தகவல் தொழில்நுட்பத் தொழிலாளியின் முடிவற்ற உடற்பயிற்சி இயந்திரம்

சுருக்கம்

தகவல் தொழில்நுட்பத் திறன்களின் ‘அரை ஆயுட்காலம்’ (half-life of skills) என்பது வெறும் 2.5 ஆண்டுகளாகக் குறைந்துவிட்டதாக ஆய்வுகள் தெரிவிக்கின்றன.¹² இதன் பொருள், இன்று நீங்கள் கடினமாக உழைத்துக் கற்கும் ஒரு புதிய தொழில்நுட்பத்தின் மதிப்பு அடுத்த முப்பது மாதங்களில் பாதியாகச் சரிந்துவிடும். ஒரு தகவல் தொழில்நுட்பப் பணியாளர் இந்த முடிவற்ற திறன் உடற்பயிற்சி இயந்திரத்தில் (skill treadmill) ஓடுவதைத் தவிர வேறு வழியில்லை. நிறுவனங்கள் ‘எப்போதும் கற்றுக்கொண்டே இருங்கள்’ என்பதை ஒரு நற்பண்பாகப் போற்றினாலும், உளவியல் ரீதியாக இது வளங்களின் இழப்பையும், தொடர் சோர்வையும், போலி-உணர்வு நோய்க்குறியையும் (impostor syndrome) உருவாக்குகிறது.³⁴⁵ 624 மென்பொருள் பொறியாளர்களிடம் நடத்தப்பட்ட உலகளாவிய ஆய்வில் 52.7% பேர் தீவிர போலி-உணர்வு மனநிலையை அனுபவிப்பது கண்டறியப்பட்டது.⁶ செயற்கை நுண்ணறிவு இந்த வேகத்தை மேலும் முடுக்கியுள்ளது.⁷⁸ இது தனிநபரின் பலவீனமல்ல; உழைப்புச் சந்தையின் ஊக்கத்தொகை அமைப்புகளால் உருவாக்கப்பட்ட ஒரு கட்டமைப்புச் சிக்கல்.⁹¹⁰

தரவு மையத்தில் நீல ஒளியில் ஒளிரும் சர்வர் ரேக்குகள். உள்ளே ஓடும் அல்காரிதங்கள் எப்போதுமே ஓய்வெடுப்பதில்லை. படம்: BalticServers / Wikimedia Commons.¹¹

ஒருபோதும் முடியாத கண்ணுக்குத் தெரியாத ஓட்டம்

மரியா ஒரு மூத்த மென்பொருள் பொறியாளர். கடந்த வார இறுதியில் அவர் தூங்காமல் செலவழித்தது ஒரு புதிய கிளவுட் கட்டமைப்பைக் கற்றுக்கொள்வதற்காக. திங்கட்கிழமை காலை நிறுவனக் கூட்டத்தில் அவரது மேலாளர் பேசும்போது, செயற்கை நுண்ணறிவு சார்ந்த புதிய நிரலாக்கக் கருவிகளை அனைவரும் உடனடியாகக் கற்றுக்கொள்ள வேண்டும் என்று புதிய இலக்கு நிர்ணயிக்கப்படுகிறது. மரியா அடைந்த அந்தச் சிறிய வெற்றி ஒரே இரவில் மாயமாய் மறைகிறது. அவர் மீண்டும் அந்த இயந்திரத்தின் தொடக்கப் புள்ளிக்கே தள்ளப்படுகிறார்.

உளவியலில் ‘இன்ப உடற்பயிற்சி இயந்திரம்’ (hedonic treadmill) என்ற கோட்பாடு உண்டு: ஒரு மனிதன் எவ்வளவு செல்வம் சேர்த்தாலும், சில நாட்களில் அவனது மகிழ்ச்சி இயல்பான அடிப்படை நிலைக்குத் திரும்பிவிடுகிறது; அவன் மீண்டும் ஓடத் தொடங்குகிறான்.¹²¹³ தகவல் தொழில்நுட்பத் துறையில் இது ‘திறன் உடற்பயிற்சி இயந்திரமாக’ (skill treadmill) உருவெடுத்துள்ளது.

1980-களில் ஒரு பொறியியல் பட்டத்தின் திறன் ஆயுட்காலம் 10 முதல் 15 ஆண்டுகள் வரை நீடித்தது. ஆனால் இன்றைய டிஜிட்டல் யுகத்தில் மென்பொருள் திறன்களின் ஆயுட்காலம் வெறும் இரண்டரை ஆண்டுகளாகச் சுருங்கிவிட்டது.¹² முன்னெப்போதையும் விட வேகமாக ஓடினால் மட்டுமே ஒரு தொழிலாளியால் தன் தற்போதைய இடத்திலேயே நிற்க முடியும்.

தொழில்நுட்ப மன அழுத்தத்தின் ஐந்து குதிரைகள் (Technostress)

தகவல் தொழில்நுட்ப ஊழியர்களைப் பாதிக்கும் ‘தொழில்நுட்ப மன அழுத்தத்தை’ (technostress) ஆய்வாளர்கள் ஐந்து பரிமாணங்களாகப் பிரிக்கின்றனர்:¹⁴³

1. தொழில்நுட்ப-அதிசுமை (Techno-Overload): “வேகமாக” என்பது “இயலாது” என்று மாறும் போது

தொழில்நுட்பம் வேலைகளை விரைவாகச் செய்ய உதவுகிறது என்ற பெயரில், ஒரு தொழிலாளியின் மீது சாத்தியமற்ற பணிச்சுமையை ஏற்றுகிறது.³ ஒரே நேரத்தில் பல பணிகளைச் செய்தல், தொடர்ச்சியான குறுக்கீடுகள், மின்னஞ்சல்கள், ஸ்லாக் (Slack) செய்திகள் ஆகியவை மனித மூளையின் கவனக் குவிப்பைச் சிதைக்கின்றன.¹⁵ அறிவுசார் ஊழியர்களிடம் நடத்தப்பட்ட ஆய்வில் 64% பேர் கடந்த ஆண்டில் தொழில்நுட்பம் தங்கள் வாழ்க்கையை எதிர்மறையாகப் பாதித்ததாகக் கூறினர்; இதில் 70% பேர் தொழில்நுட்ப மன அழுத்தத்தையே முதன்மைக் காரணியாகக் குறிப்பிட்டனர்.¹⁶

2. தொழில்நுட்ப-ஊடுருவல் (Techno-Invasion): வேலைக்கும் வாழ்க்கைக்கும் இடையிலான எல்லை மறைதல்

தொழில்நுட்பம் பணியாளர்களை எந்நேரமும் அணுகக்கூடியவர்களாக மாற்றுகிறது.³¹⁷ மடிக்கணினிகளும் திறன்பேசிகளும் வீட்டு வரவேற்பறை வரை வேலையைக் கொண்டுவந்துவிட்டன. ஓய்வு நேரங்களிலும் வேலை தொடர்பான சிந்தனைகள் நரம்பு மண்டலத்தை விழிப்புணர்விலேயே வைத்திருக்கின்றன; இதனால் ஆழ்ந்த மீட்சி தடைபடுகிறது.¹⁸

3. தொழில்நுட்ப-சிக்கல் (Techno-Complexity): போதாமைச் சுழல்

தொழில்நுட்பங்கள் மிக விரைவாகச் சிக்கலாகி வருகின்றன.⁴³ ஒரு முழு-அடுக்கு உருவாக்குநர் (full-stack developer) இன்று ஜாவாஸ்கிரிப்ட், டைப்ஸ்கிரிப்ட், ரியாக்ட், நோட், பைதான், டாக்கர், குபெர்னட்டீஸ், கிளவுட், தரவுத்தளங்கள், CI/CD பைப்லைன்கள் மற்றும் செயற்கை நுண்ணறிவு மாதிரிகள் என அனைத்தையும் ஒரே நேரத்தில் தெரிந்திருக்க வேண்டும் என்று கோரப்படுகிறார்கள். இந்த எல்லையற்ற சிக்கல் தொழிலாளர்களிடையே ‘கற்றுக்கொண்ட இயலாமையை’ (learned helplessness) உருவாக்குகிறது.¹⁹

4. தொழில்நுட்ப-பாதுகாப்பின்மை (Techno-Insecurity): AI இடப்பெயர்வு அச்சம்

தொழில்நுட்ப மாற்றத்தை ஈடுகட்ட முடியாமல் போய்விடுவோமோ அல்லது அந்தத் தொழில்நுட்பமே தங்களை முழுமையாக மாற்றிவிடுமோ என்ற அச்சம்.¹⁷³ 2025-ஆம் ஆண்டு ஆய்வு ஒன்று, செயற்கை நுண்ணறிவின் வெளிப்பாடு தொழிலாளர்களிடையே வேலை பாதுகாப்பின்மை உணர்வை கணிசமாக அதிகரிப்பதை நிறுவியது.⁷ அறிவுசார் ஊழியர்களில் 38% பேர் AI தங்கள் வேலையை வழக்கொழியச் செய்யும் என்று அஞ்சுகின்றனர்.⁷ எம்.ஐ.டி (MIT) ஆய்வு, உற்பத்தித் திறன் கொண்ட AI-ஐப் பயன்படுத்தும் நிறுவனங்களில் ஆரம்பநிலை (junior) வேலைவாய்ப்புகள் வேகமாகச் சரிந்து வருவதை உறுதிப்படுத்தியுள்ளது.⁸

5. தொழில்நுட்ப-நிச்சயமற்ற தன்மை (Techno-Uncertainty): மிக வேகமான மாற்றங்கள்

விதிகள் தொடர்ந்து மாறிக்கொண்டே இருக்கும் சூழலில் ஏற்படும் அறிவாற்றல் மயக்கம்.²⁰³ அடுத்த ஆண்டு வழக்கொழிந்து போகக்கூடும் என்ற 40% வாய்ப்பு இருக்கும் போது, ஒரு புதிய கட்டமைப்புக்கு 200 மணிநேரத்தை அர்ப்பணித்து நிபுணத்துவம் பெற ஒரு தொழிலாளிக்கு எவ்வாறு ஆர்வம் பிறக்கும்?²¹

---

வளங்கள் பாதுகாப்பு கோட்பாடு: இழப்பு ஏன் ஆழமாக வலிக்கிறது?

உளவியலாளர் ஸ்டீவன் ஹோப்ஃபோல் (Stevan Hobfoll, 1989) முன்வைத்த ‘வளங்கள் பாதுகாப்பு கோட்பாடு’ (Conservation of Resources - COR Theory), உளவியல் மன அழுத்தம் எப்போது ஏற்படுகிறது என்பதை விளக்குகிறது: வளங்கள் அச்சுறுத்தப்படும் போது, வளங்கள் உண்மையில் இழக்கப்படும் போது, மற்றும் கடுமையான முயற்சிக்குப் பிறகும் புதிய வளங்களைப் பெற முடியாத போது.²²²³

வள இழப்பின் முதன்மைத்துவம்

ஹோப்ஃபோலின் முதல் விதி என்னவென்றால், ஒரு வளத்தைப் பெறுவதால் ஏற்படும் நேர்மறை விளைவை விட, அதே அளவு வளத்தை இழப்பதால் ஏற்படும் எதிர்மறைத் தாக்கம் மிக ஆழமானது.²³²⁴ ஒரு மென்பொருள் பொறியாளர் இரண்டு வருடங்கள் அர்ப்பணித்து ஒரு தொழில்நுட்பத்தைக் கற்றுக்கொண்ட பிறகு, அந்த நிறுவனம் வேறு மென்பொருளுக்கு மாறும்போது, அவர் வெறும் “தகவலை” இழக்கவில்லை; தனது தொழில் மூலதனத்தையும், நம்பிக்கையையும், உழைப்பையும் இழக்கிறார்.⁹²⁵ உழைப்பிற்கும் வெகுமதிக்கும் இடையே சமநிலையின்மை ஏற்படும் போது அது தீவிர மன அழுத்தத்தையும் சோர்வையும் (burnout) உருவாக்குகிறது.⁹

இழப்புச் சுழல்கள் (Loss Spirals)

வள இழப்புகள் நேர்கோட்டில் இருப்பதில்லை; அவை கீழ்நோக்கி அசுர வேகத்தில் சுழல்கின்றன.²⁶²³ வார இறுதி நாட்களைத் தியாகம் செய்து ஒரு புதிய திறனைக் கற்கிறார்; சில மாதங்களில் அந்தத் திட்டம் கைவிடப்படுகிறது; இதற்கிடையில் AI புதிய திறன்களை எளிதாக்குகிறது; விரக்தியடைந்த பணியாளர் அடுத்த மாற்றத்தைக் கற்கும் ஆற்றலின்றிச் சோர்கிறார்; நிறுவன மதிப்பீட்டில் அவர் “பின்தங்கிவிட்டார்” என்று முத்திரை குத்தப்படுகிறது.¹⁰

---

நரம்பியல் பார்வையில் டோபமைன் சோர்வு

நரம்பியலில் டோபமைன் என்பது வெறும் இன்பத்தின் ரசாயனம் அல்ல; அது ‘வெகுமதி முன்னறிவிப்புப் பிழையை’ (reward prediction error) குறியீடாக்கும் ஒரு நரம்பியக்கடத்தி.²⁷²⁸ எதிர்பார்த்ததை விட அதிக வெகுமதி கிடைக்கும்போது டோபமைன் பாய்கிறது; எதிர்பார்த்த வெகுமதி கிடைக்காதபோது டோபமைன் சுரப்பு திடீரெனக் குறைகிறது.²⁸

திறன் உடற்பயிற்சி இயந்திரத்தில், தொழிலாளியின் நரம்பு மண்டலம் தொடர்ச்சியான எதிர்மறை முன்னறிவிப்புப் பிழைகளையே சந்திக்கிறது: “நான் இந்தக் கடினமான சான்றிதழைப் பெற்றால் நிம்மதியாக இருக்கலாம்” என்று மூளை நம்புகிறது; ஆனால் சான்றிதழ் கிடைத்த அடுத்த நாளே புதிய தேவை எழுகிறது. இந்தத் தொடர் ஏமாற்றம் டோபமைன் ஏற்பிகளை மழுங்கடித்து, வேலையின் மீதான உள்ளார்ந்த ஈடுபாட்டையே அழித்துவிடுகிறது.²⁹³⁰

---

போலி-உணர்வு நோய்க்குறி (Impostor Syndrome): தவிர்க்க முடியாத விளைவு

திறன்கள் இரண்டரை ஆண்டுகளில் மடிந்துபோகும் ஒரு துறையில் போலி-உணர்வு நோய்க்குறி பரவலாக இருப்பதில் எந்த வியப்பும் இல்லை.

பரவல் தரவுகள்

26 நாடுகளைச் சேர்ந்த 624 மென்பொருள் பொறியாளர்களிடம் நடத்தப்பட்ட விரிவான ஆய்வு, 52.7% பேர் தீவிரமான போலி-உணர்வு நிலையைத் தொடர்ந்து அனுபவிப்பதைக் கண்டறிந்தது.⁵⁶ கூகிள், மைக்ரோசாப்ட், அமேசான், ஆப்பிள் போன்ற முன்னணி நிறுவனங்களின் ஊழியர்களிடம் நடத்தப்பட்ட ஆய்வில் 58% பேர் தங்களை ஏதோ தகுதியின்றி அங்கே அமர்ந்திருக்கும் போலியாகவே உணர்வதாகக் கூறினர்.⁶

பெண்களிடையே இது 60.6%-ஆகவும், சிறுபான்மையினரிடையே இன்னும் அதிகமாகவும் காணப்படுகிறது.⁶ மேலும் மூத்த உயர் பதவிகளில் உள்ளவர்களிடம் இந்த உணர்வு சராசரியை விட அதிகமாக உள்ளது; பொறுப்புகள் கூடும் போது அறிய வேண்டியவற்றின் எல்லையும் விரிவடைவதே இதற்குக் காரணம்.³¹

AI எவ்வாறு போலி-உணர்வை அதிகரிக்கிறது?

செயற்கை நுண்ணறிவின் வருகை இந்த நோய்க்குறிக்கு மேலும் எரியூட்டியுள்ளது:³²

1. AI-யின் வேகத்தைத் தனது தனிப்பட்ட தோல்வியாகப் பார்த்தல்: நீங்கள் பல மணிநேரம் செய்யும் ஒரு வேலையை AI சில வினாடிகளில் முடிக்கும் போது, அது உங்கள் இயலாமையை அம்பலப்படுத்துவதாகத் தோன்றுகிறது.³²
2. தூக்கி எறியப்படுவோம் என்ற அச்சம்: 38% பணியாளர்கள் AI தங்களை தேவையற்றவர்களாக மாற்றிவிடும் என்று அஞ்சுகின்றனர்.³²
3. கற்கும் வளைவு குறித்த பதற்றம்: புதிய AI கருவிகளை விரைவாகக் கற்றுக்கொள்ள வேண்டும் என்ற அழுத்தம் தொழிலாளர்களிடையே பெரும் வெட்கத்தையும் இயலாமையையும் உருவாக்குகிறது.³²

மென்பொருள் உருவாக்கத்தில் இன்னொரு மறைமுக முரண்பாடும் உள்ளது: நாம் மற்றவர்களின் இறுதி ‘கம்மிட்’ (commit) குறியீட்டை மட்டுமே பார்க்கிறோம்; அதன் பின்னணியில் அவர்கள் செய்த எண்ணற்ற பிழைகளையும் தடுமாற்றங்களையும் பார்ப்பதில்லை.³³ இதனால் மற்ற அனைவரும் மேதைகள் போலவும், தான் மட்டுமே தடுமாறும் போலியாகவும் ஒவ்வொருவருக்கும் தோன்றுகிறது.

போலி-உணர்வு நோய்க்குறியும் திறன் இயந்திரமும் ஒன்றையொன்று தீவிரப்படுத்துகின்றன. இந்த உணர்வு அதீத வேலைச்சுமையையும் விழிப்புணர்வையும் தூண்டி, அறிவாற்றல் மற்றும் உணர்ச்சி வளங்களை வேகமாக அழிக்கிறது.³⁴³⁵ தொழில்நுட்பப் பணியாளர் ஒருவர் “போலி-உணர்வு நோய்க்குறியைத் தழுவுங்கள்” என்ற கட்டுரையில், இந்நோய்க்குறியை ஒரு வளர்ச்சி சமிக்ஞையாகக் காட்ட முயன்றார்.³⁶ ஆனால் பயத்தால் உந்தப்படும் கற்றல் ஒருபோதும் நீடித்த நல்வாழ்வைத் தருவதில்லை.

---

யதார்த்த நிலை: அனைத்தும் இருண்டவை மட்டுமல்ல

இத்துறையில் உள்ள சில சாதகமான அம்சங்களையும் நாம் கவனத்தில் கொள்ள வேண்டும்:

1. அனைவரும் இதை ஒரே மாதிரியாக அனுபவிப்பதில்லை

அனுபவமிக்க மூத்த பொறியாளர்கள் வலுவான நிதிப் பாதுகாப்பையும் நெட்வொர்க்கையும் கொண்டுள்ளனர்; அவர்கள் எல்லா புதிய அலைகளையும் துரத்தாமல் குறிப்பிட்ட ஆழமான துறைகளில் நிபுணத்துவம் பெற முடிகிறது.²³ ஆர்வத்தால் உந்தப்படும் கற்றல் நல்வாழ்வை அதிகரிக்கிறது.³⁷³⁸

2. நிறுவன ஆதரவு பாதிப்பைக் குறைக்கிறது

நிறுவனங்கள் வெளிப்படையான தகவல்தொடர்பு, மறு-திறன் பயிற்சிகள் (reskilling programs) மற்றும் உளவியல் ஆதரவை வழங்கும் போது வேலை பாதுகாப்பின்மையின் தாக்கம் பெருமளவில் குறைகிறது.³⁹⁴⁰ அக்செஞ்சர் மற்றும் கூகிள் போன்ற நிறுவனங்கள் ஊழியர்களுக்கு மறுபயிற்சிகளை வழங்கி ஆதரவளிப்பது நல்ல மாற்றங்களை உருவாக்கியுள்ளது.³⁹⁴¹ குறிப்பாக விழிப்புணர்வுப் பயிற்சி (mindfulness) போன்ற தலையீடுகள் உணர்ச்சி சமநிலையை மேம்படுத்தி தொழில்நுட்ப மன அழுத்தத்தைக் குறைக்கின்றன.⁴¹⁴²

3. இந்த இயந்திரம் வேகத்தைக் குறைக்கலாம் அல்லது மாறலாம்

தொழில்நுட்பக் கருவிகள் 2.5 ஆண்டுகளில் மாறினாலும், மனிதனின் அடிப்படைத் திறன்களான விமர்சனச் சிந்தனை, தகவல் தொடர்பு, சிக்கல் தீர்க்கும் திறன் ஆகியவை பல தசாப்தங்களுக்கு நிலைத்து நிற்கின்றன.⁴³²¹ லினக்ஸ், எஸ்கியூஎல் (SQL), நெட்வொர்க்கிங் போன்ற அடிப்படைத் தொழில்நுட்பங்களின் மதிப்பு மெதுவாகவே மாறுகிறது.⁴⁴

4. ஓடுவதை நிறுத்தினால் என்ன நடக்கும்?

ஒவ்வொரு புதிய ஜாவாஸ்கிரிப்ட் கட்டமைப்பையும் துரத்துவதை நிறுத்திவிட்டு, நிலையான அடிப்படைத் தொழில்நுட்பங்களில் ஆழமான நிபுணத்துவத்தைப் பெறுவது மன அமைதியைத் தருகிறது என்பதைப் பல நிபுணர்களின் அனுபவங்கள் காட்டுகின்றன.⁴⁵

---

இந்த முடிவற்ற இயந்திரத்திலிருந்து விடுபடுவது எப்படி?

ஆராய்ச்சி நமக்கு உணர்த்தும் செய்தி மிகத் தெளிவானது: இது தனிநபரின் சகிப்புத்தன்மை சார்ந்த பிரச்சினை மட்டுமல்ல; கட்டமைப்பு ரீதியான தீர்வைக் கோரும் நிறுவனப் பிரச்சினை.

நிறுவனங்களுக்கு: சுரண்டலிலிருந்து முதலீட்டிற்கு மாறுங்கள்

1. பாதுகாக்கப்பட்ட கற்றல் நேரம்: வேலை நேரத்தில் 10-20% நேரத்தை அதிகாரப்பூர்வமாகக் கற்றலுக்காக ஒதுக்குங்கள்; அது வார இறுதிச் சுமையாக மாறக்கூடாது.⁴⁶⁴⁷
2. அறியாமையை ஒப்புக்கொள்வதற்கான உளவியல் பாதுகாப்பு: மேலாளர்கள் “எனக்கு இது தெரியாது, ஆனால் கற்றுக்கொள்ளலாம்” என்று வெளிப்படையாகப் பேசுவது போலி-உணர்வுப் பயத்தைக் குறைக்கும்.⁴⁸³²
3. AI-யை மதிப்பீட்டுக் கருவியாக அல்லாமல் துணையாகப் பயன்படுத்துங்கள்: ஊழியர்களின் குறைபாடுகளை அளவிடாமல், சலிப்பான வேலைகளிலிருந்து அவர்களை விடுவிக்க AI-யைப் பயன்படுத்துங்கள்.⁴⁹³²
4. புதுமையை மட்டுமல்ல, ஆழமான முதிர்ச்சியையும் பாராட்டுங்கள்: சுயவிவரத்தில் உள்ள தொழில்நுட்பங்களின் எண்ணிக்கையை விட, அமைப்பைப் பற்றிய ஆழமான புரிதலுக்கே முன்னுரிமை அளியுங்கள்.⁵⁰⁴⁰
5. வெளிப்படையான மாற்றத் தொடர்பு: தொழில்நுட்பங்கள் மாறும் போது, ஏன், என்ன ஆதரவு கிடைக்கும் என்பதைத் தெளிவாக விளக்குங்கள்.¹⁶³⁹

தனிநபர்களுக்கு: இயந்திரத்தை இலக்கு சார்ந்த ஓட்டங்களாக மாற்றுங்கள்

1. அடையாளத்தை நிலையான கொள்கைகளில் நிலைநிறுத்துங்கள்: “நான் ஒரு ரியாக்ட் டெவலப்பர்” என்று ஒரு கருவியோடு உங்களை அடையாளப்படுத்தாதீர்கள். நீங்கள் ஒரு சிக்கலைத் தீர்க்கும் பொறியாளர்; கருவிகள் மாறக்கூடியவை.³⁵⁵⁰
2. தேர்ந்தெடுக்கப்பட்ட ஆழத்தைப் பழகுங்கள்: ஒன்று அல்லது இரண்டு துறைகளில் ஆழ்ந்த அறிவைப் பெறுங்கள்; மற்றவற்றில் மேலோட்டமான புரிதலை ஏற்றுக்கொள்ளுங்கள். அனைத்தையும் தெரிந்து வைத்திருப்பது மனித மூளைக்கு சாத்தியமற்றது.⁴⁴⁴⁵
3. சமூக ஒப்பீடுகளைக் கையாளுங்கள்: இயலாமை உணர்வைத் தூண்டும் இணையப் பிரபலங்களைப் பின்தொடர்வதை நிறுத்துங்கள்; வெற்று ஆடம்பரக் காட்சிகளுக்குப் பதிலாக உண்மையான கற்றல் செயல்முறையில் கவனம் செலுத்துங்கள்.⁵⁰⁵¹
4. தடுமாற்றங்களை இயல்பாக்குங்கள்: உங்களின் தவறுகளையும் சந்தேகங்களையும் சக ஊழியர்களோடு வெளிப்படையாகப் பகிர்ந்து கொள்ளுங்கள். அனைவரும் சிரமமின்றி எல்லாவற்றையும் கற்றுக் கொள்கிறார்கள் என்ற மாயையை உடையுங்கள்.³⁵⁵⁰

முடிவு: இயந்திரம் உண்மையானதுதான்; ஆனால் அதன் வேகம் மாற்ற முடியாததல்ல

மரியா திங்கட்கிழமை தோறும் எதிர்கொள்ளும் அந்த உள்முகப் போராட்டம் அவரது தனிப்பட்ட பலவீனமல்ல. அது அளவிடக்கூடிய வெளிப்புற அழுத்தங்களின் வெளிப்பாடு: 2.5 ஆண்டுகளில் அழியும் திறன்கள், தொழில்நுட்ப மன அழுத்தம், AI-யின் முடுக்கம், டோபமைன் அமைப்பின் ஏமாற்றங்கள் மற்றும் மனித எல்லைகளைப் புறக்கணிக்கும் பெருநிறுவன கலாச்சாரம்.

தகவல் தொழில்நுட்பத் தொழிலாளியின் உடற்பயிற்சி இயந்திரம் உண்மையானதுதான். 52.7% பொறியாளர்களின் போலி-உணர்வும், 64% அறிவுசார் ஊழியர்களின் சோர்வும் ஏதோ தற்செயலான விபத்துகள் அல்ல — அவை தற்போதைய அமைப்பு வடிவமைக்கப்பட்ட விதத்திலேயே இயங்குவதன் நேரடி விளைவுகள். அந்த இயந்திரத்தின் வேகக் கட்டுப்பாட்டுப் பொத்தான் நிரந்தரமாகப் பூட்டப்படவில்லை; அதன் வேகத்தைக் குறைக்கும் விழிப்புணர்வே இன்றைய தேவையாகும்.

---

Footnotes

1. https://360learning.com/blog/half-life-skills/ ↩ ↩²

2. https://www.ajg.com/be/news-and-insights/features/half-life-of-a-skill-digital-transformation/ ↩ ↩²

3. https://pmc.ncbi.nlm.nih.gov/articles/PMC8947473/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

4. https://www.tandfonline.com/doi/full/10.1080/08874417.2023.2201886 ↩ ↩²

5. https://thedeveloperstory.wordpress.com/2021/01/29/impostor-syndrome-among-software-engineers/ ↩ ↩²

6. https://arxiv.org/abs/2403.17830 ↩ ↩² ↩³ ↩⁴

7. https://pmc.ncbi.nlm.nih.gov/articles/PMC12318858/ ↩ ↩² ↩³

8. https://mitsloan.mit.edu/ideas-made-to-matter/how-generative-ai-could-sever-career-ladder ↩ ↩²

9. https://pmc.ncbi.nlm.nih.gov/articles/PMC11652033/ ↩ ↩² ↩³

10. https://www.tandfonline.com/doi/full/10.1080/1359432X.2024.2383216 ↩ ↩²

11. https://commons.wikimedia.org/wiki/File:BalticServers_data_center.jpg ↩

12. https://thedecisionlab.com/reference-guide/psychology/hedonic-treadmill ↩

13. https://en.wikipedia.org/wiki/Hedonic_treadmill ↩

14. https://www.psicothema.com/pii?pii=4794 ↩

15. https://www.thehrdirector.com/features/health-and-wellbeing/combatting-technostress-modern-workplace/ ↩

16. https://www.gallup.com/workplace/645164/feeling-ambivalent-ai-here-why.aspx ↩ ↩²

17. https://www.researchgate.net/publication/356133181_Technostress_Creators_and_Job_Insecurity_The_Moderating_Role_of_Leadership_Styles ↩ ↩²

18. https://pmc.ncbi.nlm.nih.gov/articles/PMC8754117/ ↩

19. https://www.cnbc.com/2023/10/18/the-half-life-of-skills-is-dropping-rapidly-heres-how-to-stay-ahead.html ↩

20. https://www.hrbartender.com/2024/recruiting/skills-expiration/ ↩

21. https://workforce.edx.org/resources/navigating-the-skills-expiration-date ↩ ↩²

22. https://thedecisionlab.com/reference-guide/psychology/conservation-of-resources-theory ↩

23. https://pmc.ncbi.nlm.nih.gov/articles/PMC5854898/ ↩ ↩² ↩³ ↩⁴

24. https://en.wikipedia.org/wiki/Conservation_of_resources_theory ↩

25. https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-021-12196-8 ↩

26. https://www.sciencedirect.com/science/article/abs/pii/S0001879122000570 ↩

27. https://pmc.ncbi.nlm.nih.gov/articles/PMC11202534/ ↩

28. https://en.wikipedia.org/wiki/Reward_prediction_error ↩ ↩²

29. https://academic.oup.com/brain/article/147/9/3219/7643799 ↩

30. https://en.wikipedia.org/wiki/Effort%E2%80%93reward_imbalance_model ↩

31. https://www.breathehr.com/en-gb/blog/topic/mental-health/imposter-syndrome-tech-industry ↩

32. https://www.forbes.com/councils/forbeshumanresourcescouncil/2024/09/20/is-ai-triggering-imposter-syndrome-in-your-employees/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

33. https://www.reddit.com/r/cscareerquestions/comments/1k4qf7a/is_it_just_me_or_is_the_level_of_imposter/ ↩

34. https://en.wikipedia.org/wiki/Impostor_syndrome ↩

35. https://leaddev.com/culture-engagement-retention/developer-or-imposter-overcoming-self-doubt-tech ↩ ↩² ↩³

36. https://candost.blog/embracing-imposter-syndrome-an-ally-in-tech/ ↩

37. https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2020.01524/full ↩

38. https://pmc.ncbi.nlm.nih.gov/articles/PMC10301980/ ↩

39. https://www.gallup.com/workplace/651887/navigating-ai-work-reducing-employee-stress.aspx ↩ ↩² ↩³

40. https://www.gallup.com/workplace/651608/lead-effective-ai-adoption-work.aspx ↩ ↩²

41. https://pmc.ncbi.nlm.nih.gov/articles/PMC10903332/ ↩ ↩²

42. https://pmc.ncbi.nlm.nih.gov/articles/PMC9957199/ ↩

43. https://www.accenture.com/content/dam/accenture/final/capabilities/technology/cloud/document/Accenture-Continuous-Learning-Workforce.pdf ↩

44. https://wit.kaspersky.com/facing-impostor-syndrome-in-it-how-professionals-turned-it-into-growth/ ↩ ↩²

45. https://link.springer.com/chapter/10.1007/978-3-030-20485-3_18 ↩ ↩²

46. https://www.alliedonesource.com/from-training-to-transformation-how-continuous-learning-cultivates-a-future-ready-workforce ↩

47. https://pmc.ncbi.nlm.nih.gov/articles/PMC10153052/ ↩

48. https://www.shrm.org/enterprise-solutions/insights/tailor-ai-adoption-strategies-to-meet-workforce-needs ↩

49. https://www.workday.com/en-us/company/newsroom/press-releases/press-release-details.2024.New-Workday-Global-Study-Reveals-AI-Sentiment-Divide-Between-Leaders-and-Employees.html ↩

50. https://thevaluable.dev/impostor-syndrome-software-developer/ ↩ ↩² ↩³ ↩⁴

51. https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2024.1378393/full ↩