هوش مصنوعی کدام ۱۰ گروه شغلی را هدف گرفته است؟

ICTPRESS - توانایی مدل‌های جدید هوش مصنوعی در نوشتن، تحلیل، کدنویسی، خلاصه‌سازی، جست‌وجوی اسناد و تولید توصیه، دامنه اتوماسیون را از کارهای تکراری و یدی به مشاغل شناختی و تخصصی گسترش داده است.

به گزارش شبکه خبری ICTPRESS به نقل از مهر، تصویر کلاسیک از اتوماسیون بر حذف کارهای یدی، تکراری و مبتنی بر مهارت اندک استوار بود، اما موج جدید هوش مصنوعی این جغرافیای ریسک را تغییر داده است. توانایی مدل‌های جدید در انجام وظایف شناختی باعث شده مشاغلی که پیش‌تر تحصیلات دانشگاهی و مهارت تخصصی از آن‌ها در برابر اتوماسیون محافظت می‌کرد، بیش از گذشته در معرض تغییر قرار گیرند.

مطالعه مشترک مؤسسه بیمه فرانسوی «Coface» و دیده‌بان مشاغل در معرض تهدید و نوظهور (OEM) نیز بر همین تغییر تأکید دارد و نشان می‌دهد فعالیت‌های شناختی، پیچیده و مهارت‌محور به یکی از حوزه‌های جدید اتوماسیون تبدیل شده‌اند.

اهمیت این تحول زمانی بیشتر مشخص می‌شود که واحد تحلیل را از عنوان شغلی به مجموعه وظایف تشکیل‌دهنده هر شغل تغییر دهیم. مطالعه Coface تعداد ۹۲۳ حرفه را به وظایف و سپس به کنش‌های پایه تجزیه کرده و میزان قابلیت اتوماسیون آن‌ها را بر اساس قواعد مشخص و قابل بازبینی سنجیده است.

قرار گرفتن یک حرفه در معرض هوش مصنوعی به معنای حذف آن حرفه نیست. شاخص این مطالعه ظرفیت فنی اتوماسیون را اندازه‌گیری می‌کند و عواملی مانند تقاضای نیروی کار، ایجاد وظایف جدید و موانع استقرار فناوری را در بر نمی‌گیرد.

۱۰ گروه شغلی در معرض تغییر

گزارش مرکز آموزش فنی و حرفه‌ای Edoxi امارات، ۱۰ گروه شغلی را که بخش قابل توجهی از وظایف آن‌ها قابلیت اتوماسیون دارد، مورد توجه قرار داده است:

وجه مشترک این مشاغل آن است که بخش قابل توجهی از فعالیت‌های آن‌ها را می‌توان به گردش کاری ساختاریافته، پردازش اطلاعات، اجرای قواعد و تولید خروجی استاندارد تبدیل کرد. هرچه سهم این وظایف بیشتر باشد، ظرفیت اتوماسیون نیز افزایش می‌یابد.

داده‌های Coface تصویر کلان‌تری از این تحول ارائه می‌کند. در سناریوی استقرار هوش مصنوعی عامل‌محور، حدود یک حرفه از هر هشت حرفه بررسی‌شده از آستانه ۳۰ درصد وظایف قابل اتوماسیون عبور می‌کند. این پژوهش، این آستانه را سطحی می‌داند که می‌تواند به بازآرایی عمیق حرفه و جابه‌جایی قابل توجه وظایف منجر شود.

بیشترین تمرکز این ریسک در حوزه‌هایی مانند مهندسی، فناوری اطلاعات، امور اداری، مالی، حقوقی و برخی مشاغل خلاق و تحلیلی دیده می‌شود. همچنین بیش از یک‌چهارم محتوای کاری در مدیریت و امور اداری، حرفه‌های خلاق، حقوق و مالی و همچنین مهندسی و فناوری اطلاعات قابلیت اتوماسیون دارد. در مقابل، خدمات حضوری و فعالیت‌های فنی و صنعتی زیر آستانه ۱۰ درصد باقی می‌مانند.

این الگو در سطح وظایف نیز قابل مشاهده است. ابزارهای تشخیص متن و هوش مصنوعی مولد می‌توانند استخراج، اعتبارسنجی و ورود داده را با نظارت انسانی محدود انجام دهند. چت‌بات‌ها و عامل‌های صوتی نیز قادرند بخش بزرگی از پرسش‌های استاندارد خدمات مشتری را پاسخ دهند.

در حسابداری، تطبیق حساب‌ها، طبقه‌بندی تراکنش‌ها و ثبت‌های پایه قابلیت بالایی برای اتوماسیون دارند. ابزارهای نگارشی نیز بخشی از ویرایش زبانی را خودکار کرده‌اند. در نتیجه، نقش نیروی انسانی در این مشاغل بیش از گذشته به حل اختلاف، مذاکره، تشخیص موقعیت‌های استثنایی، قضاوت تخصصی و نظارت بر خروجی ماشین معطوف می‌شود.

حقوق و برنامه‌نویسی نیز نمونه‌هایی از نفوذ اتوماسیون به مشاغل تخصصی هستند. هوش مصنوعی مولد می‌تواند خلاصه‌سازی آرای قضایی، مرور قراردادها، بازیابی سوابق و تهیه پیش‌نویس اسناد استاندارد را انجام دهد. در توسعه نرم‌افزار نیز دستیارهای کدنویسی در تولید کدهای متعارف، آزمون و مستندسازی نقش دارند.

با این حال، در هر دو حوزه، وظایف مقدماتی بیشتر در معرض اتوماسیون قرار دارند و فعالیت‌هایی مانند تحلیل حقوقی، مذاکره، مشاوره، قضاوت اخلاقی و هدایت و ارزیابی خروجی هوش مصنوعی همچنان به تخصص انسانی وابسته‌اند.

تهدیدی برای نخستین پله مسیر شغلی

یکی از پیامدهای مهم این تحول می‌تواند در مشاغل ابتدایی ظاهر شود. بسیاری از وظایفی که هوش مصنوعی به خوبی انجام می‌دهد، همان فعالیت‌هایی هستند که ورود نیروهای جوان به یک حرفه را امکان‌پذیر می‌کردند؛ از تهیه پیش‌نویس و پژوهش مقدماتی گرفته تا خلاصه‌سازی اسناد، یادداشت‌برداری جلسات، تحلیل‌های ساده، بازبینی مدارک، کدنویسی پایه و آزمون نرم‌افزار.

این وظایف اگرچه تکراری هستند، بخشی از فرایند کسب تجربه نیز محسوب می‌شوند. تحلیلگر جوان هنگام پاک‌سازی داده با ناسازگاری‌ها آشنا می‌شود، کارآموز حقوقی از بررسی پرونده‌ها تشخیص مشکلات را می‌آموزد و برنامه‌نویس تازه‌کار از رفع خطاهای کوچک به درک معماری سیستم می‌رسد.

در نتیجه، خودکار شدن موقعیت‌های ابتدایی می‌تواند برای سازمان‌ها یک چالش بلندمدت ایجاد کند؛ زیرا ممکن است در سال‌های بعد، تعداد افرادی که تجربه لازم برای تبدیل شدن به تحلیلگر ارشد، مهندس، حقوقدان یا مدیر را کسب کرده‌اند کاهش یابد.

شکاف میان نیروی کار، سرمایه و آموزش

برآورد Coface نشان می‌دهد میزان مواجهه کشورها با این تحول، متناسب با ساختار اقتصادی آن‌ها متفاوت است. این میزان از حدود ۱۲ درصد در ترکیه تا نزدیک ۲۰ درصد در بریتانیا متغیر است. اقتصادهای ثروتمند و خدمات‌محور که سهم بیشتری از مشاغل شناختی و مبتنی بر اطلاعات دارند، با مواجهه بیشتری با این تغییر روبه‌رو هستند.

از سوی دیگر، اتوماسیون بخشی از وظایف مشاغل ماهر و پردرآمد می‌تواند سهم بیشتری از ارزش افزوده را از نیروی کار به سرمایه منتقل کند. چنین تغییری برای دولت‌هایی که درآمدهای مالیاتی و تأمین اجتماعی آن‌ها به اشتغال و دستمزد وابستگی بالایی دارد، می‌تواند چالش‌هایی ایجاد کند.

آموزش عالی نیز با پرسش‌های تازه‌ای مواجه است. با افزایش قابلیت اتوماسیون برخی وظایفی که فارغ‌التحصیلان برای انجام آن‌ها آموزش دیده‌اند، مهارت‌هایی مانند قضاوت، سازگاری و نظارت بر سامانه‌های هوشمند اهمیت بیشتری پیدا می‌کنند.

بر اساس پیمایش مؤسسه آموزشی HEPI بریتانیا در سال ۲۰۲۶، ۹۵ درصد دانشجویان کارشناسی این کشور از هوش مصنوعی استفاده می‌کنند و ۹۴ درصد آن را در تکالیف خود به کار می‌گیرند؛ در حالی که کمتر از نیمی از دانشجویان احساس می‌کنند اعضای هیأت علمی آن‌ها را برای مهارت‌های هوش مصنوعی مورد نیاز بازار کار آماده می‌کنند.

هوش مصنوعی؛ حذف شغل یا تغییر وظایف؟

موج جدید اتوماسیون را باید در سطح وظیفه، مسیر حرفه‌ای و ساختار سازمانی تحلیل کرد. مشاغلی که گردش کار استاندارد، پردازش اطلاعات و تولید خروجی قابل پیش‌بینی سهم بزرگی از فعالیت آن‌ها را تشکیل می‌دهد، بیشتر در معرض تغییر قرار دارند.

در مقابل، قضاوت در شرایط مبهم، تعامل انسانی پیچیده، مسئولیت حرفه‌ای، مهارت فیزیکی و ترکیب دانش تخصصی با تصمیم‌گیری، مقاومت بیشتری در برابر جایگزینی دارند.

در همین حال، مطالعه میدانی دفتر ملی پژوهش اقتصادی آمریکا (NBER) افزایش متوسط ۱۴ درصدی بهره‌وری کارکنان پشتیبانی مشتری با استفاده از هوش مصنوعی مولد را گزارش کرده و بیشترین منفعت را برای کارکنان کم‌تجربه یافته است. این یافته نشان می‌دهد هوش مصنوعی لزوماً به معنای حذف نیروی تازه‌کار نیست و می‌تواند در برخی محیط‌ها با انتقال سریع‌تر دانش انباشته سازمان، عملکرد کارکنان کم‌تجربه را نیز افزایش دهد.

بنابراین، مسئله اصلی بازار کار آینده صرفاً تعداد مشاغلی نیست که هوش مصنوعی می‌تواند بخشی از وظایف آن‌ها را انجام دهد؛ بلکه نحوه مدیریت این تغییر اهمیت دارد. سازمان‌ها، دانشگاه‌ها و دولت‌ها باید هم‌زمان با استفاده از ظرفیت افزایش بهره‌وری، برای حفظ مسیر کسب تجربه، تربیت نیروی متخصص، بازآموزی کارکنان و انتقال دانش سازمانی نیز برنامه‌ریزی کنند.