BhupinderSKambo6“ਆਰਥਿਕ ਇਤਿਹਾਸ ਸਪਸ਼ਟ ਤੌਰ ’ਤੇ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਸੇ ਵੱਡੀ ਤਕਨਾਲੋਜੀ ...”
(19 ਨਵੰਬਰ 2026)


1.0
ਜਾਣ-ਪਛਾਣ:ਅੱਜ ਦੇ ਸਮੇਂ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ (Artificial Intelligence-AI) ਬਾਰੇ ਚਰਚਾ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀ ਹੈ। ਮੀਡੀਆ, ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀ ਮਾਹਰ ਅਕਸਰ ਇਹ ਦਾਅਵਾ ਕਰਦੇ ਹਨ ਕਿ AI ਦੁਨੀਆ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਢੰਗ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ ’ਤੇ ਬਦਲ ਦੇਵੇਗੀ। ਇਸ ਤੋਂ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਇਹ ਕਈ ਮਨੁੱਖੀ ਕੰਮ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਪੂਰੇ ਕਰੇਗੀ, ਕਾਰੋਬਾਰਾਂ ਦੀ ਕਾਰਜਕੁਸ਼ਲਤਾ ਅਤੇ ਮੁਨਾਫੇ ਵਧਾਏਗੀ ਅਤੇ ਰਾਸ਼ਟਰੀ ਅਰਥਵਿਵਸਥਾਵਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਲੈ ਜਾਵੇਗੀ।

ਸਮਾਜ ਅਤੇ ਅਰਥਵਿਵਹਾਰ ਵਿੱਚ ਕਿਰਤ ਅਤੇ ਬੁੱਧੀ ਦੀ ਸਹੀ ਵਰਤੋਂ ਬਾਰੇ ਸਾਡੀ ਰੁਹਾਨੀ ਵਿਰਾਸਤ ਸਾਨੂੰ ਨਿਰੰਤਰ ਉੱਦਮ ਕਰਨ ਦਾ ਉਪਦੇਸ਼ ਦਿੰਦੀ ਹੈ। ਇਸ ਸੰਦਰਭ ਵਿੱਚ ਸਾਡਾ ਇਹ ਪ੍ਰਚਲਿਤ ਅਖਾਣ ਬਿਲਕੁਲ ਸਟੀਕ ਬੈਠਦਾ ਹੈ:

“ਦੱਬ ਕੇ ਵਾਹ, ਤੇ ਰੱਜ ਕੇ ਖਾਹ।”

ਜਦੋਂ ਤਕ ਕੈਨੇਡਾ ਦੇ ਉਦਯੋਗ, ਕਾਰੋਬਾਰ ਅਤੇ ਨੀਤੀਘਾੜੇ ਆਰਥਿਕ ਖੇਤਰ ਵਿੱਚ ਡੂੰਘੀ ਮਿਹਨਤ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੀ ਅਪਣੱਤ ਨਹੀਂ ਅਪਣਾਉਂਦੇ, ਤਦ ਤਕ ਸਥਾਈ ਆਰਥਿਕ ਖੁਸ਼ਹਾਲੀ ਅਤੇ ਉਤਪਾਦਕਤਾ ਦਾ ਫਲ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸੰਭਵ ਨਹੀਂ ਹੋਵੇਗਾ। AI ਵਿੱਚ ਉਤਪਾਦਕਤਾ ਵਧਾਉਣ, ਵਪਾਰਕ ਕਾਰਜਕੁਸ਼ਲਤਾ ਸੁਧਾਰਨ ਅਤੇ ਕਿਰਤ-ਬਜ਼ਾਰਾਂ ਦਾ ਰੂਪ ਬਦਲਣ ਦੀ ਅਪਾਰ ਸਮਰੱਥਾ ਹੈ। ਪਰ ਤੇਜ਼ ਤਕਨੀਕੀ ਤਰੱਕੀ ਅਤੇ ਕਾਰੋਬਾਰੀ ਉਤਸ਼ਾਹ ਦੇ ਬਾਵਜੂਦ ਕਈ ਵਿਕਸਿਤ ਅਰਥਵਿਵਸਥਾਵਾਂ ਵਿੱਚ ਇਸਦੇ ਉਮੀਦ ਕੀਤੇ ਲਾਭ ਅਜੇ ਤਕ ਸਮੁੱਚੀ ਉਤਪਾਦਕਤਾ ਦੇ ਅੰਕੜਿਆਂ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਨਹੀਂ ਦਿੱਤੇ। ਤਕਨੀਕੀ ਸਮਰੱਥਾ ਅਤੇ ਅਸਲ ਆਰਥਿਕ ਨਤੀਜਿਆਂ ਵਿਚਾਲੇ ਦੇ ਇਸ ਅੰਤਰ ਨੂੰ ‘AI ਉਤਪਾਦਕਤਾ ਵਿਰੋਧਾਭਾਸ’ (AI productivity paradox) ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਕੈਨੇਡਾ ਇਸ ਮੁੱਦੇ ਦੀ ਜਾਂਚ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਉਦਾਹਰਨ ਹੈ। ਦੇਸ਼ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਉਤਪਾਦਕਤਾ ਨਾਲ ਜੁੜੀਆਂ ਗੰਭੀਰ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ। Statistics Canada ਅਨੁਸਾਰ 2025 ਵਿੱਚ ਕੈਨੇਡਾ ਦੇ ਵਪਾਰਕ ਖੇਤਰ ਦੀ ਕਿਰਤ ਉਤਪਾਦਕਤਾ ਵਿੱਚ 1.1% ਵਾਧਾ ਦਰਜ ਕੀਤਾ ਗਿਆ। ਇਸ ਲੇਖ ਦਾ ਮੁੱਖ ਧਿਆਨ ਇਸ ਗੱਲ ’ਤੇ ਹੈ ਕਿ AI ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀ ਵਰਤੋਂ ਦੇ ਬਾਵਜੂਦ ਉਤਪਾਦਕਤਾ ਦੇ ਲਾਭ ਕਿਉਂ ਹੌਲੀ ਜਾਂ ਅਸਮਾਨ ਢੰਗ ਨਾਲ ਸਾਹਮਣੇ ਆ ਰਹੇ ਹਨ।

Bank of Canada ਦਾ ਮਾਰਚ 2026 ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ Staff Analytical Paper 2026-4, “AI Paradox: Promise vs. Reality-What It Means for Monetary Policy”, AI ਦੇ ਸੰਭਾਵੀ ਆਰਥਿਕ ਅਤੇ ਨੀਤੀਗਤ ਪ੍ਰਭਾਵਾਂ ਦੀ ਡੂੰਘੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। ਤਕਨੀਕੀ ਤਰੱਕੀ ਲਗਾਤਾਰ ਉਤਪਾਦਕਤਾ ਲਾਭਾਂ ਵਿੱਚ ਬਦਲਦੀ ਹੈ ਜਾਂ ਨਹੀਂ, ਇਹ ਸੰਭਾਵੀ ਉਤਪਾਦਨ, ਮਹਿੰਗਾਈ ਅਤੇ ਮੁਦਰਾ ਨੀਤੀ ਦੇ ਮੁਲਾਂਕਣ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਸ ਲੇਖ ਵਿੱਚ ਇਤਿਹਾਸਕ ਅਨੁਭਵ, ਕੈਨੇਡਾ ਦੇ ਅਧਿਕਾਰਤ ਅੰਕੜੇ, Bank of Canada ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ AI ਅਤੇ ਰੁਜ਼ਗਾਰ ਬਾਰੇ ਉੱਭਰ ਰਹੇ ਵਿਚਾਰਾਂ ਦੀ ਵਿਸਤ੍ਰਿਤ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਹੈ।

2.0 AI ਉਤਪਾਦਕਤਾ ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਸਮਝਣਾ

AI ਉਤਪਾਦਕਤਾ ਵਿਰੋਧਾਭਾਸ ਦਾ ਭਾਵ ਹੈ ਕਿ AI ਦੀ ਤਕਨੀਕੀ ਸਮਰੱਥਾ ਅਤੇ ਇਸਦੀ ਵਧਦੀ ਵਰਤੋਂ ਦੇ ਬਾਵਜੂਦ ਸਮੁੱਚੀ ਅਰਥਵਿਵਸਥਾ ਦੀ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਸੁਧਾਰ ਤੁਰੰਤ ਜਾਂ ਉਮੀਦ ਅਨੁਸਾਰ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦਾ। ਇਸ ਅੰਤਰ ਨੂੰ ਸਮਝਣ ਲਈ ਰੁਜ਼ਾਨਾ ਜੀਵਨ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੇ ਇਤਿਹਾਸਕ ਅਨੁਭਵ ਬਹੁਤ ਲਾਭਦਾਇਕ ਹਨ।

2.1 ਰੋਬੌਟ ਵੈਕਿਊਮ ਅਤੇ ਛੋਟੇ ਉਦਯੋਗ: ਨਵੀਂ ਤਕਨਾਲੋਜੀ ਅਪਣਾਉਣ ਦੀ ਲਾਗਤ

ਇੱਕ ਪਰਿਵਾਰ ਉਮੀਦ ਕਰਦਾ ਹੈ ਕਿ ਰੋਬੌਟਿਕ ਵੈਕਿਊਮ ਕਲੀਨਰ ਘਰ ਦੀ ਸਫਾਈ ਵਿੱਚ ਲੱਗਣ ਵਾਲਾ ਸਮਾਂ ਘਟਾ ਦੇਵੇਗਾ। ਪਰ ਇਸ ਨੂੰ ਘਰ ਦੇ ਮਾਹੌਲ ਅਨੁਸਾਰ ਢਾਲਣਾ ਪੈਂਦਾ ਹੈ। ਮੋਟੇ ਕਾਰਪੈੱਟ ਇਸਦੀ ਗਤੀ ਰੋਕ ਸਕਦੇ ਹਨ, ਫਰਨੀਚਰ ਦੀ ਸਥਿਤੀ ਬਦਲਣੀ ਪੈ ਸਕਦੀ ਹੈ ਅਤੇ ਪਰਿਵਾਰਕ ਮੈਂਬਰਾਂ ਨੂੰ ਇਸਦੀ ਵਰਤੋਂ ਸਿੱਖਣੀ ਪੈਂਦੀ ਹੈ। ਸਥਾਪਨਾ, ਸੰਭਾਲ ਅਤੇ ਲੋੜੀਂਦੇ ਬਦਲਾਅ ਲਈ ਸਮਾਂ ਅਤੇ ਪੈਸਾ ਵੀ ਲਗਦਾ ਹੈ। ਇਸ ਸ਼ੁਰੂਆਤੀ ਦੌਰ ਵਿੱਚ ਤਕਨਾਲੋਜੀ ਤੋਂ ਮਿਲਣ ਵਾਲੀ ਬੱਚਤ ਦਾ ਕੁਝ ਹਿੱਸਾ ਇਨ੍ਹਾਂ ਖਰਚਿਆਂ ਨਾਲ ਪੂਰਾ ਹੋ ਜਾਂਦਾ ਹੈ।

ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ AI ਲਾਗੂ ਕਰਨ ਸਮੇਂ ਵੀ ਬਿਲਕੁਲ ਅਜਿਹੀ ਸਥਿਤੀ ਬਣਦੀ ਹੈ। ਫਰਮਾਂ ਨੂੰ ਡਿਜਿਟਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ, ਡਾਟਾ ਪ੍ਰਬੰਧਨ, ਕਰਮਚਾਰੀ ਸਿਖਲਾਈ ਅਤੇ ਮੌਜੂਦਾ ਕੰਮਕਾਜੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਲਈ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਸ ਲਈ AI ਦੀ ਖਰੀਦ ਜਾਂ ਵਰਤੋਂ ਆਪਣੇ ਆਪ ਵਿੱਚ ਉਤਪਾਦਕਤਾ ਵਾਧੇ ਦੀ ਪੱਕੀ ਗਰੰਟੀ ਨਹੀਂ ਬਣਦੀ। ਤਕਨਾਲੋਜੀ ਨੂੰ ਸੰਗਠਨ ਦੇ ਅੰਦਰੂਨੀ ਕੰਮਕਾਜ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਜੋੜਨਾ ਅਤੀ ਜ਼ਰੂਰੀ ਹੈ।

2.2 ਬੇਕਰੀ ਅਤੇ ਸਫਾਈ ਵਾਲੇ ਝਾੜੂ ਦੀ ਨਿਰਮਾਣ ਇਕਾਈ: ਵਿਅਕਤੀਗਤ ਲਾਭ ਤੋਂ ਸਮੁੱਚੀ ਉਤਪਾਦਕਤਾ ਤੱਕ

ਮੰਨ ਲਓ ਕਿ ਇੱਕ ਛੋਟੀ ਬੇਕਰੀ ਮੌਸਮ, ਤਿਉਹਾਰਾਂ ਅਤੇ ਪਿਛਲੀਆਂ ਖਰੀਦਾਂ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੇਕ ਅਤੇ ਬਿਸਕੁਟਾਂ ਦੀ ਮੰਗ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਉਣ ਲਈ AI ਪ੍ਰਣਾਲੀ ਅਪਣਾਉਂਦੀ ਹੈ। ਇਸ ਨਾਲ ਬੇਕਰੀ ਉਤਪਾਦਨ ਦੀ ਯੋਜਨਾ ਬਹੁਤ ਵਧੀਆ ਬਣ ਸਕਦੀ ਹੈ, ਬਚਿਆ ਹੋਇਆ ਮਾਲ ਘਟਾ ਸਕਦੀ ਹੈ ਅਤੇ ਸਟਾਕ ਦਾ ਪ੍ਰਬੰਧ ਸੁਧਾਰ ਸਕਦੀ ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, ਸਫਾਈ ਵਾਲੇ ਝਾੜੂ (Cleaning Broom) ਬਣਾਉਣ ਵਾਲੀ ਇੱਕ ਛੋਟੀ ਨਿਰਮਾਣ ਇਕਾਈ ਵਿੱਚ ਕੱਚੇ ਮਾਲ ਦੀ ਕਟਾਈ, ਤਾਰਾਂ ਦੀ ਬੁਣਾਈ ਅਤੇ ਪੈਕਿੰਗ ਲਈ AI ਟੂਲ ਵਰਤਣ ਨਾਲ ਉਤਪਾਦਨ ਕੁਸ਼ਲਤਾ ਕਈ ਗੁਣਾ ਵਧ ਜਾਂਦੀ ਹੈ।

ਪਰ ਜੇ ਉਸੇ ਕਸਬੇ ਦੇ ਹੋਰ ਰਵਾਇਤੀ ਕਾਰੋਬਾਰ ਪੁਰਾਣੇ ਤਰੀਕਿਆਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਰਹਿਣ ਤਾਂ ਇਨ੍ਹਾਂ ਯੂਨਿਟਾਂ ਦੀ ਸਫਲਤਾ ਦਾ ਸਮੁੱਚੀ ਅਰਥਵਿਵਸਥਾ ’ਤੇ ਪ੍ਰਭਾਵ ਬਹੁਤ ਸੀਮਿਤ ਰਹੇਗਾ। ਹੋਰ ਕਾਰੋਬਾਰਾਂ ਕੋਲ ਲੋੜੀਂਦੀ ਤਕਨਾਲੋਜੀ, ਵਿੱਤੀ ਸਰੋਤ ਜਾਂ ਡਿਜਿਟਲ ਹੁਨਰਾਂ ਦੀ ਘਾਟ ਹੋ ਸਕਦੀ ਹੈ। ਇਸ ਲਈ ਸਮੁੱਚੀ ਉਤਪਾਦਕਤਾ ਸਿਰਫ ਕੁਝ ਫਰਮਾਂ ਦੀ ਸਫਲਤਾ ਉੱਤੇ ਨਹੀਂ, ਸਗੋਂ ਤਕਨਾਲੋਜੀ ਦੇ ਵਿਆਪਕ ਪ੍ਰਸਾਰ ਅਤੇ ਵਰਤੋਂ ਦੇ ਪੈਮਾਨੇ ’ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।

2.3 ਇਤਿਹਾਸਕ ਸਬੂਤ: ਬਿਜਲੀ, ਕੰਪਿਊਟਰ ਅਤੇ ਸੋਲੋ ਵਿਰੋਧਾਭਾਸ

ਆਰਥਿਕ ਇਤਿਹਾਸ ਸਪਸ਼ਟ ਤੌਰ ’ਤੇ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਸੇ ਵੱਡੀ ਤਕਨਾਲੋਜੀ ਦੀ ਖੋਜ ਅਤੇ ਉਸਦੇ ਪੂਰੇ ਆਰਥਿਕ ਲਾਭ ਸਾਹਮਣੇ ਆਉਣ ਵਿਚਕਾਰ ਲੰਮਾ ਸਮਾਂ ਲੱਗ ਸਕਦਾ ਹੈ। 1987 ਵਿੱਚ ਨੋਬਲ ਪੁਰਸਕਾਰ ਜੇਤੂ ਅਰਥਸ਼ਾਸਤਰੀ Robert Solow ਨੇ ਮਸ਼ਹੂਰ ਟਿੱਪਣੀ ਕੀਤੀ ਸੀ ਕਿ ਕੰਪਿਊਟਰ ਯੁਗ ਹਰ ਥਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਪਰ ਉਤਪਾਦਕਤਾ ਦੇ ਅੰਕੜਿਆਂ ਵਿੱਚ ਨਹੀਂ। 1970ਵਿਆਂ ਤੋਂ 1990ਵਿਆਂ ਦੇ ਮੱਧ ਤਕ ਕੰਪਿਊਟਰਾਂ ਦੀ ਵਰਤੋਂ ਲਗਾਤਾਰ ਵਧਣ ਦੇ ਬਾਵਜੂਦ ਅਮਰੀਕਾ ਵਿੱਚ ਉਤਪਾਦਕਤਾ ਵਾਧਾ ਮੁਕਾਬਲਤਨ ਕਮਜ਼ੋਰ ਰਿਹਾ।

ਲਗਭਗ 1995 ਤੋਂ ਬਾਅਦ ਜਦੋਂ ਸੂਚਨਾ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਪੂਰਕ ਨਿਵੇਸ਼ ਅਤੇ ਵਪਾਰਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤੇ ਗਏ, ਤਦ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਅਸਲ ਤੇਜ਼ੀ ਆਈ। Paul David (1990) ਨੇ ਬਿਜਲੀਕਰਨ ਦੇ ਇਤਿਹਾਸਕ ਅਨੁਭਵ ਰਾਹੀਂ ਇਹ ਸਮਝਾਇਆ ਕਿ ਨਵੀਂ ਤਕਨਾਲੋਜੀ ਦੇ ਅਸਲ ਲਾਭ ਮਿਲਣ ਲਈ ਸੰਗਠਨਾਤਮਕ ਤਬਦੀਲੀਆਂ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੁੰਦੀਆਂ ਹਨ।

2.4 AI ਤੋਂ ਮਿਲਦੇ ਸਬਕ ਅਤੇ ਕੈਨੇਡੀਅਨ ਸਬੂਤ

Bank of Canada ਦੇ Chawla ਅਤੇ Arnburg (2026) ਅਨੁਸਾਰ, ਸਰਵੇਖਣ ਵਿੱਚ ਦੋ-ਤਿਹਾਈ ਤੋਂ ਵੱਧ ਕਾਰੋਬਾਰੀ ਆਗੂਆਂ ਨੇ ਦੱਸਿਆ ਕਿ ਉਹ ਨਿੱਜੀ ਤੌਰ ’ਤੇ AI ਸਾਧਨ ਵਰਤਦੇ ਹਨ। ਇਸਦੇ ਉਲਟ, ਸਿਰਫ 8% ਕਾਰੋਬਾਰਾਂ ਨੇ ਆਪਣੇ ਮੁੱਖ ਕਾਰਜਾਂ ਵਿੱਚ AI ਦੀ ਮਹੱਤਵਪੂਰਨ ਵਰਤੋਂ ਦੀ ਰਿਪੋਰਟ ਦਿੱਤੀ। ਲਗਭਗ ਅੱਧੇ ਕਾਰੋਬਾਰਾਂ ਨੇ ਮੁੱਖ ਕੰਮਕਾਜ ਵਿੱਚ AI ਦੀ ਘੱਟ ਜਾਂ ਦਰਮਿਆਨੀ ਵਰਤੋਂ ਦੱਸੀ।

Statistics Canada ਦੇ 2026 ਦੇ ਅੰਕੜਿਆਂ ਅਨੁਸਾਰ ਸੂਚਨਾ ਅਤੇ ਵਿੱਤ ਖੇਤਰਾਂ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ 40% ਤੋਂ ਵੱਧ ਕਾਰੋਬਾਰਾਂ ਵਿੱਚ ਹੈ, ਜਦੋਂ ਕਿ ਉਸਾਰੀ ਖੇਤਰ ਵਿੱਚ ਇਹ 9.2% ਅਤੇ ਖੇਤੀਬਾੜੀ ਵਿੱਚ ਕੇਵਲ 4.5% ਹੈ। ਇਹ ਅੰਕੜੇ ਸਪਸ਼ਟ ਤੌਰ ’ਤੇ ਉਦਯੋਗਾਂ ਵਿਚਕਾਰ AI ਅਪਣਾਉਣ ਦੇ ਵੱਡੇ ਪਾੜੇ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।

3.0 Bank of Canada ਲਈ ਚੁਣੌਤੀਆਂ ਅਤੇ ਮਹਿੰਗਾਈ ਦੀ ਦੁਬਿਧਾ

Bank of Canada ਦੀ ਮੁਦਰਾ ਨੀਤੀ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਕੀਮਤਾਂ ਦੀ ਸਥਿਰਤਾ ਕਾਇਮ ਰੱਖਣਾ ਹੈ। ਬਿਆਜ ਦਰਾਂ ਬਾਰੇ ਫੈਸਲੇ ਕਰਨ ਲਈ ਬੈਂਕ ਨੂੰ ਅਰਥਵਿਵਸਥਾ ਦੀ ਅੰਦਰੂਨੀ ਉਤਪਾਦਨ ਸਮਰੱਥਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਉਣਾ ਪੈਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸੰਭਾਵੀ ਉਤਪਾਦਨ (Y*) ਅਤੇ ਕੁਦਰਤੀ ਬੇਰੁਜ਼ਗਾਰੀ ਦਰ (U*) ਸ਼ਾਮਲ ਹਨ। AI ਇਸ ਅੰਦਾਜ਼ੇ ਨੂੰ ਹੋਰ ਗੁੰਝਲਦਾਰ ਬਣਾ ਦਿੰਦੀ ਹੈ।

ਖੇਤਰਾਂ ਵਿੱਚ AI ਅਪਣਾਉਣ ਦੀ ਅਸਮਾਨਤਾ ਕਾਰਨ “ਦੋ-ਗਤੀ ਵਾਲੀ ਅਰਥਵਿਵਸਥਾ” ਬਣ ਸਕਦੀ ਹੈ, ਜਿੱਥੇ ਕੁਝ ਖੇਤਰ ਤੇਜ਼ੀ ਨਾਲ ਤਰੱਕੀ ਕਰਦੇ ਹਨ ਅਤੇ ਦੂਜੇ ਪਛੜ ਜਾਂਦੇ ਹਨ। Brault et al. (2026) ਅਨੁਸਾਰ ਕੇਂਦਰੀ ਬੈਂਕ ਕੋਲ ਮੁਦਰਾ ਨੀਤੀ ਦੀ ਇੱਕੋ ਬਿਆਜ ਦਰ ਹੁੰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਵੱਖ-ਵੱਖ ਉਦਯੋਗਾਂ ਵਿੱਚ ਮਹਿੰਗਾਈ ਅਤੇ ਲਾਗਤਾਂ ਦੇ ਦਬਾਅ ਵੱਖੋ-ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ। ਨਾਲ ਹੀ ਕਿਰਤ-ਬਜ਼ਾਰ ਵਿੱਚ ਨੌਕਰੀਆਂ ਅਤੇ ਹੁਨਰਾਂ ਦੀ ਮੰਗ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲ ਰਹੀ ਹੈ (Brouillette et al., 2026) ।

4.0 ਐਂਡਰਿਊ ਐਨਜੀ ਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ: AI, ਰੁਜ਼ਗਾਰ ਅਤੇ ਨਵੇਂ ਹੁਨਰ

22 ਅਕਤੂਬਰ 2026 ਨੂੰ ਨਵੀਂ ਦਿੱਲੀ ਵਿੱਚ NDTV ਵਿਸ਼ਵ ਸੰਮੇਲਨ ਦੌਰਾਨ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨੀ Andrew Ng ਨੇ AI ਕਾਰਨ ਆਉਣ ਵਾਲੇ “ਨੌਕਰੀਆਂ ਦੇ ਅੰਤ” ਬਾਰੇ ਅਤਿਅੰਤ ਭਵਿੱਖਬਾਣੀਆਂ ’ਤੇ ਸਵਾਲ ਉਠਾਏ। ਉਨ੍ਹਾਂ ਦਾ ਵਿਚਾਰ ਸੀ ਕਿ AI ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਵਧਾ ਸਕਦੀ ਹੈ, ਉਤਪਾਦਕਤਾ ਸੁਧਾਰ ਸਕਦੀ ਹੈ ਅਤੇ ਕਾਰੋਬਾਰਾਂ ਦੇ ਵਿਸਥਾਰ ਰਾਹੀਂ ਰੁਜ਼ਗਾਰ ਦੇ ਮੌਕੇ ਵੀ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ।

ਹਾਲਾਂਕਿ ਉਨ੍ਹਾਂ ਨੇ ਸਿੱਖਿਆ ਸੰਸਥਾਵਾਂ ਵੱਲੋਂ ਪਾਠਕ੍ਰਮ ਨੂੰ ਤਕਨੀਕੀ ਤਬਦੀਲੀਆਂ ਅਨੁਸਾਰ ਢਾਲਣ ਅਤੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਨਵੇਂ ਹੁਨਰ ਸਿਖਾਉਣ ਦੀ ਲੋੜ ’ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ। AI ਨੂੰ ਨਾ ਤਾਂ ਉਤਪਾਦਕਤਾ ਸਮੱਸਿਆ ਦਾ ਜਾਦੂਈ ਹੱਲ ਮੰਨਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਨਾ ਹੀ ਵਿਆਪਕ ਬੇਰੁਜ਼ਗਾਰੀ ਦਾ ਅਟੱਲ ਕਾਰਨ। ਇਸਦੇ ਪ੍ਰਭਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਹਮੇਸ਼ਾ ਠੋਸ ਸਬੂਤਾਂ ਦੇ ਅਧਾਰ ’ਤੇ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

5.0 ਅੱਗੇ ਵਧਣਾ: ਕੈਨੇਡਾ ਲਈ ਨੀਤੀਗਤ ਪ੍ਰਭਾਵ

ਕੈਨੇਡਾ ਦੀ ਉਤਪਾਦਕਤਾ ਚੁਣੌਤੀ ਲਈ ਇੱਕ ਸੰਤੁਲਿਤ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਨੀਤੀ ਦੀ ਲੋੜ ਹੈ:

1. ਕਾਰੋਬਾਰਾਂ; ਖਾਸ ਕਰਕੇ ਛੋਟੀਆਂ ਫਰਮਾਂ ਵਿੱਚ AI ਦੇ ਵਿਆਪਕ ਅਪਣਾਉਣ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ।

2. ਕਰਮਚਾਰੀਆਂ ਦੇ ਹੁਨਰ ਵਿਕਾਸ, ਸਿਖਲਾਈ ਅਤੇ ਮੁੜ-ਸਿਖਲਾਈ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰਨਾ।

3. ਉਤਪਾਦਕਤਾ ਦੇ ਮਾਪ ਅਤੇ ਨਿਗਰਾਨੀ ਨੂੰ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਅਤੇ ਭਰੋਸੇਯੋਗ ਬਣਾਉਣਾ।

4. ਮੁਦਰਾ ਨੀਤੀ ਦੇ ਮੁਲਾਂਕਣ ਵਿੱਚ ਢੁਕਵੀਂ ਲਚਕਤਾ ਬਣਾਈ ਰੱਖਣਾ।

6.0 ਨਤੀਜਾ

AI ਕੈਨੇਡਾ ਨੂੰ ਆਪਣੀਆਂ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਹੀਆਂ ਉਤਪਾਦਕਤਾ ਚੁਣੌਤੀਆਂ ਨਾਲ ਨਜਿੱਠਣ ਦਾ ਸੁਨਹਿਰੀ ਮੌਕਾ ਦਿੰਦੀ ਹੈ, ਪਰ ਇਸਦਾ ਨਤੀਜਾ ਪਹਿਲਾਂ ਤੋਂ ਨਿਰਧਾਰਤ ਨਹੀਂ ਹੈ। ਤਕਨੀਕੀ ਤਰੱਕੀ ਆਪਣੇ ਆਪ ਸਮੁੱਚੀ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਤੁਰੰਤ ਵਾਧੇ ਦੀ ਗਰੰਟੀ ਨਹੀਂ ਦਿੰਦੀ। ਬਿਜਲੀ ਅਤੇ ਕੰਪਿਊਟਰਾਂ ਦਾ ਇਤਿਹਾਸ ਸਪਸ਼ਟ ਦੱਸਦਾ ਹੈ ਕਿ ਪੂਰੇ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਪੂਰਕ ਨਿਵੇਸ਼, ਸੰਗਠਨਾਤਮਕ ਤਬਦੀਲੀਆਂ ਅਤੇ ਵਿਆਪਕ ਪਹੁੰਚ ਅਪਣਾਉਣ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਕੈਨੇਡਾ ਦੀ ਸਫਲਤਾ ਇਸ ਗੱਲ ’ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਦੇਸ਼ ਤਕਨੀਕੀ ਵਾਅਦਿਆਂ ਨੂੰ ਆਰਥਿਕ ਹਕੀਕਤ ਵਿੱਚ ਕਿੰਨੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਦਲਦਾ ਹੈ।

References:

1. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122 (26), Article e2422633122.

2. Brault, J., Haghighi, M., & Yang, J. (2026, March). AI paradox: Promise vs. reality-What it means for monetary policy (Staff Analytical Paper 2026-4). Bank of Canada.

3. Brouillette, D., Dahlhaus, T., & Galassi, G. (2026, August). Early signs of AI-driven adjustments in Canada’s labour market. Bank of Canada, Sparks at Bank Article Series (No. 2026-19) .

4. Chaturvedi, A. (2026a, October 22). “AI chatbots horrible for learning”: Andrew Ng at NDTV World Summit. NDTV.

5. Chaturvedi, A. (2026b, October 22). “Keep learning new skills, jobs will be there”: Andrew Ng on “AI jobapocalypse” fear at NDTV World Summit. NDTV.

6. Chawla, C., & Arnburg, C. (2026, August). Canadian businesses’ use of AI: What the evidence shows. Bank of Canada, Sparks at Bank Article Series (No. 2026-20) .

7. David, P. A. (1990). The dynamo and the computer: An historical Perspective on the modern productivity paradox. The American Economic Review, 80 (2), 355-361.

8. Li, B., Fair, R., & Johnston, C. (2026, October 1). Analysis on planned use of artificial intelligence by businesses in Canada, third quarter of 2026. Statistics Canada, Analysis in Brief.

9. Solow, R. M. (1987, July 12). We’d better watch out. The New York Times Book Review, p. 36.

*       *       *       *       *

ਨੋਟ: ਹਰ ਲੇਖਕ ‘ਸਰੋਕਾਰ’ ਨੂੰ ਭੇਜੀ ਗਈ ਰਚਨਾ ਦੀ ਕਾਪੀ ਆਪਣੇ ਕੋਲ ਸੰਭਾਲਕੇ ਰੱਖੇ।
ਪਾਠਕਾਂ ਨਾਲ ਆਪਣੇ ਵਿਚਾਰ ਸਾਂਝੇ ਕਰਨ ਲਈ ਸਰੋਕਾਰ ਨਾਲ ਸੰਪਰਕ ਕਰੋ:
(This email address is being protected from spambots. You need JavaScript enabled to view it.)

About the Author

ਭੁਪਿੰਦਰ ਸਿੰਘ ਕੰਬੋ

ਭੁਪਿੰਦਰ ਸਿੰਘ ਕੰਬੋ

WhatsApp: (Canada 1 - 437 - 505 - 1078)
Email: (bskambo1950@gmail.com)

More articles from this author