معمای کارخانه‌های خالی و جوانان بیکار؛ چطور ایجنت‌های هوش مصنوعی به داد صنعت بریتانیا می‌رسند؟

کارفرمایان بخش صنعت که ماه‌هاست با موقعیت‌های فنی خالی دست‌وپنجه نرم می‌کنند، و از طرف دیگر نسلی از جوانان که پشت درهای بازار کار مانده‌اند؛ این دو در واقع دو نیمه از یک معادله قابل‌حل هستند.

تازه‌ترین آمار‌های اداره ملی آمار بریتانیا نشان می‌دهد که حدود ۱۳ درصد از جوانان ۱۶ تا ۲۴ ساله این کشور در دسته NEET قرار دارند؛ یعنی نه شغلی دارند، نه درس می‌خوانند و نه مشغول یادگیری مهارتی هستند. حتی گزارش میان‌دوره‌ای خود دولت هشدار داده که اگر اوضاع همین‌طور بماند، ممکن است با یک «نسل سوخته یا گمشده» روبه‌رو شویم.

هم‌زمان با این وضعیت، پیش‌بینی می‌شود تا پایان سال جاری نزدیک به یک‌پنجم از نیروی کار بخش مهندسی و تولید بازنشسته شوند؛ اتفاقی که به معنای خروج تخمینی نیم میلیون مهندس، تکنسین و اپراتور ماهر از چرخه صنعت است.

به گفته مدیر ارشد محصول و امور مشتریان شرکت فناوری IFS، این دو بحران پیوند عمیقی با هم دارند.

در یک کفه ترازو، نسلی ایستاده که مشتاق کار کردن است اما راهی به درون بازار پیدا نمی‌کند. در کفه دیگر، بدنه صنعتی کشور قرار دارد که تشنه نیروی کار است اما در آستانه از دست دادن باتجربه‌ترین نیروهای خود قرار دارد. اگر جداگانه به این دو موضوع نگاه کنیم، هر دو لاینحل به نظر می‌رسند؛ اما اگر آن‌ها را کنار هم بگذاریم، متوجه می‌شویم با یک مسأله واحد و یک راه‌حل مشخص طرف هستیم: آموزش ایجنت‌های هوش مصنوعی خودکار برای پر کردن این شکاف بزرگ.

مشکل در استخدام نیست، ماجرا انتقال تجربه است

بزرگ‌ترین اشتباه این است که کمبود نیروی متخصص در صنعت را صرفاً یک چالش استخدامی ببینیم. آژانس‌های کاریابی و نهادهای صنفی به صراحت گفته‌اند که با استخدام نیروی جدید از بیرون، این شکاف پر نمی‌شود؛ ماجرا صندلی‌های خالی نیست، بلکه چند دهه تجربه، بینش و قدرت تصمیم‌گیری است که با بازنشستگی هر فرد از در کارخانه خارج می‌شود. وقتی سرپرست تعمیرات و نگهداری یا مدیر ارزیابی تأمین‌کنندگان سازمان را ترک می‌کند، جای خالی وظایف روزمره‌اش حس نمی‌شود، بلکه استدلال‌ها، قلق‌ها و «چرایی»های انباشته‌شده‌ای از دست می‌روند که در هیچ کتابچه راهنمایی نوشته نشده‌اند.

دقیقاً به همین دلیل است که پروسه استخدام و انتقال دانش نیازمند راهکارهای کاملاً متفاوتی هستند. یک موقعیت شغلی خالی را می‌توان ظرف چند ماه پر کرد، اما ۳۰ سال دانش ضمنی و تجربی را نمی‌توان با جذب نیروی جدید به دست آورد. از سوی دیگر، بحران معروف به «لایه میانی توخالی» — یعنی کمبود شدید نیروهایی با سابقه ۵ تا ۱۵ سال — نشان می‌دهد لایه واسطه‌ای وجود ندارد تا این دانش را از نسل قدیم به نسل جدید منتقل کند. تسمه‌نقاله‌ای که در گذشته تخصص را از استادکاران کهنه‌کار به کارآموزان می‌رساند، بخش میانی خود را از دست داده است.

جایی که هوش مصنوعی معادله بازی را تغییر می‌دهد

اینجا دقیقاً همان نقطه‌ای است که هوش مصنوعی محاسبات را دگرگون می‌کند؛ البته نه به شکلی سطحی که در تیتر رسانه‌ها می‌بینیم. برگ برنده در اینجا یک چت‌بات ساده برای پاسخ به سؤالات نیست، بلکه توانایی برقراری ارتباط عمیق میان اسناد ساختاریافته سازمان (مانند سفارش‌های خرید و شماره قطعات) با استدلال‌های غیرساختاریافته پیرامون آن‌هاست؛ یعنی همان ایمیل‌ها، حاشیه‌نویسی‌ها و تصمیمات غیررسمی که در دل کار‌های روزمره گرفته شده‌اند.

اگر بتوان چگونگی تأثیر متقابل این دو بخش را ترسیم کرد و این پیشینه را در گردش کار روزانه گنجاند، چند دهه حافظه سازمانی به جای اینکه در فولدری خاک بخورد که هیچ‌کس پیدایش نمی‌کند، به یک سرمایه عملیاتی زنده و کارآمد تبدیل می‌شود.

اگر این کار به درستی انجام شود، منحنی کسب تجربه به شدت فشرده خواهد شد. به جای آنکه سال‌ها طول بکشد تا یک مهندس تازه‌کار به درک و قضاوت درستی از مسائل برسد، او از همان نخستین روز کاری نسخه‌ای کاربردی از این دانش و تجربه را به ارث می‌برد. تاریخچه مرتبط، تصمیمات قبلی و چراییِ هر کار از همان ابتدا در دسترس او قرار می‌گیرد. بحث این نیست که تجربه دیگر اهمیتی ندارد، بلکه شیب منحنی یادگیری بسیار ملایم‌تر و مسیر رسیدن به تسلط کوتاه‌تر می‌شود.

فرصت طلایی برای انتقال این دانش بسیار محدود است و همین حالا هم در حال بسته شدن است. این اطلاعات زمینه‌ای و تجربی را فقط تا زمانی می‌توان ثبت و ضبط کرد که افراد دارنده آن هنوز در سازمان حضور دارند. به محض اینکه یک کارشناس کارکشته بازنشسته شود، داده‌های ساختاریافته باقی می‌مانند، اما استدلال‌هایی که آن داده‌ها را کاربردی می‌کردند با او می‌روند. هر فصلی که تلف شود، بخشی از تجربیات تکرارنشدنی برای همیشه از دست خواهد رفت. موج بازنشستگی یک چالش دوردست نیست که بتوان آن را به آینده موکول کرد؛ این سونامی هم‌اکنون به راه افتاده است.

وقتی از هوش مصنوعی در مسیر غلط استفاده می‌شود

البته باید با یک انتقاد کاملاً منصفانه و جدی روبه‌رو شد: بسیاری معتقدند هوش مصنوعی باعث نابودی فرصت‌های شغلی سطح پایه (مبتدی) شده است و آمار‌ها هم این نگرانی را تأیید می‌کنند. همان بررسی دولتی نشان می‌دهد که موقعیت‌های شغلی برای افراد تازه‌کار کم‌تر و در عین حال سخت‌گیرانه‌تر شده، استخدام‌ها غیرحضوری‌تر، خودکارتر و خالی از حس انسانی شده‌اند و آمار شروع دوره‌های کارآموزی برای جوانان بیش از ۴۰ درصد افت کرده است.

اما مقصر واقعی به ندرت خودِ هوش مصنوعی است؛ بلکه طرز فکر پشت استفاده از آن مشکل دارد. سازمان‌های زیادی هنوز با این فناوری مانند نرم‌افزارهای یک دهه قبل برخورد می‌کنند؛ یعنی به عنوان ردیف بودجه‌ای برای حذف پرسنل، نه ابزاری توانمندساز که ارزش کار نیروها را چند برابر کند. اگر هوش مصنوعی را برای حذف مشاغل مبتدی به کار بگیرید، نتیجه‌اش اخراج و تعدیل نیرو خواهد بود که مدیران به آن برچسب «بهره‌وری» می‌زنند!

اما اگر هدف برعکس باشد، یعنی استفاده از فناوری برای تبدیل سریع‌تر افراد بی‌تجربه به نیروهایی مولد و کارآمد، همین هوش مصنوعی درهای ورود به صنعت را فراخ‌تر می‌کند. سؤال واقعی این نیست که آیا هوش مصنوعی مسیرهای سنتی ورود به بازار کار را می‌بندد یا نه، بلکه مسأله این است که آیا شرکت‌ها می‌خواهند از آن برای گشودن دروازه‌هایی تازه استفاده کنند؟

یک مسیر ورود کاملاً متفاوت

این راهکار تنها در صورتی جواب می‌دهد که واقع‌بینانه بدانیم این جوانان چه کسانی هستند. بخش عمده جمعیت آمار NEET مهندسان آموزش‌دیده‌ای نیستند که منتظر یک فرصت شغلی خالی باشند؛ از هر ده نفر، شش نفر از آن‌ها تا به حال هیچ شغلی نداشته‌اند و بسیاری با مشکلاتی چون وضعیت نامناسب سلامتی، ترک تحصیل یا سال‌ها انزوا دست‌وپنجه نرم می‌کنند. کارفرمایان بدشان نمی‌آید به آن‌ها فرصت دهند، اما دست به عصا حرکت می‌کنند؛ چراکه جذب فردی بدون سابقه، ریسکی بزرگ به نظر می‌رسد که کارخانه‌ها و شرکت‌های کوچک‌تر توان پرداخت هزینه‌های آن را ندارند.

هوش مصنوعی هزینه و ریسک این ریسک‌پذیری را به شدت پایین می‌آورد. زمانی که سیستم، پیشینه و داده‌های لازم را در اختیار تازه‌کارها بگذارد و به آن‌ها اجازه دهد تا فرآیندهای پیچیده صنعتی را با زبان ساده و طبیعی مدیریت کنند، نداشتن رزومه دیگر عامل رد صلاحیت نخواهد بود. برای یک جوان ۲۳ ساله که برای اولین بار پا به سالن تولید یک کارخانه می‌گذارد، این دقیقاً تفاوت میان رد شدن در مصاحبه و به دست آوردن فرصت زندگی‌اش است.

این همان فرصت طلایی پنهان‌شده در دل دو آمار به ظاهر نامرتبط است. پرتگاه بازنشستگی در صنایع و بحران جوانان بیکار معمولاً در دو اتاق جداگانه بایگانی می‌شوند: یکی در بخش برنامه‌ریزی نیروی کار و دیگری در سیاست‌گذاری‌های اجتماعی؛ در حالی که جای این دو روی یک میز است. تجربیات در حال خروج را ثبت کنید، آن‌ها را در اختیار نسل تشنه ورود به کار قرار دهید، و خواهید دید که بخش صنعت صرفاً یک جای خالی را پر نمی‌کند؛ بلکه مسیری هموار می‌سازد برای نسلی که سال‌ها شنیده بود هیچ راهی برای ورودش وجود ندارد.