تعریف جدید از کار در عصر هوش مصنوعی

همه ما با این عنوان روبه‌رو شده‌ایم: روبات‌ها و هوش مصنوعی (Artificial Intelligence) مشاغل را نابود خواهند کرد اما ما شاهد چنین روندی نیستیم. ما تصویر پیچیده‌تری را می‌بینیم که در آن هوش مصنوعی تحول تدریجی در بازار شغل را تقویت می‌کند؛ تحولی که- با درکی درست- مثبت خواهد بود و افراد هنوز کار خواهند کرد؛ اما با کمک هوش مصنوعی کار آنها موثرتر و کارآتر خواهد بود.

تصور کنید که هوش مصنوعی تا چه حد فرآیند طراحی محصول را بهبود می‌بخشد: یک مهندس متریال یک بخش، ویژگی‌های مطلوب و محدودیت‌های مختلف را تعریف و آن را به یک سیستم هوش مصنوعی وارد می‌کند که تعدادی شبیه‌سازی ارائه می‌دهد. مهندسان یا یکی از گزینه‌های ارائه‌شده را انتخاب می‌کنند یا اینکه تغییرات کوچکی در داده‌های خود انجام داده و از هوش مصنوعی می‌خواهند تا دوباره تلاش کند.

بسیاری از افراد نگران هستند که روبات‌ها- و دیگر ماشین‌ها با هوش مصنوعی- به‌طور تهدیدکننده‌ای بسیاری از مشاغل را ربوده و در نتیجه آینده‌‌ای با بیکاری گسترده و فراگیر در انتظار انسان خواهد بود. اما حتی نگاهی به تاریخ نشان می‌دهد که ما قبلا نیز در چنین شرایطی بوده‌ایم.

به‌عنوان یک مثال، به مجموعه عناوینی که تنها از یک روزنامه (نیویورک‌تایمز) آورده شده است توجه کنید: در سال ۱۹۲۸، نیویورک‌تایمز مقاله‌ای با عنوان «رژه ماشین‌ها، انسان‌ها را بیکار می‌کند» منتشر کرد. در سال ۱۹۵۶ این روزنامه اعلام کرد که «کارگران تصور می‌کنند «انقلاب روبات‌ها» آنها را از کار بیکار خواهد کرد» و در دسامبر ۲۰۱۷، سرمقاله‌ای با این عنوان که «آیا روبات‌ها شغل فرزندان ما را خواهند گرفت؟» منتشر کرد و پاسخ آن یک «احتمالا» توام با اضطراب بود.

با این حال ایالات‌متحده آمریکا در حال نزدیک شدن به اشتغال کامل است. بار دیگر شاهدیم که هشدارهای زیادی در مورد مشاغل از دست‌رفته شنیده می‌شود و بار دیگر، دلیلی برای شک و تردید در این هشدارها وجود دارد. ممکن است چالش واقعی به‌وجود آمده توسط هوش مصنوعی، کمبود مداوم نیروی کار ماهر باشد.

قطعا روبات‌ها از طریق پیشرفت‌ در هوش مصنوعی در حال باهوش‌تر شدن هستند. آنها بسیاری از وظایف تکراری را به عهده می‌گیرند که ممکن است برای نیروی کار انسانی خبر خوشایندی نباشد، اما این روند باید در زمینه نوآوری‌های مداوم تکنولوژیک و پیشرفت جهانی اقتصاد مورد توجه قرار بگیرد که پیشینه‌ای قدرتمند در ایجاد مشاغل برای انسان‌ها دارند.

در سال ۱۹۵۰، تنها ۵۵ درصد جمعیت در سن اشتغال در آمریکا استخدام شده بودند. تا سال ۲۰۱۵ که بسیاری از تکنولوژی‌های قاتل مشاغل، از جمله جرثقیل‌های بارگیری، دستگاه‌های ATM و جدول داده‌های کامپیوتر شخصی معرفی شدند، این درصد به ۶۰ درصد افزایش یافت– که افزایش خالصی حدود ۱۰۰ میلیون شغل را نشان می‌داد. همین اتفاق می‌تواند درباره ابداعات در زمینه آموزش صادق باشد که به مردم کمک می‌کند تا خودشان را با شرایط جدید وفق دهند.

  از لوکس تا ضروری

دو دلیل وجود دارد که اغلب، خودکارسازی (اتوماسیون) به سطح بالاتری از اشتغال می‌انجامد. اولین دلیل مربوط به تواناسازی مشتریان است. تکنولوژی‌های جدید آنچه در گذشته لوکس بوده را به نیازهای حال تبدیل می‌کند و برای پشتیبانی از این ضروریات جدید به نیروی کار احتیاج دارد.

به‌عنوان مثال در سال ۱۹۵۰، تعداد بسیار کمی از افراد می‌توانستند از عهده سفر هوایی بربیایند اما وقتی قیمت بلیت هواپیما پایین آمد، صنعت توریسم برای مسافت‌های طولانی شکوفا شد. امروزه، طبق یک گزارش سالانه قریب به ۱۰۰۰ پارک تفریحی بزرگ و شهربازی‌ها در سراسر جهان توسط حدود یک میلیارد نفر بازدید می‌شوند و بیش از ۴/ ۲ میلیون شغل تنها در آمریکا و اروپا ایجاد شده است.

حال چه این مشاغل ایجاد شده، هنرمندان و مهندسانی باشند که وسایل بازی جدید اختراع می‌کنند یا بازیگرانی که با بچه‌ها عکس می‌گیرند یا مدیران دکه‌‌های غذا و یا افرادی که کمپین‌های بازاریابی ایجاد می‌کنند، اینها مشاغل بسیار زیادی هستند که در سال ۱۹۵۰ وجود نداشتند.

مثال دیگر نزدیک‌ترین شعبه بانکی شماست. در دهه ۱۹۶۰، اگر نیاز به پول نقد از یک شرکت خدمات مالی داشتید، نزد کارمند بانک می‌رفتید. در سال ۱۹۶۷، وقتی اولین خودپرداز بانکی (ATM) توسط بانک بارکلیز در لندن نصب شد، مردم تصور می‌کردند که این اختراع موجب قلع‌و‌قمع مشاغل بانکی خواهد شد. لازم به ذکر نیست که آنها اشتباه می‌کردند. بله، زمانی که کارمندان وقت‌شان را صرف شمردن اسکناس برای مشتریان می‌کردند به پایان رسیده است. شمار تحویلداران استخدام‌شده در هر شعبه بانکی کاهش یافته است. اما تکنولوژی ATM افتتاح شعب را ارزان‌تر کرده است. تحویلداران نسبت به گذشته، خودشان را در حال حل مشکلات پیچیده‌تری برای مشتریان یافتند و نسبت به آنچه بانک‌ها در دهه ۱۹۶۰ می‌توانستند ارائه دهند، تجربه مشتری به مراتب بهتری ارائه می‌دادند. در واقع شمار کلی تحویلداران استخدام‌شده افزایش یافت.

البته، یک تحویلدار در دهه ۱۹۶۰ نمی‌توانست یکی از مشاغل بانکی در دنیای امروز را به سهولت و بدون آموختن مهارت‌های جدید به‌دست آورد و این چالشی است که تکنولوژی جدید به ارمغان می‌آورد. هیچ دشواری در یافتن یک شغل آزاد وجود ندارد اما یافتن افراد برای مشاغلی که وجود دارد، دشوار است. به‌عنوان مثال، در صنعت تکنولوژی، کمبود نیروی کار در همه جا وجود دارد. طبق برخی تخمین‌ها، در سال ۲۰۱۷، کمتر از ۵۰ هزار فارغ‌التحصیل علوم کامپیوتر برای پر کردن ۵۰۰ هزار شغل توسعه‌دهنده نرم‌افزار در آمریکا وجود داشت. در مطالعه سال ۲۰۱۷ که توسط Salesforce Research انجام شد، ۵۲ درصد رهبران IT اذعان کرده‌اند که شکاف‌های مهارتی یک چالش عمده در سازمان‌ها بوده است. پاول داترتی و جیمز ویلسون در کتاب جدیدشان «انسان+ماشین: تصور دوباره کار در عصر هوش مصنوعی» می‌نویسند: «در عصر حاضر با بهبود فرآیند کسب‌و‌کار، سیستم‌های هوش مصنوعی جای ما را نمی‌گیرند؛ آنها مهارت‌های ما را تقویت می‌کنند و برای دستیابی به عملکرد بهتر با ما همکاری می‌کنند؛ چیزی که قبلا ممکن نبوده است.»

  دوام مشاغل و ناپدید شدن وظایف

دلیل دومی که مشاغل، حتی در موج فعلی تغییرات تکنولوژی از بین نخواهند رفت، مربوط به ماهیت مشاغل است. فردی که یک شغل واحد دارد وظایف بسیار متفاوتی را انجام می‌دهد و گرچه برخی از این وظایف در برابر خودکارسازی آسیب‌پذیر هستند، اما برخی دیگر این‌گونه نیستند. بنابراین، گرچه دقیق نیست که بگوییم هوش مصنوعی جایگزین بسیاری از مشاغل خواهد شد، اما هوش مصنوعی می‌تواند بسیاری از وظایفی که مشاغل امروز ما را شکل می‌دهند، به عهده بگیرد.

کارهای فیزیکی قابل‌پیش‌بینی برای خودکارسازی بسیار آسان خواهند بود. ماشین‌ها در کارهایی با حجم بالا و روتین فوق‌العاده هستند. آنها از قدرت مکانیکی برای جایگزینی نیروی انسانی استفاده می‌کنند. همچنین آنها جایگزین افراد در وظایف دفتری و خدماتی خواهند شد که مدام نیاز به تکرار دارند.

اما آنها در وظایف انتزاعی مانند حل مسائل پیچیده و حتی بدتر در تعاملاتی که نیاز به همدلی و حس مشترک دارد، بسیار ضعیف خواهند ماند. همچنین آنها به آسانی محیط‌های جدید که در آن داده‌های اندکی در دسترس است را مدیریت نخواهند کرد.

یادگیری ماشینی بستگی به داشتن تاریخچه‌ای در دسترس و مملو از داده دارد که از طریق آن سیستم کامپیوتری می‌تواند نتیجه‌گیری کند. بنابراین محول کردن مدیریت افراد، حل مشکلات غیرساختاری و نوآوری به یک روبات- مهم نیست تا چه اندازه خوب برنامه‌ریزی شده باشد- تقریبا غیرممکن خواهد بود. حتی اگر وظایف قدیمی ناپدید شوند، وظایف جدید ظهور خواهند کرد. مشاغل آینده حول این وظایف ایجاد خواهند شد. شرکت‌ها نیاز به کمک به کارمندانشان برای بهبود مهارت‌شان و دستیابی به مهارت‌های جدید ضروری خواهند داشت.

نقل‌قولی منتسب به آلوین تافلر۱ است که می‌گوید «بیسوادان قرن ۲۱ کسانی نیستند که نمی‌توانند بنویسند و بخوانند. بلکه کسانی هستند که نمی‌توانند بیاموزند، آموخته‌های کهنه خود را دور بریزند و دوباره یاد بگیرند.»

طبق برخی تخمین‌ها، امروزه ۶۵ درصد کودکان در مدارس در نهایت کارهایی را انجام خواهند داد که هنوز وجود ندارند. آنها نیاز به بازآموزی مداوم خواهند داشت. کارمندان نیز به همین شکل خواهند بود.

  ارزیابی دوباره در مشاغل شرکت‌ها

اگر رهبر یک کسب‌و‌کار هستید، هنوز باید چالش اتوماسیون را حل کنید؛ اما از روشی که احتمالا انتظار آن را ندارید. وقتی رقبا توانمندی‌های جدیدی برای رفع نیازهای جدید مشتریان اضافه می‌کنند، شما باید یا با همان نرخ مشابه حرکت کنید یا از آنها پیشی بگیرید. بنابراین نیاز خواهید داشت تا در مورد مشاغلی که دارید، وظایفی که این مشاغل را شکل می‌دهند، مهارت‌هایی که کارمندان شما نیاز خواهند داشت و آموزشی که به آنها ارائه می‌دهید، خلاقانه‌تر فکر کنید.

هم‌اکنون با در نظر گرفتن مشاغل در سازمان‌تان شروع کنید. با تفکیک آنها به وظایف جدا از هم شروع کنید. سپس تعیین کنید که چه وظایفی برای انسان‌ها ایده‌آل هستند و کدام یک برای ماشین‌ها مناسبند. هر کدام از این مشاغل کنونی در شرکت شما می‌توانند به این روش دوباره ارزیابی شوند.

به عنوان مثال، شما به رانندگان کامیونی نیاز نخواهید داشت تا صرفا یک وسیله نقلیه را از یک نقطه به نقطه دیگر هدایت کنند. اما در جهانی که شرکت‌ها به‌طور فزاینده بر مبنای کیفیت تجربه‌ای که برای مشتری ایجاد می‌کنند قضاوت می‌شوند، شما به کارمندانی نیاز خواهید داشت که بتوانند مهارت‌های یک ارگان خدمات به مشتری، بازاریاب، و فروشنده را ترکیب کند تا در آن کامیون‌ها بنشینند و وقتی ارسال‌ها را انجام می‌دهند با مشتریان تعامل داشته باشند.

برخی از آگاه‌ترین شرکت‌ها، دولت‌ها و اتحادیه‌های کار فقط بر ارائه مقدار بیشتری از آموزش تاکید نمی‌کنند؛ بلکه هدفشان افزایش کارآیی آن نیز هست. کنگره اتحادیه معاملات (Trades Union Congress) که یک سندیکای مرکزی در انگلستان است ابتکاری به نام Unionlearn بر مبنای یک مدل آبشاری۲ دارد و بیش از ۳۰ هزار «نماینده یادگیری اتحادیه» را آموزش داده است که آنها نیز در عوض به بیش از ۲۲۰ هزار نماینده دیگر مشاوره می‌دهند.

در شرکت Salesforce (یک شرکت رایانش ابری در کالیفرنیا) نیز نیاز به انجام این کار را احساس می‌کنیم؛ ما یک پلت‌فرم رایگان و به شکل بازی به نام Trailhead ایجاد کردیم که به همه افراد اجازه می‌دهد تا رویکردهای سیلزفورس را همراه با مهارت‌های وسیع‌تر کسب‌‌و‌کار یاد بگیرند. ما آن را برای مشتریان‌مان باز کردیم تا مسیر‌های یادگیری هدایت‌شده خودشان را برای کارمندان‌شان ایجاد کنند.

همه این برنامه‌ها بر تکنولوژی جدید متکی هستند تا فرآیند یادگیری را بهبود بخشیده یا سرعت ببخشند. ابزارهای جدید به سرعت در حال ظهور هستند که بر مبنای بیولوژی عصبی، پارادایم‌های محاسباتی جدید و یادگیری ماشینی قرار دارند؛ این ابزارها قادر به تسریع و بهبود توانایی افراد برای یادگیری هستند. در بسیاری از موارد، تکنولوژی‌های مشابه که به نظر می‌رسد در حال حذف مشاغل هستند، ابزارهای ایجاد مهارت‌های جدید خواهند بود که افراد را شاغل نگه خواهند داشت.

امروزه بازآموزی افراد برای یک محیط جدید نسبت به آنچه باید باشد، دشوارتر شده است. به عنوان یک جامعه، اگر ما شروع به تسهیل آموزش و بازآموزی مهارت‌ها نکنیم، آنگاه شکاف بین افراد غنی و فقیر را گسترش می‌دهیم و بی‌ثباتی اقتصادی و سیاسی را در سراسر جهان افزایش خواهیم داد. من نمی‌توانم ادعا کنم که آموزش فی‌نفسه مشکلات اقتصادی ما را حل خواهد کرد؛ اما افزایش کارآیی آموزش یک پیش‌نیاز برای انجام چنین کاری است.

افرادی که هشدار می‌دهند روبات‌ها در حال مسلط شدن بر ما هستند، از تهدید اشتباهی می‌ترسند. ایجاد فرهنگی که در آن یادگیری مداوم اصل اول است به ما می‌آموزد که چگونه از اقتصاد امروز به یک اقتصاد جدید حرکت خواهیم کرد؛ اقتصادی که در آن به اکثر افراد فرصتی برای پیشرفت داده می‌شود.

بسیار مهم است که بدانیم مسوولیت ارائه این آموزش تنها بر دوش دولت‌ها نیست. در یک محیط به سرعت در حال تغییر که یادگیری مداوم بسیار مهم و تعیین‌کننده است، کسب‌و‌کارها نقشی کلیدی ایفا خواهند کرد. اما آیا شرکت شما آماده چنین چیزی هست؟

  پی‌نوشت:

۱. نویسنده و آینده‌پژوه آمریکایی که برای آثارش در زمینه انقلاب دیجیتال و انقلاب ارتباطات شناخته می‌شود.

۲. cascade model ارائه آموزش از طریق لایه‌های آموزش‌دهندگان است؛ تا زمانی که به گروه هدف نهایی دست یابد.