AI Productivity वाढली, पण कामही वाढलं: भारतातील 81% कर्मचाऱ्यांना efficiencyचा फायदा; hidden cost काय?

AIमुळे काम कमी होईल, अशी अनेक कर्मचाऱ्यांची अपेक्षा होती. भारतातील नवीन survey मात्र अधिक गुंतागुंतीचे चित्र दाखवतो: काम वेगाने होते आहे, पण त्याच वेळी लोकांकडून अधिक कामही करून घेतले जात आहे.

Korn Ferryच्या workplace surveyवर आधारित 24 सप्टेंबरच्या Economic Times reportनुसार भारतातील 81 टक्के respondentsनी AIमुळे efficiency सुधारल्याचे सांगितले. 79 टक्क्यांना स्वतःची productivity मागील वर्षाच्या तुलनेत वाढल्याचे वाटते.

पण दुसरी बाजू अधिक महत्त्वाची आहे. 78 टक्के respondentsनी workload “significantly” वाढल्याचे सांगितले, तर 73 टक्क्यांनी AIमुळे त्यांच्या roleमध्ये tasksची संख्या वाढल्याचे म्हटले. जवळपास तीन-चतुर्थांश लोक अनेक rolesची जबाबदारी एकाच वेळी सांभाळत असल्याचेही reportमध्ये नमूद आहे.

म्हणजे AI productivity वाढवते आहे, पण मिळालेला वेळ employeeला परत मिळतोच असे नाही. अनेक संस्थांमध्ये तो वेळ आणखी outputची अपेक्षा वाढवण्यासाठी वापरला जातो आहे.

Productivity आणि workload दोन्ही कसे वाढू शकतात?

उदाहरणार्थ एखाद्या marketing executiveला AIने report तयार करण्यासाठी पूर्वी 3 तास लागायचे; आता 1 तास लागतो. Companyकडे दोन पर्याय आहेत—employeeला उरलेले 2 तास strategic कामासाठी देणे, किंवा त्याच वेळेत आणखी reports मागणे.

दुसरा पर्याय अधिक सामान्य झाला तर individual productivity वाढते, पण workloadही वाढतो. हा विरोधाभास surveyच्या आकड्यांमध्ये दिसतो.

AIची “time saving” हमी नाही

Generative AI email drafts, presentations, summaries, coding, data analysis आणि researchमध्ये वेळ वाचवू शकते. पण output verify करणे, hallucinations तपासणे आणि sensitive dataची काळजी घेणे आवश्यक आहे.

काही कामांत AI पहिला draft जलद देते, पण final quality maintain करण्यासाठी human review तितकाच महत्त्वाचा राहतो. त्यामुळे tool usageचा वेळ कमी झाला तरी total responsibility कमी होईलच असे नाही.

Role expansion म्हणजे काय?

73 टक्के respondentsनी tasks वाढल्याचे सांगणे महत्त्वाचे आहे. AI toolsमुळे non-specialist employeeही design mockup, basic data analysis, translation किंवा presentation तयार करू शकतो.

याचा फायदा flexibility आहे. पण त्याचबरोबर “तू आता हेही करू शकतोस” अशी expectation निर्माण होते. Job description formally बदललेली नसली तरी role breadth वाढते.

Middle managersवर वेगळा दबाव

AI individual contributorsसोबत managersचे कामही बदलते. Teamने AI वापरला की output volume वाढू शकतो; पण quality, legal risk, privacy आणि accountability managerकडेच राहते.

AIने तयार केलेल्या प्रत्येक निर्णयामागे ownership कोणाची—toolची की employeeची—हा प्रश्न organisational policyने स्पष्ट करणे आवश्यक आहे.

भारतीय IT sectorमध्ये याचा मोठा परिणाम

India मोठ्या IT-services workforceमुळे विशेष स्थितीत आहे. Coding assistants, automated testing, documentation आणि support agentsमुळे per-employee output वाढू शकतो.

Clients “same budgetमध्ये अधिक काम” मागू लागले तर productivity benefit companyच्या marginमध्ये किंवा client pricingमध्ये जाऊ शकतो; employeeच्या workloadमध्ये घट होईलच असे नाही.

याच कारणाने AI adoptionला फक्त cost-saving project म्हणून पाहणे workforce healthसाठी धोकादायक ठरू शकते.

Burnoutचा धोका

AIमुळे काम वेगाने होते म्हणून human cognitive limit वाढत नाही. सतत context switching, अनेक roles आणि higher output targetsमुळे burnoutची शक्यता वाढू शकते.

Surveyमध्ये workload वाढल्याचे उच्च प्रमाण हा early warning signal म्हणून पाहता येतो. मात्र survey self-reported आहे; तो medical burnout diagnosis नाही.

Employerने productivity कशी मोजावी?

फक्त “AI वापरण्यापूर्वी किती tasks, नंतर किती tasks” हा metric अपुरा आहे. Quality, error rate, employee hours, customer satisfaction आणि rework यांनाही मोजावे.

AIने 30 टक्के जास्त drafts तयार केले पण errorsमुळे review time दुप्पट झाला, तर headline productivity misleading ठरू शकते.

कर्मचाऱ्यांनी काय बदलावे?

• AI output blindly copy करू नका; critical verificationची सवय ठेवा.
• Role expansion होत असेल तर managerसोबत priorities स्पष्ट करा.
• Repeat होणाऱ्या tasks automate करा, पण saved time कुठे जातो हे track करा.
• Sensitive company किंवा customer data public AI toolsमध्ये टाकण्याआधी policy तपासा.
• AI skillसोबत domain expertise वाढवा.

AI job घेणार की job बदलेल?

दोन्ही शक्यता sectorनुसार वेगळ्या असू शकतात. काही repetitive tasks automate होतील; काही rolesचा scope वाढेल; काही नवीन jobs तयार होतील.

आजच्या surveyमधून मात्र एक गोष्ट स्पष्ट होते—AI adoptionचा पहिला visible परिणाम मोठ्या प्रमाणात “काम नाहीसे होणे” नसून “कामाची रचना बदलणे” आहे.

Company culture decisive ठरेल

एकच AI tool दोन companiesमध्ये पूर्ण वेगळा अनुभव देऊ शकतो. एका companyमध्ये saved time learning, innovation आणि shorter workdayसाठी वापरला जाऊ शकतो. दुसऱ्या companyमध्ये output target दुप्पट होऊ शकतो.

म्हणून AIचा human impact technologyपेक्षा management choicesवरही अवलंबून आहे.

सामान्य office workerसाठी याचा अर्थ

AI skill आता optional राहात नाही, पण “AI शिकणे” म्हणजे फक्त prompts शिकणे नाही. कोणते काम automate करायचे, कोणते verify करायचे आणि कोणत्या निर्णयात human judgment आवश्यक आहे हे समजणे अधिक महत्त्वाचे आहे.

उत्पादकता वाढवणारे tool जर कामाचा दिवस अधिक लांबवत असेल, तर organisationने productivity benefit कसा वाटला जातो हा प्रश्न विचारायला हवा.

आजचा महत्त्वाचा निष्कर्ष

81 टक्के efficiency आणि 79 टक्के productivity improvement हे AIच्या practical valueचे मजबूत संकेत आहेत. पण 78 टक्के workload increase हा तितकाच महत्त्वाचा counter-signal आहे.

AIचा पुढचा टप्पा “आम्ही tool deploy केला” यात नाही. तो असा आहे: technologyने वाचवलेला वेळ company आणि employee यांच्यात कसा वाटला जातो? भारतातील workplace AI storyचे खरे उत्तर या प्रश्नात आहे.

स्रोत

Economic Times, 24 सप्टेंबर 2026, Korn Ferry workplace surveyवर आधारित report; workplace AIवरील contemporary industry research. Surveyमधील percentages respondentsच्या self-reported अनुभवांवर आधारित आहेत.