इस दृश्य में कुछ ऐसा है जो लगभग चक्कर-सा पैदा करता है। वर्षों तक प्रशिक्षित एक वास्तुकार अपना दिन खत्म करती है, एक ऑनलाइन प्लेटफॉर्म खोलती है और एक मशीन को चरण-दर-चरण समझाती है कि भवन का प्रस्ताव कैसे तैयार किया जाए या लाभप्रदता का विश्लेषण कैसे किया जाए। यह कोई अकादमिक अभ्यास नहीं है। वह अपने वास्तविक काम, अपनी पेशेवर आदतों और विशेषज्ञता के उस हिस्से से सामग्री लेती है जो किसी पुस्तिका से शायद ही कभी सीखा जाता है।

इस वास्तुकार का नाम Cuicui है और वह Shenzhen में रहती है। सार्वजनिक अवसंरचना खर्च में गिरावट के माहौल में पांच वर्षों के भीतर उसकी आय आधी हो गई। इसलिए वह शाम को TalentsAI के लिए काम करती है ताकि अपने गृह ऋण और अपने बच्चे की पाठ्येतर गतिविधियों का खर्च चुका सके। विरोधाभास यहीं है: अल्पावधि में वह उस ज्ञान से कमाई कर रही है जो दीर्घावधि में उसके अपने पेशे की दुर्लभता कम करने में योगदान दे सकता है।

आज आर्थिक रूप से टिके रहने के लिए कुछ पेशेवर मशीन को वही सिखा रहे हैं जो कल उनके अपने काम को कम अनिवार्य बना सकता है।

यह अब केवल एनोटेशन नहीं है: यह पेशे का ज्ञान हस्तांतरण है

“एनोटेशन” शब्द अब भी छोटी और दोहराव वाली गतिविधियों की तस्वीर बनाता है: किसी फोटो को वर्गीकृत करना, किसी वाक्य की जांच करना, किसी श्रेणी पर क्लिक करना। यहां पैमाना बदल चुका है। प्लेटफॉर्म ऐसे लोगों की तलाश कर रहे हैं जो पेशेवर तर्क, तरीके, निर्णय संबंधी संतुलन और कभी-कभी अच्छी प्रतिक्रिया पहचानने का वह कौशल भी सिखा सकें जिसे किसी सरल नियम में समझाना संभव नहीं होता।

ByteDance ने 2025 में Xpert शुरू किया और उसका दावा है कि उसने लेखकों से लेकर चिकित्सकों तक 50,000 से अधिक विशेषज्ञ भर्ती किए हैं। Alibaba अपने Siriser प्लेटफॉर्म के जरिए शिक्षकों, मैकेनिकल इंजीनियरों और संगीतकारों सहित कई पेशेवरों की भर्ती करता है। TalentsAI और MeetChances पत्रकारों, कर विशेषज्ञों और हेडहंटर्स को भी लक्षित करते हैं। अमेरिका में Mercor, Surge AI और Handshake पहले से ही वकीलों, वैज्ञानिकों और फिल्म उद्योग के पेशेवरों को मॉडल को सफेदपोश कार्यों पर प्रशिक्षित करने के लिए भर्ती कर रहे हैं।

यह बदलाव महत्वपूर्ण है: अब कच्चा माल केवल डेटा नहीं, बल्कि मानवीय निर्णय क्षमता भी है। इन कामों में कंपनियां यह जानना चाहती हैं कि कोई विशेषज्ञ अधूरी समस्या से उपयोगी निर्णय तक कैसे पहुंचता है। जून में चीन के National Data Administration ने उच्च गुणवत्ता वाले डेटासेट विकसित करने का आह्वान भी किया और विश्वविद्यालय स्नातकों को एनोटेशन को लचीले रोजगार के रूप में देखने के लिए प्रोत्साहित किया।

चीन का AI प्रशिक्षण डेटा बाजार 2026 में 1.1 अरब डॉलर तक पहुंचने की उम्मीद है, जो 2025 की तुलना में 25% अधिक है। इसी समय चीन में दैनिक टोकन खपत 2024 की शुरुआत के लगभग 100 अरब से बढ़कर 2026 के मध्य तक 500 लाख करोड़ तक पहुंच गई। ये आंकड़े यह नहीं कहते कि विशेषज्ञ गायब हो जाएंगे। लेकिन वे दिखाते हैं कि इस पारिस्थितिकी तंत्र को अधिक परिष्कृत ईंधन की कितनी जरूरत है: ऐसे तर्क उदाहरण जिन्हें मॉडल उपयोग कर सकें।

किसी संभावित प्रतिस्पर्धी को प्रशिक्षित करने के लिए राजी क्यों हों?

सबसे सरल जवाब ही सबसे असहज भी है: क्योंकि नैतिक सिद्धांत का वजन अक्सर देय गृह ऋण की किस्त जितना नहीं होता। चीन में जिन कामगारों से बात की गई, वे इस काम को कठिन, अस्थिर और अमेरिका की तुलना में कम भुगतान वाला बताते हैं। कुछ कामों के लिए 100 से 500 युआन, यानी लगभग 15 से 74 डॉलर, मिलते हैं, जबकि उनमें कई घंटे लग सकते हैं। गुणवत्ता टीमें काम अस्वीकार कर सकती हैं और तब भुगतान भी नहीं होता।

इसलिए आर्थिक संदर्भ केंद्रीय भूमिका निभाता है। चीन में युवा बेरोजगारी 17.9% बताई जाती है। MeetChances ने RedNote पर एक बेहद सीधा विज्ञापन तर्क भी इस्तेमाल किया: मध्यम आयु में नौकरी छूटने के बाद AI प्रशिक्षक बनना एक विकल्प हो सकता है। वादा प्रतिष्ठित करियर का नहीं है। वादा अभी उपलब्ध आय का है।

यही टकराव दूसरी जगह भी दिखाई देता है। दक्षिण अफ्रीका में औद्योगिक समाजशास्त्र में डॉक्टरेट रखने वाले James Maisiri ने एक ऐसा काम ठुकरा दिया जिसमें उनसे AI को वह ज्ञान देना था जो उन्होंने दस वर्षों में मूल्यांकन डिजाइन, शिक्षण और कॉपी जांचने के बारे में सीखा था। यह काम प्रति घंटा 600 रैंड, लगभग 37 डॉलर, देता था, जो राष्ट्रीय न्यूनतम वेतन 30.23 रैंड से बहुत अधिक था। फिर भी उन्होंने माना कि यह भुगतान मूल समस्या की भरपाई नहीं करता: ऐसे उपकरण के निर्माण में योगदान देना जो उस पेशे से प्रतिस्पर्धा कर सके जिसे सीखने में उन्होंने वर्षों लगाए।

हर कोई ऐसा इनकार करने की स्थिति में नहीं होता। दक्षिण अफ्रीका में 2026 की दूसरी तिमाही में युवा बेरोजगारी 47.4% तक पहुंच गई थी। यहीं यह दुविधा कम दार्शनिक हो जाती है। श्रम बाजार जितना खराब होता है, “मैं अपनी विशेषज्ञता की रक्षा करता हूं” और “मैं जो बेच सकता हूं, बेच देता हूं” के बीच की सीमा बनाए रखना उतना कठिन हो जाता है।

विशेषज्ञता का बेहतर भुगतान भी विरोधाभास को खत्म नहीं करता

अमेरिका में यह मॉडल कहीं अधिक लाभकारी हो सकता है। 10 अरब डॉलर मूल्यांकन वाली Mercor के पास 30,000 से अधिक सफेदपोश कॉन्ट्रैक्टर हैं जो OpenAI या Anthropic जैसी प्रयोगशालाओं के लिए काम करते हैं। वहां वकील और डॉक्टर औसतन 85 से 200 डॉलर प्रति घंटा कमाते बताए जाते हैं, जबकि मनोचिकित्सा या वेंचर कैपिटल जैसे कुछ क्षेत्रों में यह दर 350 से 1,000 डॉलर प्रति घंटा तक पहुंच सकती है।

लेकिन ऊंची दर लेन-देन की प्रकृति नहीं बदलती। विशेषज्ञ उत्पादन का एक घंटा कम और अपने तुलनात्मक लाभ का एक हिस्सा अधिक बेच रहा होता है। यही कारण है कि इस नए बाजार को केवल “AI का साइड जॉब” समझना पर्याप्त नहीं है।

चीन यूरोप के लिए क्या संकेत देता है — और क्या नहीं

सटीक रहना जरूरी है: यहां दर्ज कोई भी मामला यह कहने के लिए पर्याप्त नहीं है कि यह प्रवृत्ति फ्रांस या यूरोप में पहले से स्थापित हो चुकी है। हालांकि चीन, अमेरिका, दक्षिण अफ्रीका और भारत यह दिखाते हैं कि यह तंत्र किसी एक आर्थिक व्यवस्था तक सीमित नहीं है। यह उन बाजारों में भी दिखाई देता है जहां विशेषज्ञता का ऊंचा भुगतान होता है और उन देशों में भी जहां आर्थिक जरूरत लोगों को अस्थिर काम स्वीकार करने पर मजबूर करती है।

इसलिए यूरोप पर लागू होने वाली चीज जरूरी नहीं कि वेतन का स्तर हो, कानूनी स्थिति हो या प्लेटफॉर्म का ठीक-ठीक रूप हो। लागू होने वाला तत्व तंत्र है: जब कोई क्षेत्र कम भर्ती करता है, कोई AI कंपनी दुर्लभ कौशल खोजती है और किसी पेशेवर के पास वह कौशल होता है लेकिन अवसर कम होते हैं, तब उसके मौन ज्ञान को प्रशिक्षण सामग्री में बदलने का बाजार बन सकता है।

इस संभावना पर और अधिक ध्यान इसलिए भी जरूरी है क्योंकि Datasumi के अनुसार कुछ सफेदपोश पेशों — युवा वकीलों, वित्तीय विश्लेषकों, शोधकर्ताओं — की शुरुआती स्तर की नौकरियां 2019 से 50% तक घट चुकी हैं। इससे यह निष्कर्ष निकालना गलत होगा कि AI ही अकेला कारण है या यूरोप अपने-आप उसी राह पर चलेगा। लेकिन घटनाक्रम इतना सुसंगत है कि एक गंभीर सवाल उठता है: जब वे शुरुआती काम, जिनसे अनुभव हासिल होता था, कम होते जाएं और मशीनें ठीक उन्हीं में से कुछ कार्य करना सीख रही हों, तब क्या होता है?

मानवीय ज्ञान शायद नौकरी से ज्यादा कच्चे माल के रूप में मूल्यवान हो

मेरे लिए यही सबसे चिंताजनक बिंदु है। लंबे समय तक यह माना गया कि जटिल पेशे सुरक्षित रहेंगे क्योंकि वे वर्षों के अनुभव, संदर्भ, अपवादों और निर्णय क्षमता पर आधारित हैं। लेकिन यही जटिलता अब AI कंपनियों के लिए मूल्यवान बन रही है।

इसलिए मानवीय कौशल बेकार नहीं हुआ है। लगभग उल्टा हुआ है: वह इतना मूल्यवान है कि कंपनियां विशेषज्ञों को उसे पकड़ने के लिए भुगतान कर रही हैं। सवाल यह है कि जब यह ज्ञान दोहराए जा सकने वाली सॉफ्टवेयर क्षमता में बदल जाएगा, तब मूल्य किसके पास रहेगा।

  • पेशेवर के लिए यह काम तुरंत आय देता है।
  • प्लेटफॉर्म के लिए यह दुर्लभ विशेषज्ञता को ऐसे उदाहरणों में बदल देता है जिन्हें बड़े पैमाने पर दोबारा इस्तेमाल किया जा सके।
  • ग्राहक कंपनी के लिए यह भविष्य में हर समान कार्य के लिए विशेषज्ञ की जरूरत कम कर सकता है।

इससे यह निष्कर्ष नहीं निकालना चाहिए कि हर वकील, वास्तुकार या इंजीनियर अपनी ही नौकरी समाप्त करने का प्रोग्राम लिख रहा है। दर्ज मामलों में ऐसा यांत्रिक निष्कर्ष निकालने का आधार नहीं है। फिर भी यह प्रवृत्ति “नौकरियां चुराने वाले रोबोट” के घिसे-पिटे विचार से अधिक गंभीर विश्लेषण की हकदार है।

असल बदलाव अधिक सूक्ष्म है: मुश्किल में पड़े पेशेवर अस्थायी रूप से उस ज्ञान के आपूर्तिकर्ता बन सकते हैं जो उनकी अपनी मूल्य श्रृंखला के एक हिस्से को स्वचालित करेगा। चीन हमें मुख्य रूप से यह दिखाता है कि तेज आर्थिक दबाव में यह बाजार कैसा रूप ले सकता है। यूरोप के लिए यह चेतावनी कोई भविष्यवाणी नहीं है। यह ऐसा सवाल है जिसे जरूरत के पेशेवरों की जगह फैसला करने से पहले सुलझाना होगा: विशेषज्ञता की कीमत क्या है, जब उसे एक बार बेचा जाए लेकिन उसके बाद लगभग अनंत बार दोहराया जा सके?