چگونه در عصر هوش مصنوعی شغل خود را حفظ کنیم؛ چهار مهارت حیاتی برای بقا در بازار کار

این استاد وارتان معتقد است لوله‌کش شدن شما یا فرزندانتان را از هوش مصنوعی نجات نمی‌دهد، اما این چهار مهارت راهگشا خواهند بود

نمی‌توانید هوش مصنوعی را متوقف یا ناپدید کنید؛ پس چگونه باید با آن زندگی کرد؟

یا به بیان دقیق‌تر، چگونه می‌توان در دنیایی که تحت تسلط هوش مصنوعی است، درآمد کسب کرد و زندگی ساخت؟

پاسخ‌های متداول معمولاً در دو دسته خلاصه می‌شوند: «کار با هوش مصنوعی را یاد بگیرید» یا شغلی مصون از تهدید هوش مصنوعی پیدا کنید که با اتوماسیون از بین نرود، مثلاً کارهای یدی و فنی.

اما اتان مولیک بر این باور است که چنین راه‌حل‌هایی به‌تنهایی جواب نمی‌دهند.

مولیک، استاد مدیریت در دانشکده وارتان است که به یکی از تأثیرگذارترین چهره‌ها در ارائه راهنماهای کاربردی درباره توانمندی‌های فعلی هوش مصنوعی و مفهوم هم‌زیستی کاری با آن تبدیل شده است. او در کتاب جدید خود با عنوان «همزیستی» استدلال می‌کند که مدل‌های هوش مصنوعی با سرعتی بسیار فراتر از درک عموم مردم در حال رشد هستند و تنها راه رویارویی با این شتاب سرسام‌آور، یاد‌گیری شیوه زندگی و همکاری در کنار آن‌ها است.

این یعنی باید بپذیریم بخش عمده‌ای از مهارت‌های فعلی ما در آینده کم‌ارزش‌تر خواهند شد و در نتیجه، باید بر پرورش و تقویت ویژگی‌هایی تمرکز کنیم که هوش مصنوعی قادر به بازتولید یا شبیه‌سازی آن‌ها نیست.

در این گفت‌وگو، پیامدهای فراگیری هوش مصنوعی بر سرنوشت مشاغل، آینده نسل نو و چالش‌های ناشی از فروپاشی سازوکارهای سنتی آموزش و کارآموزی بررسی شده است که چکیده‌ای از مهم‌ترین نکات آن را در ادامه می‌خوانید.

پرسش: افرادی که نگران شغل خود یا آینده شغلی فرزندانشان هستند، معمولاً این توصیه را می‌شنوند که یا به متخصص هوش مصنوعی تبدیل شوند یا سراغ حرفه‌هایی مصون از اتوماسیون مثل لوله‌کشی یا پرستاری بروند. آیا این توصیه‌ها واقعاً کارآمد هستند؟

اتان مولیک: به نظر من چندان مفید نیست. پیش از هر چیز، پناه بردن به کارهای یدی شاید تا زمان ظهور ربات‌هایی مثل PlumBot 6000 ایده خوبی به نظر برسد! من متخصص رباتیک نیستم، اما کارشناسان رباتیکی که با آن‌ها در ارتباطم، پیش‌تر می‌گفتند مدل‌های زبانی هرگز تأثیری در این حوزه نخواهند داشت، موج جدید هوش مصنوعی کاملاً بی‌ارتباط است و ساخت ربات‌ها بسیار پیچیده است؛ اما امروز دیدگاهشان دگرگون شده و معتقدند تحول بزرگی در این بخش در جریان است.

من نمی‌دانم آینده دقیقاً چگونه رقم خواهد خورد و گمان نمی‌کنم هیچ فرد دیگری هم پاسخ قطعی آن را بداند؛ شنیدن چنین سخنی از زبان یک متخصص هوش مصنوعی، می‌تواند به همان اندازه که آرامش‌بخش است، نگران‌کننده نیز باشد.

به حوزه‌ای نگاه کنید که بیشترین دگرگونی را تجربه کرده است، یعنی برنامه‌نویسی. همه ما می‌دانیم برنامه‌نویسی در حال دگرگونی بنیادین است، اما هنوز حتی مشخص نیست که در آینده تعداد فرصت‌های شغلی برنامه‌نویسی افزایش خواهد یافت یا کاهش. تنها چیزی که با قطعیت می‌دانیم این است که ماهیت وظایف شما به‌عنوان یک برنامه‌نویس پیوسته در حال تغییر خواهد بود.

امروزه نوشتن کد بدون خطا اهمیت کمتری نسبت به تجسم و تعریف دقیق چیزی دارد که قصد ساختنش را دارید. در حال حاضر بسیاری از برنامه‌نویسان خوشحال‌تر از هر زمان دیگری در گذشته هستند و برخی دیگر احساس ناامیدی می‌کنند؛ چراکه این مشاغل به‌سرعت در حال دگردیسی هستند.

من در کتابم به چهار مؤلفه اشاره کرده‌ام که حداقل به شما برتری نسبی می‌دهند. مؤلفه نخست دانش عمیق است: شناخت بسیار دقیق و مسلط از یک حوزه تخصصی، زیرا چنین تسلطی به شما امکان می‌دهد عملکردی بهتر از هوش مصنوعی داشته باشید. دومین مؤلفه دانش گسترده است: داشتن آگاهی و شناخت در حوزه‌های متعدد و گوناگون.

پدیده‌ای که امروزه در شرکت‌ها مشاهده می‌کنم این است که مدیران می‌گویند برنامه‌نویسان ما کارهای طراحی انجام می‌دهند، طراحان ما کد می‌زنند و تیم‌های بازاریابی طرح‌های تجاری می‌نویسند. هرچه اطلاعات شما درباره مباحث متنوع و ریز بیشتر باشد، هوش مصنوعی اهرم قدرتمندتری برای کمک به شما خواهد بود.

عامل سوم سلیقه و بینش کیفی است. هوش مصنوعی حجم عظیمی از محتوا و خروجی تولید می‌کند؛ چه چیزی مانع از آن می‌شود که این خروجی‌ها به مشتی محتوای سطحی و بی‌کیفیت تبدیل نشوند؟ سلیقه و نگاه نقادانه شما در تشخیص و گزینش بهترین گزینه‌ها.

در نهایت، مؤلفه چهارم کنشگری و اراده عمل (Agency) است. من فکر نمی‌کنم عبارت «یاد‌گیری نحوه استفاده از هوش مصنوعی» در حال حاضر معنای خاصی داشته باشد. ما تمامی شیوه‌های آموزش استفاده از هوش مصنوعی را آزمایش کرده‌ایم و متوجه شده‌ایم که ترفندهای گذشته دیگر کارایی ندارند.

پرامپت‌نویسی روزبه‌روز بیشتر به مهارت‌های مدیریتی شباهت پیدا می‌کند. دیگر نیازی به استفاده از واژگان جادویی برای وادار کردن هوش مصنوعی به انجام یک کار نیست؛ بلکه باید دقیقاً مشخص کنید: این محصولی است که می‌خواهم، این معیاری است که با آن کیفیتش را می‌سنجم، این روش آزمایش آن است و این گزارشی است که در میانه راه باید به من ارائه دهی؛ هم‌چنین پنج طرح اولیه متفاوت به من بده تا از بین آن‌ها انتخاب کنم.

پرسش: این موضوع شاید برای افراد میان‌سال یا کسانی که در میانه مسیر شغلی هستند، تجربه کافی دارند، سلیقه‌شان شکل گرفته و در حرفه خود ماهر شده‌اند، خبر خوبی باشد. اما کسانی که تازه وارد بازار کار می‌شوند، در دنیایی که هوش مصنوعی می‌گوید «من تحقیق می‌کنم و برایت می‌نویسم»، چگونه می‌توانند این مهارت‌ها را در خود پرورش دهند؟

اتان مولیک: در اینجا دو مشکل اساسی وجود دارد: نخست ویژگی‌های رفتاری انسان‌ها در جایگاه فردی، و دوم نهادهایی که برای آموزش افراد ایجاد کرده‌ایم.

ما انسان‌ها تمایل غریزی داریم که کارهای ذهنی و بار شناختی خود را برون‌سپاری کنیم؛ طبیعت ما این‌گونه شکل گرفته است. فناوری همواره در پی جایگزین کردن کارهای طاقت‌فرسا و ملال‌آور بوده است. وقتی ماشین ظرف‌شویی اختراع شد، دیگر هیچ‌کس دلتنگ شستن ظروف با دست نشد.

یا به بیان دیگر، هیچ‌کس دلش نمی‌خواهد خودش با مشک کره بگیرد!

فرزندان من دیگر خط تحریری و پیوسته انگلیسی را یاد نمی‌گیرند و من هم کار با خط‌کش مهندسی را بلد نیستم. اما مشکل اینجاست که ما در انتخاب وظایفی که باید به فناوری واگذار کنیم، هوشمندانه عمل نمی‌کنیم؛ مسأله‌ای که در تکیه بیش از حد دانش‌آموزان به هوش مصنوعی برای انجام تکالیف مدرسه به‌وضوح دیده می‌شود.

مسأله بعدی نهادهای آموزشی هستند. به‌طور کلی دو بستر برای یاد‌گیری مهارت‌های شغلی وجود دارد: نخست آموزش‌های دانشگاهی و دبیرستانی است. این سازوکارها در حال حاضر دچار سردرگمی شده‌اند، اما در نهایت راه‌حل آن را خواهیم یافت. هوش مصنوعی در واقع معلم خصوصی فوق‌العاده‌ای است و ما می‌دانیم چگونه بدون مداخله هوش مصنوعی دانش افراد را بسنجیم: کافی است آن‌ها را در کلاس درس با یک برگه امتحانی قرار دهید یا به‌صورت شفاهی گفت‌وگو کنید. در نتیجه می‌توانیم آموزش بهتری داشته باشیم، به‌طوری که هوش مصنوعی نقش معلم خصوصی را در خارج از کلاس ایفا کند و یاد‌گیری پویا در داخل کلاس اتفاق بیفتد.

اما آن چیزی که عمیقاً نگرانم می‌کند، روش دوم یعنی نظام سنتی کارآموزی است.

در گذشته نیروهای تازه‌کار به بانک‌ها، شرکت‌های مشاوره، مؤسسات حسابرسی یا نمایشگاه‌های خودرو می‌رفتند و همان مسیری را طی می‌کردند که نسل‌های پیشین پیموده بودند.

آن‌ها کارهای روتین و پیش‌پاافتاده را با حقوقی ناچیز انجام می‌دادند، شاید کمی هم به آن‌ها سخت گرفته می‌شد، اما در ازای آن، مهارت‌ها و ارتباطات ارزشمندی کسب می‌کردند و چون ناچار به انجام کارها بودند، فوت‌وفن شغل را می‌آموختند.

از طرف دیگر، مدیران میانی هم نیروهایی در اختیار داشتند تا کارهای خسته‌کننده اداری را به آن‌ها بسپارند. حتی اگر مدیر راهنمای خوبی هم نبود، کارآموزان بالاخره قلق کار دستشان می‌آمد؛ اگر نشان می‌دادند توانمند هستند، ارتقا پیدا می‌کردند و بدین ترتیب نسل بعدی کارمندان ماهر شکل می‌گرفت. این الگو برای چند هزار سال به‌شکلی بی‌نقص کار کرده بود.

اما امروزه این چرخه کاملاً از هم گسسته است، زیرا انگیزه‌ها دیگر هم‌راستا نیستند. برای یک کارمند تازه‌کار، راحت‌ترین گزینه این است که همه‌چیز را به هوش مصنوعی بسپارد، چراکه مدل‌ها سریع‌تر و بهتر عمل می‌کنند. با این حال، نیروهای تازه‌کار استفاده نادرستی از هوش مصنوعی دارند؛ آن‌ها کل داده‌ها را به درون ابزارهایی مانند Claude می‌ریزند و عین خروجی Claude را تحویل می‌دهند. در چنین شرایطی چگونه می‌توانند تشخیص دهند که گزارش خروجی باکیفیت است یا ضعیف؟ آن‌ها هنوز سلیقه و بینش حرفه‌ای لازم را نساخته‌اند.

از سوی دیگر مدیران نیز با خود می‌گویند: «وقتی هوش مصنوعی کار را ارزان‌تر و باکیفیت‌تر حل می‌کند، چه نیازی به کارآموز دارم؟» رهبران سازمان‌ها نیز می‌پرسند: «چرا باید این قطار پیشرفت را متوقف کنم یا کار ضعیف‌تری از کارآموزان تحویل بگیرم؟»

سازوکار آموزش و پرورش نیرو، یک چرخه مثبت و سازنده بود که اکنون کاملاً درهم‌شکسته است.

در چنین شرایطی، یا باید آموزش‌های رسمی عملی را به‌شدت گسترش دهیم تا بسیاری از مشاغل اداری و پشت‌میزنشینی شکلی شبیه به مدارس فنی‌وحرفه‌ای مثل لوله‌کشی و جوشکاری به خود بگیرند، یا شرکت‌ها باید برنامه مربی‌گری و منتورشیپ را به‌عنوان یک وظیفه بنیادین جدی تلقی کنند. این کار زمان‌بر خواهد بود و در کوتاه‌مدت بهره‌وری را کاهش می‌دهد، اما بقای نیروی انسانی سازمان را تضمین می‌کند.

بزرگ‌ترین نگرانی من این است که شرکت‌ها بگویند: «ما فقط نیروهای ارشد و باسابقه را استخدام می‌کنیم». این دقیقاً نقطه بحرانی و خطرناک ماجراست؛ چراکه با این رویکرد، چرخه پرورش استعدادهای نو متوقف می‌شود و در آینده هیچ نیروی جایگزینی برای افراد ارشد وجود نخواهد داشت.