MIT: AI की लागत के मामले में इंसान अब भी बेहतर

कंप्यूटर-विज़न ऑटोमेशन पर MIT CSAIL और Sloan का व्यापक रूप से दोहराया गया अध्ययन फिर से देर-रात की AI फ़ीड्स में लौट आया है और एक विरोधाभासी नौकरियों का कथ्य सामने ला रहा है: तकनीकी संपर्क आर्थिक प्रतिस्थापन के बराबर नहीं है। दावा यह नहीं है कि कैमरे देख नहीं सकते। बात यह है कि देख पाना अपने-आप में लागत निकालने के समान नहीं है। इंस्टॉलेशन और संचालन लागतों का मॉडल बनाने वाले शोधकर्ताओं ने पाया कि विज़न कार्यों से जुड़े अमेरिकी वेतन का केवल लगभग 23% हिस्सा आज ऑटोमेशन के लिए लागत-प्रभावी दिखाई देता है। अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी, जब कैमरों, मॉडलों और रखरखाव की कीमत जोड़ दी जाए।

यही पूरी दलील है, और यह समझाने के लिए पर्याप्त है कि यह शोधपत्र फिर क्यों प्रसारित हो रहा है। देर-रात की AI फ़ीड्स आम तौर पर लागत मॉडलों पर नहीं ठहरतीं। वे प्रदर्शनों पर ठहरती हैं। यह अध्ययन किसी प्रदर्शन के बिल्कुल विपरीत है। यह पूछता है कि तब क्या होता है जब किसी कंपनी को पूरा ढाँचा खरीदना हो, उसे चालू रखना हो और फिर भी उस श्रम की लागत वहन करनी हो जिसे विज़न ने छुआ तक नहीं। MIT CSAIL और Sloan के हिसाब से उत्तर यह है कि विज़न कार्य से जुड़े वेतन बिल का अधिकांश हिस्सा आज मशीनों के लिए कोई सौदा नहीं दिखता।

तकनीकी संपर्क आर्थिक प्रतिस्थापन नहीं है

नौकरियों की वह कहानी जो सामान्य शॉर्टकट को स्वीकार नहीं करती

विरोधाभासी नौकरियों का कथ्य बिना किसी सजावट के कहा गया है: तकनीकी संपर्क आर्थिक प्रतिस्थापन के बराबर नहीं है। तकनीकी संपर्क परिचित नक्शा है। यह पूछता है कि कोई प्रणाली कौन-से कार्य कर सकती है, किन व्यवसायों में वे कार्य शामिल हैं और इसलिए कौन-से कर्मचारी जोखिम में दिखाई देते हैं। आर्थिक प्रतिस्थापन एक अलग नक्शा है। यह पूछता है कि इंस्टॉलेशन और संचालन लागतें खातों में दर्ज होने के बाद कोई कंपनी वास्तव में इनमें से कौन-से कार्य किसी व्यक्ति से छीनना चाहेगी।

कंप्यूटर-विज़न ऑटोमेशन पर MIT CSAIL और Sloan का अध्ययन इसी दूसरे नक्शे पर स्थित है। कंप्यूटर विज़न अनुप्रयुक्त AI के अधिक परिपक्व क्षेत्रों में से एक है। किसी कारखाने की तुलना में कैमरे सस्ते हैं। मॉडल वर्गीकृत, पहचान और निरीक्षण कर सकते हैं। यही परिपक्वता इस शोधपत्र के निष्कर्ष को विरोधाभासी बनाती है। अगर किसी कार्य-वर्ग को पहले ही आर्थिक प्रतिस्थापन की सीमा पार कर लेनी चाहिए थी, तो विज़न कार्य सूची में सबसे ऊपर होते। अध्ययन कहता है कि वे ऐसा नहीं हैं—कम-से-कम उस पैमाने पर नहीं, जिसका संकेत संपर्क वाले नक्शे देते हैं, और आज तो बिल्कुल नहीं।

प्रस्तावना में व्यापक रूप से दोहराया गया कहना महत्वपूर्ण है। इस शोध को किसी बिल्कुल नए लीक की तरह नहीं देखा जा रहा। इसे ऐसे निष्कर्ष की तरह देखा जा रहा है जो तब बार-बार लौटता है जब नौकरियों पर बहस तेज़ होती है। शनिवार रात की देर-रात की AI फ़ीड्स एक खास तरह का प्रसार होती हैं: छोटे सारांश, तीखे विरोधाभास और ऐसा वाक्य जो दूर तक जा सके। यहाँ दूर तक जाने वाला वाक्य उस शॉर्टकट को नकारता है। संपर्क प्रतिस्थापन नहीं है। क्षमता खरीद आदेश नहीं है।

यह इनकार महत्वपूर्ण है क्योंकि इससे बाकी आँकड़ों को पढ़ने का तरीका बदलता है। अध्ययन यह दावा नहीं करता कि कंप्यूटर-विज़न ऑटोमेशन असंभव है। यह दावा भी नहीं करता कि AI कभी श्रम का स्थान नहीं लेता। इसका दावा है कि जब इंस्टॉलेशन और संचालन लागतों का मॉडल बनाया जाता है, तो संबंधित वेतन पूल का केवल अल्पांश ही आज ऑटोमेशन के लिए लागत-प्रभावी दिखाई देता है। बाकी पूल लोगों के पास रहता है क्योंकि कंपनी जिस वेतन मद को मिटा सकती है, उससे बिल बड़ा है।

आज केवल लगभग 23 प्रतिशत लागत-प्रभावी दिखाई देता है

वह वेतन हिस्सा जो लागत मॉडल के बाद बचता है

शोधकर्ताओं ने पाया कि विज़न कार्यों से जुड़े अमेरिकी वेतन का केवल लगभग 23% हिस्सा आज ऑटोमेशन के लिए लागत-प्रभावी दिखाई देता है। यह आँकड़ा वेतनों का हिस्सा है, कंपनियों का या व्यवसायों का हिस्सा नहीं। यह अमेरिकी वेतन बिल का वह भाग है जो विज़न कार्य से जुड़ा है और सिस्टम की कीमत लगाने के बाद भी लाभकारी बैठता है। लगभग 23% आधा नहीं है। यह अधिकांश भी नहीं है। यह विज़न से जुड़े वेतन पूल का अल्पांश है।

नौकरियों की बहस में अधिक काम करने वाला निष्कर्ष इसका शेष भाग है। अगर लगभग 23% ही आज लागत-प्रभावी दिखाई देता है, तो बड़ा हिस्सा ऐसा नहीं है। यही शेष हिस्सा बताता है कि अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी। इस ढाँचे में प्राथमिकता भावना नहीं है। यह लागत तुलना का परिणाम है। लोगों को प्राथमिकता देने वाली कंपनी वह है जिसने कैमरों, मॉडलों और रखरखाव को देखा, इंस्टॉलेशन और संचालन लागतें जोड़ीं और तय किया कि काम कराने के लिए मानवीय वेतन अभी भी सस्ता तरीका है।

आज शब्द लगभग 23% जितना ही महत्वपूर्ण है। अध्ययन यह अनुमान नहीं है कि यह हिस्सा हमेशा स्थिर रहेगा। यह मौजूदा कीमतों के तहत लागत-प्रभावी दिखाई देने वाली चीज़ों का एक स्नैपशॉट है। लेखकों का तर्क आगे है कि गणित को बदलने के लिए AI-as-a-service का पैमाना या लागतों में भारी गिरावट आवश्यक होगी। लगभग 23% उस बदलाव से पहले का गणित है। यह वह संख्या है जो कहती है कि कंप्यूटर-विज़न ऑटोमेशन तकनीकी रूप से उपलब्ध और आर्थिक रूप से सीमित—दोनों एक साथ है।

विज़न कार्यों से जुड़े अमेरिकी वेतन भी एक सीमित दायरा है। अध्ययन देश की हर नौकरी का मूल्यांकन नहीं कर रहा। यह उस काम के वेतन-मूल्य का आकलन कर रहा है जिसे विज़न प्रणालियाँ सिद्धांततः संभाल सकती हैं। पहले से जोखिम में दिखाई देने वाले इस हिस्से के भीतर भी केवल लगभग 23% ही ऐसा खरीद निर्णय लगता है जिसे कंपनी आज करे। विरोधाभासी नौकरियों का कथ्य इसी अंतर से बनता है: बड़ा तकनीकी नक्शा, छोटा आर्थिक नक्शा और इनके बीच बैठा लागत मॉडल।

कैमरों, मॉडलों और रखरखाव को कीमत में शामिल करना

अधिकांश कंपनियाँ अब भी लोगों को क्यों प्राथमिकता देंगी

कैमरों, मॉडलों और रखरखाव की कीमत जोड़ने के बाद अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी। ये तीन मदें अध्ययन का वह तरीका हैं जो केवल-सॉफ़्टवेयर वाली कल्पना को अस्वीकार करता है। विज़न प्रणाली केवल मॉडल नहीं होती। वह एक कैमरा होती है जिसे लगाया और सही दिशा में रखा जाना पड़ता है, एक मॉडल होती है जिसे प्रशिक्षित, समायोजित और अद्यतन करना पड़ता है, और रखरखाव का ऐसा बोझ होती है जो पहला निरीक्षण सफल होते ही समाप्त नहीं हो जाता।

इंस्टॉलेशन और संचालन लागतें उस पूरे ढाँचे की दो घड़ियाँ हैं। इंस्टॉलेशन अग्रिम खर्च है: हार्डवेयर, एकीकरण और किसी उत्पादन लाइन या दुकान के लिए कैमरों तथा मॉडलों का पहला अनुकूलन। संचालन लागत लगातार होने वाला खर्च है: रखरखाव, अपडेट, विफलताएँ और वे कर्मचारी जो प्रणाली को विश्वसनीय बनाए रखते हैं। शोधकर्ताओं ने दोनों का मॉडल बनाया। लोगों को प्राथमिकता देने का परिणाम तब मिलता है जब दोनों को कीमत में शामिल किया जाए और तुलना किसी प्रदर्शन वीडियो से नहीं बल्कि वेतन से की जाए।

कीमत में शामिल करना वह वाक्यांश है जो तर्क को ईमानदार रखता है। केवल मॉडल गिनने पर सस्ती दिखने वाली प्रणाली कैमरों और रखरखाव को लेखे में शामिल करने पर महँगी दिख सकती है। अध्ययन के ढाँचे में अधिकांश कंपनियाँ कंप्यूटर-विज़न ऑटोमेशन को इसलिए नहीं ठुकरा रही हैं कि उन्हें तकनीक पर संदेह है। वे इसे ठुकरा रही हैं या टाल रही हैं क्योंकि पूरी कीमत पहले से काम कर रहे लोगों से कम नहीं पड़ती। यही वह स्थिति है जिसमें तकनीकी संपर्क वास्तविक होने के बावजूद आर्थिक प्रतिस्थापन विफल होता है।

यही तीन मदें यह भी समझाती हैं कि लगभग 23% जितना कम राष्ट्रीय वेतन हिस्सा विज़न उत्पादों की बाढ़ के साथ कैसे मौजूद रह सकता है। उत्पाद मौजूद हो सकते हैं। विक्रेता बेच सकते हैं। पायलट चल सकते हैं। MIT CSAIL और Sloan का सवाल यह है कि विज़न कार्यों से जुड़े अमेरिकी वेतन में कैमरों, मॉडलों और रखरखाव सहित इंस्टॉलेशन और संचालन का बिल आज प्रतिस्थापन को लागत-प्रभावी बनाता है या नहीं। उस वेतन पूल के अधिकांश हिस्से के लिए उत्तर नहीं है और अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी।

एक बेकरी केस स्टडी और श्रम का छोटा-सा हिस्सा

गुणवत्ता-जाँच विज़न शायद ही कभी अपनी लागत निकाल पाता है

एक बेकरी केस स्टडी दिखाती है कि गुणवत्ता-जाँच विज़न श्रम का बहुत छोटा हिस्सा है, इसलिए AI शायद ही कभी अपनी लागत निकाल पाता है। बेकरी कोई रूपक नहीं है। वह उसी लागत मॉडल का वास्तविक कार्यस्थल उदाहरण है। गुणवत्ता-जाँच एक सामान्य विज़न कार्य है। केस स्टडी में वह श्रम का बहुत छोटा हिस्सा भी है। यदि AI जिस काम को देख सकता है वह वेतन बिल का केवल एक छोटा अंश है, तो उस अंश का ऑटोमेशन कैमरों, मॉडलों और रखरखाव की लागत चुकाने के लिए पर्याप्त वेतन नहीं बचाता।

इसीलिए बेकरी के संदर्भ में AI शायद ही कभी अपनी लागत निकाल पाता है। प्रणाली सटीक हो सकती है। उसे स्थापित किया जा सकता है। फिर भी प्रणाली को इंस्टॉलेशन और संचालन लागतों के बाद श्रम के छोटे-से हिस्से से होने वाली बचत से बेहतर प्रदर्शन करना होगा। छोटा हिस्सा एक कठिन हर है। गुणवत्ता-जाँच कार्य को बदलने से उपलब्ध बचत कम है, क्योंकि बेकरी लोगों को जो काम कराने के लिए भुगतान करती है, गुणवत्ता-जाँच उसका अधिकांश हिस्सा कभी थी ही नहीं। मिश्रण, सामान ले जाना, पैकिंग, बिक्री और बाकी श्रम जारी रहते हैं। विज़न वाला हिस्सा ऑटोमेशन योग्य दिखता है, लेकिन वह बिल उठाने के लिए पर्याप्त बड़ा नहीं है।

इसलिए बेकरी MIT CSAIL और Sloan के अध्ययन में एक बड़े पैटर्न का प्रतिनिधित्व करती है। कंप्यूटर-विज़न ऑटोमेशन पर अक्सर ऐसे चर्चा होती है मानो दिखाई देने वाला कार्य ही पूरी नौकरी हो। गुणवत्ता-जाँच विज़न दिखाई देता है। इस केस स्टडी में वह छोटा भी है। जब शोधकर्ता उस छोटे वेतन लक्ष्य के सामने इंस्टॉलेशन और संचालन लागतों का मॉडल बनाते हैं, तो प्रतिस्थापन लागत-प्रभावी कसौटी पर विफल हो जाता है। AI शायद ही कभी अपनी लागत निकाल पाता है, इसलिए नहीं कि बेकरी कैमरों का उपयोग नहीं कर सकतीं, बल्कि इसलिए कि श्रम के छोटे-से हिस्से से जुड़े कैमरे पर्याप्त वेतन नहीं मिटाते।

केस स्टडी लगभग 23% के निष्कर्ष को किसी अमूर्त संख्या की तरह तैरते रहने से भी रोकती है। विज़न कार्यों से जुड़े राष्ट्रीय अमेरिकी वेतन एक समग्र आँकड़ा हैं। बेकरी एक वास्तविक जगह है। वहाँ विज़न कार्य गुणवत्ता-जाँच है, श्रम का हिस्सा बहुत छोटा है और आर्थिक परिणाम यह है कि AI शायद ही कभी अपनी लागत निकाल पाता है। जहाँ विज़न नौकरी का केवल एक हिस्सा है, ऐसी कंपनियों में इसी संरचना को बड़े पैमाने पर देखें तो यह स्पष्ट होता है कि तकनीक काम करने के बावजूद अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी।

धीरे-धीरे होने वाला विस्थापन और गणित को बदलने वाली चीज़ें

AI-as-a-service का पैमाना या लागतों में भारी गिरावट

लेखकों का तर्क है कि विस्थापन धीरे-धीरे होगा और गणित को बदलने के लिए AI-as-a-service का पैमाना या लागतों में भारी गिरावट आवश्यक होगी। 23% के आज वाले हिस्से और उस बेकरी से, जहाँ विज़न श्रम का बहुत छोटा हिस्सा है, रोज़गार संबंधी निष्कर्ष धीरे-धीरे होने वाला विस्थापन है। यदि विज़न से जुड़े वेतन का केवल अल्पांश ही आज ऑटोमेशन के लिए लागत-प्रभावी दिखाई देता है, तो प्रतिस्थापन कोई स्विच नहीं है। यह कीमतों का इंतज़ार करने वाली प्रक्रिया है।

AI-as-a-service का पैमाना कीमतों को बदलने का एक तरीका है। हर कंपनी को कैमरे खरीदने, मॉडलों को प्रशिक्षित करने और रखरखाव का खर्च उठाने के बजाय कोई सेवा उन इंस्टॉलेशन और संचालन लागतों को कई ग्राहकों में बाँट सकती है। इस अर्थ में पैमाना बड़ा मॉडल नहीं है। यह उसी कंप्यूटर-विज़न ऑटोमेशन को सस्ते तरीके से उपलब्ध कराने का उपाय है, ताकि वेतन पूल का बड़ा हिस्सा लागत-प्रभावी दिखाई देने लगे। जब तक वह पैमाना नहीं आता, अध्ययन का आज वाला गणित कायम रहता है।

लागतों में भारी गिरावट दूसरा रास्ता है। यदि कैमरे, मॉडल और रखरखाव बहुत सस्ते हो जाएँ, तो विज़न कार्यों से जुड़े अधिक अमेरिकी वेतन लोगों को प्राथमिकता से ऑटोमेशन की सीमा पार कर सकते हैं। लेखक इन गिरावटों को पहले से सुनिश्चित नहीं मानते। वे इन्हें गणित को बदलने के लिए आवश्यक शर्त मानते हैं। AI-as-a-service का पैमाना या लागतों में भारी गिरावट के बिना लगभग 23% हिस्सा वही बना रहता है जो खरीदने योग्य दिखता है और विस्थापन धीरे-धीरे होगा।

धीरे-धीरे होने वाला विस्थापन समय के बारे में भी एक कथन है। नया मॉडल आते ही तकनीकी संपर्क बढ़ सकता है। आर्थिक प्रतिस्थापन तब आगे बढ़ता है जब इंस्टॉलेशन और संचालन लागतें पर्याप्त नीचे आ जाएँ या सेवा का पैमाना यह बदल दे कि इनका भुगतान कौन करता है। MIT CSAIL और Sloan के लेखक कह रहे हैं कि नौकरियों को नियंत्रित करने वाली घड़ी दूसरी है। पहली घड़ी बताती है कि देर-रात की AI फ़ीड्स अचानक बदलाव की उम्मीद क्यों करती हैं। दूसरी घड़ी बताती है कि अध्ययन का विरोधाभासी नौकरियों का कथ्य क्यों कहता है कि वह बदलाव आज यहाँ नहीं है।

नीति और पुनःप्रशिक्षण का समय

धीमे आने वाला बिल कैलेंडर पर क्या छोड़ता है

उन्हीं लेखकों का कहना है कि यह धीमा रास्ता नीति और पुनःप्रशिक्षण के लिए समय छोड़ता है। यह लागत मॉडल का सार्वजनिक परिणाम है। यदि विस्थापन धीरे-धीरे होगा क्योंकि विज़न कार्यों से जुड़े अमेरिकी वेतन का केवल लगभग 23% हिस्सा आज ऑटोमेशन के लिए लागत-प्रभावी दिखता है, तो सरकारें और कंपनियाँ विज़न से जुड़े काम के रातोंरात मिट जाने के सामने नहीं खड़ी हैं। उनके सामने एक अवसर की अवधि है।

नीति और पुनःप्रशिक्षण का समय यह दावा नहीं है कि नीति का अब तक अच्छा उपयोग हुआ है। यह दावा है कि इंस्टॉलेशन और संचालन लागतों के माध्यम से मॉडल किए गए कंप्यूटर-विज़न ऑटोमेशन का अर्थशास्त्र खुले हुए वेतन पूल के अधिकांश हिस्से को तुरंत बदलने के लिए मजबूर नहीं करता। कैमरों, मॉडलों और रखरखाव की कीमत जोड़ने के बाद भी अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी। बेकरी का गुणवत्ता-जाँच विज़न श्रम का बहुत छोटा हिस्सा है, इसलिए AI शायद ही कभी अपनी लागत निकाल पाता है। इन परिणामों को साथ रखने पर समय बचता है।

नीति के लिए समय उस तकनीक से निपटने का तरीका तय करने का समय है जो तकनीकी रूप से तैयार लेकिन आर्थिक रूप से आंशिक है। पुनःप्रशिक्षण के लिए समय गणित बदलने से पहले लोगों को आगे बढ़ाने का समय है। वह बदलाव मानकर नहीं चला गया है। वह AI-as-a-service के पैमाने या लागतों में भारी गिरावट पर निर्भर है। जब तक इनमें से कोई चीज़ नहीं आती, MIT CSAIL और Sloan का अध्ययन कहता है कि कंप्यूटर-विज़न ऑटोमेशन का नौकरियों पर प्रभाव संपर्क वाले नक्शों की तुलना में सीमित रहता है और नीति तथा पुनःप्रशिक्षण का कैलेंडर खुला रहता है।

इसीलिए कोई व्यापक रूप से दोहराया गया शोधपत्र देर-रात की AI फ़ीड्स में बिना किसी नए कर्मचारी आँकड़े के भी खबर बनकर लौट सकता है। यह पुनर्प्रसार खतरे के आकार को लेकर है। अचानक प्रतिस्थापन की कहानी कोई समय नहीं छोड़ती। 23% के आज वाले निष्कर्ष और लोगों के पक्ष में खड़ी लागतों पर आधारित धीरे-धीरे होने वाले विस्थापन की कहानी नीति और पुनःप्रशिक्षण के लिए समय छोड़ती है। विरोधाभासी नौकरियों का कथ्य मूलतः उसी बचे हुए समय की कहानी है।

x.com के लिए बिल पहले आता है

निष्कर्ष खुद लिख जाता है

x.com के लिए निष्कर्ष खुद लिख जाता है: रोबोट आ रहे हैं, लेकिन बिल पहले आता है। यह कोई शोध निष्कर्ष नहीं है। यह निष्कर्षों का फ़ीड के लिए तैयार संक्षिप्त रूप है। रोबोट आ रहे हैं वाला हिस्सा तकनीकी संपर्क है। कंप्यूटर विज़न अब पहले से अधिक देखने का काम कर सकता है। बिल पहले आता है वाला हिस्सा आर्थिक प्रतिस्थापन है। इंस्टॉलेशन और संचालन लागतें, कैमरे, मॉडल और रखरखाव उस वेतन बचत से पहले सामने आते हैं जो विज़न से जुड़े अधिकांश श्रम के लिए इन्हें उचित ठहराए।

इसीलिए अध्ययन व्यापक रूप से दोहराया गया होने के बावजूद देर-रात की सामग्री जैसा महसूस हो सकता है। x.com को इस निष्कर्ष के लिए किसी नए डेटासेट की ज़रूरत नहीं है। उसे केवल विरोधाभास चाहिए: एक परिपक्व कंप्यूटर-विज़न ऑटोमेशन ढाँचा, MIT CSAIL और Sloan का लागत मॉडल, अमेरिकी वेतन का लगभग 23% जो आज ऑटोमेशन के लिए लागत-प्रभावी दिखता है और अधिकांश कंपनियाँ जो अब भी लोगों को प्राथमिकता देंगी। इसमें बेकरी केस स्टडी जोड़ दें, जहाँ गुणवत्ता-जाँच विज़न श्रम का बहुत छोटा हिस्सा है और AI शायद ही कभी अपनी लागत निकाल पाता है, तो बिल वाले मज़ाक के साथ एक वास्तविक दुकान भी जुड़ जाती है।

यह निष्कर्ष लेखकों के लंबे दावे से भी मेल खाता है। यदि विस्थापन धीरे-धीरे होगा, जब तक कि AI-as-a-service का पैमाना या लागतों में भारी गिरावट गणित को न बदल दे, तो तकनीकी अर्थ में रोबोट आते रह सकते हैं जबकि आर्थिक अर्थ में बिल पहले आता रहेगा। इन दोनों आगमन के बीच के अंतर में नीति और पुनःप्रशिक्षण का समय मौजूद है। विरोधाभासी नौकरियों का कथ्य उस अंतर को कहानी मानने का निर्णय है, न कि संपर्क को नियति मान लेने का।

इनमें से किसी बात के लिए किसी व्यापक पतन या व्यापक उछाल की कल्पना करने की आवश्यकता नहीं है। कंप्यूटर-विज़न ऑटोमेशन पर MIT CSAIL और Sloan का अध्ययन वही कहता है जो वह कहता है। तकनीकी संपर्क आर्थिक प्रतिस्थापन के बराबर नहीं है। संबंधित अमेरिकी वेतन का केवल लगभग 23% हिस्सा आज ऑटोमेशन के लिए लागत-प्रभावी दिखाई देता है। कैमरों, मॉडलों और रखरखाव की कीमत जोड़ने के बाद अधिकांश कंपनियाँ अब भी लोगों को प्राथमिकता देंगी। एक बेकरी दिखाती है कि श्रम का बहुत छोटा हिस्सा प्रणाली की लागत नहीं उठा सकता। लेखकों का तर्क है कि बाकी सब कुछ धीरे-धीरे होगा, जब तक पैमाना या लागतों में भारी गिरावट नहीं आती, और यह देरी नीति और पुनःप्रशिक्षण के लिए समय छोड़ती है। x.com के लिए यह पहले से ही एक पूरा पोस्ट है: रोबोट आ रहे हैं, लेकिन बिल पहले आता है।