سم رانسبوثام میزبان یک میزگرد در رویداد مشترک دانشگاه جورج‌تاون و بانک جهانی تحت عنوان «مشاغل در عصر هوش مصنوعی» بود. پس از این جلسه، او با کارل بندیکت فری، استاد دیتر شوارتز در زمینه هوش مصنوعی و کار در مؤسسه اینترنت آکسفورد، و کارین کیمبرو، اقتصاددان ارشد لینکدین، گفت‌وگویی انجام داد.
در این قسمت ویژه که در جریان این گفت‌وگو ضبط شده است، فری و کیمبرو درباره تأثیر هوش مصنوعی بر نیروی کار، روندهای بازار کار و اقتصاد صحبت می‌کنند.
سم رانسبوثام: سلام به شنوندگان عزیز. من اینجا با تیم دی‌استفانو، استادیار پژوهشی در مدرسه کسب‌وکار مک‌دونو دانشگاه جورج‌تاون هستم. ما در رویداد مشترک بانک جهانی و دانشگاه جورج‌تاون تحت عنوان «مشاغل در عصر هوش مصنوعی» حضور داریم که بخشی از مجموعه کنفرانس‌های هوش مصنوعی در عمل است، که تیم دی‌استفانو به همراه جان تیمیس آن را طراحی کرده‌اند. تیم، آیا می‌توانی یک مرور کلی از این رویداد و نحوه شکل‌گیری آن برای شنوندگان ارائه دهی؟
تیم دی‌استفانو: حتماً، سم. جان و من این مجموعه کنفرانس هوش مصنوعی در عمل را با هدف ایجاد بستری برای گردهمایی متخصصان صنعت، سیاست‌گذاران و دانشگاهیان – یعنی رهبران کلیدی در حوزه هوش مصنوعی – راه‌اندازی کردیم تا درباره سیاست‌گذاری و تأثیرات هوش مصنوعی تبادل دانش کنند.
هدف کنفرانس امروز این است که اطلاعات به‌روز درباره میزان تأثیر هوش مصنوعی بر مشاغل فعلی و آینده ارائه دهیم. نحوه سازماندهی این کنفرانس به این صورت است که ابتدا دانشگاهیان داده‌های لحظه‌ای و تحقیقات علمی درباره تأثیر هوش مصنوعی بر مشاغل را ارائه خواهند کرد و سپس متخصصان صنعت نمونه‌هایی از نحوه اجرای واقعی هوش مصنوعی در شرکت‌ها و تأثیر آن بر اشتغال را بررسی خواهند کرد.
سم رانسبوثام: عالی به نظر می‌رسد. ما دو سخنران از این رویداد داریم که امروز در قسمت پادکست ما شرکت خواهند کرد. پس بیایید با اولین نفر شروع کنیم.
مهمان اول ما، کارل فری از دانشگاه آکسفورد است. او سخنران کلیدی در رویداد «مشاغل در عصر هوش مصنوعی» در دانشگاه جورج‌تاون و بانک جهانی بوده است. با توجه به سخنرانی اصلی او، قصد دارم چند سؤال بپرسم. اول اینکه، شما مقاله‌ای بسیار تأثیرگذار درباره تغییر مهارت‌ها و مشاغل در آینده نوشته‌اید. در آن زمان، تصور شما این بود که خلاقیت، هوش اجتماعی و ادراک از روندهای کلیدی آینده خواهند بود. آیا طرز فکرتان در این مورد تغییر کرده است؟
کارل بندیکت فری: در سال ۲۰۱۳، همان‌طور که اشاره کردید، ما سه مانع اصلی برای اتوماسیون را شناسایی کردیم. یکی از این موانع تعاملات اجتماعی پیچیده بود. در آن زمان، پیشرفته‌ترین چت‌بات‌ها نمونه‌ای مانند یوجین گوستمن بودند، چت‌باتی که سعی داشت توانایی‌های انسانی را تقلید کند و خود را یک پسر ۱۳ ساله اهل اودسا، اوکراین، که انگلیسی زبان دومش است، معرفی کند. این چت‌بات توانست بسیاری از افراد را در رقابت‌های جایزه لوبنر فریب دهد و آن‌ها را قانع کند که یک انسان واقعی است.
اما چت‌بات‌هایی که امروزه در اختیار داریم، بدون شک بسیار پیشرفته‌تر شده‌اند. جای هیچ شکی نیست که در فضای مجازی، ما پیشرفت‌های زیادی را در زمینه اتوماسیون مشاهده کرده‌ایم. با این حال، چیزی که به احتمال زیاد شاهد آن خواهیم بود این است که با پیشرفت این فناوری‌ها، ارزش تعاملات حضوری نیز افزایش خواهد یافت.
کارل بندیکت فری: این موضوع را این‌طور در نظر بگیرید: اگر هوش مصنوعی نامه‌های عاشقانه شما را بنویسد – و همین کار را برای همه انجام دهد – آن وقت اولین قرار ملاقات اهمیت بیشتری پیدا می‌کند. همین‌طور در دنیای کسب‌وکار، اگر همه شرکت‌ها از هوش مصنوعی برای فروش محصولاتشان استفاده کنند، چگونه می‌توانند خود را در بازار متمایز کنند؟ پاسخ این است: از طریق ارتباطات حضوری. به نظر من این مانع همچنان تا حدی پابرجاست.
مانع دوم مربوط به خلاقیت است. خلاقیت را نمی‌توان به سادگی تعریف کرد، اما در اصل به خلق ایده‌های جدید و آثاری اشاره دارد که به‌نوعی معنادار هستند و ارزش تجاری یا نمادین دارند. هنوز هم وقتی صحبت از توانایی‌های نوآورانه در سطح پیشرفته می‌شود، ما فاصله زیادی با خودکارسازی کامل این فرآیند داریم.
سم رانسبوثام: پس حتی اگر نسخه‌ای از سیرانو دو برگراک مجهز به هوش مصنوعی نامه‌های عاشقانه ما را بنویسد، باز هم اولین قرار ملاقات اهمیت خود را حفظ می‌کند. صحبت شما این است که برخی چیزها کمیاب‌تر و برخی چیزها در دسترس‌تر شده‌اند.
کارل بندیکت فری: دقیقاً.
سم رانسبوثام: و این وضعیت در حال تغییر است.
کارل بندیکت فری: بله.
سم رانسبوثام: در آینده چه چیزی کمیاب خواهد شد؟
کارل بندیکت فری: من فکر می‌کنم هر چیزی که نیاز به حضور فیزیکی داشته باشد، کمیاب‌تر خواهد شد. علاوه بر این، الگوریتم‌های هوش مصنوعی در بازتولید مفاهیم موجود و تا حدی پیش‌بینی الگوهای گذشته مهارت دارند. اما بسیاری از کارهایی که ما انجام می‌دهیم، فراتر از صرفاً پیش‌بینی از الگوهای گذشته است.
برای مثال، اگر در سال ۱۹۰۰ یک الگوریتم را آموزش می‌دادید که پیش‌بینی کند آیا پرواز انسان ممکن است یا نه، این الگوریتم احتمالاً به مجموعه‌ای از آزمایش‌های ناموفق نگاه می‌کرد و نتیجه می‌گرفت که پرواز غیرممکن است.
شاید این الگوریتم به داده‌های مربوط به پرندگان نگاه می‌کرد و متوجه می‌شد که پرواز ممکن است، اما اگر دقیق‌تر بررسی می‌کرد، به این نتیجه می‌رسید که پرندگانی با وزن بیش از ۵۰ پوند معمولاً قادر به پرواز نیستند یا به سختی از زمین بلند می‌شوند.
اما انسان‌ها فراتر از این نوع پیش‌بینی‌های مبتنی بر داده عمل می‌کنند. ما مدل‌های ذهنی از جهان می‌سازیم، نظریه‌هایی ایجاد می‌کنیم، و این نظریه‌ها به ما اجازه می‌دهند محیط خود را بازآرایی کنیم و چیزهای جدیدی خلق کنیم.
اگر فقط بر اساس الگوهای رشد گذشته پیش‌بینی کنیم، می‌توان گفت که اقتصاد احتمالاً برای مدتی در رکود خواهد ماند. اما اگر به داده‌های ۲۰۰ سال اخیر نگاه کنیم، می‌بینیم که نرخ رشد اقتصادی به‌شدت متغیر بوده است. بین ۱۹۲۰ تا ۱۹۷۰ رشد بهره‌وری بسیار چشمگیر بود، اما سپس کاهش یافت. ما در دوره ۱۹۹۵ تا ۲۰۰۴ شاهد یک جهش کوتاه‌مدت بودیم، اما بعد دوباره اقتصاد راکد شد.
بنابراین، اگر فقط از روی داده‌های گذشته آینده را پیش‌بینی کنیم، احتمال زیادی وجود دارد که اشتباه کنیم. آنچه از این روند یاد می‌گیریم این است که بهتر است مستقیماً به فناوری‌های در حال توسعه نگاه کنیم و ببینیم که چگونه این فناوری‌ها ممکن است اقتصاد را تغییر دهند. البته این هم تا حدی بازی حدس و گمان است.
سم رانسبوثام: این همان چالش پیش‌بینی آینده است؛ ما واقعاً نمی‌دانیم که بعد از این چه اتفاقی خواهد افتاد. اگر از اکثر مردم درباره هوش مصنوعی سؤال کنیم، احتمالاً تصویری از یک ربات در ذهنشان نقش می‌بندد، که احتمالاً از فیلم‌های هالیوودی و رسانه‌های دیگر تأثیر گرفته‌اند. در سخنرانی خود مثالی درباره چراغ گاز و ماشین لباسشویی زدید. اما آن چیزی که واقعاً اتفاق می‌افتد، متفاوت به نظر می‌رسد.
کارل بندیکت فری: نه، بیشتر فرآیندهای اتوماسیون از طریق ساده‌سازی اتفاق می‌افتند. ما ربات‌هایی نساختیم که دقیقاً حرکات شست‌وشوی دستی لباس را تقلید کنند، بعد به حیاط بروند و لباس‌ها را آویزان کنند. در عوض، ماشین لباسشویی برقی را اختراع کردیم.
در بسیاری از موارد، اتوماسیون از طریق ساده‌سازی فرآیندها انجام می‌شود و این همان جایی است که خلاقیت وارد عمل می‌شود. اگر برای درک پتانسیل آینده اتوماسیون، فقط به ترکیب وظایف شغلی نگاه کنیم و بگوییم: «این بخش قابل اتوماسیون است و آن بخش نیست»، چیزهای زیادی را از قلم خواهیم انداخت.
برای مثال، اگر از این روش استفاده کنید، ممکن است نتیجه بگیرید که برای رانندگی، افراد باید مهارت استفاده از انگشتان داشته باشند، زیرا باید فرمان را نگه دارند.
اما وقتی خودروهای خودران بیایند، دیگر کسی فرمان را نگه نخواهد داشت! بنابراین، با این نوع نگاه محدود، ممکن است بسیاری از فناوری‌هایی که احتمال بالایی برای خودکار شدن دارند را نادیده بگیریم.
سم رانسبوثام: یکی از نکات جالبی که شما مطرح کردید این بود که بیشتر این تحولات در دنیای انگلیسی‌زبان متمرکز است و اکثر مشاغل خدماتی در کشورهای انگلیسی‌زبان قرار دارند. اما این روند الزاماً آینده را تعیین نمی‌کند. این وضعیت چطور ممکن است تغییر کند؟
کارل بندیکت فری: درست است. اگر به رشد اقتصادی از انقلاب صنعتی اول تا همین اواخر نگاه کنیم، می‌بینیم که این رشد عمدتاً بر تولید کالاهای صنعتی متمرکز بوده است. کالاهای تولیدی در سراسر جهان شکل و ساختار مشابهی دارند. یعنی فرقی نمی‌کند که یک محصول را در چین، آمریکا یا آلمان تولید کنید، چرا که محصول نهایی تقریباً یکسان خواهد بود.
اما در مورد خدمات، موضوع کاملاً متفاوت است. در این حوزه، زبان و فرهنگ نقش مهمی دارند.
با این حال، آنچه ما اکنون به‌عنوان یکی از پیامدهای سریع هوش مصنوعی مشاهده می‌کنیم، کاهش موانع زبانی است که در گذشته وجود داشت. در حال حاضر، تجارت خدماتی عمدتاً بین کشورهای انگلیسی‌زبان مانند ایالات متحده، هند، بنگلادش و بریتانیا انجام می‌شود.
اما هوش مصنوعی در حال کاهش نیاز به مترجمان و مهارت‌های زبانی است. با توسعه فناوری‌های جدید ترجمه هم‌زمان، این روند حتی شدیدتر نیز خواهد شد.
خبر خوب این است که این تغییرات، امکان رشد اقتصادی مبتنی بر خدمات را برای تعداد بیشتری از کشورها فراهم می‌کند.
سم رانسبوثام: ممنون که وقت گذاشتید برای این گفت‌وگو. سخنرانی شما بسیار جذاب بود و مشتاقم که بیشتر درباره تحقیقات آینده شما بخوانم. سپاسگزارم.
کارل بندیکت فری: از دعوت شما متشکرم، سم. باعث افتخار من بود.
سم رانسبوثام: مهمان دوم ما کارین کیمبرو است. او اقتصاددان ارشد لینکدین است. کارین در یکی از پنل‌های صنعتی رویداد «مشاغل در عصر هوش مصنوعی» در دانشگاه جورج‌تاون و بانک جهانی سخنرانی کرد و بسیار خوشحالیم که امروز با او گفت‌وگو می‌کنیم. کارین، ممنون که با ما همراه هستید.
کارین کیمبرو: ممنون از دعوت شما.
سم رانسبوثام: لینکدین پلتفرم جالبی است و شما به بینش‌های فوق‌العاده‌ای در مورد تغییرات بازار کار دسترسی دارید. بگویید که در حال حاضر چه اتفاقی در جریان است.
کارین کیمبرو: باید بگویم که کار کردن در لینکدین تجربه‌ای شگفت‌انگیز است. همان‌طور که احتمالاً می‌دانید، لینکدین یک پلتفرم جهانی است، به این معنا که ما بیش از یک میلیارد عضو داریم که اطلاعات خود را با ما به اشتراک می‌گذارند، از جمله تحصیلات، مهارت‌ها و سوابق شغلی‌شان.
این داده‌ها به ما کمک می‌کند یک تصویر جامع از مسیرهای شغلی افراد ترسیم کنیم؛ چیزی که بسیاری از ما اطلاعات کاملی از آن نداریم. این همان چیزی است که تحلیل این داده‌ها را جذاب می‌کند.
آنچه که اکنون در لینکدین مشاهده می‌کنیم، تغییرات عمده در رفتار کارفرمایان است. پس از افزایش چشمگیر استخدام‌ها در دوران پساکرونا، اکنون شاهد کاهش سرعت استخدام در سطح جهانی هستیم. همچنین موج هوش مصنوعی در حال ورود به دنیای کار است.
سم رانسبوثام: چیزی که جالب است این است که شما دسترسی بی‌سابقه‌ای به اطلاعات بازار کار دارید. اگر به گذشته نگاه کنیم، این کار مانند بررسی میلیون‌ها آگهی استخدام و دسته‌بندی آن‌ها است. البته قصد ندارم کار شما را ساده جلوه دهم، اما شما اکنون این داده‌ها را به‌راحتی در دسترس دارید.
کارین کیمبرو: کاملاً درست است. بخش زیادی از کار ما دسته‌بندی و برچسب‌گذاری داده‌ها است، که در واقع جست‌وجوی سوزن در انبار کاه محسوب می‌شود. آنچه ما انجام می‌دهیم این است که نشانه‌های اولیه ظهور هوش مصنوعی در بازار کار را بررسی کنیم.
ما سعی می‌کنیم ببینیم مشاغلی که مستقیماً با هوش مصنوعی در ارتباط هستند چقدر در حال رشد هستند. به‌عنوان مثال، می‌توانیم تمام آگهی‌های شغلی که عنوان آن‌ها شامل “AI” است را جست‌وجو کنیم و ببینیم این فرصت‌های شغلی چقدر در حال افزایش هستند. از سوی دیگر، می‌توانیم بررسی کنیم کدام مشاغل در حال کاهش هستند و کدام مهارت‌ها بیشتر مورد تقاضا قرار گرفته‌اند.
در حقیقت، ما در حال تحلیل حجم عظیمی از داده‌ها هستیم تا این نشانه‌های اولیه را شناسایی کنیم. و بله، ما نشانه‌هایی از نفوذ هوش مصنوعی در بازار کار مشاهده می‌کنیم، اما هنوز در ابتدای مسیر هستیم و مشخص نیست ۱۰ سال آینده چه تغییراتی رخ خواهد داد.
سم رانسبوثام: در صحبت‌های شما چند نکته وجود دارد که می‌خواهم بیشتر بررسی کنیم. اولین نکته این است که شما سریعاً بین مشاغل، وظایف و مهارت‌ها تفاوت قائل شدید. این موضوع به دلیل داده‌های دقیق و جزئی که در اختیار دارید، بسیار جالب است. حالا بگویید، کدام نشانه‌های اولیه از تأثیر هوش مصنوعی در بازار کار را مشاهده کرده‌اید؟
کارین کیمبرو: بیایید این موضوع را از دو زاویه بررسی کنیم.
۱. از دید جویندگان کار: حتی اگر در حال حاضر شاغل باشید، ممکن است همچنان به دنبال موقعیت‌های بهتر باشید. پس جویندگان کار چه تغییراتی در رفتار خود ایجاد کرده‌اند؟
۲. از دید کارفرمایان: کارفرمایان چه تغییراتی در فرآیند استخدام و مهارت‌های موردنیاز ایجاد کرده‌اند؟
اگر از سمت اعضای لینکدین (جویندگان کار) شروع کنیم، می‌بینیم که افراد با سرعت بالایی مهارت‌های مرتبط با هوش مصنوعی را به پروفایل خود اضافه می‌کنند. حالا ممکن است این سؤال پیش بیاید که:
«آیا این افراد واقعاً این مهارت‌ها را دارند؟ چگونه می‌توان صحت آن را بررسی کرد؟»
البته این بحثی جداگانه است، اما این روند نشان می‌دهد که افراد به‌سرعت در حال انطباق با تغییرات بازار کار هستند.
سم رانسبوثام: این یک چالش متفاوت است.
کارین کیمبرو: نکته مهمی است. ما در لینکدین این موضوع را به دقت بررسی می‌کنیم. همچنین می‌توانیم ببینیم که افراد در حال یادگیری مهارت‌های جدید هستند. به‌عنوان مثال، کاربران وارد لینکدین می‌شوند و شروع به گذراندن دوره‌های آموزشی می‌کنند.
آنچه مشاهده می‌کنیم این است که در یک سال گذشته، میزان سرمایه‌گذاری افراد در دوره‌های آموزشی هوش مصنوعی در لینکدین پنج برابر شده است.
البته، بسیاری از این افراد لزوماً متخصصان هوش مصنوعی نیستند. اگر کسی بخواهد در سطح پیشرفته فعالیت کند و یک مدل زبانی بزرگ (LLM) بسازد، ممکن است واقعاً در حال توسعه تخصص خود در هوش مصنوعی باشد. اما بسیاری دیگر صرفاً به دنبال سواد هوش مصنوعی (AI Literacy) هستند.
مثلاً یک اقتصاددان یا استاد دانشگاه ممکن است نخواهد توسعه‌دهنده هوش مصنوعی شود، اما علاقه دارد با ChatGPT، Copilot یا دیگر ابزارهای هوش مصنوعی مولد آشنا شود و مهارت استفاده از آن‌ها را افزایش دهد.
آنچه ما می‌بینیم افزایش شدید یادگیری این مهارت‌ها در بین کاربران است. و نکته جالب این است که این یادگیری فقط در میان افراد فنی نیست، بلکه کاربران غیرفنی نیز به‌طور فزاینده‌ای در حال یادگیری این ابزارها هستند.
سم رانسبوثام: موضوع دیگر، نحوه تغییر رفتار کارفرمایان است. در مورد این تغییرات چه اطلاعاتی دارید؟
کارین کیمبرو: در بخش کارفرمایان، ما شاهد ظهور عناوین شغلی جدیدی هستیم که با “AI” آغاز می‌شوند.
همچنین، برخی نقش‌های قدیمی همچنان وجود دارند، اما وظایف آن‌ها تغییر کرده است. این همان تفاوت بین شغل، وظایف و مهارت‌ها است. اگر یک شغل را به‌عنوان مجموعه‌ای از وظایف که نیاز به مهارت دارند در نظر بگیریم، آنچه مشاهده می‌کنیم این است که افراد در حال تغییر نوع وظایف خود در همان شغل هستند.
یک مثال کلاسیک، مدیران بازاریابی هستند.
اکنون افراد حتی در شغل‌هایی که سنتاً فنی محسوب نمی‌شدند نیز در حال استفاده از ابزارهای هوش مصنوعی مولد هستند تا بهره‌وری خود را افزایش دهند و از وظایفی که تکراری و کم‌ارزش هستند فاصله بگیرند.
به نظر من، مهم‌ترین روندی که ما در کنار افزایش مهارت‌های مرتبط با هوش مصنوعی در پروفایل افراد و افزایش تقاضای کارفرمایان برای این مهارت‌ها مشاهده می‌کنیم، افزایش نیاز به مهارت‌های انسانی است.
همچنین، ما بررسی کرده‌ایم که کدام مشاغل دارای وظایفی هستند که بیشترین احتمال را برای اتوماسیون توسط هوش مصنوعی مولد دارند.
فرض کنید ۲/۳ یک شغل را هوش مصنوعی بتواند انجام دهد. برای مثال، اگر شما یک پیاده‌نویس (Transcriber) باشید و کارتان رونویسی دستی مکالمات باشد، آیا کسی همچنان حاضر است برای این کار هزینه کند؟
پاسخ منفی است، مگر اینکه کار شما در سطحی بسیار پیشرفته باشد و نیاز به جزئیات و دقت انسانی خاصی داشته باشد. در غیر این صورت، این شغل کاملاً تحت تأثیر هوش مصنوعی قرار می‌گیرد و دیگر تقاضایی برای آن وجود نخواهد داشت.
سؤال اصلی این است که آیا افراد می‌توانند به وظایف دیگر در نقش خود تغییر موقعیت دهند؟
در بسیاری از مشاغل، این امکان وجود دارد و افراد می‌توانند به سمت وظایفی که ارزش افزوده انسانی بیشتری دارند حرکت کنند. اما در برخی دیگر از مشاغل، هیچ وظیفه‌ای باقی نمی‌ماند که افراد به آن تغییر موقعیت دهند. این همان مشاغلی است که به‌شدت تحت تأثیر هوش مصنوعی قرار گرفته و دچار اختلال (Disruption) می‌شوند.
سم رانسبوثام: نکته جالب این است که شما به داده‌هایی دسترسی دارید که قبلاً هرگز امکان مشاهده آن‌ها وجود نداشت. شاید بتوان گفت برخی کاربردهای پنهان هوش مصنوعی را نمی‌توان مستقیماً ردیابی کرد، اما با این حال، شما بسیار بیشتر از گذشته به درک این روندها نزدیک شده‌اید. پس بیایید روی این موضوع تمرکز کنیم که اکنون ما می‌توانیم این تحولات را مشاهده کنیم.
کارین کیمبرو: درست است. شما می‌توانید تصور کنید که این تغییرات اثر نامتناسبی بر برخی گروه‌ها، برخی مشاغل و حتی برخی جنسیت‌ها در جوامع مختلف، از جمله در ایالات متحده، داشته باشد. این موضوعی است که باید به آن توجه داشت.
سم رانسبوثام: و شما توانایی دارید که این تغییرات را با دقت بسیار بیشتری تحلیل کنید. شاید این فقط یک مثال کلی در بحث ما باشد، اما شما می‌توانید این روندها را با جزئیات دقیق‌تر بررسی کنید.
کارین کیمبرو: بله، ما می‌توانیم این روندها را مشاهده کنیم. اجازه دهید یک عدد مشخص ارائه دهم: یک‌سوم از زنان در پلتفرم ما در دسته مشاغل مختل‌شده (Disrupted bucket) قرار دارند، در حالی که این رقم برای مردان حدود یک‌چهارم است. بنابراین، زنان با احتمال بیشتری در معرض اختلال شغلی قرار دارند. البته، این به این معنی نیست که مردان تحت تأثیر قرار نمی‌گیرند، بلکه آن‌ها نیز در این دسته‌بندی حضور دارند.
یکی از تحقیقات جالبی که روی آن کار می‌کنیم این است که چقدر احتمال دارد فردی از یک شغل در دسته مشاغل مختل‌شده به سمت شغلی در دسته‌ای دیگر حرکت کند؟
در لینکدین، ما مشاغل را به دو دسته دیگر تقسیم‌بندی می‌کنیم:
- مشاغل تقویت‌شده (Augmented bucket): این دسته شامل افرادی است که نه‌تنها از فناوری‌های جدید (مانند هوش مصنوعی مولد) استفاده می‌کنند، بلکه آن را در جهت افزایش بهره‌وری و ایجاد ارزش افزوده برای کار خود به کار می‌گیرند. در این دسته‌بندی، افراد وظایف جذاب‌تر و خلاقانه‌تری انجام می‌دهند. این بهترین جایگاهی است که فرد می‌تواند در آن قرار گیرد.
- مشاغل مقاوم (Insulated bucket): این دسته شامل مشاغلی است که هوش مصنوعی مولد به‌سرعت نمی‌تواند جایگزین آن‌ها شود. به‌عنوان مثال، یک قفل‌ساز یا یک فیزیوتراپیست بعید است که شغلش به این زودی‌ها تحت تأثیر هوش مصنوعی قرار بگیرد.
آنچه ما تا اینجا یافته‌ایم (البته هنوز در مراحل اولیه تحقیقات هستیم) این است که افرادی که تحصیلات بالاتری دارند، احتمال بیشتری دارند که از دسته مشاغل مختل‌شده به دسته مشاغل تقویت‌شده منتقل شوند.
در مقابل، افرادی که سطح تحصیلات پایین‌تری دارند، بیشتر به سمت مشاغل مقاوم حرکت می‌کنند، یعنی مشاغلی که هنوز در برابر تأثیر هوش مصنوعی ایمن هستند.
همچنین، صنایعی که سرعت تحول بیشتری دارند، تأثیرات متفاوتی بر کارکنانشان می‌گذارند. برخی صنایع سریع‌تر از سایرین در حال تغییر هستند و این بر مسیر شغلی افراد در آن صنایع تأثیر می‌گذارد.
سم رانسبوثام: این بحث بسیار جالب بود و اطلاعات ارزشمندی را در اختیار ما قرار داد. ممنون که وقت گذاشتید و با ما صحبت کردید.
کارین کیمبرو: متشکرم، گفت‌وگوی بسیار جذابی بود.
سم رانسبوثام: حالا که ضبط تمام شده، قصد دارم سوالات شخصی‌تری درباره مسیر شغلی خودم بپرسم، که احتمالاً برای انتشار عمومی مناسب نیست! امیدوارم بتوانم چند راز از شما بگیرم! خیلی ممنون.
کارین کیمبرو: ممنون از شما.
سم رانسبوثام: گفت‌وگو با کارل فری و کارین کیمبرو فوق‌العاده بود. آن‌ها همین چند دقیقه پیش در این رویداد سخنرانی داشتند، و اکنون من در کنار جاناتان تیمیس، اقتصاددان ارشد بانک جهانی و برگزارکننده این رویداد نشسته‌ام. جاناتان، از شما ممنونم که این برنامه را برگزار کردید و اجازه دادید با برخی از مهمانان وقت بگذرانم.
برای پایان این قسمت، آیا می‌توانید چند نکته کلیدی از این رویداد را با ما به اشتراک بگذارید؟ شما امیدوارید که شرکت‌کنندگان چه چیزهایی از این رویداد یاد بگیرند؟
جاناتان تیمیس: به نظر من، چهار نکته اصلی از این رویداد قابل برداشت است:
1️⃣ هوش مصنوعی یک فناوری همه‌منظوره است، به این معنی که می‌تواند بر طیف وسیعی از مشاغل تأثیر بگذارد. برای مثال، شنیدیم که ۸۰٪ مشاغل در ایالات متحده حداقل دارای برخی وظایفی هستند که احتمالاً تحت تأثیر هوش مصنوعی قرار می‌گیرند.
برخی از سخنرانان صنعت اشاره کردند که هوش مصنوعی چگونه باعث افزایش بهره‌وری کارکنان در بخش‌های مختلف مانند خدمات مشتری، برنامه‌نویسی و توصیه‌های محصول شده است.
2️⃣ اما در نهایت چه اتفاقی برای مشاغل خواهد افتاد؟ این همیشه سؤال سختی است. اما آنچه می‌توان از شواهد امروز نتیجه گرفت این است که تکنولوژی همیشه برنده‌ها و بازنده‌هایی دارد.
در گذشته، فناوری‌هایی مانند ربات‌ها و رایانه‌ها بیشتر به نفع افراد با مهارت بالا بودند و افراد کم‌مهارت متضرر شدند.
اما شواهد اولیه نشان می‌دهد که هوش مصنوعی ممکن است متفاوت باشد. به نظر می‌رسد که کارگران با مهارت‌های پایین‌تر بیشتر از آن بهره‌مند می‌شوند.
مثلاً ترجمه خودکار هوش مصنوعی نیاز به مهارت‌های زبانی را کاهش داده است، که بسیاری از کارگران کم‌مهارت فاقد آن بودند. یا کاربرانی که فقط دانش ابتدایی برنامه‌نویسی دارند، اکنون می‌توانند با کمک ابزارهایی مانند Copilot کدنویسی حرفه‌ای‌تری انجام دهند.
این بدان معناست که افراد کم‌مهارت ممکن است به مشاغل جدیدی دسترسی پیدا کنند، که برای کارگران در کشورهای در حال توسعه خبر خوبی است.
3️⃣ نکته سوم این است که هوش مصنوعی فقط یک ابزار است. برای بهره‌مندی از آن، باید یاد بگیرید که چگونه با آن کار کنید.
در اولین کنفرانس AI in Action، ما تأکید کردیم که با خودکار شدن وظایف پیش‌بینی، مهارت‌هایی مانند قضاوت و تصمیم‌گیری اهمیت بیشتری پیدا می‌کنند.
اما چالش اینجاست که همه کارکنان در استفاده از ابزارهایی مانند ChatGPT یا Copilot راحت نیستند، و همه شرکت‌ها، به‌ویژه شرکت‌های کوچک و متوسط و کشورهای در حال توسعه، توانایی آموزش کارکنان را ندارند.
4️⃣ نکته چهارم در مورد مقررات و تأثیر آن بر مسیر پیشرفت هوش مصنوعی است.
یکی از تحقیقات من و تیم نشان داد که وقتی بریتانیا مشوق مالیاتی برای سرمایه‌گذاری در فناوری اطلاعات و ماشین‌آلات ارائه کرد اما خدمات ابری را از این مشوق مستثنی کرد، چه اتفاقی افتاد؟
🔹 شرکت‌ها به‌جای استفاده از خدمات ابری، سرورهای فیزیکی خود را خریداری کردند.
🔹 این کار روند پذیرش فناوری ابری را کند کرد و در نتیجه رشد استفاده از هوش مصنوعی در بریتانیا حدود یک سال به تعویق افتاد.
علاوه بر این، هوش مصنوعی با خطراتی مانند انتشار اطلاعات نادرست و دخالت در انتخابات مرتبط شده است.
امروز، ما شنیدیم که کشورهای مختلف رویکردهای متفاوتی برای متعادل کردن این ریسک‌ها دارند؛ از یک‌سو باید از توسعه هوش مصنوعی حمایت کرد، و از سوی دیگر، باید از سوءاستفاده‌های احتمالی جلوگیری کرد.
بنابراین، قوانین و مقررات باید جامع باشند و علاوه بر مدل‌های هوش مصنوعی و داده‌ها، مواردی مانند سیاست‌های مالیاتی را نیز در نظر بگیرند.
سم رانسبوثام: واقعاً عالی بود. ممنون بابت این جمع‌بندی کامل.
جان و تیم این سری رویدادهای AI in Action را در بانک جهانی و دانشگاه جورج‌تاون طی چند سال گذشته برگزار کرده‌اند. خوشبختانه، تمامی این رویدادها ضبط می‌شوند و مخاطبان ما می‌توانند این جلسات را به‌صورت درخواست‌محور (On-Demand) مشاهده کنند.
سال گذشته، من و شروین خدا‌بنده در یک پنل درباره هوش مصنوعی در خرده‌فروشی و تولید شرکت کردیم. می‌توانید این ویدئوها را در لینک‌هایی که در توضیحات قسمت قرار می‌دهیم، ببینید. همچنین، زمانی که ثبت‌نام برای رویداد بعدی در سری AI in Action باز شود، به شما اطلاع خواهیم داد.
ممنون که امروز با ما همراه بودید.