हार्वर्डच्या एका नवीन अभ्यासात असे आढळून आले आहे की AI-नेटिव्ह स्टार्टअप्स पारंपारिक तंत्रज्ञान कंपन्यांच्या तुलनेत लक्षणीयरीत्या कमी एंट्री-लेव्हल कामगारांना कामावर घेत आहेत, त्याऐवजी प्रगत पदवी आणि सिद्ध अनुभवासह उच्चभ्रू वरिष्ठ प्रतिभांची भरती करण्यास प्राधान्य देत आहेत - एक ट्रेंड जो संपूर्ण टेक उद्योगातील करिअरच्या सुरुवातीच्या संधींना आकार देऊ शकतो.

फॉर्च्युन, AOL आणि MSN द्वारे नोंदवलेले निष्कर्ष, कृत्रिम बुद्धिमत्तेच्या आसपास कंपन्यांनी त्यांच्या कार्यबलाची रचना कशी केली यामधील मूलभूत बदल दिसून येतो. कनिष्ठ अभियंत्यांच्या मोठ्या गटांना कामावर घेण्याच्या आणि कालांतराने त्यांचा विकास करण्याच्या पारंपारिक टेक इंडस्ट्री मॉडेलचे अनुसरण करण्याऐवजी, AI-नेटिव्ह स्टार्टअप्स त्यांची नियुक्ती कमी संख्येने अत्यंत अनुभवी व्यावसायिकांवर केंद्रित करत आहेत. फॉर्च्युन ने या घटनेचे स्पष्टपणे वर्णन केले: AI स्टार्ट-अप्स "उच्च पदवी असलेल्या सिलिकॉन व्हॅलीतील पुरुषांच्या बाजूने एंट्री-लेव्हल टॅलेंट स्नबिंग करत आहेत." नवीनतम AI इंडस्ट्री कव्हरेज आणि वर्कफोर्स ट्रेंड विश्लेषणासाठी, ही कथा जसजशी विकसित होईल तसतसे अनुसरण करा.

एआय-नेटिव्ह हायरिंग गॅप

हार्वर्ड अभ्यासात स्टार्टअप्समध्ये नियुक्ती करण्याच्या पद्धतींचे परीक्षण केले गेले जे एआय टूल्स आणि वर्कफ्लोच्या आसपास तयार केले गेले आहेत - तथाकथित "एआय-नेटिव्ह" कंपन्या. पारंपारिक सॉफ्टवेअर कंपन्यांच्या विपरीत ज्यांनी AI विद्यमान ऑपरेशन्समध्ये समाकलित केले आहे, या स्टार्टअप्सनी त्यांच्या व्यवसायाचा मुख्य घटक म्हणून AI शिवाय कधीही ऑपरेट केले नाही.

संशोधनात असे आढळून आले की या कंपन्या त्यांच्या एकूण मुख्यसंख्येच्या तुलनेत सातत्याने कमी एंट्री-लेव्हल कर्मचारी नियुक्त करतात. त्याऐवजी, ते वरिष्ठ व्यावसायिकांवर भरती करतात जे मशीन लर्निंग, सॉफ्टवेअर अभियांत्रिकी आणि उत्पादन व्यवस्थापनात सखोल कौशल्य आणतात. तात्पर्य महत्त्वपूर्ण आहे: जेव्हा AI कनिष्ठ कर्मचाऱ्यांनी पारंपारिकपणे पारंपारिकपणे केलेले बरेच काम हाताळते - कोड तयार करणे ते डेटा विश्लेषण ते सामग्री मसुदा तयार करणे - कंपन्यांना एंट्री लेव्हलवर भाड्याने घेण्याची आवश्यकता कमी दिसते.

वरिष्ठ प्रतिभेचे वर्चस्व का

अभ्यासाच्या निष्कर्षांनुसार, अनेक घटक AI-नेटिव्ह स्टार्टअप्समध्ये वरिष्ठ नियुक्तीसाठी प्राधान्य देतात:

  • एआय एक फोर्स गुणक म्हणून: जेव्हा एआय टूल्स नियमित कोडिंग, चाचणी आणि विश्लेषण कार्ये हाताळू शकतात, तेव्हा एआयचा लाभ घेणारा एकच अनुभवी अभियंता कनिष्ठ विकासकांच्या टीमला आवश्यक असलेल्या गोष्टी पूर्ण करू शकतो.
  • प्रमाणापेक्षा गुणवत्तेचा: AI-नेटिव्ह स्टार्टअप्स दुबळे संघांवर काम करतात जेथे प्रत्येक भाड्याने मोठ्या प्रमाणात प्रभाव टाकला पाहिजे, जे AI प्रणालींना प्रभावीपणे मार्गदर्शन करू शकतील अशा व्यावसायिकांना पसंती देतात.
  • शीर्ष-पदवी प्राधान्य: अभ्यासात असे आढळून आले आहे की AI स्टार्टअप्स उच्चभ्रू विद्यापीठांमधून असमानतेने भरती करतात आणि प्रगत पदवी असलेल्या उमेदवारांना प्राधान्य देतात, ज्यामुळे टॅलेंट फनल लक्षणीयरीत्या कमी होते.
  • एआय टूलिंगचा अनुभव: उत्पादन वातावरणात AI सिस्टीमसह काम केलेले वरिष्ठ व्यावसायिक पहिल्या दिवसापासून अधिक उत्पादक म्हणून पाहिले जातात.

करिअरच्या सुरुवातीच्या कामगारांसाठी परिणाम

प्रवेश-स्तरीय संधी कमी झाल्यास तंत्रज्ञान कामगारांच्या पुढच्या पिढीला अनुभव कसा मिळेल याबद्दलचे निष्कर्ष गंभीर प्रश्न उपस्थित करतात. तंत्रज्ञानातील पारंपारिक करिअर पाइपलाइन प्रशिक्षणाच्या आधारे कनिष्ठ भूमिकांवर अवलंबून आहे — ज्या ठिकाणी अलीकडील पदवीधर कौशल्ये विकसित करतात, उद्योग पद्धती शिकतात आणि पुढे जाण्यासाठी आवश्यक अनुभव तयार करतात.

जर एआय-नेटिव्ह स्टार्टअप्स तंत्रज्ञान क्षेत्रातील भविष्याचे प्रतिनिधित्व करत असतील आणि ते स्टार्टअप पद्धतशीरपणे प्रवेश-स्तरावरील नियुक्ती टाळत असतील, तर उद्योगाला मध्यम कालावधीत प्रतिभा अंतराचा सामना करावा लागू शकतो. ज्या कामगारांना त्यांची पहिली नोकरी मिळू शकत नाही त्यांना AI कंपन्यांनी भरू इच्छित असलेल्या वरिष्ठ भूमिकांसाठी आवश्यक कौशल्ये विकसित करण्यासाठी संघर्ष करावा लागतो.

MSN कव्हरेजने हे डायनॅमिक हायलाइट केले आहे, असा अहवाल देत आहे की AI स्टार्टअप्स "एंट्री-लेव्हल टॅलेंटपेक्षा उच्चभ्रू वरिष्ठ नियुक्त्यांना पसंती देतात" - एक नमुना जो टिकून राहिल्यास, तंत्रज्ञान कार्यबल पाइपलाइनमध्ये संरचनात्मक अडथळे निर्माण करू शकतात.

व्यापक कार्यबल ट्रेंड

हार्वर्ड अभ्यासाने पुराव्याच्या वाढत्या भागामध्ये भर घातली आहे की AI जटिल मार्गांनी श्रमिक बाजाराला आकार देत आहे. सध्याच्या नोकऱ्या विस्थापित करणाऱ्या AI वर जास्त लक्ष केंद्रित केले जात असताना, अभ्यास एक सूक्ष्म परिणाम सुचवितो: AI काही नोकऱ्या प्रथम स्थानावर निर्माण होण्यापासून रोखत असेल.

धोरणकर्ते, शिक्षक आणि कामगारांसाठी हा फरक महत्त्वाचा आहे. जर एंट्री-लेव्हल टेक भूमिका टाळेबंदीद्वारे नाही तर कंपन्यांद्वारे काढून टाकल्या जात असतील तर त्या तयार न करणे निवडून, प्रभाव दृश्यमान होण्यास जास्त वेळ लागेल — परंतु कालांतराने ते तितकेच लक्षणीय असू शकते.

व्हाईट-कॉलरच्या कामावर एआयच्या प्रभावाविषयी व्यापक वादविवाद दरम्यान संशोधन देखील आले आहे. अलीकडील अभ्यास आणि उद्योग अहवालांनी फ्रीलान्स जॉब कमी करण्यापासून ते वैद्यकीय व्यावसायिक आणि वकील AI साधनांशी कसा संवाद साधतात यामधील बदलांपर्यंत सर्व गोष्टींचे दस्तऐवजीकरण केले आहे.

उद्योगासाठी याचा अर्थ काय आहे

तंत्रज्ञान क्षेत्रासाठी, हार्वर्डचे निष्कर्ष असे सुचवतात की स्पर्धात्मक लँडस्केप अशा कंपन्यांना आणि कामगारांना अनुकूल बनवू शकते जे एआयचा सर्वात प्रभावीपणे फायदा घेऊ शकतात - आणि "एंट्री-लेव्हल" तंत्रज्ञान कामगारांची व्याख्या विकसित करणे आवश्यक असू शकते. काही उद्योग निरीक्षकांनी असा युक्तिवाद केला आहे की AI साधने अधिक सक्षम झाल्यामुळे, तंत्रज्ञान कारकीर्दीच्या सुरूवातीस आवश्यक कौशल्ये अंमलबजावणीच्या कार्यांमधून देखरेख, निर्णय आणि धोरणात्मक निर्णय घेण्याकडे वळतील.

आत्तासाठी, डेटा स्पष्ट आहे: एआयमध्ये सर्वात खोलवर एम्बेड केलेल्या कंपन्या त्यांचे कार्यसंघ वेगळ्या पद्धतीने तयार करत आहेत आणि भविष्यातील कर्मचाऱ्यांसाठी परिणाम फक्त समजू लागले आहेत.

AI च्या पुढे रहा

एआय कार्यबलाचा आकार कसा बदलत आहे आणि लँडस्केपची नियुक्ती करत आहे हे समजून घेऊ इच्छिता? अधिक एआय बातम्या वाचा →