जिन करियर में AI आम है, उनके लिए विद्यार्थियों को क्या सीखना चाहिए?

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

एक विद्यार्थी पूछता है कि जो काम एक चैटबॉट पहले से कर देता है, वह उसे सीखने की ज़रूरत क्यों है। कार्यक्रम की सलाहकार समिति कहती है कि नियोक्ताओं को ऐसे स्नातक चाहिए जो काम पर AI का उपयोग कर सकें। आपके पाठ्यक्रम को दोनों को संतुष्ट करना है, और दोनों में से किसी ने यह नहीं कहा कि स्नातक बिना सहायता के क्या कर पाना चाहिए।

सहकर्मी को देने लायक छोटा उत्तर: पूरा व्यावसायिक कार्य सिखाएँ, उपकरण का संचालन नहीं, और सहायता-प्राप्त उत्पाद तथा विद्यार्थी की स्वतंत्र क्षमता—दोनों का आकलन करें। साक्ष्य तैयारी को अनुशासनिक ज्ञान प्लस निर्णय प्लस सत्यापन प्लस स्थानांतरण मानने का समर्थन करता है, और यह किसी भी कौशल-सूची को रोज़गार की गारंटी मानने का समर्थन नहीं करता। 500 अमेरिकी कॉलेज शिक्षकों के सर्वेक्षण की तुलना नियोक्ता-पैनल से करने पर पाया गया कि दोनों समूह 26 AI-संबंधित कौशलों में से ठीक एक के महत्व पर सहमत थे—AI-संवर्धित काम के लिए वास्तविक अपेक्षाएँ तय करना; शिक्षकों ने आलोचनात्मक और ज़िम्मेदार उपयोग को भार दिया जबकि नियोक्ताओं ने वर्कफ़्लो, ऑटोमेशन और मानव-AI टीमिंग को (Fried, 2026)। ये बताई गई प्राथमिकताएँ हैं, भर्ती का साक्ष्य नहीं। पाठ्यक्रम के लिए अधिक तीखा निष्कर्ष कहीं और है: 455 अंतिम-वर्ष के विद्यार्थियों के सर्वेक्षण में, AI साक्षरता ने अनुभूत रोज़गार-योग्यता तक पहुँच मुख्यतः करियर अनुकूलनशीलता बढ़ाकर बनाई, जिसमें प्रत्यक्ष β = 0.447 के साथ β = 0.173 का अप्रत्यक्ष प्रभाव था (Hendrawan और Lestari, 2026)। अनुकूलनशीलता ऐसी क्षमता है जिसे सिखाया जा सकता है। कोई टूल-टिप नहीं।

संक्षिप्त संस्करण

1. क्षमता को इस दावे के रूप में लिखें कि स्नातक बिना सहायता के क्या कर सकता है, फिर उसके बगल में सहायता-प्राप्त संस्करण जोड़ें।

2. पूरा काम छह हिस्सों में सिखाएँ: ढाँचा बनाना, जानना, सौंपना, सत्यापित करना, संवाद करना, अनुकूलन करना।

3. उत्पाद और निर्णय का अलग-अलग आकलन करें, और स्वतंत्र जाँच को उचित अनुपात में रखें।

4. स्वतंत्र अभ्यास वहीं रखें जहाँ वह काम कर रहा है, और पाठ्यक्रम में कारण बताएँ।

5. कार्यक्रम का मूल्यांकन करते समय तात्कालिक परिणामों को बाद के परिणामों से अलग रखें।

6. करियर-चिंता को वास्तविक चिंता मानें और उसका उत्तर भविष्यवाणियों से नहीं, जाँच-पड़ताल से दें।

नियोक्ता और शिक्षक—कौन किस पर ज़ोर देता है

Ithaka S+R की रिपोर्ट ने 500 अमेरिकी चार-वर्षीय कॉलेज शिक्षकों से सात श्रेणियों में फैले एक ढाँचे के 26 कौशलों को अंक देने को कहा, और उनके अंकों की तुलना ढाँचे के लेखकों द्वारा सर्वेक्षित नियोक्ता-पैनल से की। असहमति यादृच्छिक नहीं, व्यवस्थित है: शिक्षकों ने AI की सीमाएँ, श्रेय और मानव जवाबदेही को शीर्ष पर रखा, जबकि नियोक्ताओं ने वर्कफ़्लो-डिज़ाइन, ऑटोमेशन और मानव-AI टीमिंग को ऊँचा रखा।

इस अंतराल की दो व्याख्याएँ लुभावनी हैं और दोनों गलत। पहली यह कि शिक्षक श्रम-बाज़ार से पीछे हैं। दूसरी यह कि नियोक्ता आज्ञापालन चाहते हैं। अधिक उपयोगी व्याख्या यह है कि दोनों समूह एक ही काम के अलग-अलग आधे हिस्से का वर्णन कर रहे हैं, और जो स्नातक केवल एक आधा कर सकता है, वह दोनों के लिए अधूरी तैयारी वाला है। जो विद्यार्थी यह नहीं समझा सकता कि कोई परिणाम गलत क्यों है, वह उस नियोक्ता के लिए उपयोगी नहीं जो वर्कफ़्लो पर भरोसा करता है; और जो विद्यार्थी केवल AI आउटपुट की आलोचना कर सकता है, वह उस नियोक्ता के लिए उपयोगी नहीं जिसे काम पूरा चाहिए।

इस साक्ष्य की सीमाएँ मायने रखती हैं। ये सर्वेक्षणों से बताई गई प्राथमिकताएँ हैं, और रिपोर्ट यह नहीं दिखाती कि कोई पाठ्यक्रम बेहतर भर्ती, बेहतर प्रदर्शन या बेहतर वेतन देता है। जो वह देती है वह एक रक्षायोग्य कारण है यह पूछने का कि क्या आपके विद्यार्थी कभी AI-सहायता वाले वर्कफ़्लो को पूरा करने और जाँचने का अभ्यास करते हैं, उस पर चर्चा करने के बजाय।

एक पूरा व्यावसायिक कार्य सिखाएँ

लिखने लायक पाठ्यक्रम-प्रश्न यह है: इस स्थिति में एक सक्षम नौसिखिए को क्या करना, समझाना और सत्यापित करना होगा? फिर कार्य को छह हिस्सों में बनाएँ।

समस्या का ढाँचा बनाएँ। लक्ष्य, श्रोता, बाधाएँ, उपलब्ध साक्ष्य और गलत होने की कीमत पहचानें। जो विद्यार्थी किसी अधूरी निर्दिष्ट माँग को नहीं पहचान सकता, वह उसे मॉडल को सौंप देगा और जो भी लौटेगा स्वीकार कर लेगा।

अनुशासनिक ज्ञान लाएँ। विद्यार्थियों को परिणाम का निरीक्षण करने लायक समझ चाहिए: किसी मामले की व्याख्या करना, संभाव्य उत्तर का अनुमान लगाना, भ्रामक तुलना नोटिस करना, जो छूट गया है उसे पहचानना। उस आधार-रेखा को स्पष्ट रूप से परिभाषित करें, हर स्वतंत्र अभ्यास को विरासत-आवश्यकता मानकर नहीं।

जानबूझकर सौंपें। तय करें कि किन चरणों में AI सहायता कर सकता है और किनमें स्वतंत्र काम या व्यावसायिक प्राधिकार चाहिए, और उसका कारण बता सकें। नियमित शब्दों का मसौदा बनाना और यह तय करना कि किसी परिणामी रिकॉर्ड में क्या होना चाहिए—अलग ज़िम्मेदारियाँ हैं जिनकी जवाबदेही अलग है।

साक्ष्य के सामने सत्यापित करें। गणनाएँ, दावे, स्रोत, धारणाएँ और आवश्यकता का पालन जाँचें। विद्यार्थियों को सिखाएँ कि वे दर्ज करें कि किसी जाँच ने प्रश्न कैसे सुलझाया। उसी मॉडल से पूछना कि क्या वह निश्चित है, कुछ नहीं सुलझाता—यह बिंदु सत्यापन-अभ्यास सीधे विकसित करता है।

संवाद करें और सहयोग करें। निर्णय किसी सहकर्मी, ग्राहक या पर्यवेक्षक को समझाएँ: क्या बदला, क्या अनिश्चित है, कब किसी और को शामिल होना है। AI-सहायता वाले काम का भी एक श्रोता और ज़िम्मेदारी की एक शृंखला होती है।

अनुकूलन करें और स्थानांतरित करें। किसी तुलनीय कार्य को अलग उपकरण या नई बाधा के साथ दोहराएँ, फिर पूछें कि क्या उपयोगी रहा और क्या बदलना पड़ा। इसी से अनुकूलनशीलता अवलोकनीय बनती है, स्नातक-गुण में एक विशेषण नहीं।

इसे मौजूदा कोर्स-कार्य में बनाएँ

ये शोध-विषयों के अनुकूलन हैं, परखे गए रोज़गार-हस्तक्षेप नहीं।

रचना और व्यावसायिक संचार: विद्यार्थी किसी ग्राहक-शिकायत के AI-लिखित उत्तर की आलोचना करें और उसे सुधारें। क्षमता का साक्ष्य है असमर्थित वादों के नाम लेना, श्रोता-चुनावों को समझाना, और अंतिम शब्दों का बचाव करना।

कोई मात्रात्मक कोर्स यही काम किसी यथार्थवादी नियोजन-समस्या के लिए AI-निर्मित अनुमान के साथ कर सकता है, जहाँ विद्यार्थी अपना अनुमान बनाएँ, धारणाएँ बताएँ और संभाव्यता परखें।

स्प्रेडशीट या कंप्यूटिंग कोर्स के लिए, एक उत्पन्न सूत्र और संश्लेषित डेटा दें, फिर परीक्षण-मामले, संदर्भों की व्याख्या और एक विफलता-शर्त माँगें।

स्वास्थ्य-व्यवसाय: विद्यार्थी किसी काल्पनिक मामले की उत्पन्न व्याख्या को स्वीकृत स्रोतों के सामने आँकें, उसकी सीमाएँ बताएँ, और कहें कि कब किसी योग्य पेशेवर को फ़ैसला करना है।

करियर-खोज का अपना संस्करण है: विश्वसनीय व्यावसायिक सूचना का उपयोग करके दो व्यवसायों की कार्य-संरचना की तुलना करें, फिर एक ठोस कौशल-विकास या सहायता-माँगने का कदम योजना में रखें।

अतुल्यकालिक शिक्षण के लिए, एक प्रारंभिक प्रयास, छोटा सत्यापन-रिकॉर्ड और एक परिणामी निर्णय पर दो वाक्यों का नोट माँगें। प्रयोगशाला या सेमिनार में व्याख्या बातचीत में हो सकती है। जब भी विकल्प गोपनीय कार्यस्थल या विद्यार्थी-डेटा हो, संश्लेषित या अधिकृत सामग्री का उपयोग करें।

सहायता-प्राप्त प्रदर्शन और व्यक्तिगत समझ का आकलन करें

एक चमकदार उत्पाद बताता है कि अनुमत परिस्थितियों में क्या बना। वह नहीं बताता कि विद्यार्थी क्या कर सकता है। उचित अनुपात में स्वतंत्र जाँच जोड़ें: कोई निर्णय समझाना, कोई त्रुटि ठीक करना, काम को बदली शर्त के अनुकूल बनाना, या एक आधारभूत उप-कार्य बिना सहायता के पूरा करना।

इन आवश्यकताओं को इसलिए चुनें कि वे किसी बताई गई क्षमता का समर्थन करती हैं, और कहें कि हर आकलन किसे माप रहा है। विद्यार्थी स्वतंत्र अभ्यास तब स्वीकार करते हैं जब वह उस चीज़ से जुड़ा हो जिसके लिए उन्हें तैयार किया जा रहा है; "एक दिन इसकी ज़रूरत पड़ेगी" उससे कम काम करता है जितना यह दिखाना कि गणना ही वह चीज़ है जो बाद में गलत अनुमान पकड़ने देती है।

सहायता-पक्ष का अपना जोखिम है। Shojaei et al. (2026) ने अपने सर्वेक्षण-मॉडल में पाया कि GenAI का उपयोग GenAI-निर्भरता से सकारात्मक रूप से जुड़ा था, और निर्भरता आलोचनात्मक सोच तथा रोज़गार-योग्यता दोनों से नकारात्मक रूप से। यह साहचर्य है, कारण-दावा नहीं, और यह डिज़ाइन-प्रश्न की ओर संकेत करता है: जो कोर्स हमेशा केवल सहायता-प्राप्त प्रदर्शन का आकलन करता है, वह उसी निर्भरता को प्रशिक्षित कर रहा हो सकता है जिसकी वह रिपोर्ट करता है।

कार्यक्रम-समीक्षा के लिए मापों को अलग रखें। कोर्स-प्रदर्शन, प्रदर्शित AI साक्षरता, इंटर्नशिप-पर्यवेक्षक का मूल्यांकन, रोज़गार की स्थिति और नौकरी की गुणवत्ता—अलग-अलग समय-क्षितिजों वाले अलग-अलग परिणाम हैं, और एक हस्तक्षेप उन सबको सिद्ध नहीं कर सकता। AI साक्षरता साक्ष्य पेज ईमानदारी से यही सूची है कि हस्तक्षेप-अध्ययन वास्तव में किसका समर्थन करते हैं।

करियर-चिंता का उत्तर दें, निश्चितता का वादा किए बिना

विद्यार्थी असली डर लेकर आते हैं, और उन पर का सर्वेक्षण-साहित्य उन डरों का वर्णन है, श्रम-बाज़ार का पूर्वानुमान नहीं। Duan et al. (2026) ने पाया कि AI-चिंता करियर-निर्णयों का सीधे और नकारात्मक रूप से पूर्वानुमान करती है, जो निर्णय-पक्षाघात के बारे में निष्कर्ष है, नौकरियों के बारे में नहीं। समग्र कल्याण की तस्वीर व्यापक साक्ष्य को समेटती है।

जो मदद करता है वह उस पैमाने पर जाँच-पड़ताल है जिस पर विद्यार्थी कार्य कर सके: इस भूमिका में वास्तव में कौन-से कार्य हैं, एक सप्ताह कैसा दिखता है, मुझे क्या कर पाना होगा, मुझे कौन बता सकता है। करियर-सेवाएँ, पूर्व-छात्र और प्लेसमेंट-कर्मचारी वह जानकारी रखते हैं। उपकरण का प्रदर्शन, किसी शिक्षक का अनुमान या विक्रेता की प्रस्तुति श्रम-बाज़ार का पूर्वानुमान नहीं है, और किसी एक को पूर्वानुमान बताकर पेश करना ही वह तरीका है जिससे कार्यक्रम उन विद्यार्थियों के सामने विश्वसनीयता खोते हैं जो फिर जाँच करते हैं।

जो आपके सामने फिर आएगा

"विद्यार्थियों को बस बेहतर प्रॉम्प्टिंग सीखनी है।" प्रॉम्प्टिंग छह हिस्सों में से एक का एक उपवाक्य है। अच्छी तरह निर्दिष्ट अनुरोध वह ज्ञान नहीं देता जो गलत परिणाम पहचानने के लिए चाहिए, और Ithaka पैनल के नियोक्ता भी प्रॉम्प्ट-कौशल को पहले स्थान पर नहीं रख रहे थे।

"अगर कार्यस्थल AI की अनुमति देते हैं, तो कोर्सवर्क को भी देनी चाहिए।" कोर्स वह क्षमता भी बनाता है जो ज़िम्मेदार उपयोग संभव बनाती है। हर कार्य में कहें कि आप दोनों में से किसका आकलन कर रहे हैं, और यह आपत्ति विरोधाभास के बजाय डिज़ाइन-प्रश्न बन जाती है।

"उपकरण इतनी तेज़ी से बदलते हैं कि इसमें से कुछ भी नहीं सिखाया जा सकता।" जहाँ मदद करें वहाँ उपकरण-विशिष्ट संचालन सिखाएँ, और टिकाऊ प्रथाओं का आकलन करें: ढाँचा बनाना, जाँचना, परखना, दस्तावेज़ीकरण करना, संवाद करना, ऊपर उठाना। ऊपर का साक्ष्य इन्हीं प्रथाओं के बारे में है, और उसमें से कोई भी इस पर निर्भर नहीं कि कौन-सा मॉडल अभी चल रहा है।

"AI-साक्षरता कोर्स उनकी नौकरी की संभावनाएँ सुधार देगा।" मध्यस्थता-परिणाम यहीं चेतावनी है। AI साक्षरता अनुभूत रोज़गार-योग्यता तक सीधे और अनुकूलनशीलता के रास्ते पहुँची, और अनुभूत रोज़गार-योग्यता न तो नौकरी-प्रस्ताव है, न प्रदर्शन-रेटिंग, न वेतन। सर्वेक्षण-डिज़ाइन इस बात से इंकार नहीं कर सकता कि आत्मविश्वासी विद्यार्थी हर चीज़ पर खुद को ऊँचा आँकते हैं।

इस सप्ताह क्या करें

1. एक ऐसा कार्य चुनें जो आपके कार्यक्रम के स्नातकों को वास्तव में मिलेगा, और उसके छह हिस्से पाँच पंक्तियों में लिखें।

2. चिह्नित करें कि मौजूदा आकलन वास्तव में किन हिस्सों को मापता है और किन्हें मान लेता है।

3. किसी मौजूदा असाइनमेंट में एक स्वतंत्र जाँच जोड़ें: कोई निर्णय समझाया गया, कोई त्रुटि ठीक की गई, या कोई उप-कार्य बिना सहायता के पूरा किया गया।

4. असाइनमेंट-निर्देशों में विद्यार्थियों को बताएँ कि वह जाँच किस क्षमता के लिए है।

5. देखें कि कोर्स में कोई कार्य केवल सहायता-प्राप्त प्रदर्शन का आकलन करता है या नहीं, और तय करें कि यह जानबूझकर है या नहीं।

आगे कहाँ जाएँ

करियर विकास और तैयारी रोज़गार-योग्यता, अनुकूलनशीलता और कार्यबल-साक्ष्य का संकल्पना-पेज है, और AI साक्षरता बताता है कि साक्षरता का अर्थ उपकरण-संचालन से आगे क्या है। इसे किसी विशिष्ट कोर्स में बनाने के लिए देखें AI साक्षरता को शामिल करना और संकाय को कौन-सी दक्षताएँ चाहिए।

वह आकलन-डिज़ाइन जो सहायता-प्राप्त और स्वतंत्र प्रदर्शन को अलग पहचानने योग्य बनाता है, उसके लिए देखें AI युग में आकलन का पुनर्डिज़ाइन और AI अंकन। सहायता को निर्भरता बनने से रोकने के लिए देखें अति-निर्भरता घटाना।