Stanford अध्ययन में पाया गया कि AI सबसे अधिक एंट्री-लेवल नौकरियों को प्रभावित कर रहा है

एंट्री-लेवल टेक नौकरियों पर प्रभाव

• कई लोगों का मानना है कि AI सीधे तौर पर पारंपरिक जूनियर/प्रशासनिक कामों (बग फिक्स, बोइलरप्लेट, सरल डेटा कार्य) की जगह ले रहा है, जिससे पहली नौकरी के लिए आवश्यक न्यूनतम कौशल-स्तर बढ़ गया है।
• कुछ लोग कहते हैं कि एंट्री-लेवल टेक हमेशा से कठिन रहा है, लेकिन AI और कमजोर बाज़ार ने इसे “कठिन” से “लगभग असंभव” बना दिया है, खासकर गैर-पारंपरिक या गैर-एलीट ग्रेजुएट्स के लिए।
• CS ग्रेजुएट्स (यहाँ तक कि शीर्ष स्कूलों से) के किसी भी लाइव इंटरव्यू तक पहुँचने में संघर्ष करने की रिपोर्टें; कंपनियाँ स्पष्ट रूप से कह रही हैं कि वे जूनियर्स को नहीं रख रही हैं।
• एक स्वीडिश अध्ययन का हवाला दिया गया है, जिसमें उच्च-AI-एक्सपोज़र वाली नौकरियों में 22–25 वर्ष के युवाओं की भर्ती में मापनीय गिरावट दिखाई गई है।

कंपनी का व्यवहार और प्रशिक्षण के प्रोत्साहन

• फर्में जूनियर्स को इसलिए घटा रही हैं ताकि शेयरधारकों को AI की उत्पादकता “साबित” कर सकें और बजट को AI इन्फ्रा/डेटा सेंटरों की ओर मोड़ सकें।
• कई टिप्पणियाँ इसे “बीज-अनाज खा लेना” कहती हैं: अल्पकालिक बचत, दीर्घकालिक मध्य-स्तर प्रतिभा का नुकसान (“मिडल बेंच डिके”)।
• कॉरपोरेट संस्कृति को एक गेम-थ्योरी विफलता के रूप में वर्णित किया गया है: कोई भी प्रशिक्षण लागत उठाना नहीं चाहता; हर कोई पहले से प्रशिक्षित स्टाफ को छीन लेना चाहता है।
• प्रस्ताव: लॉक-इन या प्रशिक्षण-पुनर्भुगतान क्लॉज़ के साथ अप्रेंटिसशिप, मेंटरिंग नैतिकता पर अधिक ज़ोर, या सरकारी हस्तक्षेप—हालाँकि कई लोगों को संदेह है कि ये अपनाए जाएँगे।

AI की भूमिका बनाम मैक्रोइकॉनॉमी पर बहस

• एक पक्ष: AI वास्तव में अधिकांश एंट्री-लेवल व्हाइट-कॉलर कार्यों को अप्रासंगिक बना रहा है; “जूनियर” का स्तर अब मिड-लेवल+ हो गया है।
• दूसरा पक्ष: मुख्य कारण मैक्रो है (शून्य-ब्याज दर युग का अंत, हायरिंग फ़्रीज़, बूम वर्षों में CS ग्रेजुएट्स की अधिकता); AI केवल एक गौण या सुविधाजनक बलि का बकरा है।
• सहमति: कारण-परिणाम स्पष्ट नहीं है; अध्ययन खुद यह साबित नहीं करता कि AI ही एकमात्र कारण है।

जूनियर्स की गुणवत्ता और “AI कौशल”

• कुछ लोग “COVID + ChatGPT” पीढ़ी की बात करते हैं: कमजोर बुनियादी समझ, AI पर भारी निर्भरता, और बनाए गए कोड की खराब समझ।
• दूसरों का कहना है कि AI के साथ कुशल सर्वश्रेष्ठ युवा डेवलपर्स अब असाधारण रूप से उत्पादक हैं; समस्या बड़े अंतर और मूल्यांकन की है।
• “AI कौशल” को लेकर असहमति:
  • न्यूनतमवादी दृष्टिकोण: बेसिक प्रॉम्प्टिंग और उपयोग तुच्छ हैं और अलग पहचान नहीं बनाते।
  • अधिक मजबूत दृष्टिकोण: प्रॉम्प्ट डिज़ाइन करना, आउटपुट सत्यापित करना, एजेंट्स और हार्नेस बनाना/संचालित करना वास्तविक इंजीनियरिंग है, लेकिन यह पारंपरिक कौशलों पर आधारित है।

दीर्घकालिक दृष्टिकोण और व्यक्तिगत अनुकूलन

• एक “खोई हुई पीढ़ी” के जूनियर्स (2022–2030) की अटकलें, जिसके बाद वरिष्ठों की कमी महसूस होने पर अंततः फिर से सामान्यीकरण होगा—जिसका दूसरों ने यह कहकर विरोध किया कि तब तक AI और भी उन्नत हो चुका होगा।
• “पोस्ट-जॉब” या बड़े पैमाने पर बेरोज़गारी परिदृश्य की व्यापक चिंताएँ बनाम ऐतिहासिक उपमाएँ (घोड़े → कारें, ट्रेड्स का अनुकूलन)।
• सलाह के रुझान: ऐसे योजना बनाएँ जैसे खोई हुई नौकरियाँ वापस नहीं आएँगी; ट्रेड्स, हेल्थकेयर, या अन्य कम-स्वचालित होने वाले कामों पर विचार करें; सीखते रहें, साइड प्रोजेक्ट बनाते रहें, और व्यक्तिगत नेटवर्क का लाभ उठाएँ।