Markdown संस्करण

AI-translated from English; not yet reviewed by a fluent editor.

# कोडिंग से आगे फैल रहा है AI का उपयोग, पर उसकी तीव्रता साबित करना कठिन

> सर्वेक्षण बताते हैं कि कार्यस्थल पर AI का उपयोग बढ़ रहा है, जबकि प्रयोग कुछ खास कामों में लाभ और विफलता दोनों दिखाते हैं। उपयोग के आँकड़े अभी यह नहीं बताते कि दूसरे कामों में उपयोग कोडिंग जितना गहन होगा या नहीं।

By BIG CHANGE Editorial

Published: 2026-10-02T04:10:34.217Z
Updated: 2026-10-02T04:10:34.217Z
Canonical: https://bigchange.ai/blog/ai-use-beyond-coding-workplace-evidence

![A seated person works at a laptop while holding a blank sheet of paper at a wooden table.](https://bigchange.ai/api/media/file/ai-work-beyond-coding-hero-v2-1.png)
AI-generated by OpenAI; BIG CHANGE conceptual editorial illustration.

2026 की दूसरी तिमाही तक, अमेरिका में नौकरीपेशा वयस्कों में लगभग हर पाँच में से दो ने कहा कि उन्होंने पिछले सप्ताह काम के लिए जनरेटिव AI का उपयोग किया था। फिर भी, सभी नौकरीपेशा वयस्कों के कुल कामकाजी घंटों में से 6.3% घंटों में AI ने मदद की, यह आँकड़ा [राष्ट्रीय सर्वेक्षण ट्रैकर ](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/)में सेंट लुइस फ़ेड, वेंडरबिल्ट और हार्वर्ड के शोधकर्ताओं ने बताया। पहला आँकड़ा लोगों को गिनता है; दूसरा उनके समय को। इनमें से कोई भी यह नहीं बताता कि काम अच्छा हुआ या नहीं, कंपनी ने अधिक कमाया या नहीं, या कोई नौकरी ख़त्म हुई या नहीं।

यह अंतर तब मायने रखता है जब पूछा जाए कि क्या बाकी काम भी सॉफ़्टवेयर डेवलपरों की तरह गहनता से AI का उपयोग करेंगे। प्लेटफ़ॉर्म रिकॉर्ड बताते हैं कि प्रयोग बढ़ रहा है, जिसमें क़ानून, बिक्री और मार्केटिंग भी शामिल हैं। प्रयोग कुछ गैर-कोडिंग कामों में वास्तविक लाभ दिखाते हैं। वे यह भी बताते हैं कि केवल पहुँच मिलने से शायद बहुत कम बदले, और चमकदार जवाब भी ग़लत हो सकता है।

## बड़ा बदलाव

- **क्या बदला:** AI विक्रेता अब अधिक व्यावसायिक कार्यों में बार-बार के उपयोग और एजेंट गतिविधि की रिपोर्ट करते हैं, जबकि स्वतंत्र सर्वेक्षण अमेरिका के कर्मचारियों में साप्ताहिक उपयोग के व्यापक प्रसार को दिखाते हैं।
- **यह क्यों मायने रखता है:** जब उपकरण मौजूदा कार्यप्रवाह में फिट होते हैं, तो उनका उपयोग फैलता है; लेकिन लाभ काम के संदर्भ और जाँच पर निर्भर करता है। खरीदारों और कर्मचारियों को अपनाने के आँकड़ों के साथ परिणाम भी मापने चाहिए।
- **क्या देखना चाहिए:** काम में बार-बार उपयोग, सत्यापित आउटपुट गुणवत्ता और कोडिंग से परे कुल प्रतिफल। मौजूदा साक्ष्य यह तय नहीं करते कि दूसरे पेशे कब कोडिंग के उपयोग स्तर तक पहुँचेंगे या रोज़गार पर क्या असर होगा।

## ये संख्याएँ अलग-अलग बातें मापती हैं

सर्वेक्षण [Real-Time Population Survey ](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/)अमेरिका में 18 से 64 वर्ष के वयस्कों के राष्ट्रीय प्रतिनिधि ऑनलाइन नमूने से काम में AI के उपयोग के बारे में पूछता है। पिछले सप्ताह उपयोग की दर 2024 की तीसरी तिमाही में 28.2% से बढ़कर 2026 की दूसरी तिमाही में 39.2% हो गई। AI से सहायता पाए कुल कामकाजी घंटों का अनुमानित हिस्सा 4.1% से बढ़कर 6.3% हुआ। उत्तरदाताओं ने यह भी अनुमान लगाया कि सबसे हाल की तिमाही में AI ने कुल कामकाजी घंटों का 2.2% बचाया। यह आख़िरी आँकड़ा याद के आधार पर बताया गया समय है, देखा गया उत्पादकता या राजस्व लाभ नहीं।

OpenAI कुछ और देखता है: अपने enterprise ग्राहकों के भीतर की गतिविधि। उसकी [August Enterprise Signals रिपोर्ट ](https://openai.com/signals/enterprise-data/)के अनुसार फ़रवरी से जून 2026 के बीच साप्ताहिक सक्रिय Codex उपयोगकर्ता क़ानूनी काम में 108 गुना, बिक्री और भर्ती में 41 गुना, और मार्केटिंग में 26 गुना बढ़े; इंजीनियरिंग में पाँच गुना वृद्धि हुई। शुरुआती आधार संख्या बताई नहीं गई, इसलिए इन दरों से यह तुलना नहीं की जा सकती कि कितने वकील और इंजीनियर AI इस्तेमाल करते हैं या उनके काम का कितना हिस्सा यह करता है। जून में enterprise ग्राहकों के बीच Codex ने Codex और ChatGPT के संयुक्त आउटपुट tokens का 64% बनाया। एजेंट के लंबे रन अधिक tokens बनाते हैं; token का हिस्सा न तो कर्मचारियों का हिस्सा है, न ही मूल्य का माप। OpenAI ये उत्पाद बेचता है और उनके प्रसार को दिखाने में उसका हित है।

OpenAI के एक अलग अध्ययन में [अमेरिका के 800,000 से अधिक ChatGPT संदेशों का विश्लेषण किया गया](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf)। जुलाई में प्रकाशित उस अध्ययन ने काम से जुड़े 16.8% संदेशों को उपयोगकर्ता के अपने पेशे से अलग पेशे से जुड़े कार्यों के रूप में वर्गीकृत किया। किसी पेशे से जोड़ने लायक पर्याप्त विशिष्ट संदेशों में यह हिस्सा 43.5% था। [सितंबर के अनुवर्ती अध्ययन ](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf)में पाया गया कि कुछ कर्मचारी अगले महीने भी ऐसे कामों पर लौटे। ये नमूने में शामिल उपयोगकर्ताओं के संदेशों के हिस्से हैं; पेशा व्यावसायिक onboarding जानकारी से अनुमानित किया गया। ये बताते हैं कि लोग क्या माँगते हैं और किस काम पर फिर लौटते हैं, यह नहीं कि उन्होंने काम पूरा किया या नौकरी बदली।

Anthropic का [June Economic Index ](https://www.anthropic.com/research/economic-index-june-2026-report)भी विक्रेता की अपनी सेवाओं की गतिविधि का अध्ययन करता है। उसका अधिक सूक्ष्म नमूनाकरण कामकाजी दिन के पैटर्न पकड़ता है और chat, Cowork तथा first-party API के उपयोग को अलग करता है। साथ के सर्वेक्षण ने उपयोग को लगभग 9,700 Claude उत्तरदाताओं से जोड़ा, जिन्होंने कम-से-कम पाँच सत्र किए थे। Anthropic चेतावनी देता है कि ये उत्तरदाता पूरी कार्यबल का प्रतिनिधित्व नहीं करते: लगभग 30% उत्तरदाता कंप्यूटर और गणित के काम में थे, जबकि अमेरिका के रोज़गार में उनका हिस्सा लगभग 4% है। शारीरिक श्रम वाले पेशे नमूने में कम प्रतिनिधित्व में थे। उसके पहले के [March index ](https://www.anthropic.com/research/economic-index-march-2026-report)में पाया गया कि फ़रवरी में Claude.ai बातचीत का 35% कंप्यूटर और गणित के कामों से जुड़ा था। यह एक उत्पाद की बातचीत का हिस्सा है, AI इस्तेमाल करने वाले डेवलपरों का हिस्सा नहीं; कोडिंग गतिविधि API पर भी जा रही थी। विक्रेता का ट्रैफ़िक किसी प्लेटफ़ॉर्म के भीतर कामों और उपयोग की आवृत्ति को दिखा सकता है, पर अकेले पूरी अर्थव्यवस्था में पेशेवार उपयोग-दर नहीं बताता।

## उत्पादकता काम और उसकी जाँच पर निर्भर करती है

एक [चरणबद्ध शुरुआत ](https://doi.org/10.1093/qje/qjae044)में 5,172 ग्राहक सहायता एजेंट शामिल थे। बातचीत में मदद करने वाले AI सहायक तक पहुँच मिलने से प्रति घंटे सुलझाए गए मामलों की संख्या औसतन 15% बढ़ी। कम अनुभवी और कम कुशल एजेंटों की गति और गुणवत्ता दोनों सुधरीं; सबसे अनुभवी और कुशल एजेंट थोड़े तेज़ हुए, लेकिन उनकी गुणवत्ता में मामूली गिरावट आई। ग्राहक अधिक विनम्र हुए और उन्होंने प्रबंधक से बात करने का अनुरोध कम किया। अध्ययन ने एक कंपनी की सहायता सेवा को मापा, जहाँ मामलों का समाधान और उन्हें वरिष्ठ स्तर तक भेजने की घटनाएँ दर्ज की जा सकती हैं। इसने अन्य सहायता डेस्क के प्रतिफल की गणना नहीं की।

66 कंपनियों के 7,137 ज्ञान-कर्मियों पर हुए एक प्रयोग में [ईमेल, बैठक और लेखन सॉफ़्टवेयर के भीतर एक AI उपकरण](https://www.nber.org/papers/w33795) यादृच्छिक रूप से दिया गया। छह महीने के अध्ययन के दूसरे आधे हिस्से में, उपकरण पाने वाले और उसे इस्तेमाल करने वाले 80% कर्मचारियों ने हर सप्ताह ईमेल पर दो घंटे कम बिताए और सामान्य कामकाजी समय के बाद भी कम काम किया। शोधकर्ताओं को व्यक्तिगत पहुँच से कामों की मात्रा या मिश्रण में कोई व्यापक बदलाव नहीं मिला। तीन लेखक Microsoft Research में काम करते थे; उपकरण बनाने वाली Microsoft ने प्रयोग सह-आयोजित किया और उत्पाद टेलीमेट्री दी। यह नतीजा भाग लेने वाली कंपनियों के बारे में है, पूरे कार्यालयी काम के बारे में नहीं।

2023 में Boston Consulting Group के 758 सलाहकारों के साथ [किया गया मैदानी प्रयोग](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf) मार्च 2026 में प्रकाशित हुआ। उसमें GPT-4 की खूबियों से मेल खाने के लिए चुने गए काम तेज़ी से पूरे हुए और उन्हें बेहतर रेटिंग मिली। एक अलग मामले में साक्षात्कार-साक्ष्यों की व्याख्या माँगने पर AI उपयोगकर्ताओं के ग़लत जवाब देने की संभावना अधिक थी। BCG ने अध्ययन में सहयोग किया; इसमें तय अभ्यासों को परखा गया, ग्राहकों को दिए गए नतीजों को नहीं।

METR के [यादृच्छिक अध्ययन](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) में 16 अनुभवी open-source डेवलपरों ने उन repositories के 246 issues पर काम किया जिन्हें वे जानते थे। 2025 की शुरुआत के AI उपकरणों ने काम पूरा करने का समय 19% बढ़ाया। फिर भी डेवलपरों का मानना था कि इन उपकरणों ने उन्हें तेज़ किया। [METR के बाद के प्रयास ](https://metr.org/blog/2026-02-24-uplift-update/)में नए उपकरणों से लाभ का संकेत मिला, लेकिन शोधकर्ताओं ने अनुमान को अविश्वसनीय माना क्योंकि AI के बिना काम नहीं करने वाले डेवलपरों ने भाग नहीं लिया और एक साथ चल रहे agent कार्यों ने समय मापना कठिन बना दिया। इसलिए ये अध्ययन अलग-अलग उपकरणों और वर्षों में कोडिंग पर उत्पादकता के एक समान प्रभाव को स्थापित नहीं कर सकते।

कोड में नतीजों की जाँच असामान्य रूप से आसान है: कोड रिपॉज़िटरी संदर्भ और बदलाव सुरक्षित रखती हैं, जबकि बिल्ड, परीक्षण और समीक्षा विफलताओं को उजागर कर सकते हैं। फिर भी, परीक्षण पास होना पूरे उत्पाद के सही होने की गारंटी नहीं है। ग्राहक सहायता में समस्या का समाधान और ग्राहकों की प्रतिक्रियाएँ अलग तरह की प्रतिक्रिया देती हैं। ईमेल का मसौदा समय बचा सकता है, भले ही कंपनी का उत्पादन न बदले। क़ानूनी, वित्तीय या चिकित्सीय सलाह की जाँच उसके संभावित परिणामों के अनुरूप होनी चाहिए; खरीदार को उपकरण की लागत के साथ समीक्षा में लगने वाला काम भी गिनना चाहिए। मापन की ये समस्याएँ अलग हैं, इसलिए केवल उपयोग से समान तीव्रता या मूल्य साबित नहीं होता।

## वेतन-पत्रक बदलने से पहले काम बदल सकता है

डेनमार्क में शोधकर्ताओं ने AI से प्रभावित 11 पेशों के कर्मचारियों और 7,000 कार्यस्थलों के सर्वेक्षण को प्रशासनिक रिकॉर्ड से जोड़ा। उनका [मार्च 2026 का संशोधन ](https://www.nber.org/papers/w33777)नियोक्ताओं की chatbot पहल और बताए गए काम के बदलाव दर्ज करता है, लेकिन ChatGPT शुरू होने के दो साल बाद कर्मचारी या कार्यस्थल स्तर पर कमाई या दर्ज घंटों पर कोई पता लगाने योग्य असर नहीं पाता; उनके अनुमान 2% से बड़े असर को खारिज करते हैं। यह निष्कर्ष डेनमार्क, अध्ययन किए गए पेशों और अवधि तक सीमित है। इससे यह साबित नहीं होता कि बाद में अपनाया गया AI रोज़गार को अपरिवर्तित रखेगा।

किसी कर्मचारी के लिए बार-बार उपयोग का अर्थ कामों की व्यापक विविधता या ईमेल पर कम समय हो सकता है। खरीदार के लिए सवाल यह है कि क्या पूरा कार्यप्रवाह स्वीकार्य लागत पर भरोसेमंद काम देता है। सहायता का जवाब पाने वाले या पेशेवर सलाह पर निर्भर व्यक्ति के लिए परिणाम की शुद्धता और जवाबदेही मायने रखती है। उपलब्ध साक्ष्य कोडिंग से परे व्यापक उपयोग और चुने हुए कामों में मापे जा सकने वाले लाभ का समर्थन करते हैं। वे अभी यह समय-सीमा नहीं बताते कि दूसरे काम सॉफ़्टवेयर विकास जैसी गहनता से AI कब इस्तेमाल करेंगे, न ही सभी पर उत्पादकता और रोज़गार का कोई एक समान असर स्थापित करते हैं।

## स्रोत और आगे पढ़ें

- [Real-Time Population Survey के उपयोग ट्रैकर की व्याख्या, सेंट लुइस फ़ेड](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/), 27 अगस्त 2026: अमेरिका में पिछले सप्ताह का उपयोग, सहायता पाए कामकाजी घंटे और स्वयं बताई गई समय-बचत। यह आउटपुट की गुणवत्ता या राजस्व नहीं मापता।
- [OpenAI Enterprise Signals](https://openai.com/signals/enterprise-data/), 12 अगस्त 2026 को अपडेट: OpenAI के enterprise ग्राहक आधार में उपयोग, token और साप्ताहिक सक्रिय उपयोगकर्ता के माप सहित। वृद्धि दरों के शुरुआती आँकड़े प्रकाशित नहीं हैं।
- [OpenAI, Work at the Frontier](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), जुलाई 2026, और उसका [सितंबर अनुवर्ती अध्ययन](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf): ChatGPT संदेशों का वर्गीकरण और नमूने में शामिल व्यावसायिक उपयोगकर्ताओं द्वारा कामों की पुनरावृत्ति; पूरे किए गए कार्य-परिणाम नहीं।
- [Anthropic Economic Index, Cadences](https://www.anthropic.com/research/economic-index-june-2026-report), 26 जून 2026, और [Learning curves](https://www.anthropic.com/research/economic-index-march-2026-report), 24 मार्च 2026: Claude की गतिविधि, आउटपुट के प्रकार और चुने हुए उपयोगकर्ताओं का सर्वेक्षण। इन अध्ययनों का गणना-आधार Anthropic का ट्रैफ़िक और सर्वेक्षण के उत्तरदाता हैं।
- [Brynjolfsson, Li और Raymond, Generative AI at Work](https://doi.org/10.1093/qje/qjae044), 4 फ़रवरी 2025 को ऑनलाइन प्रकाशित, मई के *Quarterly Journal of Economics* अंक में: एक कंपनी में चरणबद्ध शुरुआत के दौरान सहायता एजेंटों की उत्पादकता, कर्मचारी कौशल का अंतर और ग्राहक प्रतिक्रियाएँ मापीं।
- [Dillon और सहलेखक, Shifting Work Patterns with Generative AI](https://www.nber.org/papers/w33795), नवंबर 2025 में संशोधित: भाग लेने वाली कंपनियों में कार्यस्थल तक यादृच्छिक पहुँच, ईमेल पर समय और कामों का मिश्रण। तीन लेखक Microsoft Research में काम करते थे और Microsoft ने प्रयोग सह-आयोजित किया।
- [Dell’Acqua और सहलेखक, Navigating the Jagged Technological Frontier](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), 2023 में किया गया और 11 मार्च 2026 को प्रकाशित प्रयोग: अलग-अलग परामर्श अभ्यासों में गति, रेट की गई गुणवत्ता और त्रुटियाँ मापीं।
- [डेवलपरों पर METR का प्रयोग](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) और [फ़रवरी 2026 का अपडेट](https://metr.org/blog/2026-02-24-uplift-update/): कोडिंग के यादृच्छिक साक्ष्य और बाद के अध्ययन में नमूना चयन की समस्याएँ।
- [Humlum और Vestergaard, Still Waters, Rapid Currents](https://www.nber.org/papers/w33777), मार्च 2026 में संशोधित: डेनमार्क में कर्मचारियों और कार्यस्थलों के सर्वेक्षण को कामकाजी घंटों और कमाई के प्रशासनिक रिकॉर्ड से जोड़ा गया।

## Sources

- [क्या जनरेटिव AI काम पर समय बचाता है?](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) — अमेरिका का प्रतिनिधि ऑनलाइन सर्वेक्षण: पिछले सप्ताह उपयोग, सहायता पाए कामकाजी घंटे और स्वयं बताई बचत; आउटपुट या राजस्व सत्यापित नहीं।
- [Enterprise Signals](https://openai.com/signals/enterprise-data/) — OpenAI के enterprise उपयोग-आँकड़े: काम के प्रकार के अनुसार Codex उपयोगकर्ता और टोकन का मिश्रण। शुरुआती आधार-संख्याएँ प्रकाशित नहीं हैं; अधिक टोकन बनाने वाले एजेंट निष्कर्ष सीमित करते हैं।
- [Work at the Frontier: How AI is expanding what people do at work](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf) — 800,000 से अधिक कामकाजी संदेशों का OpenAI वर्गीकरण; अपने पेशे से बाहर के काम का हिस्सा संदेशों का है, पूरे किए गए काम का नहीं।
- [Work at the Frontier: How workers are unlocking new ways of working](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) — चुने हुए उपयोगकर्ताओं के बीच काम दोहराए जाने का OpenAI अध्ययन; दोहराए गए अनुरोध नौकरी के नए ढाँचे को साबित नहीं करते।
- [Anthropic Economic Index: Cadences](https://www.anthropic.com/research/economic-index-june-2026-report) — Claude के उपयोग के पैटर्न और चुने हुए लगभग 9,700 उपयोगकर्ताओं का गैर-प्रतिनिधि सर्वेक्षण।
- [Anthropic Economic Index: Learning curves](https://www.anthropic.com/research/economic-index-march-2026-report) — फ़रवरी 2026 के Claude.ai और API नमूने। कोडिंग से जुड़ा 35% हिस्सा Claude.ai की बातचीत का है।
- [Generative AI at Work](https://doi.org/10.1093/qje/qjae044) — QJE में प्रकाशित अध्ययन (मई 2025 अंक): एक कंपनी की सहायता सेवा के 5,172 एजेंट; औसतन प्रति घंटे 15% अधिक समाधान। लाभ नए कर्मचारियों में केंद्रित थे; सबसे कुशल कर्मचारियों की गुणवत्ता में मामूली गिरावट आई। ग्राहक अधिक विनम्र हुए और उन्होंने प्रबंधक से बात करने का अनुरोध कम किया। निवेश पर प्रतिफल या रोज़गार पर कोई सामान्य निष्कर्ष नहीं।
- [Shifting Work Patterns with Generative AI](https://www.nber.org/papers/w33795) — NBER का मई 2025 अंक, नवंबर 2025 में संशोधित (दिन नहीं बताया गया)। 66 कंपनियों के 7,137 कर्मचारियों का यादृच्छिक अध्ययन। तीन लेखक Microsoft Research में काम करते थे; Microsoft ने उपकरण बनाया, अध्ययन सह-आयोजित किया और टेलीमेट्री दी।
- [Navigating the Jagged Technological Frontier](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf) — BCG से जुड़ा नियंत्रित सलाहकार अभ्यास, 2023 में किया और 11 मार्च 2026 को Organization Science में प्रकाशित; लाभ और त्रुटियाँ काम पर निर्भर थीं, ग्राहक परिणामों पर नहीं।
- [METR का 2025 की शुरुआत का डेवलपर उत्पादकता अध्ययन](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) — 16 डेवलपर और 246 issues का यादृच्छिक अध्ययन; सीमित नमूने में पुराने उपकरणों के साथ काम 19% अधिक समय चला।
- [METR के डेवलपर उत्पादकता प्रयोग का अपडेट](https://metr.org/blog/2026-02-24-uplift-update/) — शोधकर्ता बताते हैं कि भागीदारी के चयन और समय मापने की समस्याओं के कारण बाद में गति बढ़ने के अनुमान अविश्वसनीय क्यों हैं।
- [Still Waters, Rapid Currents](https://www.nber.org/papers/w33777) — NBER का मई 2025 अंक, मार्च 2026 में संशोधित (दिन नहीं बताया गया)। डेनमार्क के सर्वेक्षण और प्रशासनिक अध्ययन में कमाई और दर्ज कामकाजी घंटों पर शुरुआती, सीमित शून्य प्रभाव मिला।