांतरावर आधारित आहे, ती आता अपुरी आणि अप्रासंगिक ठरत आहे. उद्योग ४.० च्या युगासाठी शिक्षणपद्धतीची पुनर्रचना करताना, अनुकूल, तंत्रज्ञान-समाकलित आणि समस्या सोडविण्याची क्षमता वाढवणाऱ्या कौशल्याधारित शिक्षणावर भर देणे आजच्या काळाची गरज बनली आहे.

कामगार AI साधनांचा कुशलतेने वापर करीत आहेत याची खात्री करण्यासाठी, त्यांची स्पर्धात्मकता वाढविण्यासाठी आणि ऑटोमेशनद्वारे बदलण्याची जोखीम कमी करण्यासाठी डिजिटल क्षमतांचे महत्त्व अधिकच वाढले आहे. 

या संदर्भात तीन मुख्य कौशल्ये विशेषतः ठळकपणे समोर येतात — आत्मसात करण्याची क्षमता, डिजिटल क्षमता आणि सामाजिक-भावनिक कौशल्ये.

सर्वप्रथम, AI आणि AR प्रणाली सतत विकसित होत असताना, कामगारांनी संज्ञानात्मक अनुकूलता जोपासणे अत्यावश्यक आहे, म्हणजेच नवीन ज्ञान लवकर आत्मसात करण्याची आणि ते प्रत्यक्ष कामात प्रभावीपणे लागू करण्याची क्षमता. यासाठी आयुष्यभर शिकण्याच्या विकासाभिमुख मानसिकतेसह, स्टॅकेबल मायक्रो-क्रेडेन्शियल्सच्या माध्यमातून सातत्याने शिकणे आणि कौशल्यवृद्धी करणे गरजेचे आहे. दुसऱ्या बाजूला, कामगार AI साधनांचा प्रभावी आणि कुशल वापर करत आहेत याची खात्री करण्यासाठी, त्यांच्या स्पर्धात्मकतेत वाढ करण्यासाठी आणि ऑटोमेशनमुळे कामावर येणाऱ्या संभाव्य धोक्यांपासून स्वतःचे संरक्षण करण्यासाठी डिजिटल क्षमतांचा पाया अधिक मजबूत असणे आवश्यक आहे. आज, नॉन-टेक्निकल भूमिकांसाठीदेखील AI-संचालित निर्णय प्रक्रियेचा अधिक चांगल्या पद्धतीने वापर आणि समज अनिवार्य झाली आहे. म्हणूनच, कौशल्य-आधारित शिक्षणाने AI साक्षरता, कोडिंग, डेटा प्रक्रिया आणि डिजिटल समस्या सोडविणे यांसारख्या बाबी सर्व विषयांमध्ये मूलभूत क्षमतांच्या स्वरूपात समाकलित केल्या पाहिजेत. तिसरे म्हणजे, तंत्रज्ञानामध्ये पॅटर्न ओळखणे आणि ऑटोमेशनद्वारे कार्यक्षमता वाढविण्याचे फायदे असले, तरी त्यात सहानुभूती, सर्जनशीलता, अंतर्ज्ञान आणि नैतिक निर्णय क्षमतेसारखी माणसातील मूलभूत वैशिष्ट्ये नाहीत. त्यामुळे कौशल्य-आधारित शिक्षणाने सामाजिक-भावनिक कौशल्यांच्या विकासावरही विशेष भर द्यायला हवा. विशेषतः क्रिटिकल थिंकिंग, टीमवर्क, AI चा नैतिक वापर आणि विद्यार्थ्यांमध्ये जटिल समस्या सोडविण्याची क्षमता विकसित करण्यावर. शिक्षणाच्या प्रत्येक टप्प्यावर संज्ञानात्मक अनुकूलता, डिजिटल क्षमता आणि सामाजिक-भावनिक कौशल्ये यांची समतोल सांगड घालून, भारतासारखे विकसनशील देश तंत्रज्ञानाचा वापर केवळ आर्थिक विषमता वाढविण्यासाठी नव्हे, तर उलट ती दूर करण्याच्या दिशेने प्रभावीपणे वापर करू शकतात.

सौम्य भौमिक हे ऑब्झर्वर रिसर्च फाउंडेशनच्या सेंटर फॉर न्यू इकॉनॉमिक डिप्लोमसी (सीएनईडी) मध्ये फेलो आणि लीड आहेत.

अर्पन तुलसियान ह्या ऑब्झर्वर रिसर्च फाउंडेशनच्या सेंटर फॉर न्यू इकॉनॉमिक डिप्लोमसीच्या सिनियर फेलो आहेत.

• Artificial Intelligence
• India
• ai driven skill development
• ai evolution in skills development
• ai in industry
• ai in skill development
• ai in skill development
• ai in upscalling
• ai in upscalling
• ar tech in skill development
• Artificial Intelligence
• India

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT