هوش مصنوعی و تغییرات بازار کار؛ برنامه ۳۰ روزه برای بقا در عصر اتوماسیون
آرماندو پانتوجا، آیندهپژوه فناوری، دیدگاه خود را درباره ترس فزاینده نیروی کار از پیشرفت هوش مصنوعی و جایگزینی مشاغل بیان میکند و یک برنامه ۳۰ روزه برای تطبیقپذیری با این تحولات ارائه میدهد.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- بزرگترین تهدید اتوماسیون هوش مصنوعی برای کارگران، بیکاری نیست، بلکه «بیاهمیت شدن ساختاری» و از دست دادن هویت حرفهای است.
- برای بقا در بازار کار جدید، باید به جای رقابت با سرعت و حافظه ماشین، بر مهارتهای انسانی مانند تفکر سیستمی، قضاوت، خلاقیت و رهبری تمرکز کرد.
- نیروی کار باید در ۳۰ روز آینده، به جای مطالعه بیهدف درباره هوش مصنوعی، یک ابزار مرتبط با کار خود را انتخاب کرده و برای بهبود بهرهوری از آن بهره ببرد.
یکی از بارزترین ترسهای مرتبط با تکامل سریع هوش مصنوعی، این است که نیروی کار آن را به عنوان بزرگترین تهدید برای امنیت شغلی خود میشناسد.
برای اثبات این احساس فزاینده، کافی است به دادههای گزارش موسسه گالوپ با عنوان «ترس بیشتر کارگران آمریکایی از دست دادن شغل به دلیل فناوری» نگاهی بیندازیم. بر اساس این گزارش، ۲۷ درصد از کارگرانِ نظرسنجیشده نگرانند که فناوری ممکن است شغل آنها را منسوخ کند. میزان این نگرانی در میان فارغالتحصیلان دانشگاهی از سال ۲۰۲۱ روند صعودی داشته و جابهجایی شغلی ناشی از فناوری اکنون به بزرگترین نگرانی کاری در میان کارگران زیر ۴۵ سال تبدیل شده است.
آرماندو پانتوجا (Armando Pantoja)، آیندهپژوه فناوری، دیدگاه متفاوتی درباره تکامل هوش مصنوعی و پیامدهای آن در از دست دادن مشاغل دارد. استدلال اصلی او این است که بزرگترین نگرانی درباره اتوماسیون مشاغل توسط هوش مصنوعی در واقع بیکاری نیست، بلکه «بیاهمیت شدن ساختاری» است. در کنار این باور، پانتوجا اشاره میکند که کارگران از از دست دادن جایگاه و هویت شغلی خود میترسند، زیرا فناوری با سرعتی بیشتر از توانایی تطبیقپذیری مدارس، قوانین و نهادهای ما در حال تکامل است.
در آستانه انتشار کتاب آینده او با عنوان آینده ثروت: ۵۰ سال آینده پول، قدرت و هوش، آرماندو به پرسشهایی درباره اینکه کارگران چگونه میتوانند خود را در جامعهای پر از هوش مصنوعی ارزشمندتر کنند، پاسخ داد و همچنین یک برنامه ۳۰ روزه برای افرادی که میخواهند خود را برای یک محیط کار تحت سلطه هوش مصنوعی آماده کنند، ارائه کرد.

شما استدلال کردهاید که بزرگترین تهدید اتوماسیون هوش مصنوعی برای کارگران انسانی، بیکاری نیست، بلکه «بیاهمیت شدن ساختاری» است. این به چه معناست؟
عمیقترین زخم اتوماسیون، بیکاری نخواهد بود، بلکه بیاهمیت شدن است. کار چیزی بسیار بیشتر از یک چک حقوقی به افراد میدهد. کار ساختار، جایگاه، جامعه، هویت و اثباتی بر اهمیت مشارکت افراد فراهم میکند.
از دست دادن شغل دردناک است، اما اغلب شغل دیگری میتواند جایگزین آن شود. بحران عمیقتر زمانی آغاز میشود که میلیونها نفر دیگر نمیدانند در کجا قرار میگیرند یا چه مشارکتی میتوانند داشته باشند. اگر فناوری نقشهای تثبیتشده را سریعتر از ایجاد منابع جدیدِ کرامت، هدف و مشارکت توسط جامعه از بین ببرد، رنجش و بیثباتی به صورت دستهجمعی به دنبال خواهد داشت.
این بدان معنا نیست که انسانها در حال بیاهمیت شدن هستند. بلکه به این معناست که دیگر نمیتوانیم فرض کنیم بازار کار به طور خودکار به همه معنا و جایگاهی در جامعه میدهد. در عصر هوش مصنوعی، ما باید آگاهانه مسیرهای جدیدی بسازیم که از طریق آنها افراد بتوانند مشارکت کنند، تعلق داشته باشند و بدانند که هنوز اهمیت دارند.
گالوپ دریافت که ۲۷ درصد از کارگران آمریکایی اکنون نگران منسوخ شدن شغل خود توسط فناوری هستند، که این رقم در مقایسه با ۱۳ درصد در اولین نظرسنجی گالوپ در سال ۲۰۱۷ افزایش یافته است. چرا این اضطراب اکنون در حال شتاب گرفتن است و چرا کارگران جوانتر نیز همین ترسها را ابراز میکنند؟
این اضطراب در حال شتاب گرفتن است زیرا هوش مصنوعی دیگر یک فناوری انتزاعی نیست که در جایی در آینده عمل کند. اکنون مردم میتوانند انجام بخشهایی از شغل خود توسط آن را در زمان واقعی مشاهده کنند.
اتوماسیون قبلی معمولاً با کارخانهها، انبارها و کارهای فیزیکی تکراری مرتبط بود. اما این موج مستقیماً به کارهای شناختی نفوذ کرده است: نوشتن، کدنویسی، تحلیل، طراحی، خدمات مشتری، مالی، حقوق و تحقیق. افرادی که معتقد بودند تحصیلات و مدارک حرفهای از آنها محافظت میکند، در حال درک این موضوع هستند که خودِ هوش و دانش نیز در حال تبدیل شدن به چیزی مقیاسپذیر است.
کارگران جوانتر این موضوع را احساس میکنند زیرا بسیاری از وظایف سطح پایه که به طور سنتی به توسعه تخصص افراد کمک میکرد، دقیقاً همان وظایفی هستند که هوش مصنوعی میتواند ابتدا انجام دهد. اگر هوش مصنوعی پیشنویس اول را بنویسد، تحقیقات اولیه را انجام دهد، صفحات گسترده را تحلیل کند و کد پایه را تولید کند، چه اتفاقی برای کارگر تازهکاری میافتد که قرار بود از طریق آن وظایف یاد بگیرد؟
آنها صرفاً نگران از دست دادن شغل فعلی خود نیستند. آنها نگرانند که نردبان شغلی پیش از آنکه فرصت بالا رفتن از آن را داشته باشند، در حال ناپدید شدن باشد.
اگر هوش مصنوعی بخشهایی از شغل فرد را منسوخ کند، آن فرد چگونه میتواند به جای تلاش صرف برای رقابت با خود فناوری، خود را ارزشمندتر کند؟ چه مهارتها یا ویژگیهایی را باید در حال حاضر توسعه دهند؟
در کارهایی که هوش مصنوعی برای انجام بهتر آنها طراحی شده است، با آن رقابت نکنید. شما در رقابتی که بر پایه سرعت، حافظه، تکرار یا پردازش حجم عظیمی از اطلاعات است، پیروز نخواهید شد.
در عوض، در زنجیره ارزش به سمت بالا حرکت کنید.
یاد بگیرید چگونه سیستمهای هوشمند را هدایت کنید، خروجی آنها را ارزیابی کنید، این خروجی را به اهداف دنیای واقعی متصل کنید و زمانی که پاسخ ناقص یا نامشخص است تصمیمگیری کنید. تفکر سیستمی، قضاوت، خلاقیت، ارتباطات، رهبری، تخصص در حوزه و توانایی جلب اعتماد انسانی را توسعه دهید.
کارگر ارزشمند لزوماً کسی نخواهد بود که بتواند یک وظیفه را بهتر از یک ماشین انجام دهد. بلکه کسی است که درک میکند چگونه چندین وظیفه، فناوری، افراد و اهداف تجاری در کنار هم قرار میگیرند.
از هوش مصنوعی برای افزایش خروجی، عمیقتر کردن تخصص خود و حل مشکلات بزرگتر استفاده کنید. هدف این است که به فردی تبدیل شوید که فرآیند را طراحی میکند، سیستم را هدایت میکند، نتیجه را تأیید میکند و پاسخگوی پیامدها باقی میماند.

هویت بسیاری از افراد با کاری که برای امرار معاش انجام میدهند گره خورده است. اگر هوش مصنوعی شغلی را که به فرد جایگاه، هدف یا حس تخصص میدهد تغییر دهد یا حذف کند، آنها چگونه باید درباره بازسازی هویت حرفهای خود فکر کنند؟
ساختن هویت خود حول یک عنوان شغلی را متوقف کنید و شروع به ساختن آن حول ارزشی کنید که ایجاد میکنید.
یک عنوان شغلی موقعیت شما را در داخل یک سیستم سازمانی توصیف میکند. اما هوش، تجربه، روابط، قضاوت یا توانایی شما در حل مشکلات را به طور کامل توصیف نمیکند. این قابلیتها حتی زمانی که عنوان ناپدید شود نیز میتوانند باقی بمانند.
از خود چهار پرسش بپرسید: اطرافیانم به من برای درک چه چیزی اعتماد دارند؟ چه مشکلاتی را میتوانم حل کنم؟ چه تصمیماتی را میتوانم بهبود بخشم؟ چه چیزهایی را میتوانم بسازم، توضیح دهم، سازماندهی کنم یا رهبری کنم؟
سپس هویت کاری و پیشنهاد ارزش خود را حول این پاسخها بازسازی کنید.
کسی نباید فکر کند: «من یک حسابدار بودم و هوش مصنوعی در حال حذف کار حسابداری است.» آنها باید فکر کنند: «من سیستمهای مالی، ریسک، انگیزهها و نحوه تصمیمگیری کسبوکارها را درک میکنم. چگونه میتوانم از هوش مصنوعی برای تقویت کارهایی که در آنها خوب هستم استفاده کنم و ارزشمندتر شوم؟»
هویت شما باید قابلحمل شود. باید بتواند در شرکتها، فناوریها و صنایع مختلف جابهجا شود. در یک اقتصادِ در حال شتاب، سازگاری به معنای رها کردن هویت شما نیست، بلکه گسترش آن است.
شما معتقدید که فناوری سریعتر از توانایی انطباق مدارس، قوانین و نهادهای ما در حال پیشرفت است. این نهادها در آمادهسازی افراد برای چه چیزی کوتاهی میکنند و یک رویکرد بهتر به آموزش هوش مصنوعی و آموزش نیروی کار چگونه خواهد بود؟
بیشتر نهادهای ما برای یک دنیای خطی طراحی شدهاند که در آن دانش به کندی تغییر میکرد، مدارک تحصیلی برای دههها ارزشمند باقی میماندند و افراد میتوانستند یک بار برای یک حرفه نسبتاً پایدار آموزش ببینند.
آن دنیا در حال پایان است.
مدارس هنوز در عصر فراوانی اطلاعات بر حفظیات تأکید دارند. برخی به جای آموزش نحوه استفاده و ادغام هوش مصنوعی در مطالعات، آن را ممنوع میکنند. برنامههای نیروی کار، افراد را برای مشاغلی که امروز وجود دارند آموزش میدهند، به جای اینکه آنها را برای مشاغلی که فردا وجود خواهند داشت آماده کنند.
یک مدل بهتر، سواد هوش مصنوعی را به عنوان چیزی بنیادی در نظر میگیرد، چیزی که از بین نمیرود یا یک روند گذرا نیست. افراد باید یاد بگیرند که چگونه با هوش مصنوعی کار کنند، خروجیها را تأیید کنند، سوگیریها و اطلاعات نادرست را شناسایی کنند، از اطلاعات حساس محافظت کنند و درک کنند که فناوری چگونه بر سیستمهای بزرگتر تأثیر میگذارد.
در مدارس، دانشگاهها و آموزشهای شغلی، ما به چرخههای یادگیری کوتاهتر، مدارک ماژولار، دورههای کارآموزی و تجربه عملی در حل مشکلات واقعی با کمک هوش مصنوعی نیاز داریم.

برای کسی که در حال حاضر این مطلب را میخواند و نگران است که هوش مصنوعی شغل او را در پنج سال آینده جایگزین کند، چه توصیهای دارید تا در ۳۰ روز آینده برای تضمین آینده شغلی خود در یک محیط کار مبتنی بر هوش مصنوعی انجام دهد؟
اول از همه، ۳۰ روز آینده را صرف مصرف محتوای بیپایان درباره هوش مصنوعی نکنید. از آن استفاده کنید.
در طول هفته اول، شغل خود را به وظایف جداگانه تقسیم کنید. مشخص کنید که هوش مصنوعی کدام وظایف را میتواند خودکار کند، کدام را میتواند بهبود بخشد و کدامیک هنوز به شدت به قضاوت انسانی، روابط، پاسخگویی یا تخصص حوزهای وابسته هستند.
در طول هفته دوم، یک سیستم هوش مصنوعی را که مستقیماً به کار شما مرتبط است انتخاب کنید و هر روز از آن استفاده کنید. سعی نکنید همه ابزارها را یاد بگیرید. در استفاده از یک ابزار که میتواند یک جریان کاری واقعی را بهبود بخشد، متخصص شوید.
در طول هفته سوم، چیزی قابلاندازهگیری بسازید. فرآیندی ایجاد کنید که در زمان صرفهجویی کند، دقت را بهبود بخشد، درآمد را افزایش دهد، به مشتریان بهتر خدمت کند یا به تیم شما کمک کند سریعتر تصمیمگیری کند. نتایج قبل و بعد را مستند کنید.
در طول هفته پایانی، آن نتیجه را به یک اهرم تبدیل کنید. آنچه را ساختهاید به کارفرما یا همکاران خود نشان دهید. آن را به پورتفولیوی خود اضافه کنید. نحوه استفاده از آن را به دیگران آموزش دهید.
در عین حال، شروع به تقویت بخشهایی از ارزش خود کنید که اتوماسیون آنها دشوارتر است: قضاوت، اعتماد، ارتباطات، رهبری، خلاقیت و روابط.
منتظر نمانید تا کارفرمایتان یک استراتژی هوش مصنوعی برای حرفه شما ایجاد کند. استراتژی خود را بسازید.
اگر ۱۰ سال به جلو برویم، چه عواملی افرادی را که در کنار هوش مصنوعی پیشرفت میکنند از کسانی که احساس میکنند جا ماندهاند، متمایز میکند؟ و یک کاری که کارگران باید از امروز شروع کنند و ممکن است آرزو کنند زودتر انجام داده بودند، چیست؟
این شکاف صرفاً بین افرادی که فناوری را درک میکنند و کسانی که آن را درک نمیکنند، نخواهد بود. بلکه بین کسانی خواهد بود که یاد گرفتهاند چگونه هوش انسانی و ماشینی را ترکیب کنند و کسانی که همچنان از جریانهای کاری که جهان از آنها عبور کرده است، دفاع میکنند.
افرادی که در این عصر جدید موفق میشوند، سرعت یادگیری بالایی خواهند داشت. آنها خواهند دانست که چگونه از هوش مصنوعی به عنوان یک اهرم استفاده کنند در حالی که قضاوت، خلاقیت، رهبری، روابط و پاسخگویی را ارائه میدهند. آنها سیستمها را درک خواهند کرد، نه وظایف مجزا را. آنها با بازسازی مهارتها و هویتهای خود بارها و بارها با تغییر فناوری راحت خواهند بود.
کسانی که احساس میکنند جا ماندهاند، اغلب افرادی خواهند بود که منتظر قطعیت ماندند. آنها در چیزی که من «منطقه مقاومت» مینامم باقی خواهند ماند: دورهای که یک سیستم برتر از قبل وجود دارد، اما مردم همچنان از سیستم قدیمی استفاده میکنند زیرا با آن آشناترند. در نهایت، آنها به «آستانه انکار» میرسند، زمانی که درد ثابت ماندن بزرگتر از درد تغییر کردن میشود.
یک کاری که کارگران باید از امروز شروع کنند، استفاده از هوش مصنوعی در کارهای واقعی است، تا زمانی که پذیرش آن هنوز اختیاری است.
صرفاً درباره آن مطالعه نکنید. منتظر نمانید تا شرکت شما آن را اجباری کند یا شغل شما در معرض تهدید قرار گیرد. شروع به توسعه غریزهای برای درک این موضوع کنید که هوش مصنوعی چه کاری را خوب انجام میدهد، در کجا شکست میخورد و چگونه تواناییهای خودتان در ترکیب با آن ارزشمندتر میشود.
بزرگترین فرصتها معمولاً پیش از آنکه تحول بدیهی شود ظاهر میشوند. تا زمانی که همه موافقت کنند که انطباق ضروری است، بخش عمدهای از مزیت از قبل به افرادی که زودتر حرکت کردهاند منتقل شده است.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعهدهندهها قید مدلهای گرانقیمت را میزنند!
مدل زبانی تخصصی LEGAL-BERT با ثبت بیش از ۸۳۳ هزار دانلود در ماه روی پلتفرم هاگینگ فیس حسابی خبرساز شده است. این ابزار جمعوجور و تخصصی نشان میدهد که برای پردازش و تحلیل متون حقوقی، حتماً نیازی به مدلهای غولپیکر و پرهزینه ندارید و گزینههای بهینه همچنان در اوج هستند.

جاسوسی هوش مصنوعی در محل کار؛ کارمندان میگویند کارفرماها باید قانوناً مچگیریهایشان را لو بدهند!
نظرسنجیهای تازه نشان میدهد که بیشتر کارمندان حس میکنند مدیرانشان با ابزارهای هوش مصنوعی تمام حرکات آنها را زیر نظر گرفتهاند. حالا بیش از ۸۰ درصد شاغلان خواستار تصویب قانونی شدهاند که شرکتها را مجبور کند هرگونه مچگیری و نظارت هوش مصنوعی در محیط کار را رسماً اعلام کنند.

گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!
مایکروسافت در تازهترین گزارش خود از ضریب نفوذ هوش مصنوعی در جهان پرده برداشت؛ آماری شگفتانگیز که نشان میدهد امارات و سنگاپور با فاصلهای خیرهکننده پیشتاز دنیا هستند و در مقابل، آمریکا در رتبه ۲۱ جا مانده است. همچنین الگوی استفاده از هوش مصنوعی میان کشورهای غربی و کشورهای در حال توسعه، از تفاوتی عمیق میان کاربردهای روزمره و آموزش پرده برمیدارد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.