नवंबर 2022 से सितंबर 2025 के बीच, अमेरिकी श्रम बाज़ार से सबसे मज़बूती से जुड़े वर्ग में नौकरी मिलने की दर 13 प्रतिशत अंक गिरी। जो वर्ग सामान्यतः चक्रीय झटके सोखता है — बार-बार नौकरी बदलने वाला वर्ग — उसमें यह गिरावट रही सिर्फ़ 2 अंक (Federal Reserve Bank of Richmond, 2026)। लेखिकाओं द्वारा जाँचे गए आँकड़ों में इस अंतर की कोई मिसाल नहीं है — न महामंदी में, न किसी विस्तार-चरण में। और 2023 के बाद की सबसे तीखी गिरावटें उसी व्यावसायिक चौथाई में हैं जो AI के सबसे अधिक संपर्क में है: प्रोग्रामर, वित्तीय विश्लेषक, इंजीनियर।
यदि आपकी 2026 की कार्यबल योजना यह मानती है कि नाज़ुक हिस्सा एंट्री-लेवल पाइपलाइन है और आपका अनुभवी दल बाज़ार दर पर बदला जा सकता है, तो योजना एक उलटी धारणा पर खड़ी है।
एंट्री-लेवल की गिरावट असली है। पर नुकसान वहाँ नहीं है।
Economic Brief 26-26, जो 12 अगस्त को Katarína Borovičková और Claudia Macaluso ने प्रकाशित किया, वह करता है जिसे श्रम-बाज़ार पर अधिकांश टिप्पणी छोड़ देती है: वह आँकड़ों को अलग-अलग करके देखता है। बेरोज़गारी में हालिया वृद्धि, जैसा लेखिकाएँ पहले ही स्थापित कर चुकी थीं, लगभग पूरी तरह बाहर-निकास की कहानी है — लोग असामान्य दर से नौकरी नहीं खो रहे, वे नई नौकरी नहीं पा रहे। खुला प्रश्न यह था कि कौन लोग।
पहला विभाजन परिचित है। Current Population Survey नौकरी गँवाने वालों, नौकरी छोड़ने वालों और नए प्रवेशकों को अलग करता है। पिछले दो वर्षों की प्रमुख कथा — कि AI कैरियर की सीढ़ी का सबसे निचला पायदान बंद कर रहा है — यह अनुमान लगाती है कि सबसे बुरा नए प्रवेशकों पर पड़ेगा। आँकड़े कुछ और कहते हैं। नए प्रवेशकों की नौकरी मिलने की दर घटी है, पर लेखिकाएँ इस गिरावट को नौकरी गँवाने और छोड़ने वालों की गिरावट के मुक़ाबले मामूली बताती हैं, और शेष विश्लेषण में प्रवेशकों को स्पष्ट रूप से अलग रख देती हैं (Richmond Fed, 2026)।
यह एक सीमित निष्कर्ष है और इसे ठीक-ठीक कहना ज़रूरी है: इसका अर्थ यह नहीं कि शुरुआती-कैरियर भर्ती स्वस्थ है। इसका अर्थ है कि सामूहिक गिरावट को समझाने वाला हाशिया प्रवेशक नहीं हैं। असली हलचल कहीं और है।
जुड़ाव, वरिष्ठता नहीं: "प्राथमिक प्रकार" वास्तव में क्या मापता है
दूसरा विभाजन वह है जिसे आपके अपने एट्रिशन डैशबोर्ड को पढ़ने का तरीक़ा बदल देना चाहिए।
लेखिकाएँ Hie Joo Ahn, Bart Hobijn और Ayşegül Şahin की "The Dual U.S. Labor Market Uncovered" से लिया गया अव्यक्त-प्रकार ढाँचा लागू करती हैं (NBER, 2023), जो कर्मचारियों को किसी दृश्य योग्यता के बजाय श्रम बाज़ार से उनके जुड़ाव के अनुसार वर्गीकृत करता है:
- प्राथमिक प्रकार — आबादी का लगभग 55%, लगभग हमेशा कार्यरत, स्थिर और लंबे कार्यकाल वाला
- द्वितीयक प्रकार — लगभग 14%, मज़बूती से जुड़ा पर अधिक बार बेरोज़गार
- तृतीयक प्रकार — लगभग 31%, कमज़ोर जुड़ाव, अक्सर श्रमबल से बाहर
हर सामान्य चक्र में समायोजन का बोझ द्वितीयक प्रकार उठाता है। आबादी में सबसे छोटा हिस्सा होने के बावजूद, आँकड़ों के लगभग हर वर्ष में बेरोज़गारी का बड़ा भाग यही है। मंदी दर के लिहाज़ से प्राथमिक प्रकार को अधिक चोट पहुँचाती है — महामंदी में प्राथमिक प्रकार की नौकरी-प्राप्ति शिखर से तल तक 19 अंक गिरी थी, जबकि द्वितीयक की 10 अंक — पर अनुपात पहचानी जा सकने वाली सीमाओं में रहा।
मौजूदा दौर ने वह अनुपात तोड़ दिया। तेरह अंक बनाम दो। जिन लोगों को लगभग कभी नौकरी ढूँढ़नी नहीं पड़ती, आज वही हैं जिन्हें नौकरी नहीं मिल रही।
व्यवहार में उतारते समय एक सावधानी: "प्राथमिक प्रकार" रोज़गार-स्थिरता का सांख्यिकीय वर्गीकरण है, वरिष्ठता का पर्याय नहीं। यह आपके लंबे कार्यकाल वाले विश्लेषकों, इंजीनियरों और वित्त कर्मियों की रूपरेखा से सहसंबंधित है, पर उन्हें सीधे नहीं मापता। इस निष्कर्ष को उस परत के बारे में एक मज़बूत दिशा-संकेत मानिए, किसी विशिष्ट हेडकाउंट पर लगाने वाला गुणांक नहीं।
AI-संपर्क से उपजे विचलन की एक आरंभ तिथि है: 2023
तीसरे विभाजन में तंत्र को नाम मिलता है। Michael Webb की पद्धति का अनुसरण करते हुए — जो व्यवसायों को इस आधार पर अंक देती है कि उनके कार्य-अंश AI पेटेंटों में वर्णित तकनीकी क्षमताओं से कितना ओवरलैप करते हैं (Webb, 2019) — लेखिकाएँ कर्मचारियों को AI-संपर्क की चौथाइयों में बाँटती हैं।
ऐतिहासिक रूप से इन चौथाइयों की बाहर-निकास दरें व्यापार चक्र के साथ मिलकर चलती थीं, उनके बीच केवल छोटे स्तर-भेद थे। 2023 से वे अलग हो गई हैं, और सर्वाधिक संपर्क वाले व्यवसायों के कर्मचारियों में नौकरी मिलने की दर की सबसे बड़ी गिरावट दिखती है।
उस शीर्ष चौथाई की संरचना वह हिस्सा है जिस पर मध्यम-आकार की कंपनियों के ऑपरेशंस प्रमुखों को रुकना चाहिए। उच्च-संपर्क वाले व्यवसायों में प्रोग्रामर, वित्तीय विश्लेषक और इंजीनियर शामिल हैं। सबसे कम संपर्क वाले: निर्माण, खाद्य सेवा, व्यक्तिगत देखभाल। यह आपके संगठन-चार्ट की परिधि की कहानी नहीं है। यह उन भूमिकाओं की कहानी है जो आपके सिस्टम, आपका वित्तीय क्लोज़ और आपका उत्पाद संभालती हैं।
इस आकृति का पूर्वाभास देने वाला पुराना शोध मौजूद है। औद्योगिक रोबोटों पर Acemoglu और Restrepo के काम में विस्थापन संपर्क-वाले व्यवसायों में केंद्रित मिला, साथ ही कम-संपर्क वाले काम की ओर पुनर्आवंटन — ऐसा प्रतिमान जिसमें कुल रोज़गार का आँकड़ा पढ़ने लायक बना रहता है जबकि उसके नीचे की संरचना ज़ोर से खिसकती है (Acemoglu और Restrepo, 2020)। Richmond Fed के आँकड़े जो जोड़ते हैं वह यह है कि मौजूदा दौर बाहर-निकास के हाशिये पर दिख रहा है, अलगाव के हाशिये पर नहीं। कंपनियाँ इन कर्मचारियों को असामान्य तेज़ी से नहीं हटा रहीं। वे बस बाहर निकल जाने के बाद उन्हें दोबारा नहीं समेटतीं।
यह भेद परिचालन दृष्टि से मायने रखता है, क्योंकि इसका अर्थ है कि संकेत न आपके छँटनी-ट्रैकर में दिखेगा, न आपके उद्योग की हेडकाउंट घोषणाओं में। वह केवल इसमें दिखता है कि एक सक्षम, अनुभवी व्यक्ति को दोबारा जगह मिलने में कितना समय लगता है — एक मापदंड जिसे लगभग कोई ऑपरेशंस टीम नहीं मापती, और जो दूसरों जितना ही आपकी अपनी पुनर्भर्ती की परिस्थितियों का वर्णन करता है।
लेखिकाएँ कार्य-कारण को लेकर सतर्क हैं, और हमें भी होना चाहिए। यह प्रतिमान संपर्क-वाले व्यवसायों को विस्थापित करने वाले स्वचालन के अनुरूप है, और उन क्षेत्रीय प्रमाणों के भी अनुरूप है कि जनरेटिव AI कार्य-स्तर पर उत्पादकता बढ़ाता है — विशेषकर कम अनुभवी कर्मचारियों में — ऐसे तरीक़ों से जो भर्ती की संरचना बदल सकते हैं (Brynjolfsson, Li और Raymond, 2025)। यह गिरावट विशेष रूप से AI से प्रेरित है या उन सामूहिक परिस्थितियों से जो संयोग से इन्हीं व्यवसायों पर पड़ती हैं — यह शृंखला के अगले ब्रीफ़ का स्पष्ट विषय है। सहसंबंध दर्ज है; विघटन बाक़ी है।
आपत्ति: "ये मैक्रो आँकड़े हैं। हमारा एट्रिशन ठीक है।"
शायद ठीक ही है। समस्या यही है।
यहाँ दो तंत्र काम कर रहे हैं, और दोनों मानक व्याख्या को उलट देते हैं।
आपकी वरिष्ठ परत में स्थिर एट्रिशन एक कमज़ोर बाहरी विकल्प है, एंगेजमेंट की जीत नहीं
यदि आपके अनुभवी, AI-प्रभावित कर्मचारी टिके हुए हैं, तो आधार-दर अब चापलूसी भरी व्याख्या के साथ एक दूसरी व्याख्या भी देती है: वे जा नहीं सकते। मज़बूती से जुड़े कर्मचारियों में नौकरी मिलने की संभावना में 13 अंक की गिरावट का अर्थ है कि जो बाहरी बाज़ार सामान्यतः आपकी रिटेंशन को प्रमाणित करता है, वह चल नहीं रहा। आपका एंगेजमेंट सर्वे "प्रतिबद्ध" और "फँसा हुआ" में अंतर नहीं कर पाएगा। आपका अवांछित-एट्रिशन आँकड़ा उस क्षण तक उत्कृष्ट दिखेगा जब तक नौकरी मिलने की दरें सुधर नहीं जातीं — और फिर नहीं दिखेगा।
यह अपने लोगों पर अविश्वास करने का कारण नहीं है। यह एट्रिशन को वरिष्ठ परत के स्वस्थ होने का प्राथमिक प्रमाण मानना बंद करने और इसके बजाय स्वतंत्र संकेत वाली किसी चीज़ को पढ़ने का कारण है — आंतरिक गतिशीलता के आवेदन, प्रबंधकों द्वारा बताया गया छोड़ने का जोखिम, या बाहरी ऑफ़रों का वह अनुपात जिसे आपके लोग स्वयं बताते हैं।
विच्छेद-भुगतान आज उससे महँगा है जितना उसका मूल्य आँका जाता है
मानक पुनर्गठन मॉडल किसी भूमिका को पुनः-प्राप्य मानता है: अभी काटो, स्थितियाँ बदलने पर बाज़ार दर पर दोबारा भर्ती कर लो। यह मॉडल पुनः-प्राप्ति की क़ीमत ऐतिहासिक नौकरी-प्राप्ति गतिकी पर लगाता है — और यही वह चीज़ है जिसके टूटने की बात यह ब्रीफ़ कहता है। जिस कर्मचारी को बाहर से दोबारा भर्ती करना कठिन है, उसे समान रूप से पुनः-प्राप्त करना भी कठिन है: जो घर्षण उसे फँसाता है, वही आपकी उस क्षमता को बाद में पुनर्निर्मित करने की योग्यता को भी फँसाता है, क्योंकि जिस पूल से आप भर्ती करेंगे वही पूल हिल नहीं रहा।
200 पूर्णकालिक कर्मचारियों वाली कंपनी में AI-प्रभावित वरिष्ठ भूमिका के लिए इस तिमाही का प्रश्न यह नहीं है कि "क्या हम इस सीट के बिना चल सकते हैं"। प्रश्न यह है: "यदि हमें यह क्षमता अठारह महीने बाद चाहिए, तब बाज़ार कैसा होगा, और यह जानने की हमने क्या क़ीमत चुकाई"। आंतरिक पुनर्नियोजन — व्यक्ति को किसी संलग्न प्रक्रिया, डेटा-गवर्नेंस कार्य या AI-निगरानी भूमिका में ले जाना — इस गणित में विच्छेद-भुगतान को स्प्रेडशीट के सुझाव से कहीं अधिक बार हराता है, क्योंकि स्प्रेडशीट में एक पुरानी पड़ चुकी पुनः-प्राप्ति लागत बैठी है।
तिमाही बंद होने से पहले उपलब्ध तीन निर्णय
- हर AI-प्रभावित विच्छेद मामले में पुनः-प्राप्ति लागत का नया मूल्यांकन करें। यह कोई दार्शनिक बदलाव नहीं — एक संख्या है। यदि आपका मॉडल किसी वरिष्ठ विश्लेषक या इंजीनियर के लिए 60 दिन में बाज़ार दर पर प्रतिस्थापन मानता है, तो पूछिए कि उस प्रोफ़ाइल में नौकरी-प्राप्ति में 13 अंक की गिरावट को देखते हुए इस धारणा का आधार क्या है। जहाँ यह नहीं टिकती, वहाँ केवल लागत के आधार पर आंतरिक पुनर्नियोजन अलगाव से आगे निकल जाता है। इसे उन दो-तीन भूमिकाओं पर चलाइए जिन्हें आप पहले ही समीक्षा के लिए चिह्नित कर चुके हैं; आपको नीति नहीं चाहिए, आपके सामने वास्तव में मौजूद मामलों में एक सही संख्या चाहिए।
- वरिष्ठ परत के स्थिर एट्रिशन को रिटेंशन प्रदर्शन पढ़ना बंद करें। अपनी तिमाही समीक्षा में एक प्रश्न जोड़ें: हमारे पास क्या स्वतंत्र प्रमाण है कि यह परत अपनी पसंद से टिकी है? यदि उत्तर केवल "वे गए नहीं" है, तो आपके पास प्रमाण नहीं, एक बाज़ार-स्थिति है।
- कौन-सी भूमिकाएँ संपर्क-वाली चौथाई में हैं, यह हेडकाउंट योजना से पहले जाँचें, बाद में नहीं। Webb का वर्गीकरण सार्वजनिक है और व्यवसाय-स्तर पर है। अपने संगठन-चार्ट को उस पर मैप करने में एक दोपहर लगती है और यह बताता है कि आपकी कार्यबल योजना के कौन-से हिस्से एक ऐसे पुनर्भर्ती बाज़ार के संपर्क में हैं जो सामान्य रूप से काम नहीं कर रहा।
इनमें से किसी के लिए यह तय करना ज़रूरी नहीं कि विचलन का कारण AI है या नहीं। इनके लिए बस यह स्वीकारना ज़रूरी है कि विचलन मौजूद है और वह उसी परत में केंद्रित है जिसे अधिकांश योजनाएँ प्रतिस्थापनीय मानती हैं।
खिड़की ही निष्कर्ष है
इन आँकड़ों की असुविधाजनक विशेषता यह है कि ये इस तरह अस्थायी हैं कि धैर्य को दंडित करते हैं। AI-प्रभावित कर्मचारियों के लिए दबी हुई नौकरी-प्राप्ति दर आपको ठीक उन्हीं लोगों पर असामान्य पकड़ देती है जिन्हें बदलना सबसे कठिन है — और यह पकड़ मुफ़्त में, अदृश्य रूप से, आपके किसी निर्णय के बिना मिलती है। यह समाप्त भी होती है। जब बाहर-निकास दरें सामान्य होंगी, तो जिस रिटेंशन को आप अपनी कमाई समझ रहे थे वह फिर से एक बाज़ार में घुल जाएगी — और सबसे तेज़ी से उसी चौथाई में, जिसे खोने के लिए आप सबसे कम तैयार हैं।
इस तिमाही का निर्णय यह नहीं है कि कटौती करनी है या नहीं। यह है कि जिन भूमिकाओं को आप प्रतिस्थापनीय मानकर चल रहे हैं, कहीं वही तो नहीं जिनकी आपूर्ति श्रम बाज़ार ने चुपचाप बंद कर दी है — और आप इसे अभी जानना पसंद करेंगे, एक दोपहर की मैपिंग की क़ीमत पर, या अठारह महीने बाद, एक पूरी खोज की क़ीमत पर।
