2025 मधील मोठ्या कंपनीतील नोकऱ्या कमी होण्याचे नवीन कारणे: ज्यावर आपल्याला लक्ष देणे आवश्यक आहे

जगातल्या मोठ्या कंपन्या पुन्हा एकदा खर्च कमी करण्याच्या तयारीत आहेत. विशेषतः सप्टेंबर-ऑक्टोबर २०२५ मध्ये नोकऱ्यांमध्ये मोठ्या प्रमाणात कपात झाली. फक्त टेक (तंत्रज्ञान) क्षेत्रातच २०२५ मध्ये २१८ कंपन्यांमधून १,१२,७३२ लोकांना कामावरून कमी करण्यात आले, असे 'Layoffs.fyi' या ग्लोबल ट्रॅकरचा अहवाल सांगतो. एकेकाळी विद्यार्थ्यांना 'सुरक्षित नोकरी' वाटणाऱ्या या कंपन्या आता कर्मचाऱ्यांची कपात करत आहेत. ॲमेझॉनने २०२३ नंतरची सर्वात मोठी कॉर्पोरेट कपात सुरू केली आहे, ज्यात सुमारे १४,००० नोकऱ्या कमी होणार आहेत. कंपनी आता AI (कृत्रिम बुद्धिमत्ता) आधारित कामांवर आणि कमी व्यवस्थापन स्तरांवर लक्ष केंद्रित करत आहे. या कपातीचा फटका भारतालाही बसणार असल्याचे संकेत ॲमेझॉनने दिले आहेत. मेटा (Meta) कंपनी आपल्या AI टीममधील सुमारे ६०० कर्मचाऱ्यांना कमी करत आहे, पण त्याच वेळी काही महत्त्वाच्या प्रकल्पांसाठी नवीन भरतीही सुरू ठेवली आहे. यावरून कंपनी कामाचे स्वरूप बदलत आहे, पण पूर्णपणे माघार घेत नाहीये, हे स्पष्ट होते. मायक्रोसॉफ्ट (Microsoft) देखील आपल्या कामाची पुनर्रचना करत आहे. या वर्षाच्या सुरुवातीला कंपनीने ६,००० हून अधिक कर्मचाऱ्यांना कमी केले, पण त्याच वेळी डेटा सेंटर्स, चिप्स आणि AI इंजिनिअरिंग क्षमतेमध्ये मोठी गुंतवणूक केली आहे. यावरून कंपनी कर्मचाऱ्यांवरील खर्च कमी करून प्लॅटफॉर्म्सवर अधिक लक्ष केंद्रित करत असल्याचे दिसते. हा ट्रेंड फक्त सिलिकॉन व्हॅलीपुरता मर्यादित नाही. लॉजिस्टिक्स, मीडिया, कन्झ्युमर टेक आणि व्यावसायिक सेवा देणाऱ्या कंपन्याही कर्मचाऱ्यांची संख्या कमी करत आहेत, अनावश्यक भरती थांबवत आहेत आणि कामाच्या कामगिरीवर अधिक लक्ष केंद्रित करत आहेत. यावरून एक गोष्ट स्पष्ट होते की, कंपन्या केवळ खर्च कमी करत नाहीत, तर कामाची पद्धतच बदलत आहेत.

२०२५ मधील नोकरकपातीचे खरे कारण: कामाची बदललेली पद्धत

२०२५ मधील नोकरकपातीची लाट केवळ 'खर्च कमी करणे' किंवा 'मंद वाढ' यापुरती मर्यादित नाही. हे कंपन्यांच्या कार्यपद्धतीत झालेल्या एका मोठ्या बदलाचे प्रतिबिंब आहे. कंपन्यांना आता कामातून अधिक मूल्य कसे मिळेल, यावर लक्ष केंद्रित केले आहे.

कर्मचाऱ्यांवरील खर्च कमी करून हार्डवेअरमध्ये गुंतवणूक: कंपन्या आता AI इन्फ्रास्ट्रक्चरमध्ये (AI पायाभूत सुविधा) प्रचंड पैसा ओतत आहेत. यामध्ये हाय-परफॉर्मन्स जीपीयू (GPUs), जास्त वीज लागणारे डेटा सेंटर्स आणि स्वतःचे AI मॉडेल विकसित करणे यांचा समावेश आहे. या सर्व कामांसाठी लागणारा पैसा कुठूनतरी येत आहे. अनेक कंपन्यांनी स्पष्टपणे एक निर्णय घेतला आहे: व्यवस्थापनाचे कमी स्तर, लहान सपोर्टिंग टीम्स आणि मर्यादित प्रोजेक्ट्स. कंपन्यांच्या बोर्डरूममधून (संचालक मंडळ) एक स्पष्ट संदेश आहे – प्रत्येक भूमिकेसाठी (role) उत्पादकता वाढवणे आवश्यक आहे.

साथीच्या आजारानंतरची अतिरिक्त भरती: २०२० ते २०२३ या काळात कंपन्यांनी मोठ्या प्रमाणात भरती केली. काहीवेळा मागणीपेक्षा जास्तच कर्मचारी घेतले गेले, कारण त्यांना वाटले की डिजिटल वापराचे प्रमाण कायम उच्च राहील. पण तसे झाले नाही. आता कंपन्यांमध्ये कामांची पुनरावृत्ती (duplicate responsibilities), समन्वयावर जास्त भर देणाऱ्या टीम्स आणि सतत मीटिंग्समध्येच वेळ घालवणारे वर्कफ्लो (workflow) शिल्लक राहिले आहेत. आजच्या नोकरकपातीचे कारण अनेकदा कर्मचाऱ्यांची खराब कामगिरी नसते, तर अशा कामांच्या लेयर्स (layers) काढून टाकणे आहे, ज्यांना आता धोरणात्मक महत्त्व राहिलेले नाही. 'अपडेट करणे', 'हँडओव्हर करणे', 'पुनरावलोकन करणे' किंवा 'समन्वय साधणे' यांसारख्या भूमिका सर्वात आधी कमी केल्या जात आहेत.

AI च्या आधारावर कामांची पुनर्रचना: हा सर्वात महत्त्वाचा बदल आहे. कंपन्या आता केवळ कामे ऑटोमेट (automate) करत नाहीत, तर कामाची संपूर्ण पद्धतच नव्याने तयार करत आहेत. L1 कस्टमर सपोर्ट (ग्राहक सेवा), नियमित QA टेस्टिंग (गुणवत्ता तपासणी), अंतर्गत अहवाल तयार करणे, मूलभूत विश्लेषण आणि ॲड-ऑप्स (ad-ops) यांसारखी कामे आता AI एजंट्स आणि ऑटोमेटेड पाईपलाईन्स (automated pipelines) करत आहेत. मानवी भूमिका आता कामाच्या प्रवाहाच्या सुरुवातीला आणि शेवटी जात आहेत:

- सुरुवातीला (Upstream): सिस्टीम डिझाइन करणे, गरजा निश्चित करणे, डेटा क्युरेट करणे (डेटा व्यवस्थित करणे).
- शेवटी (Downstream): आउटपुटची पडताळणी करणे, सुरक्षा, अनुपालन (compliance) आणि विश्वासार्हता सुनिश्चित करणे.

याचा अर्थ असा की, एकूण नोकऱ्या कमी होतील, पण शिल्लक राहिलेल्या नोकऱ्यांसाठी उच्च कौशल्याची गरज भासेल. नोकरीची बाजारपेठ आकुंचन पावत नाहीये, तर तिचे स्वरूप बदलत आहे.

'फक्त रीस्किलिंग' (Reskilling) तुम्हाला का वाचवू शकत नाही?

अनेक वर्षांपासून, करिअरबद्दलचा एक सोपा सल्ला दिला जात होता: जर नोकरीच्या बाजारपेठेत बदल झाला, तर नवीन टूल शिका आणि पुढे चला. जेव्हा उद्योगधंदे हळू बदलत होते आणि भूमिकांमध्ये छोटे बदल होत होते, तेव्हा हा तर्क काम करत होता. पण २०२५ मधील नोकरकपातीची लाट एक वेगळीच कहाणी सांगते. कंपन्या केवळ एका प्रोग्रामिंग भाषेच्या जागी दुसरी भाषा आणत नाहीत. त्या AI आणि ऑटोमेशनच्या आधारावर कामाची संपूर्ण पद्धतच नव्याने तयार करत आहेत. जेव्हा कामाची पद्धतच बदलते, तेव्हा फक्त एक नवीन कौशल्य शिकल्याने तुमची नोकरी सुरक्षित राहत नाही, कारण ती भूमिकाच बदलली जात आहे, विलीन केली जात आहे किंवा काढून टाकली जात आहे.

समस्या कौशल्यांची कमतरता नाही, तर अतिरिक्त भूमिकांची आहे: साथीच्या आजारानंतरच्या काळात कंपन्यांनी समन्वयाचे, व्यवस्थापनाचे आणि 'हँड-ऑफ' (एकाकडून दुसऱ्याकडे काम सोपवणे) भूमिकांचे अनेक स्तर तयार केले. आता कंपन्या ऑर्ग चार्ट (संघटनात्मक रचना) सपाट करत आहेत. जेव्हा एखादी भूमिका नाहीशी होते, तेव्हा नवीन टूल शिकल्याने ती परत येत नाही.

ऑटोमेशनमुळे कामे कमी होतात, नोकरीची पदं नाही: AI एका झटक्यात 'नोकऱ्या' बदलत नाही – ते प्रक्रियेतील पायऱ्यांची संख्या कमी करते. जर तुमचे काम अशा पायऱ्यांनी बनलेले असेल, ज्या AI अंदाज लावू शकते किंवा त्यांची नक्कल करू शकते – जसे की L1 सपोर्ट, नियमित डेटा रिपोर्टिंग, बेसिक QA – तर एक प्रमाणपत्र जोडल्याने तुमची असुरक्षितता बदलणार नाही.

परिणाम नसलेले रीस्किलिंग कागदावर सारखेच दिसते: प्रत्येकजण समान ऑनलाइन कोर्सेस घेत आहे. याचा परिणाम काय होतो? रेझ्युमे (Resume) आता एकमेकांना सारखे दिसतात. तुम्ही कोर्स केला की नाही हे महत्त्वाचे नाही, तर तुम्ही कुठे खर्च, वेग किंवा गुणवत्ता सुधारली याचा पुरावा देऊ शकता का, हे महत्त्वाचे आहे.

कंपन्या आता वेगळ्या पद्धतीने भरती करत आहेत: 'टूल्स (tools) माहीत असलेले लोक' भरती करण्याऐवजी, कंपन्या आता अशा लोकांना भरती करत आहेत:

- जे AI ला कामाच्या पद्धतीत समाकलित (integrate) करू शकतात.
- जे मशीनच्या आउटपुटचे मूल्यांकन (evaluate), डीबग (debug) आणि गव्हर्न (govern) करू शकतात.
- ज्यांना चुकांमुळे किती खर्च येतो हे समजते.

यासाठी केवळ कौशल्यांची नाही, तर निर्णयक्षमतेची (judgment) गरज आहे.

थोडक्यात: विद्यार्थ्यांनी आता काय समजून घेतले पाहिजे

विद्यार्थी आणि तरुण व्यावसायिकांसाठी, ही एक अस्वस्थ करणारी पण खरी गोष्ट आहे: नोकरीची बाजारपेठ आता फक्त गोष्टी 'माहित असलेल्या' लोकांना बक्षीस देत नाही. ती अशा लोकांना बक्षीस देत आहे, जे काम अधिक चांगले करतात हे सिद्ध करू शकतात. २०२५ मधील नोकरकपातीची लाट प्रतिभेला शिक्षा करत नाहीये; ती अदलाबदल करण्यायोग्यतेला (interchangeability) शिक्षा करत आहे. जेव्हा प्रत्येकाकडे समान प्रमाणपत्रे, समान लिंक्डइन कोर्सेस, समान 'एक्सेल-पायथन-कम्युनिकेशनमध्ये प्रवीण' असा रेझ्युमे असतो, तेव्हा कंपन्यांना एका प्रोफाइलला दुसऱ्यापासून वेगळे ओळखता येत नाही – आणि जिथे फरक कमी असतो, तिथे त्या कर्मचाऱ्यांची संख्या कमी करतात.

त्यामुळे प्रश्न हा नाही की, 'मी काय शिकावे?' प्रश्न हा आहे की, 'मी कुठे प्रभाव दाखवू शकेन?'

तुमची पदवी अजूनही महत्त्वाची आहे. तुमची तांत्रिक कौशल्ये अजूनही महत्त्वाची आहेत. पण ती केवळ प्रवेशासाठीची तिकिटे आहेत, वेगळेपण दाखवणारे घटक नाहीत. वेगळेपण दाखवणारा घटक म्हणजे पुरावा: एखाद्या कॅम्पस क्लबसाठी लागणारा वेळ कमी करणारा छोटा ऑटोमेशन प्रोजेक्ट, एखाद्या प्रोजेक्टचा आउटपुट सुधारण्यासाठी तुम्ही स्वच्छ केलेला डेटासेट, खऱ्या वापरकर्त्यांसाठी गोंधळ कमी करणारी तुम्ही तयार केलेली फीचर, तुम्ही कोणत्याही प्रत्यक्ष सेटिंगमध्ये (अगदी कौटुंबिक व्यवसायातही) तपासलेली खर्च-बचत करणारी कल्पना.

तुमच्या पहिल्या नोकरीची वाट न पाहता, मूल्याचा पुरावा तयार करण्यास सुरुवात करा. जिथे आहात तिथून सुरुवात करा.

तीन गोष्टींवर लक्ष केंद्रित करा:

1. एक क्षेत्र निवडा ज्याची तुम्हाला खरोखर काळजी वाटते (आरोग्यसेवा, गतिशीलता, वित्त, हवामान, मीडिया – कोणत्याही महत्त्वाच्या क्षेत्रातील).
2. त्या क्षेत्रातील समस्या सोडवण्यासाठी मदत करणारे एक कौशल्य संच (skill stack) तयार करा.
3. एक मोजता येण्याजोगा सुधार (measurable improvement) तयार करा – अगदी छोटा असला तरी चालेल.

'आधी आणि नंतर' (before-and-after) परिणामांचा पोर्टफोलिओ (portfolio) पाच नवीन प्रमाणपत्रांपेक्षा जास्त उपयोगी ठरेल, ज्यांची पडताळणी करण्यासाठी कोणत्याही भरती करणाऱ्या अधिकाऱ्याकडे वेळ नाही.