IIT Madras Beri Amaran AI Boleh Mengecilkan Langkah Awal Tangga Kerjaya di India

Kerja rutin semakin lenyap daripada medan latihan

Kecerdasan buatan sudah melaksanakan 37% tugas peringkat permulaan di India, berbanding 33% di seluruh dunia, menurut tinjauan 2026 terhadap 750 pemimpin sumber manusia yang dipetik dalam kertas putih baharu IIT Madras. Jurang empat mata peratusan itu memberikan angka konkrit kepada kebimbangan utamanya: kerja rutin yang diautomasikan juga merupakan kerja yang membantu pekerja muda mempelajari sesuatu profesion.

Kertas itu, Bagaimana AI Menstruktur Semula Pekerjaan di India: Kerangka Berasaskan Tugas untuk Memahami Peningkatan Keupayaan, Penggantian, Peranan Baharu dan Perubahan Struktur Pekerjaan, diterbitkan oleh Centre for Responsible AI (CeRAI) di Wadhwani School of Data Science and Artificial Intelligence (WSAI), IIT Madras. Kertas itu dilancarkan pada Industry Conclave on AI Governance 2026 dalam minggu sebelum 26 Oktober.

Amarannya melangkaui kehilangan pekerjaan serta-merta. Pengatur cara junior belajar dengan menulis kod asas. Akauntan baharu membiasakan diri dengan rekod kewangan dengan memproses invois. Ejen khidmat pelanggan membina pertimbangan melalui perbualan berulang. Apabila mesin mengambil alih tugasan itu, majikan berdepan masalah praktikal: bagaimana membangunkan kakitangan berpengalaman tanpa peranan permulaan yang sama.

Tinjauan Cognizant dan Pearson mengukur bahagian tugas yang dilaporkan dilaksanakan oleh AI. Kertas putih itu tidak menganggarkan jumlah pekerjaan peringkat permulaan yang akan hilang di India. Sebaliknya, kertas itu meneliti bagaimana tugas, tanggungjawab dan perkembangan kerjaya mungkin berubah merentas pusat panggilan, pembuatan, perbankan, undang-undang, pembangunan perisian dan kerja kreatif.

Mengapa tugas berbeza daripada pekerjaan

Pekerjaan khidmat pelanggan merangkumi beberapa aktiviti: menjawab soalan mudah, menyemak maklumat, menyelesaikan pertikaian dan memutuskan bila sesuatu masalah perlu dirujuk kepada penyelia. AI mungkin mengendalikan dua perkara pertama, sementara seseorang kekal bertanggungjawab terhadap perkara selebihnya.

Profesor Balaraman Ravindran, ketua CeRAI dan WSAI serta salah seorang penulis kertas itu, menjelaskan sebab para penyelidik bermula dengan aktiviti khusus tersebut:

Kebanyakan pekerjaan mempunyai pelbagai tugas dan hanya sebahagiannya boleh dilaksanakan oleh AI.

Kerangka itu memisahkan empat peringkat: tugas individu, pekerjaan yang merangkuminya, bidang pekerjaan yang lebih luas dan pasaran buruh. Peralihan daripada satu peringkat kepada peringkat lain memerlukan penelitian terhadap perubahan sebenar yang dilakukan majikan, termasuk dalam pengambilan pekerja, tanggungjawab dan penempatan kakitangan.

Dr Gokul S Krishnan, pengarah penyelidikan CeRAI, berkata hasilnya bergantung pada kos dan keupayaan teknologi, peraturan, keperluan keselamatan serta pilihan organisasi. Perniagaan boleh menggunakan AI untuk membantu pekerja menyiapkan lebih banyak kerja, mereka semula pekerjaan mereka dengan menumpukan pada semakan hasil automatik, atau mengurangkan keperluan terhadap tugas tertentu.

Kertas itu membahagikan kemungkinan ini kepada dua corak umum, dengan tujuh laluan dalam kedua-duanya. Dalam satu corak, AI melaksanakan sebahagian besar kerja rutin dan manusia mengesahkan hasil atau mengurus kes luar biasa. Dalam corak yang lain, manusia mengekalkan tanggungjawab utama dan menggunakan AI sebagai alat untuk bekerja dengan lebih cekap.

Mengapa faktor ekonomi mendorong automasi kerja rutin

Khidmat penyumberan luar proses perniagaan (BPO) di India menggambarkan tekanan komersial ini. Kertas itu memetik anggaran kos indikatif sebanyak 8 hingga 20 rupee seminit bagi ejen manusia, termasuk kos lebih luas untuk menggaji individu tersebut, berbanding 4 hingga 9 rupee seminit bagi perkhidmatan AI suara terurus yang sedia digunakan secara operasi.

Julat tersebut berdasarkan anggaran harga industri. Perbelanjaan sebenar bergantung pada perkhidmatan, skala dan kerja yang diperlukan. Julat itu bertindih, manakala harga AI yang lebih rendah membantu menjelaskan mengapa majikan yang mengendalikan panggilan rutin dalam jumlah besar mungkin mendapati automasi menarik.

Penetapan semula kata laluan, pertanyaan baki akaun, kemas kini pesanan dan pengesahan janji temu ialah contoh kerja berstruktur yang boleh dikendalikan oleh sistem yang agak murah. Pemanggil yang menghadapi beberapa masalah berkaitan, atau aduan yang memerlukan pertimbangan, mungkin masih memerlukan ejen manusia.

Ravindran mengenal pasti BPO sebagai sektor yang amat terdedah kepada tekanan ini:

Industri BPO ialah sektor yang akan berdepan cabaran besar akibat penggunaan AI dan telah dikenal pasti sedemikian dalam kertas ini.

Bahagian manakah dalam pekerjaan junior yang sedang berubah?

Contoh sektor dalam kertas itu menunjukkan bagaimana tugas rutin boleh berkurangan sementara tanggungjawab untuk membuat keputusan sukar kekal pada manusia. Contoh ini menggambarkan kemungkinan perubahan dan bukannya mengukur bahagian kerja yang diautomasikan dalam setiap profesion.

• Kejuruteraan perisian: AI boleh menjana kod asas, sementara manusia mengendalikan seni bina sistem, penyahpepijatan kompleks dan keputusan teknikal.
• Sokongan pelanggan: bot boleh menjawab pertanyaan rutin, sementara ejen menyelesaikan kes yang dirujuk dan menilai kualiti perkhidmatan.
• Kewangan dan perakaunan: AI boleh memproses invois, mengelaskan catatan lejar, menyelaraskan rekod bank dan menyediakan maklumat untuk penyata Cukai Barangan dan Perkhidmatan. Manusia mengesahkan kes luar biasa dan memberikan kelulusan profesional.
• Perkhidmatan undang-undang: AI boleh membantu penyelidikan dan semakan dokumen, sementara peguam mengekalkan tanggungjawab terhadap strategi litigasi, advokasi dan nasihat kepada klien.
• Pembuatan: pemeriksaan visual automatik boleh mengesan kecacatan, sementara pekerja mentafsir dapatan dan mengurus masalah operasi.

Oleh itu, kelompok tugas rutin yang lebih kecil boleh meninggalkan peranan manusia yang lebih mencabar. Pekerja mungkin menghabiskan kurang masa memproses kes biasa dan lebih banyak masa menangani situasi yang memerlukan bantuan untuk sistem automatik.

Risiko kehilangan peringkat pertengahan

Pekerja junior lazimnya membina kepakaran melalui pengulangan, maklum balas dan tanggungjawab yang meningkat secara beransur-ansur. Kertas itu mengenal pasti kemungkinan wujudnya jurang tenaga kerja jika tugasan permulaan tersebut berkurangan sedangkan perniagaan masih memerlukan profesional berpengalaman.

Pembangunan perisian menjadikan masalah ini mudah difahami. Majikan mungkin masih memerlukan jurutera yang mampu menilai sama ada sesuatu sistem boleh dipercayai, selamat dan sesuai dengan tujuannya. Pertimbangan sedemikian biasanya terbentuk melalui pengalaman mengendalikan tugasan pengaturcaraan yang lebih kecil, kesilapan dan pembetulan.

Isu sama turut timbul dalam bidang undang-undang dan perakaunan. Menyemak dokumen atau memeriksa catatan kewangan mungkin kelihatan berulang-ulang, namun kerja itu membantu pekerja baharu mengenal pasti corak dan mengesan kes luar biasa. Penggantian tugas tersebut mengubah laluan menuju tanggungjawab yang lebih tinggi.

Majikan boleh mereka semula pekerjaan junior dengan menumpukan pada pemeriksaan hasil AI, penyiasatan kesilapan dan penilaian prestasi. Sama ada syarikat melabur dalam laluan kerjaya tersebut atau mengambil lebih sedikit pekerja baharu masih belum dipastikan. Kertas itu mengenal pasti risikonya tanpa mengira skala akhirnya.

Penyeliaan AI juga memerlukan latihan

Universiti dan majikan perlu menyediakan graduan untuk pekerjaan yang mungkin melibatkan sistem AI menghasilkan jawapan pertama. Pengatur cara baharu mungkin diminta menguji kod yang dijana. Graduan kewangan mungkin perlu mengesahkan pengelasan automatik dan menjelaskan sebabnya betul atau salah.

Tanggungjawab itu memerlukan pengetahuan bidang selain kebiasaan menggunakan alat AI. Menyemak jawapan melibatkan pemahaman terhadap masalah asas, mengenal pasti kesilapan dan mengetahui bila bantuan perlu diminta. Kebimbangan kertas itu tentang pendidikan tertumpu pada cara pelajar memperoleh pertimbangan tersebut.

Ravindran berkata perpindahan pekerja ke jawatan penyeliaan memerlukan latihan, alat yang sesuai dan perlindungan keselamatan:

Perubahan pekerjaan perlu disertai latihan yang mencukupi, pembangunan alat yang memudahkan manusia melaksanakan tugas penyeliaan serta mekanisme perlindungan keselamatan yang mencukupi. Sekali lagi, setakat hari ini, penyelidikan yang mencukupi untuk menjawab persoalan ini dengan berkesan masih belum tersedia. Mengenal pasti masalah ini ialah langkah pertama untuk menanganinya dengan berkesan.

Laluan kerjaya BPO yang mungkin boleh membawa pekerja daripada khidmat pelanggan kepada pengendalian kes yang dirujuk, penilaian kualiti, reka bentuk perbualan AI dan penyeliaan operasi. Bagi pekerja, persoalan praktikalnya ialah sama ada setiap langkah itu disertai latihan dan peluang realistik untuk maju.

Penggunaan AI akan berbeza-beza di seluruh India

Para penyelidik menggunakan istilah geografi kos AI untuk menggambarkan bagaimana harga dan akses kepada teknologi boleh mempengaruhi penyebaran automasi. Alat berharga berpatutan boleh digunakan dalam kerja BPO rutin, penyimpanan kira-kira dan pemeriksaan kualiti di perusahaan mikro, kecil dan sederhana (MSME).

Aplikasi yang memerlukan model lebih maju, kepakaran khusus atau infrastruktur besar, termasuk sesetengah sistem penyelidikan undang-undang dan pengimejan diagnostik, mungkin kekal tertumpu pada organisasi lebih besar dan kawasan bandar. Oleh itu, jenis AI yang berbeza boleh tersebar pada kadar yang berbeza.

Kertas itu turut meneliti perbezaan antara pekerjaan formal dan tidak formal, pekerja bandar dan luar bandar, serta perniagaan kecil dan besar. Satu angka nasional sahaja tidak akan menggambarkan perbezaan akses, tahap pendedahan dan keupayaan beralih kepada peranan baharu.

Kualiti pekerjaan juga menjadi kebimbangan. Kertas putih itu menyorot pengawasan dan tekanan kerja, selain jurang bukti tentang pekerjaan tidak formal. Mengukur peralihan ini bermakna meneliti gaji, beban kerja dan keadaan pekerjaan selain mengira jumlah jawatan.

Peranan baharu bergantung pada laluan kemasukan yang mudah diakses

Pelan Hala Tuju Penciptaan Pekerjaan dalam Ekonomi AI 2025 oleh NITI Aayog mengunjurkan India berpotensi mewujudkan sehingga empat juta pekerjaan berkaitan AI dalam tempoh lima tahun, dengan syarat pelaburan terkoordinasi dalam kemahiran dan latihan semula dilakukan. Kertas IIT Madras memetik unjuran itu bersama peranan baharu seperti jurulatih AI, pereka perbualan, pakar AI beretika dan pengendali robot jarak jauh.

Pekerja yang kehilangan tugas sedia ada memerlukan laluan untuk merebut peluang tersebut. Kertas itu menggesa latihan yang dikaitkan dengan peranan alternatif yang realistik, dengan penjelasan tentang tempoh dan kos latihan serta sama ada peserta boleh mengekalkan pendapatan semasa belajar.

Ravindran menjelaskan pihak yang bertanggungjawab membiayai peralihan itu:

Sebahagiannya kerajaan, sebahagiannya industri dan sebahagiannya pelajar; gabungannya bergantung pada industri dan kesan sosial lebih luas akibat penggantian pekerjaan.

Perkembangan berkaitan merangkumi beberapa peringkat:

• 2025: Pelan hala tuju NITI Aayog menggariskan unjuran bersyaratnya bagi penciptaan pekerjaan berkaitan AI dalam tempoh lima tahun.
• 2026: Tinjauan Cognizant dan Pearson terhadap 750 pemimpin sumber manusia mendapati AI melaksanakan 37% tugas peringkat permulaan di India, berbanding 33% di seluruh dunia.
• Minggu sebelum 26 Oktober 2026: Kertas putih IIT Madras dilancarkan pada Industry Conclave on AI Governance 2026.

Tindakan yang diminta para penyelidik daripada majikan dan kerajaan

Saranan CeRAI menggabungkan penggunaan AI yang berterusan dengan persediaan menghadapi perubahan dalam pekerjaan. Para penyelidik menggesa penyediaan alat berpatutan yang tertumpu pada tugas tertentu, khususnya untuk perniagaan kecil; lebih banyak penyelidikan di India tentang tugas dan kemahiran yang terjejas; serta laluan berstruktur menuju pekerjaan yang sedang berubah.

Peraturan liabiliti yang jelas turut menjadi sebahagian daripada saranan itu. Perniagaan dan pekerja perlu mengetahui pihak yang bertanggungjawab apabila sistem AI melakukan kesilapan, khususnya apabila seseorang dijangka meluluskan hasilnya.

Kertas itu menyifatkan pengelasannya sebagai hipotesis berstruktur. Contoh yang diberikan bersifat ilustrasi, sebahagian besar bukti datang daripada vendor atau pengamal, dan India mempunyai penyelidikan terperinci yang terhad tentang gabungan kemahiran yang diperlukan dalam pekerjaan. Kertas itu tidak mengukur kesan terhadap jumlah pekerjaan, gaji atau kualiti pekerjaan.

Agenda penyelidikan itu berkait langsung dengan keputusan latihan. Majikan dan pendidik perlu mengenal pasti tugas yang sedang berubah, pengetahuan yang diperlukan untuk kerja yang masih ada dan cara pekerja baharu boleh memperolehnya. Bagi graduan baharu India, isu serta-merta ialah akses kepada pekerjaan pertama yang masih menyediakan peluang untuk belajar dan maju.

Perkara Utama

• IIT Madras memberi amaran bahawa automasi boleh mengecilkan skop kerja rutin yang membantu pekerja junior memperoleh pengalaman.
• Tinjauan 2026 yang dipetik mendapati AI melaksanakan 37% tugas peringkat permulaan di India dan 33% di seluruh dunia.
• BPO, perisian, perakaunan, undang-undang dan pembuatan menggambarkan gabungan tugas automatik dan tanggungjawab manusia yang berbeza.
• Kos teknologi, peraturan, keselamatan dan keputusan majikan akan membentuk perubahan pekerjaan.
• Unjuran NITI Aayog sebanyak sehingga empat juta pekerjaan berkaitan AI dalam tempoh lima tahun bergantung pada pelaburan kemahiran yang terkoordinasi.
• Kertas itu menggesa penyediaan AI berpatutan, penyelidikan buruh India yang lebih baik, kejelasan tanggungjawab dan laluan peralihan praktikal untuk pekerja.