AI का सबसे क्रूर पहलू यह नहीं है कि यह गरीबों को उत्तर नहीं देता।

On the contrary, it gives everyone the answer.

यह छात्रों के लिए शोध पत्र का ढांचा, कर्मचारियों के लिए ईमेल टेम्पलेट, उद्यमियों के लिए व्यावसायिक योजना, सामान्य लोगों के लिए कानूनी व्याख्या, निवेश सुझाव और करियर योजना प्रदान करता है। उत्तर पहली बार इतने सस्ते, इतने पर्याप्त और इतने वास्तविक लग रहे हैं।

लेकिन समस्या यहाँ है: जब उत्तर सभी के लिए उपलब्ध हों, तो वास्तविक दुर्लभ चीज़ अब उत्तर नहीं, बल्कि उत्तरों का निर्णय लेने की क्षमता होती है।

नई जानकारी के गरीब वे नहीं हैं जो AI से बाहर हैं, बल्कि वे हैं जिन्हें उत्तर मिल चुके हैं, लेकिन उनके पास उत्तर का आकलन करने की क्षमता नहीं है और न ही उत्तर को वास्तविक अवसर में बदलने की स्थिति है।

इंटरनेट युग के जानकारी के गरीब, वे हैं जिन्हें नेटवर्क से बाहर रखा गया है। समाधान स्पष्ट लगता है: इंटरनेट केबल जोड़ें, उपकरणों का प्रसार करें, साक्षरता दर बढ़ाएं। सर्च इंजन युग थोड़ा अधिक जटिल है, आपको कीवर्ड निकालना, स्रोतों का चयन करना, विश्वसनीयता का आकलन करना आना चाहिए, और सबसे अच्छा यह है कि आपको थोड़ी अंग्रेजी भी पता हो। लेकिन बाधा दृश्यमान है और मापने योग्य है।

AI युग का जानकारी अंतर, संरचना में पूरी तरह से अलग है।

बड़े भाषा मॉडल सर्च इंजन नहीं होते, वे सीधे आपके लिए निष्कर्ष उत्पन्न करते हैं। आपको "जवाब" ढूंढने की आवश्यकता नहीं होती—जवाब बहुत सुगम अनुच्छेदों, स्पष्ट कदमों और आत्मविश्वासपूर्ण शैली में संगठित होकर सीधे आपके सामने प्रस्तुत किए जाते हैं। बाहरी रूप से, बाधाएं बहुत कम हो गई हैं। लेकिन यहाँ एक कठोर संरचना छिपी हुई है: जब जवाब सस्ते हो जाते हैं, तो गलतियाँ भी सस्ती हो जाती हैं; और "इस जवाब का विश्वास करना सही है या नहीं" यह क्षमता, पिछले किसी भी समय की तुलना में अधिक दुर्लभ और अधिक मूल्यवान हो गई है।

हर एक सामान्य प्रौद्योगिकी के फैलाव का इतिहास एक ही तर्क का पालन करता है: नई प्रौद्योगिकी पहले उन लोगों को पुरस्कृत करती है जिनके पास पूरक पूंजी पहले से मौजूद होती है। छपाई की प्रौद्योगिकी ने पढ़ने-लिखने जानने वालों को पहले लाभ पहुंचाया; कंप्यूटर ने ऑफिस सॉफ्टवेयर और प्रोग्रामिंग जानने वालों को पहले लाभ पहुंचाया; इंटरनेट ने अंग्रेजी में कुशल और खोज कौशल रखने वालों को पहले लाभ पहुंचाया। AI के लिए पूरक पूंजी में शिक्षा का पृष्ठभूमि, विशेषज्ञता, आलोचनात्मक सोच, संगठनात्मक अधिकार, भुगतान करने की क्षमता, और सबसे कठिनाई से मापी जाने वाली बात—निर्णय क्षमता—शामिल है।

नई तकनीक अक्सर सबसे ज्यादा इसकी आवश्यकता वालों को पहले पुरस्कृत नहीं करती। यह आमतौर पर उन्हें पहले पुरस्कृत करती है जो इसका सबसे अच्छा उपयोग कर सकते हैं।

असमानता की पहली दरार, आप ऐप खोलने से पहले ही बन चुकी है।

अप्रैल 2026 में, AI अनुसंधान संस्थान Epoch AI और सर्वेक्षण कंपनी Ipsos ने लगभग 5000 अमेरिकी वयस्कों पर एक प्रश्नावली सर्वेक्षण जारी किया। तीन चरणों में पूछा गया एक साधारण प्रश्न था: पिछले सप्ताह, आपने कौन सी AI सेवाएँ उपयोग कीं? लेकिन उत्तरों ने सिर्फ उत्पादों की पसंद नहीं, बल्कि आय, प्रवेश और वितरण के एक संयुक्त मानचित्र को प्रस्तुत किया।

क्लॉड के सप्ताहिक सक्रिय उपयोगकर्ताओं में लगभग 80% ऐसे परिवारों से हैं जिनकी वार्षिक आय 10 लाख डॉलर से अधिक है; मेटा एआई उपयोगकर्ताओं में यह अनुपात केवल 37% है। इसके विपरीत, मेटा एआई उपयोगकर्ताओं में लगभग 32% ऐसे परिवारों से हैं जिनकी वार्षिक आय 5 लाख डॉलर से कम है, जबकि क्लॉड उपयोगकर्ताओं में यह अनुपात केवल 7% है।

ये संख्याएँ इसलिए महत्वपूर्ण हैं क्योंकि वे साबित नहीं करतीं कि "अमीर लोग उन्नत AI का उपयोग करते हैं, गरीब लोग मुफ्त AI का उपयोग करते हैं"। यह सबसे सतही पढ़ाई है। अधिक महत्वपूर्ण प्रश्न यह है: विभिन्न लोगों को दैनिक जीवन में विभिन्न AI क्यों मिलते हैं?

एक व्यक्ति AI का उपयोग फ्रिज में बची हुई खाने के लिए एक डिनर बनाने, फोटो के बैकग्राउंड को उज्ज्वल करने और एक संदेश को अधिक उपयुक्त बनाने के लिए करता है। दूसरा व्यक्ति AI का उपयोग ग्राहक साक्षात्कारों को व्यवस्थित करने, आपूर्तिकर्ताओं के उद्धरणों की तुलना करने और रिपोर्ट में कमजोर मान्यताओं को पहचानने के लिए करता है। दोनों एक ही प्रौद्योगिकी का उपयोग कर रहे हैं। लेकिन एक का उपयोग सुविधा तक सीमित है, जबकि दूसरा आय, पद और बातचीत की शक्ति के चक्र में प्रवेश करता है।

अंतर केवल उपयोगकर्ताओं में ही नहीं, बल्कि प्रवेश बिंदुओं में भी है। क्लॉड के उपयोग का मार्ग सक्रिय खोज, उत्पादों की तुलना, क्षमता अंतर समझने, भुगतान करने का चयन करने और फिर उपकरण को कार्य प्रवाह में एम्बेड करने की आवश्यकता रखता है—प्रत्येक चरण उपयोगकर्ताओं को छांटता है। मेटा AI का मार्ग लगभग विपरीत है: यह सामाजिक मंच में अंतर्निहित है, मुफ्त है, कम घर्षण वाला है, और उपयोगकर्ता अक्सर स्टोरीज़ स्क्रॉल करने, संदेश भेजने या फोटो देखने के बीच-बीच में पासिवली मिल जाते हैं।

यह एक स्वाद का बाजार नहीं है, बल्कि एक वितरण का बाजार है। उपयोगकर्ता ऐसे उपकरण चुन रहे हैं, जिनकी कीमत और प्रवेश भी उपयोगकर्ताओं को चुन रहे हैं।

स्रोत: epoch.ai

अगर आप एक अच्छा AI टूल ढूंढ लेते हैं, तो कंपनी में आपके लिए दूसरी बाधा इंतजार कर रही है।

सामान्य कार्यालय में, AI के आगमन की शुरुआत अक्सर "नौकरी से निकाल दिए जाने की सूचना" के रूप में नहीं होती। यह पहले मीटिंग मिनट, ईमेल ड्राफ्ट, टेबल संगठन, ग्राहक वर्गीकरण और रिपोर्ट के प्रारंभिक ड्राफ्ट पर काबू पा लेता है। प्रबंधकों के लिए, ये स्वचालन समय मुक्त करते हैं ताकि वे निर्णय ले सकें; जबकि नए और निचले स्तर के कर्मचारियों के लिए, ये स्वचालन उनके अपनी क्षमता साबित करने, निर्णय लेने का अभ्यास करने और उच्चतर स्तर के कार्यों में प्रवेश करने का मार्ग हटा देते हैं।

इस स्थिति से अधिक ठंडा डेटा: फाइनेंशियल टाइम्स और एक शोध संस्थान द्वारा संयुक्त रूप से किए गए ब्रिटिश-अमेरिकी श्रम बल पर AI ट्रैकिंग सर्वेक्षण (2026 की फरवरी-मार्च, ब्रिटेन और अमेरिका में चार हजार से अधिक प्रतिभागियों को कवर किया गया) दिखाता है कि सबसे अधिक वेतन वर्ग के कर्मचारियों में 63% सामान्य कार्यदिवस में AI का उपयोग करते हैं, जबकि सबसे कम दो वर्गों में केवल 17% और 16% हैं। यह एक मुलायम ढलान नहीं है, यह एक चट्टान है।

अधिक महत्वपूर्ण खोज उत्प्रेरकों में है। इस कार्यस्थल सर्वेक्षण के प्रतिगमन विश्लेषण से पता चला है कि अन्य चरों को नियंत्रित करने के बाद वेतन का AI उपयोग दर पर लगभग कोई प्रभाव नहीं पड़ता—वास्तविक रूप से काम करने वाले चार कारक हैं: आयु, अनुभव, उद्योग और प्रशिक्षण। इनमें से प्रशिक्षण का प्रभाव सबसे अधिक है: एक ऐसी कंपनी जो औपचारिक AI प्रशिक्षण प्रदान करती है, उसके कर्मचारियों की दैनिक AI उपयोग दर अप्रशिक्षित समान कंपनियों की तुलना में 37 प्रतिशत अधिक होती है। यहां तक कि अनौपचारिक मार्गदर्शन से भी 24 प्रतिशत की वृद्धि होती है।

हालाँकि, वास्तविकता यह है: 2026 की शुरुआत तक, केवल 14% कर्मचारियों ने बताया कि उन्हें उनके नियोक्ता द्वारा प्रदान की गई औपचारिक AI प्रशिक्षण प्राप्त हुआ है, जबकि दो-तिहाई लोगों को किसी भी प्रकार की प्रशिक्षण प्राप्त नहीं हुई है।

AI प्रशिक्षण एक तकनीकी समस्या नहीं, बल्कि आवंटन की समस्या है। जिसे प्रशिक्षण प्राप्त होता है, उसे उत्पादकता वृद्धि के मार्ग पर जाने की अनुमति मिलती है; जिसे नहीं मिलती, उसके लिए उपकरण केवल स्क्रीन पर एक अनधिकृत आइकन होता है।

AI उपभोक्ता स्तर पर एक अनुप्रयोग है, और कार्यस्थल स्तर पर एक अधिकार है। और अधिकार कभी भी समान रूप से वितरित नहीं होते।

स्रोत: Focaldata

यह सबसे गुप्त और सबसे मूलभूत विभाजन है।

एक नवीन स्नातक की कल्पना करें जो एक परामर्श कंपनी में शामिल हुआ है। उसने AI का उपयोग करके एक उद्योग विश्लेषण रिपोर्ट का प्रारंभिक ड्राफ्ट तैयार किया, जिसमें संरचना पूर्ण थी, डेटा पर्याप्त था और शैली आत्मविश्वासी थी। उसका प्रबंधक—जो इस उद्योग में दस साल से काम कर रहा है—एक नजर में देखकर बताता है कि दो डेटा संदर्भों के मूल स्रोतों में विधिगत दोष हैं, और तीसरे निष्कर्ष में कारण-परिणाम का तर्क गलत है। प्रबंधक को इसलिए नहीं पता क्योंकि वह अधिक मेहनत करता है, बल्कि क्योंकि उसके पास वह आधार है—जानना कि कहाँ गलतियाँ होने की संभावना है, कौन सी बहुत सुगमता सच्ची सुगमता है और कौन सी मशीन की खाली जगह भरने की सुगमता है।

यही वह अनुमान से विपरीत खोज है जो कार्यस्थल सर्वेक्षण डेटा में मिली है: कार्यस्थल पर AI के सबसे अधिक उपयोगकर्ता सबसे युवा कर्मचारी नहीं, बल्कि वे हैं जो वर्तमान पद पर 2 से 10 वर्षों से काम कर रहे हैं। आयु को नियंत्रित करने के बाद भी AI के उपयोग की दर और अनुभव के बीच सांख्यिकीय रूप से महत्वपूर्ण संबंध बना रहता है। यह इसलिए नहीं है कि युवा लोग AI का उपयोग करना नहीं चाहते, बल्कि इसलिए है कि AI का मूल्य, उपयोगकर्ता की पहले से मौजूद निर्णय लेने की क्षमता पर अत्यधिक निर्भर करता है।

अनुभव AI के लिए सबसे महत्वपूर्ण पूरक पूंजी है, और अनुभव को सदस्यता नहीं लिया जा सकता।

AI ने "सुनने में समझने" की लागत को कम कर दिया है, लेकिन "वास्तव में समझने" की लागत को समान रूप से कम नहीं किया है। एक और अधिक खतरनाक परिणाम यह है: जितना कम आधार होता है, उतना ही उपयोगकर्ता AI के आउटपुट को बिना सोचे स्वीकार कर लेता है; और जितना बिना सोचे स्वीकार किया जाता है, उतना ही निर्णय लेने की क्षमता विकसित होने में कठिनाई होती है। जब कोई प्रतिनिधि आपके लिए निर्णय लेता है, तो आप बुद्धिमत्ता का उपभोग कर रहे होते हैं, न कि इसे जमा कर रहे होते हैं।

नोबेल पुरस्कार विजेता और MIT के प्रोफेसर डेरॉन एसेमोग्लू ने इसके बारे में बिल्कुल सीधे कहा: AI उपकरणों का उपयोग करने के लिए शिक्षा, अमूर्त चिंतन, मात्रात्मक क्षमता और प्रौद्योगिकी के प्रति परिचय की कुछ मात्रा की आवश्यकता होती है। "AI असमानता बढ़ाने के लिए लगभग निश्चित है," वह कहते हैं।

नई जानकारी गरीबों को यहाँ आकार देती है: वे ऐसे लोग नहीं हैं जिनके पास AI नहीं है, बल्कि ऐसे हैं जिनके पास AI, पहुँच और उत्तर हैं, लेकिन उत्तरों का आकलन करने का प्रशिक्षण नहीं है; उनके पास उपकरण और परिदृश्य हैं, लेकिन उपकरण के उत्पादन को अवसर में बदलने का प्राधिकरण नहीं है; वे प्रतिदिन बुद्धिमानी का उपभोग करते हैं, लेकिन कभी बुद्धिमानी का संचय नहीं करते।

लेकिन AI और असमानता के बीच का संबंध केवल अंतर को बढ़ाने तक सीमित नहीं है।

कई प्रयोगात्मक अध्ययनों ने पाया है कि नियंत्रित परिस्थितियों में, AI अक्सर कम कौशल वाले लोगों के लिए अधिक उन्नति करता है—कॉल सेंटर कर्मचारियों, प्रारंभिक लेखकों और शुरुआती परामर्शदाताओं के लिए। यह समझना आसान है: शीर्ष विशेषज्ञों को AI से सीमित सीमांत लाभ मिलता है; जो व्यक्ति कभी पेशेवर सेवाओं का खर्च नहीं उठा सका, उसके लिए AI का उपयोग करके पहली बार एक अनुबंध पढ़ना ही एक गुणात्मक क्रांति है।

लेकिन यहाँ एक महत्वपूर्ण अंतर है जिसे उल्लेख किया जाना चाहिए: प्रयोगात्मक अध्ययन "उपयोग के बाद की वृद्धि" को मापते हैं, जबकि वास्तविक डेटा "कौन वास्तव में उपयोग कर रहा है", "कौन का उपयोग करने की अनुमति है", और "कौन उपयोग के बाद परिणामों को अवसर में बदल पाता है" को मापता है। दोनों सेट के डेटा में से कोई भी झूठ नहीं बोल रहा है, वे पूरी तरह से अलग-अलग चीजों को माप रहे हैं।

एक तकनीक लैब में अंतर को कम कर सकती है, लेकिन वास्तविक दुनिया में अंतर को बढ़ा सकती है—अगर अपनाना असमान है, अगर परिदृश्य असमान है, अगर निर्णय लेना असमान है।

AI के समानता के तकनीकी गुण हैं, लेकिन यह असमान सामाजिक संरचनाओं पर चलता है। ये दोनों बातें एक साथ सत्य होना ही समस्या का वास्तविक आकार है।

प्रत्येक पीढ़ी यह मानने की प्रवृत्ति रखती है कि उसके समय की सामान्य तकनीक पुराने क्रम को तोड़ देगी।

प्रिंटिंग प्रेस के आविष्कार के बाद, पढ़ने-लिखने जानने वालों को कई सदियों तक लाभ हुआ। कंप्यूटर के प्रारंभिक दौर में, यह उन लोगों की क्षमता को बढ़ाया जो पहले से ही ऑफिस सॉफ्टवेयर का उपयोग करते और कोड लिखते थे। इंटरनेट के प्रारंभिक लाभ, अंग्रेजी जानने वालों, खोज करने में कुशल लोगों, और लाभ कमाने के लिए समय और प्रेरणा रखने वालों की ओर बहे। प्रत्येक प्रौद्योगिकी लहर में, "इस बार अलग है" की आवाज़ें बहुत तेज़ थीं, और संरचनात्मक असमानता अक्सर कई दशकों में ही स्पष्ट होती है।

AI का विभाजन तेज़ हो सकता है और विभाजन गहरा हो सकता है। क्योंकि यह केवल एक प्रकार के कार्यों को प्रभावित नहीं करता, बल्कि लगभग सभी निर्णय और भाषा पर निर्भर कार्यों को प्रभावित करता है। और यही वह सबसे कठिन क्षमता है जिसे मानकीकृत या पुनः आवंटित करना सबसे कठिन है।

कुछ लोग मानते हैं कि यह अंतर अंततः समाप्त हो जाएगा। ऑक्सफोर्ड इंटरनेट इंस्टीट्यूट के प्रोफेसर और आर्थिक इतिहासकार कार्ल बेनेडिक्ट फ्रे इस दृष्टिकोण को साझा करते हैं, जिनका आधार इतिहास है: कंप्यूटर के व्यापक होने से उत्पन्न असमानता, कुछ दशकों बाद उपयोग की बाधाओं में कमी के साथ धीरे-धीरे समाप्त हो गई। यह तुलना पूरी तरह से असंगठित नहीं है।

समस्या यह है कि भले ही इस आशावादी ऐतिहासिक तुलना को स्वीकार किया जाए, फ्रे खुद मानते हैं कि महत्वपूर्ण सीमाएँ हैं: "यह इस बात पर निर्भर करता है कि इस अंतर को भरने में कितना समय लगेगा। अगर यह दस या बीस साल लगता है, तो यह अधिक चिंताजनक है।"

दस या बीस वर्ष, एक ऐसा समय सीमा नहीं है जिसे आसानी से प्रतीक्षा किया जा सके—विशेषकर उन लोगों के लिए जिन्हें इस समय के दौरान नौकरी की तलाश करनी होगी, वेतन की बातचीत करनी होगी और अनुभव जमा करना होगा।

यह एक अजीब ऐतिहासिक क्षण है: हमारे पास पहली बार एक ऐसी तकनीक है, जो सभी को यह महसूस कराती है कि वे अधिक बुद्धिमान हो रहे हैं।

यह महसूस करना, अक्सर अंत होता है।

समस्या यह है कि एक ऐसे युग में जहाँ निर्णय लेने की क्षमता ही जीत या हार तय करती है, भावनाओं को अंतिम लक्ष्य मान लेना सबसे महंगी गलती हो सकती है।