AI ने बेरोजगारी क्यों नहीं बढ़ाई है?

मैंने सोचा कि मैं कुछ उच्च-स्तरीय विचार और एक ढाँचा साझा करूँ जो मुझे यह समझने में मदद करता है कि अमेरिकी श्रम बाजार पर AI का अब तक कोई महत्वपूर्ण प्रभाव क्यों नहीं दिख रहा है। मैं अमेरिका पर ध्यान केंद्रित करता हूँ क्योंकि (क) यहाँ AI अपनाने की दर अधिक है, (ख) यह दुनिया की सबसे बड़ी अर्थव्यवस्था है, (ग) यूरोप की तुलना में, हमारी श्रम बाजार संस्थाएँ ऐतिहासिक रूप से श्रम-विस्थापनकारी प्रौद्योगिकियों को तेजी से अपनाने में सहायक रही हैं, और (घ) हमारे पास वर्तमान स्थितियों को समझने के लिए श्रम बाजार के आँकड़ों का असामान्य रूप से समृद्ध भंडार है। मैंने हाल ही में Anthropic के भीतर ये विचार साझा किए थे।

पहला, अमेरिका में AI अपनाने की दर अधिक है। इसलिए उत्पादकता या बेरोजगारी पर इसके प्रभावों को देखना उचित है। हाल के वर्षों में श्रम उत्पादकता वृद्धि मजबूत रही है, और कुछ संकेत हैं कि AI ने आंशिक रूप से इसमें योगदान दिया है।

लेकिन अमेरिकी श्रम बाजार वर्तमान में स्थिर है और अधिकतम रोजगार के करीब है। मेरे विचार में, AI ने अब तक बेरोजगारी दर में कोई उल्लेखनीय वृद्धि नहीं की है। भले ही हम AI ऑटोमेशन के वर्तमान पैटर्न के उच्च जोखिम वाले श्रमिकों पर ध्यान केंद्रित करें, हमें हाल के वर्षों में बेरोजगारी में अप्रत्याशित वृद्धि नहीं दिखती (हालाँकि जैसा कि मैं नीचे चर्चा करूँगा, ये श्रमिक नौकरी खोने को लेकर अधिक चिंतित हैं)।

AI अपनाने का बेरोजगारी पर कोई प्रभाव क्यों नहीं दिखता? AI (अब तक) एक "कौशल-पक्षपाती", श्रम-वर्धक तकनीक के लक्षण रखता है। जैसे-जैसे AI काम के कुछ पहलुओं को स्वचालित करता है, पूरक मानव विशेषज्ञता वह हासिल करती है जो AI (या मानव) अकेले नहीं कर सकते। AI लोगों की क्षमता का दायरा बढ़ाता है, जिससे AI के साथ काम करने का प्रतिफल बढ़ता है।

अब, भविष्य अभी भी काफी अनिश्चित है। मॉडल की क्षमताएँ तेजी से बढ़ रही हैं, और AI सिस्टम जल्द ही अपने उत्तराधिकारियों को स्वायत्त रूप से विकसित करने में सक्षम हो सकते हैं। अधिक सामान्य रूप से बुद्धिमान AI सिस्टम श्रम विस्थापन का कारण बन सकते हैं जो अभी तक सामने नहीं आया है। क्या ऐसा हो सकता है (और कितनी जल्दी) यह एक खुला प्रश्न है, जिसे मेरी टीम समझने का प्रयास कर रही है।

कई मायनों में, यह छोटा निबंध पिछले 18 महीनों में Anthropic के आर्थिक शोध को संश्लेषित करने का मेरा प्रयास है, ताकि यह समझा जा सके कि लोग AI का उपयोग कैसे करते हैं और इसका काम, श्रम बाजार और व्यापक अर्थव्यवस्था पर अभी क्या प्रभाव पड़ता है। इस कार्य ने इस बात पर जोर दिया है कि भविष्य अभी भी अनिश्चित है और इसके निहितार्थ असमान होने की संभावना है। अब तक, हमने बेरोजगारी पर हल्के प्रभाव देखे हैं; यह निबंध यह समझने के लिए मेरा ढाँचा प्रस्तुत करता है कि ऐसा क्यों है (और भविष्य में क्या बदल सकता है)।

महत्वपूर्ण पृष्ठभूमि तथ्य: अमेरिकी श्रम बाजार वर्तमान में स्थिर है।

• जून में बेरोजगारी दर 4.2% थी, जिसे फेड पूर्ण रोजगार और स्थिर कीमतों के अनुरूप स्तर मानता है।
• अप्रैल में बेरोजगार श्रमिकों के मुकाबले नौकरी के अवसरों का अनुपात हाल ही में 1 से थोड़ा ऊपर बढ़ गया, जो कुछ अर्थशास्त्रियों के अनुसार यह संकेत देता है कि श्रम की माँग और आपूर्ति लगभग और कुशलतापूर्वक संतुलित हैं। अधिक परिष्कृत संकेतक, जैसे NY Fed के Heise, Pearce, Weber (HPW) श्रम बाजार तंगी सूचकांक, भी एक संतुलित श्रम बाजार की ओर इशारा करते हैं।
• प्रमुख आयु वर्ग का रोजगार-से-जनसंख्या अनुपात कई दशकों के उच्च स्तर के करीब बना हुआ है, जो महामारी के बाद के विस्तार के दौरान उभरी व्यापक-आधारित श्रम बाजार मजबूती को दर्शाता है।
• बेरोजगारी बीमा के लिए साप्ताहिक प्रारंभिक दावे पिछले चार वर्षों में स्थिर रूप से कम रहे हैं। और छंटनी और निकासी की दरें महामारी-पूर्व स्तरों पर या उससे थोड़ी कम हैं।

तो क्या हमें अभी तक श्रम बाजार पर AI के प्रभाव की उम्मीद करनी चाहिए? मुझे लगता है कि उत्तर है हाँ: AI क्षेत्र इतना बड़ा है कि हम स्पष्ट व्यापक आर्थिक प्रभावों की तलाश कर सकते हैं।

• लगभग 20% फर्में कम से कम एक व्यावसायिक कार्य में AI का उपयोग करती हैं। सूचना क्षेत्र में, जो GDP का 5.5% है, यह हिस्सा 40% है।
• गुणवत्ता-समायोजित AI उत्पादन 2024 और 2025 दोनों में प्रति वर्ष 2,000% से अधिक बढ़ा, पैट्रिक मैककेल्वी और मेरे सहयोगी @akorinek के अनुमानों के अनुसार। एक छोटे प्रारंभिक आधार से भी, यह सुझाव देता है कि हमें समग्र रूप से AI के प्रभाव के संकेत देखने चाहिए।
• मेरा मानना है कि हम समग्र उत्पादकता आँकड़ों में AI के प्रभाव को देखना शुरू कर रहे हैं:**
• हाल के वर्षों में श्रम उत्पादकता वृद्धि अपेक्षाकृत मजबूत रही है: 2022Q1 से 2026Q1 तक प्रति घंटे काम पर उत्पादन का अनुपात प्रति वर्ष 2.0% बढ़ा, जबकि महामारी से पहले के चार वर्षों में यह 1.6% था।
• अमेरिकी अर्थव्यवस्था के उच्च AI अपनाने वाले क्षेत्रों में पिछले चार वर्षों में श्रम उत्पादकता वृद्धि तेज रही है।
• कुल कारक उत्पादकता वृद्धि—जिस तरह से अर्थशास्त्री उत्पादकता मापना पसंद करते हैं—हाल के वर्षों में अधिक मामूली रही है (विशेषकर कारक उपयोग के लिए समायोजन के बाद)। यह साक्ष्य को कमजोर करता है, लेकिन उत्पादकता पर मिश्रित संकेत स्वयं संकेत दे सकते हैं कि एक त्वरण चल रहा है।
• फर्में एक नए श्रमिक को काम पर रखने के भविष्य के मूल्य के बारे में विश्वासों के आधार पर नियुक्ति निर्णय लेती हैं, जो लागतों के सापेक्ष होता है।
• फर्में इस बात पर ध्यान देती हैं कि भविष्य में श्रमिक कितने उत्पादक होंगे, रोजगार की अवधि के दौरान मजदूरी, और मिलान की अपेक्षित अवधि।
• इस कारण से, भविष्य के बारे में फर्मों की मान्यताओं को श्रम बाजार के परिणामों को आज आकार देना चाहिए, नौकरी से अलगाव, नियुक्ति, और व्यावसायिक बदलाव के रूप में। लेकिन छोड़ने, छंटनी, और नौकरी खोजने की दरों में, हमें स्थिरता का एक पैटर्न दिखता है। इसी तरह AI के कारण असामान्य रूप से तेज व्यावसायिक बदलाव का कोई सबूत नहीं है।
• सॉफ्टवेयर इंजीनियरिंग नौकरी के पोस्ट मई 2025 के बाद से व्यापक रूप से उबर गए हैं, अन्य सभी नौकरी पोस्टों की तुलना में, जो एक ऐसे व्यवसाय में श्रमिकों की बढ़ती माँग का संकेत देता है जहाँ AI क्षमताएँ सबसे अधिक उन्नत हो रही हैं।

क्या इस बात का कोई सबूत है कि नौकरी विस्थापन हो रहा है, भले ही वह (अभी तक) व्यापक आर्थिक रूप से परिणामी न हो? सबूत मिश्रित है। लेकिन कुल मिलाकर, मैं आश्वस्त नहीं हूँ।

• जैसा कि मैक्सिम मासेनकॉफ और मैंने अपनी श्रम प्रभाव रिपोर्ट में दस्तावेज किया है, हमने उन भूमिकाओं में श्रमिकों के लिए बेरोजगारी दरों में गिरावट नहीं देखी है जिनमें Claude को स्वचालित करने के लिए उपयोग किए जाने वाले कार्यों का बड़ा हिस्सा है, अन्य भूमिकाओं में श्रमिकों की तुलना में। BLS के अधिक हाल के डेटा के साथ इस विश्लेषण को अद्यतन करने से यह परिणाम नहीं बदलता है।
• हमें कुछ संकेतात्मक सबूत मिलते हैं कि पिछले एक वर्ष या उससे अधिक समय में अत्यधिक AI-उजागर भूमिकाओं में युवा श्रमिकों के लिए नियुक्ति दरें कमजोर हुई हैं। यह कैनरीज़ इन द कोल माइन में साक्ष्य के अनुरूप है, जो स्टैनफोर्ड डिजिटल इकोनॉमी लैब के शोधकर्ताओं का एक पेपर है।
• लेकिन युवा श्रमिक विस्थापन के इस सबूत को सावधानी से समझा जाना चाहिए। कारण प्रभावों को समझना कठिन है, क्योंकि AI एक असामान्य रूप से अस्थिर व्यापक आर्थिक वातावरण में उभरा: महामारी-युग के व्यवधानों का समाधान, मौद्रिक नीति का तेजी से सख्त होना, रूस के यूक्रेन पर आक्रमण के बाद वस्तु की कीमतों में अस्थिरता, और निरंतर वैश्विक नीति अनिश्चितता (जैसे व्यापार युद्धों से)। क्योंकि नियुक्ति एक प्रकार का निवेश है, व्यापक आर्थिक अनिश्चितता स्वयं नियुक्ति पर दबाव डाल सकती है।
• इसे दूसरे तरीके से कहें तो: 2022 से अब तक, अमेरिका ने रिकॉर्ड पर सबसे बड़ी गैर-मंदी श्रम बाजार मंदी का अनुभव किया (जिसे "इमैक्युलेट डिसइन्फ्लेशन" कहा जाता है)। यह "कम नियुक्ति, कम छंटनी" वाले श्रम बाजार के साथ मेल खाता है। इस तरह का श्रम बाजार करियर की शुरुआत में आने वालों को सबसे कठिन प्रभावित करता है। अभी, युवा श्रमिकों को AI के अलावा अन्य व्यापक आर्थिक कारणों से नौकरी खोजने में कठिनाई हो सकती है।
• अलग से, कुछ हालिया काम यह तर्क देता है कि महामारी के बाद दूरस्थ काम में वृद्धि का उन भूमिकाओं में युवा श्रमिकों पर प्रभाव पड़ा है जो AI के प्रति अत्यधिक उजागर हैं। अर्थव्यवस्था को प्रभावित करने वाले अन्य झटकों से AI के प्रभाव को अलग करना चुनौतीपूर्ण है।
• जबकि हम अभी तक बेरोजगारी के प्रभाव नहीं देखते हैं, हम पाते हैं कि उन भूमिकाओं में श्रमिक जिनमें Claude को स्वचालित करने के लिए उपयोग किए जाने वाले कार्य हैं, वे कम उजागर भूमिकाओं वालों की तुलना में अपनी नौकरी खोने के बारे में अधिक चिंता व्यक्त करते हैं।

यदि आप मानते हैं कि अमेरिकी श्रम बाजार वर्तमान में स्वस्थ है, कि AI सैद्धांतिक रूप से व्यापक आर्थिक रूप से स्पष्ट प्रभाव उत्पन्न कर सकता है, और इसने अभी तक अत्यधिक AI-उजागर भूमिकाओं के लिए विस्थापन उत्पन्न नहीं किया है, तो अगला प्रश्न स्पष्ट है:

AI ने बेरोजगारी में सार्थक वृद्धि क्यों नहीं की है?

अब तक, AI कौशल-पक्षपाती और श्रम-वर्धक दोनों है। यह डोमेन विशेषज्ञता का पूरक है। यह सबसे जटिल काम को निर्देशित और मूल्यांकन करने के लिए मानव को लूप में रखने पर निर्भर करता है। और यह AI प्रवीणता को पुरस्कृत करता है। मॉडल की क्षमताएँ तेजी से सुधर रही हैं, लेकिन हठपूर्वक असमान बनी हुई हैं। असमान सीमा के खाली स्थानों को भरने के लिए, अत्यधिक सक्षम AI सिस्टम को चलाने और जब वे विफल होते हैं तो उबरने के लिए विशेषज्ञ पर्यवेक्षण की आवश्यकता होती है।

बेशक, कुछ नौकरियाँ ऑटोमेशन द्वारा पूर्ण विस्थापन के लिए अधिक उजागर होती हैं। उदाहरण के लिए, तकनीकी लेखक, डेटा एंट्री कर्मचारी, ग्राहक सेवा प्रतिनिधि, और कंप्यूटर प्रोग्रामर ऐसी नौकरियाँ हैं जहाँ AI मज़बूती से कार्यों और जिम्मेदारियों के मुख्य सेट को संभाल सकता है। भले ही हमने इस प्रकार की भूमिकाओं में श्रमिकों के लिए बेरोजगारी में कोई वृद्धि नहीं देखी है, उच्च अवलोकित जोखिम वाले व्यवसायों में BLS द्वारा 2034 तक कम बढ़ने का अनुमान है।

लेकिन अब तक, व्यापक तस्वीर श्रम वर्धन की है। परिणामस्वरूप श्रम बाजार में प्रभाव असमान होने वाले हैं, भले ही क्षमताएँ तेजी से आगे बढ़ रही हों। इसका मतलब यह नहीं है कि सभी कौशल जो वर्तमान में श्रम बाजार में प्रीमियम प्राप्त करते हैं, भविष्य में ऐसा करेंगे। कुछ प्रकार की विशेषज्ञता कम मूल्यवान हो सकती है (जैसे शुद्ध कोडिंग कार्यान्वयन) जबकि अन्य अधिक मूल्यवान हो जाते हैं (जैसे प्रबंधकीय कौशल: प्रतिनिधिमंडल और मूल्यांकन)।

हम क्यों सोचते हैं कि AI एक कौशल-पक्षपाती, श्रम-वर्धक तकनीक है? मैं Anthropic आर्थिक अनुसंधान टीम द्वारा प्रकाशित कार्य और Anthropic आर्थिक सूचकांक के साक्ष्य के आधार पर कुछ अवलोकन करूँगा:

• AI की अविश्वसनीय प्रगति और पूरी अर्थव्यवस्था में तेजी से अपनाने के बावजूद, ONET वर्गीकरण (श्रम विभाग की एक सूची जिसमें व्यवसायों और उनके विशिष्ट कार्यों का विवरण है) में कोई ऐसी नौकरी नहीं है जिसके सभी* संबद्ध कार्यों को व्यवस्थित रूप से Claude द्वारा संभाला जाता है। यदि नौकरियाँ कार्यों के निश्चित बंडल हैं—वे नहीं हैं, लेकिन उस पर एक पल में और अधिक—तो काम के आवश्यक, गैर-स्वचालित पहलू समग्र उत्पादकता लाभ को सीमित करते हैं और श्रम पर प्रतिफल को बढ़ाते हैं। जिन कार्यों को Claude नहीं संभाल सकता, वे पारस्परिक समन्वय, व्यक्तिगत बातचीत, या भौतिक दुनिया से जुड़ाव पर निर्भर हो सकते हैं, जो अब तक केवल मनुष्य ही कर सकते हैं (देखें "कार्य नौकरी नहीं है" @lugaricano द्वारा)।
• हमारी जनवरी रिपोर्ट, आर्थिक प्राथमिकताएँ में, हम पाते हैं कि परिष्कृत उपयोगकर्ता इनपुट और जटिल Claude आउटपुट अत्यधिक सहसंबद्ध हैं। दूसरे शब्दों में, जब Claude एक जटिल आर्थिक मॉडल बनाता है, तो व्यवहार में वह ऐसे किसी व्यक्ति के मार्गदर्शन में ऐसा करता है जो पूरक, विशेषज्ञ दिशा प्रदान करता है।
• जबकि Claude औसतन सफल होता है, मॉडल सबसे जटिल काम पर सबसे अधिक संघर्ष करता है। यह मोटे तौर पर METR कार्य-क्षितिज परिणामों के अनुरूप है, जिसमें उच्च विश्वसनीयता छोटे कार्य क्षितिज की कीमत पर आती है। हमें संकेतात्मक सबूत मिलते हैं कि लूप में मनुष्य Claude द्वारा संभाले जाने वाले काम की जटिलता को बढ़ाते हैं।
• हमारी मार्च रिपोर्ट, सीखने की अवस्थाएँ में, हमने पाया कि उपयोग के केवल छह महीनों के बाद भी, लोग Claude के साथ एक विचार भागीदार के रूप में बातचीत करने की अधिक संभावना रखते हैं, और Claude के साथ अधिक सफल बातचीत करते हैं। यदि AI अपने आप में काफी अच्छा होता, तो हम इस प्रभाव को देखने की उम्मीद नहीं करते।
• व्यापक कार्य स्वचालन फिर भी श्रम को बढ़ा सकता है। क्यों? क्योंकि नौकरियाँ कार्यों के निश्चित बंडल नहीं हैं। नई प्रौद्योगिकियों ने ऐतिहासिक रूप से मौजूदा नौकरियों के भीतर बड़े बदलाव किए हैं, भले ही कुछ नौकरियाँ खत्म हो गई हों। और उन्होंने पूरी तरह से नए प्रकार के काम का उत्पादन किया है जो नई तकनीकी क्षमताओं को पूरक मानव विशेषज्ञता के साथ जोड़ते हैं। हम अपने शोध में इस प्रभाव के संकेत देखते हैं: 81k Claude उपयोगकर्ताओं के बीच कथित उत्पादकता का एक सामान्य रूप से उद्धृत स्रोत दायरा था—अधिक, अधिक कुशलता से करने में सक्षम होना। AI से ऐसा सशक्तिकरण हमारी भूमिकाओं की सीमाओं को फिर से खींच सकता है, और नौकरियों के भीतर कार्यों के नए बंडलिंग का उत्पादन कर सकता है—कुछ को स्वचालित करना, दूसरों के महत्व को मजबूत करना—जबकि शुद्ध रूप से श्रम के सीमांत उत्पाद को बढ़ाना।
• हमारी जून आर्थिक सूचकांक रिपोर्ट, कैडेंसेस में, Anthropic आर्थिक सूचकांक सर्वेक्षण के एक तिहाई से अधिक उत्तरदाताओं को उम्मीद है कि AI अगले बारह महीनों में अपनी नौकरियों में वे जो कार्य करते हैं, उनमें से अधिकांश या सभी करने में सक्षम होगा। उत्तरदाताओं के समान अनुपात को उम्मीद है कि आने वाले वर्ष में अपने और अपने सहयोगियों के लिए नौकरी की जिम्मेदारियाँ बदल जाएँगी। लेकिन नौकरी खोने की उम्मीदें उल्लेखनीय रूप से कम थीं। वास्तव में, जो लोग Claude का अधिक स्वचालित तरीकों से उपयोग करते हैं, वे अपने वेतन, नौकरी की सुरक्षा, और नौकरी खोजने की क्षमता पर AI के प्रभाव के बारे में अधिक आशावादी होते हैं।
• जैसे-जैसे AI क्षमताओं में सुधार होता है, हम तेजी से सक्षम एजेंट देखेंगे जो स्वायत्त रूप से जटिल, लंबी अवधि के, मूल्यवान कार्यों को संभाल सकते हैं। क्या AI अभी भी श्रम को बढ़ाएगा? इस प्रश्न को समझने के लिए, हमने हाल ही में Claude Code उपयोग के पैटर्न का विश्लेषण किया यह देखने के लिए कि क्या एजेंटिक कोडिंग विशेषज्ञता पर प्रतिफल को बदल रही है। हमने सात महीनों तक ट्रैक किया, Claude Code का उपयोग अधिक से अधिक मूल्यवान कार्यों पर किया गया, लेकिन हमने मानव विशेषज्ञता पर लगातार प्रतिफल देखा: यानी, लोग योजना बनाने के निर्णय लेते हैं, और कार्यान्वयन Claude को सौंपते हैं। अधिक डोमेन विशेषज्ञता वाले लोग अपने कार्यों में अधिक बार सफल होते हैं, और जब Claude कोई त्रुटि करता है तो अधिक लगातार उबरते हैं। सीधी कोडिंग क्षमता पर प्रतिफल गिर गया होगा, लेकिन एजेंटिक कोडिंग ने अब तक अन्य, पूरक कौशल के मूल्य को बढ़ाया है।

भविष्य को समझना कठिन है। यह बहुत अच्छी तरह से हो सकता है कि AI का कौशल-पक्षपाती, श्रम-वर्धक पहलू मॉडलों में सुधार जारी रहने पर गायब हो जाएगा। असमान सीमा चिकनी हो सकती है। और एक निश्चित बिंदु पर, मानव विशेषज्ञता पर प्रतिफल कम हो सकता है।

भविष्य के बारे में इतनी अधिक अनिश्चितता होने का एक बड़ा कारण यह है कि AI स्वयं नवाचार को स्वचालित कर सकता है। मशीनों को सामान्य संज्ञानात्मक क्षमताओं से संपन्न करना आगे के नवाचार के लिए एक सीधा उत्प्रेरक है, उन तरीकों से जो पिछली सामान्य प्रयोजन प्रौद्योगिकियाँ नहीं थीं। आंतरिक दहन इंजन परिवहन के नए तरीकों का आविष्कार नहीं कर सकता था। अन्यथा मानक आर्थिक मॉडलों में, नवाचार को स्वचालित करना—जिसे हम पहले पुनरावर्ती स्व-सुधार में देख सकते हैं—आर्थिक विलक्षणताएँ उत्पन्न कर सकता है: सीमित समय में अनंत वृद्धि।

क्या ऐसी विलक्षणताएँ होंगी? नहीं, यदि ऐसे आवश्यक कार्य हैं जो कभी स्वचालित नहीं होते, चाहे तकनीकी कारणों से या सामाजिक बाधाओं के कारण। वे "कमजोर कड़ियाँ" विकास की सीमाएँ हैं: "आर्थिक विकास इस बात से सीमित हो सकता है कि हम क्या अच्छा करते हैं, बल्कि इस बात से कि क्या आवश्यक है और फिर भी सुधारना कठिन है," जैसा कि Aghion, Jones, और Jones (2017) तर्क देते हैं। ऐसी कमजोर कड़ियाँ लंबे समय में श्रम आय हिस्सेदारी को ऊँचा रख सकती हैं, बहुत तेज, व्यापक, लेकिन अपूर्ण ऑटोमेशन के तहत भी।

"कमजोर कड़ियाँ" तर्क केवल वस्तुओं के उत्पादन के लिए ही नहीं, बल्कि नवाचार को स्वचालित करने के लिए भी लागू होता है। क्या AI नाटकीय रूप से उत्पादकता वृद्धि को गति देता है, इसके लिए न केवल क्षमताओं में सुधार की आवश्यकता है, बल्कि R&D प्रक्रिया में शामिल कार्यों का व्यापक-आधारित स्वचालन भी आवश्यक है। हालिया साक्ष्य बताता है कि कमजोर कड़ियाँ वर्तमान में सॉफ्टवेयर उत्पादन को स्वचालित करने पर एक बाधा हैं: कोडिंग एजेंटों की शुरूआत के बाद उत्पन्न कोड की पंक्तियों में 10-20 गुना वृद्धि ने सॉफ्टवेयर रिलीज़ में केवल 30% की वृद्धि की, और ऐप उपयोग में कोई कुल वृद्धि नहीं हुई।

स्केलिंग कानूनों से बहस करना कठिन है। मॉडल बेहतर होते जा रहे हैं। बहुत बेहतर। मुझे उम्मीद है कि इससे तेज उत्पादकता वृद्धि होगी, और शायद RSI के और भी स्पष्ट संकेत मिलेंगे। लेकिन मुझे उम्मीद नहीं है कि अब से एक साल बाद बेरोजगारी उल्लेखनीय रूप से अधिक होगी—कम से कम AI के कारण तो नहीं।