टेक जॉब मार्केट दो हिस्सों में बंट गया है: अभी असल में क्या सीखना चाहिए

टेक्नोलॉजी में करियर सलाह के बारे में एक कबूलनामा: ज़्यादातर सलाहें देने वाले जितना मानते हैं उससे तेज़ एक्सपायर हो जाती हैं। मैंने आत्मविश्वास से भरे रोडमैप — यह फ्रेमवर्क सीखो, वह सर्टिफिकेशन लो — अठारह महीनों में बासी होते देखे हैं। तो जब मैं यह समझने बैठा कि अभी असल में क्या सीखने लायक है — अपने लिए और आगे चलकर अपनी बेटी के लिए — मैंने बहस की बजाय डेटा से शुरुआत करने की कोशिश की।

डेटा एक ऐसे जॉब मार्केट की तस्वीर देता है जो साफ-साफ दो हिस्सों में बंट चुका है।

रिकॉर्ड का सबसे बंटा हुआ टेक मार्केट

एक तरफ: AI/ML जॉब पोस्टिंग साल-दर-साल 59% से 85% ऊपर, औसत AI इंजीनियर बेस सैलरी करीब $2,06,000, और PwC के वैश्विक विश्लेषण में AI कौशल पर 56% वेतन प्रीमियम — एक साल पहले के 25% से ऊपर। दो या ज्यादा AI कौशल वाले इंजीनियर करीब 43% ज्यादा कमाते हैं।

दूसरी तरफ: सामान्य सॉफ्टवेयर डेवलपमेंट पोस्टिंग फरवरी 2022 के शिखर से करीब 69% नीचे। 22-25 साल के डेवलपर्स ने करीब 20% रोज़गार गिरावट झेली, कटौती जूनियर स्तर पर केंद्रित। इस साल की पहली तिमाही में ही करीब 52,000 टेक छंटनियां — जबकि AI भूमिकाएं खाली रहीं।

यह बाज़ार तकनीकी कौशल को सज़ा नहीं दे रहा। यह हिंसक रूप से री-प्राइस कर रहा है कि कौन से तकनीकी कौशल मायने रखते हैं। बजट हेडकाउंट से हटकर AI इन्फ्रास्ट्रक्चर और AI-दक्ष लोगों की ओर जा रहे हैं।

छोटी सूची: सबूत किस ओर इशारा करते हैं

1. AI को असली सिस्टम से जोड़ना (MCP)। Model Context Protocol — AI मॉडलों को टूल, डेटाबेस और एप्लिकेशन से जोड़ने का ओपन स्टैंडर्ड — करीब अठारह महीनों में आला से इन्फ्रास्ट्रक्चर बन गया: 9.7 करोड़ मासिक SDK डाउनलोड, 10,000+ पब्लिक सर्वर, और Anthropic, OpenAI, Google, Microsoft समेत हर बड़ी लैब में नेटिव अपनापन। एक MCP सर्वर शुरू से अंत तक बनाना इस साल का सबसे ठोस, रोज़गार-योग्य AI कौशल है — और यह एक वीकेंड प्रोजेक्ट है, डिग्री नहीं।

2. कोडिंग एजेंट्स को निर्देशित करना, सिर्फ इस्तेमाल नहीं। कीमती हुनर अब प्रॉम्प्टिंग नहीं — एजेंट के इर्द-गिर्द की इंजीनियरिंग समझ है: स्पष्ट स्पेक लिखना, जनरेट हुए कोड की आलोचनात्मक समीक्षा, काम का विभाजन, और यह पहचानना कि एजेंट कब आत्मविश्वास से गलत है। टीमें इसे स्पेक-रिव्यू-शिप कहती हैं। यह टाइपिंग से ज्यादा तकनीकी नेतृत्व के करीब है — इसीलिए यह हर तिमाही के फैशनेबल मॉडल के पार काम आता है।

3. इवैल्स — बिना चमक वाला फर्क। डेमो एजेंट कोई भी एक दोपहर में बना सकता है। डेमो को प्रोडक्ट से अलग करती है मूल्यांकन प्रणाली: ऑटोमेटेड ग्रेडिंग जो बताए कि आपका AI फीचर असली मामलों पर सच में काम करता है या नहीं — ग्राहकों के पता लगाने से पहले। लगभग कोई इसमें अभी अच्छा नहीं है। दुर्लभ हुनर, बढ़ती मांग — यही संयोजन चाहिए।

4. छोटे मॉडल और एज। छोटा 7B मॉडल चलाना फ्रंटियर मॉडल से 10-30 गुना सस्ता है, और नियमित काम छोटे विशेषज्ञ मॉडलों को भेजकर कंपनियां 75% तक लागत घटा रही हैं। दो अरब से ज्यादा फोन पहले से लोकल भाषा मॉडल चला रहे हैं। फाइन-ट्यूनिंग, क्वांटाइज़ेशन, ऑन-डिवाइस डिप्लॉयमेंट — AI अर्थव्यवस्था की बिना ग्लैमर वाली प्लंबिंग, कम आपूर्ति वाला ऊंचा-लीवरेज हुनर।

5. वह क्षेत्र जो आप पहले से जानते हैं। चिकित्सा, कानून, बिक्री, शिक्षण, वित्त — हर जगह टिकाऊ आदर्श है AI-दक्ष विशेषज्ञ: गहरी क्षेत्र-समझ को धाराप्रवाह टूल-उपयोग से जोड़ने वाला व्यक्ति। अगर आप नर्स, अकाउंटेंट या प्रोजेक्ट मैनेजर हैं, तो सबसे ऊंचा रिटर्न टेक में करियर बदलने से नहीं — अपने क्षेत्र में वह व्यक्ति बनने से मिलेगा जो इन टूल्स को सच में इस्तेमाल करना जानता है, और उससे भी ज़रूरी, जानता है कब इन पर भरोसा नहीं करना।

वे कौशल जो एक्सपायर नहीं होते

ऊपर की हर चीज़ की अर्ध-आयु कुछ सालों की है। उसके नीचे एक परत है जो सड़ती नहीं: स्पष्ट लेखन, सांख्यिकी और डेटा-साक्षरता, स्रोत-सत्यापन और आलोचनात्मक सोच, आर्थिक तर्क, और — सबसे बढ़कर — तेज़ी से सीखने का मेटा-कौशल। स्पष्ट लेखन विशेष उल्लेख का हकदार है: एजेंट-चालित दुनिया में आपका लिखा स्पेसिफिकेशन ही काम है; मॉडल वह करता है जो आपने लिखा, न कि जो आपका मतलब था।

अनुभव से एक और जोड़ूंगा: छोटी चीज़ें अक्सर शिप करने की आदत। जो लोग छोटे प्रोजेक्ट बनाकर पूरे करते हैं — एक स्क्रिप्ट, एक ट्रैकर, एक छोटी वेबसाइट — उनकी सीख इस तरह चक्रवृद्धि होती है जैसी कोर्स जमा करने वालों की कभी नहीं होती।

बच्चों का सवाल

माता-पिता पूछते रहते हैं: जब AI कोड लिखता है, तो क्या मेरा बच्चा अब भी कोडिंग सीखे? अपने परिवार के लिए सोचने के बाद मेरा जवाब ज़ोरदार हां है — बदले हुए ज़ोर के साथ।

बच्चे के लिए प्रोग्रामिंग का जादू हमेशा फीडबैक लूप था: कुछ टाइप करो, कुछ होता देखो। AI टूल्स ने यह लूप महीनों से मिनटों में ला दिया। बच्चा एक गेम का वर्णन करे और उसी दोपहर चलता हुआ वर्ज़न पा ले — और वह पल, जब उसकी कल्पना असली स्क्रीन पर चलती है, वही हुक है। शैक्षिक काम उसके बाद होता है, और यहीं पेरेंटिंग मायने रखती है: पूछिए यह क्यों काम करता है। एक चीज़ बदलवाकर अनुमान लगवाइए कि क्या होगा। तुड़वाइए और ठीक करवाइए। टूल कोड बनाता है; बच्चा मानसिक मॉडल बनाता है — और मानसिक मॉडल ही जीवन भर चक्रवृद्धि होता है।

साथ में दो सुरक्षात्मक आदतें: मशीन की बात सत्यापित करना, और AI से जवाब नहीं बल्कि व्याख्या करवाना। जो बच्चा सहज ही पूछता है "क्या यह सच में सही है?" और "ऐसे समझाओ कि मुझे समझ आए" — वह किसी भी सिंटैक्स को रटने वाले से अगले तीस सालों के लिए बेहतर तैयार है।

यथार्थवादी 90-दिन की शुरुआत

• हफ्ते 1-4: असली काम पर रोज़ AI कोडिंग असिस्टेंट इस्तेमाल करें। देखें कहां चमकता है, कहां आत्मविश्वास से असफल होता है — वही कैलिब्रेशन हुनर है।
• हफ्ते 5-8: एक MCP सर्वर बनाएं जो मॉडल को आपकी असल चीज़ से जोड़े — नोट्स, स्प्रेडशीट, डेटाबेस। जैसा भी बने, शिप करें।
• हफ्ते 9-12: एक सरल इवैल जोड़ें: दस टेस्ट केस जो बताएं कि आपका टूल अच्छे जवाब देता है या नहीं। बधाई — अब आपके पास 2026 की तीन सबसे मांग वाली AI इंजीनियरिंग प्रथाओं का हाथों-हाथ अनुभव है।

अक्सर पूछे जाने वाले सवाल

क्या ML डिग्री के बिना AI में आना अब देर हो चुकी है?

नहीं — बाज़ार अभ्यासकर्ताओं के पक्ष में मुड़ा है। मांग वाले कौशल (MCP, एजेंट ऑर्केस्ट्रेशन, इवैल्स, छोटे मॉडल फाइन-ट्यूनिंग) इंजीनियरिंग कौशल हैं जो मुफ्त दस्तावेज़ों और अभ्यास से सीखे जा सकते हैं। शिप किया हुआ प्रोजेक्ट किसी भी सर्टिफिकेट से बेहतर सबूत है।

क्या जूनियर डेवलपर्स को चिंतित होना चाहिए?

ईमानदारी से: एंट्री-लेवल की निचोड़ असली है। जवाबी चाल: पारंपरिक जूनियर की बजाय AI-दक्ष जूनियर के रूप में प्रवेश — एजेंट निर्देशित करना, इवैल लिखना, इंटीग्रेशन शिप करना जानते हुए। ये कौशल वाले जूनियर अच्छी प्रतिस्पर्धा करते हैं।

गैर-तकनीकी करियर वालों का क्या?

"AI-दक्ष विशेषज्ञ" का रास्ता और ज्यादा लागू होता है। हफ्ते में एक घंटा अपने असली वर्कफ़्लो पर AI लगाना + आउटपुट सत्यापित करने की आदत — आपको अपने क्षेत्र के ज़्यादातर लोगों से आगे रखती है।

मेरा बच्चा होमवर्क के लिए AI इस्तेमाल करता है। अच्छा या बुरा?

पूरी तरह मोड पर निर्भर। जवाब-मशीन के रूप में AI वह सोच घिसता है जो होमवर्क बनाने आई थी। ट्यूटर के रूप में AI — हल करने की बजाय समझाने, क्विज़ करने का निर्देश देकर — सचमुच उत्कृष्ट है। माता-पिता का काम मोड को दिशा देना और सत्यापन की आदत का उदाहरण बनना है।