هوش مصنوعی کدام مشاغل را تهدید می‌کند؟

به گزارش اقتصادآنلاین، معاونت بررسی‌های اقتصادی اتاق بازرگانی تهران در گزارشی به تغییرات پیش روی مشاغل به دنبال ظهور فناوری‌های نوین پرداخته است. بر این اساس، عواملی مانند رشد اقتصادی،‌ ژئوپلوتیک و پایداری فناوری، باعث شده است بازارهای کار تغییرات قابل توجهی را تجربه کنند؛ حتی براساس گزارش آینده مشاغل 2023، پیش‌بینی می‌شود 23درصد مشاغل جهانی به دلیل پیشرفت هوش مصنوعی در پنج سال آینده دستخوش تغییراتی شوند.

تمرکز این گزارش بر تاثیر بالقوه مستقیم مدل‌های زبانی بزرگ بر مشاغل بوده است. این مدل‌های زبانی بزرگ مانند chatgpt که مورد استقبال بسیاری هم قرار گرفته است به دلیل توانایی انسان مانند خود در ایجاد و درک زبان شناخته می‌شوند. از آن‌جایی که بخش قابل توجهی از زمان هر شغل شامل وظایف مبتنی بر زبان است؛ دسترسی و پذیرش سریع این مدل‌های زبانی نشان می‌دهد مشاغلی که بر این وظایف تاکید دارند تغییرات بسیاری خواهند کرد.

مشاغلی که باید نگران باشند

به طور کلی، این گزارش نشان می‌دهد که چگونه مشاغل مختلف توسط مدل‌های زبانی بزرگ، بر اساس وظایفی که در این مشاغل تعریف شده است؛‌ تحت تاثیر قرار می‌گیرند. بر این اساس مشاغل پرمخاطب مانند توسعه‌دهندگان نرم افزار دارای پتانسیل بالاتری برای اتوماسیونی شدن و ارتقا وظایف هستند، اما مشاغلی که کمتر در معرض مدل‌های زبانی بزرگ هستند، مانند مدیران منابع انسانی، پتانسیل کمتری برای اتوماسیون شدن و ارتقا، با تاکید بیشتر بر تعامل مستقیم و وظایف هماهنگی دارند.

بررسی موردی یافته‌های این گزارش نشان می‌دهد شغل توسعه دهندگان نرم افزار بیشترین پتانسیل را برای اتوماسیون شدن توسط مدل‌های زبانی بزرگ را دارند. برای مثال تقریبا 28.7درصد از زمان صرف شده در این شغل دارای پتانسیل بالایی برای اتوماسیون شدن است؛ وظایفی مانند تجزیه و تحلیل داده‌ها و تجزیه و تحلیل عملکرد سیستم. همچنین تا 43.2درصد از زمان صرف شده در این شغل پتانسیل بالایی برای ارتقا دارد؛ وظایفی مانند تهیه منابع اطلاعاتی و ارزیابی.

اما در طرف مقابل مشاغلی مانند منابع انسانی کمتر در معرض مواجهه با مدل‌های زبانی قرار می‌گیرند. آمارها نشان می‌دهد تنها 16.1درصد از زمان صرف شده در این شغل، پتانسیل اتوماسیون شدن دارد که تعیین نیاز به منابع و مدیریت بودجه از جمله این وظایف است. حدود 22.2 درصد از زمان این شغل نیز پتانسیل ارتقا دارد که توضیح مقررات و آموزش در خصوص رویه‌ها از جمله آن است. بنابراین اکثر وظایف درگیر در این شغل که حدود 61.7درصد زمان آن را تشکیل می‌دهند؛ پتانسیل کمتری برای مواجهه با مدل‌های زبانی بزرگ دارند که این وظایف می‌تواند شامل تعامل مستقیم با افراد و همچنین هماهنگی و ارتباط با گروه‌های بزرگ باشد.

نگاه کلی‌تری به تجزیه و تحلیل‌های این گزارش نشان می‌دهد به طور کلی مشاغلی که بیشترین توان بالقوه برای اتوماسیون شدن را دارند، شامل صاحبان اعتبار و کارمندان، تحلیلگران مدیریت، بازاریابان تلفنی، دستیاران آماری می‌شوند. این مشاغل اغلب شامل انواع مختلفی از کارمندان اداری هستند، به ویژه مشاغلی که درگیر وظایف ثبت سوابق و مدیریت اطلاعات هستند، حوزه‌هایی بوده که مدل‌های زبانی بزرگ در آن، سطح بالایی از شایستگی را نشان داده‌اند. برای مثال، منشی‌های حقوقی و دستیاران اداری تقریباً 54درصد از وقت خود را صرف وظایفی می‌کنند که پتانسیل بالایی برای اتوماسیون شدن دارند.

کدام مشاغل از خطر در امان هستند؟

از طرف دیگر انتظار می‌رود مشاغلی که وظایف آن‌ها مبتنی بر زبان نیست، کمتر و یا هرگز در معرض تأثیرات بالقوه مدل‌های زبانی بزرگ قرار نگیرند. نتایج نشان می‌دهد؛ مشاغل با کمترین پتانسیل مواجهه با مدل‌های زبانی بزرگ اعم از اتوماسیون شدن یا ارتقا مشاغلی هستند که به درجه بالایی از تعامل شخصی نیاز دارند که از جمله آنها می‌توان به متخصصان بهداشت و درمان یا معلمان، مشاغل فیزیکی، مانند ورزشکاران یا کارگران اشاره کرد.  مشاغل با کمترین امکان مواجهه با مدل‌های زبانی بزرگ شامل مشاوران، روحانیون، وکلا و دستیاران حقوقی، خدمات پرستاری در منزل و سپس متخصصان بیهوشی هستند. مشاغل اجتماعی، خدمات اجتماعی و مراقبت‌های بهداشتی در میان مشاغلی که پتانسیل پایینی برای اتوماسیون شدن یا ارتقا دارند، برجسته هستند و 10 شغل از 15 شغل برتر با کمترین پتانسیل مواجهه را تشکیل می‌دهند.

نکته مهم دیگری که این گزارش بر آن تاکید می‌کند این است که ارتباط واضحی بین پتانسیل ارتقا و اتوماسیون شدن شغلی و رشد آن وجود دارد. انتظار می‌رود مشاغل با پتانسیل بالا برای ارتقا، یعنی مشاغلی که می‌توانند توسط مدل‌های زبانی بزرگ ارتقا یابند یا به آن‌ها کمک شود؛ رشد خواهند یافت. برخلاف آن، پیش‌بینی می‌شود که مشاغل با پتانسیل بالا برای اتوماسیون شدن یعنی مشاغلی که در معرض خطر جایگزینی با مدل‌های زبانی بزرگ هستند؛ رشد کمتری داشته باشند.

اوضاع صنایع چطور است؟

در طبقه‌بندی بر اساس صنعت نیز، مشاغل با پتانسیل کمتر برای قرار گرفتن در معرض مدل‌های زبانی بزرگ نیز نرخ رشد کمتری را نشان می‌دهند. دو صنعت با بالاترین برآورد برای اتوماسیون شدن و ارتقا، خدمات مالی و بازارهای سرمایه و پس از آن بیمه و مدیریت بازنشستگی هستند. فناوری اطلاعات و ارتباطات دیجیتال و همچنین سرگرمی و ورزش رسانه‌ای نیز دارای پتانسیل قابل توجهی هستند.

چه باید کرد؟

این گزارش در بخش راهکارهای سیاستی خود تاکید می‌کند که سیاستگذاران باید قابلیت‌های برنامه‌ریزی استراتژیک نیروی کار، سیستم‌های یادگیری مادام‌العمر و شبکه‌های ایمنی اجتماعی را برای مدیریت دوره اختلالات آتی بهبود دهند. همچنین دولت‌ها همچنین می‌توانند با کارفرمایان و مؤسسات آموزشی همکاری کرده و از آن‌ها حمایت کنند تا برنامه‌های آموزشی را ارائه دهند که نیروی کار را برای مشاغلی که با رشد همراه هستند و بیشترین بهره را از مدل‌های زبانی بزرگ می‌برند، آماده کنند. به علاوه، در کنار تجسم مجدد شبکه‌های ایمنی اجتماعی و کمک‌ها در گذار به نقش‌های جدید، آن‌ها به طور دقیق‌تر برای کسانی که بیشتر تحت تأثیر قرار می‌گیرند، هدفگذاری می‌شوند .

از سوی دیگر رهبران کسب‌وکار می‌توانند از بینش‌هایی درباره تأثیر مستقیم مدل‌های زبانی بزرگ بر مشاغل استفاده کنند تا بفهمند کدام نقش‌ها بیشتر تحت تأثیر قرار می‌گیرند و مسئولانه از انتقال کارگران به نقش‌ها و روش‌های جدید وظایف حمایت کنند. برنامه‌ریزی داخلی نیروی کار، یادگیری و توسعه و شیوه‌های مدیریت استعداد نیز باید برای حمایت از پذیرش هوش مصنوعی مولد در محل کار، جذب استعدادهای جدید در مشاغل رو به رشد یا سرمایه‌گذاری هنگفت در مهارت‌آموزی و ارتقای مهارت کارگران در جهت نقش‌های رو به رشد تقویت شوند . مدلهای زبانی بزرگ فرصتی برای گسترش پتانسیل انسانی، رشد صنایع و تقویت اقتصادهای جهانی است. با این حال، پذیرش سریع آنها شامل ریسک‌ها و فرصت‌هایی برای نیروی کار است.