تحولات عظیم در بازار کار جهانی: چالش‌ها و فرصت‌های هوش مصنوعی

بازار کار جهانی در آستانه تغییرات عمیق و گسترده‌ای قرار دارد. گزارشی از مجمع جهانی اقتصاد درباره آینده کار، که در سال گذشته منتشر شده، پیش‌بینی می‌کند که تا سال 2030 حدود 92 میلیون شغل در سراسر جهان به دلیل هوش مصنوعی و فرآیندهای خودکارسازی از بین خواهد رفت یا به شدت تغییر خواهد کرد.

در عین حال، انتظار می‌رود حدود 170 میلیون شغل جدید نیز ایجاد شود. به همین دلیل، انتظارات بسیاری از شرکت‌ها از هوش مصنوعی بسیار بالا است: این فناوری باید فرآیندها را تسریع کند، هزینه‌ها را کاهش دهد و به این ترتیب کارایی را افزایش دهد.

اما در حال حاضر، برخی از شرکت‌ها به تدریج از استفاده گسترده از هوش مصنوعی عقب‌نشینی می‌کنند. پس از اینکه آنها زمان و هزینه زیادی را برای پیاده‌سازی هوش مصنوعی صرف کردند، اکنون سوالاتی درباره سود واقعی، هزینه‌های جاری و ریسک‌های مرتبط با آن در کانون توجه قرار گرفته است.

هوش مصنوعی تخصصی برای کارهای ساده

یک مثال بارز در این زمینه، شرکت مشاوره جهانی اکسنچر است. به گفته خود این شرکت، آنها در مجموع سه میلیارد دلار به طور هدفمند در توسعه بخش داده و هوش مصنوعی خود سرمایه‌گذاری کرده‌اند. سالانه بیش از یک میلیارد دلار به آموزش کارکنان اختصاص یافته است که بخش عمده‌ای از آن به آموزش‌های خاص هوش مصنوعی مربوط می‌شود.

اکسنچر یک استراتژی هوش مصنوعی به شدت تهاجمی را دنبال می‌کند: فقط کارمندانی که به طور مرتب از ابزارهای داخلی هوش مصنوعی استفاده می‌کنند، می‌توانند به مقام‌های مدیریتی ارتقاء یابند.

این فشار شدید منجر به این شده است که کارکنان از ابزارهای پرهزینه برای انجام کارهای نسبتاً ساده استفاده کنند تا الزامات استفاده را برآورده کنند: برای مثال، برای ایجاد ارائه‌ها از اسناد متنی، خلاصه‌سازی گزارش‌ها یا انجام برنامه‌نویسی‌های ساده.

"چند سال پیش، کاربردها هنوز نسبتاً ارزان بودند، زیرا ارز مورد استفاده برای پرداخت، داده‌ها بودند"، توضیح می‌دهد آن-سوفی مایر، استاد کار دیجیتال در دانشگاه لودویگ-مکسیمیلیان مونیخ.

"اما این موضوع به طور بنیادی تغییر کرده است. هوش مصنوعی هر روز بهتر می‌شود و به همین دلیل هزینه‌های مجوز برای مدل‌های تخصصی به شدت افزایش یافته است."

برای استفاده از این ابزارهای هوش مصنوعی، اغلب باید توکن‌های گران‌قیمت خریداری شوند - وضعیتی که در اکسنچر نیز وجود دارد. در این شرکت، هزینه‌ها به طرز چشمگیری افزایش یافته و به همین دلیل اکنون آنها تصمیم به محدود کردن استفاده از این ابزارها گرفته‌اند.

در آینده، هر فرد تنها 29 دلار در ماه برای استفاده از برنامه‌های هوش مصنوعی بودجه خواهد داشت و هزینه‌های اضافی باید ابتدا توسط مدیریت شرکت تأیید شود.

افزایش هزینه به جای کارایی

اما تنها استفاده از ابزارهای گران‌قیمت هوش مصنوعی برای کارهای ساده به یک عامل هزینه تبدیل نشده است. بسیاری از محتواهای تولیدشده توسط هوش مصنوعی، اگرچه در نگاه اول حرفه‌ای به نظر می‌رسند، اما در بررسی دقیق‌تر سطحی یا اشتباه بودند و به ندرت به نتایج جدیدی منجر می‌شدند.

به جای صرفه‌جویی در زمان، بار اضافی قابل توجهی ایجاد شد. کارکنان مجبور بودند اطلاعات تولیدشده توسط هوش مصنوعی را به دقت بررسی کنند، اشتباهات را اصلاح کنند و نتایج را به حالت قابل استفاده درآورند. این پدیده که در بسیاری از شرکت‌های دیگر نیز بروز کرده، تحت عنوان "کار اضافی" شناخته شده است.

این موضوع به تازگی توسط رایان روزلانسکی، یکی از معاونان مدیرعامل شرکت بزرگ نرم‌افزاری مایکروسافت، در حساب لینکدین عمومی خود نیز مطرح شد.

"زباله‌های هوش مصنوعی فقط در شبکه‌های اجتماعی وجود ندارد. آنها در زندگی کاری نیز وجود دارند. کسی سندی برای من ارسال کرد که به وضوح توسط هوش مصنوعی تولید شده بود. من آن را خواندم، متوجه شدم که همه چیز هوش مصنوعی است، آن را از طریق هوش مصنوعی خودم خلاصه کردم و در نهایت هیچ چیزی پیدا نکردم که ایده‌های جدیدی به همراه داشته باشد... این یک دور باطل است."

کارشناس هوش مصنوعی آن-سوفی مایر در این زمینه از "همگن‌سازی مشکل‌ساز محتوا" صحبت می‌کند. او توضیح می‌دهد که در مواردی که به خلاصه‌سازی‌های ساده یا کارهای روتین مربوط می‌شود و نیازی به خلاقیت نیست، ابزارهای هوش مصنوعی می‌توانند مفید باشند.

"اما وقتی به توصیه‌های عملی یا تفسیر امور مربوط می‌شود، این کار باید هنوز هم توسط انسان انجام شود تا ارزش افزوده ایجاد شود و همچنین نتایج جدیدی به دست آید و من مزیت رقابتی خود را از دست ندهم."

آیا هوش مصنوعی کارکنان را حتی احمق‌تر می‌کند؟

محققان بازار کار در درازمدت یک مشکل دیگر را نیز می‌بینند: از دست دادن دانش تخصصی. "برون‌سپاری تفکر به کاهش شناختی منجر می‌شود"، به عنوان مثال، اریک سو از مؤسسه فناوری ماساچوست (MIT) هشدار می‌دهد. اگر کارکنان به شدت به محتوای هوش مصنوعی وابسته شوند، ممکن است توانایی‌های تخصصی خود را از دست بدهند.

"این واقعاً یک خطر بزرگ است"، آن-سوفی مایر نیز می‌گوید، "زیرا هوش مصنوعی همچنین همواره نشان می‌دهد که شما حق دارید. به همین دلیل، انسان‌ها تشویق نمی‌شوند که چیزها را زیر سوال ببرند. البته ابزارهای هوش مصنوعی هر روز بهتر می‌شوند. و در این صورت، انسان‌ها به طور طبیعی بسیار راحت می‌شوند."

وضعیت حتی مشکل‌تر می‌شود زمانی که اطلاعات نادرست کنترل نشده و در فرآیندهای داخلی به کار گرفته شوند و در آنجا گسترش یابند. "باید به سادگی این را درک کرد: هوش مصنوعی اشتباه می‌کند. و مسئولیت یک خروجی همیشه بر عهده انسان باقی می‌ماند."

قاتل انگیزه‌ها: هوش مصنوعی؟

یکی دیگر از مشکلات بسیاری از شرکت‌ها، عدم مشارکت کافی کارکنان در پیاده‌سازی هوش مصنوعی است. آن-سوفی مایر توضیح می‌دهد: "اگر من یک ابزار هوش مصنوعی خاص به شرکت معرفی کنم، به کمک کارکنانم نیاز دارم تا این ابزار را نیز آموزش دهند."

این موضوع همچنین ترس‌های زیادی را به وجود می‌آورد، "به عنوان مثال، اینکه کارکنان فکر کنند: اگر من اکنون به آموزش این ابزارهای هوش مصنوعی کمک کنم، ممکن است چند سال دیگر من دیگر لازم نباشم."

مایر توضیح می‌دهد که او خود در برخی از شرکت‌ها شاهد بوده که کارکنان حتی به عمد اطلاعات نادرست وارد کرده‌اند، از ترس اینکه ابزار هوش مصنوعی ممکن است روزی آنها را بی‌نیاز کند.

به تازگی خبرهایی درباره شرکت مادر فیسبوک یعنی متا منتشر شده که حدود 8000 کارمند را اخراج کرده است، پس از اینکه به طور مخفیانه کار روزانه آنها برای آموزش هوش مصنوعی داخلی شرکت ضبط شده بود.

شرکت‌های محتاط

در آلمان، هنوز بسیاری از شرکت‌ها از استفاده از هوش مصنوعی خودداری می‌کنند. بر اساس یک نظرسنجی از موسسه تحقیقاتی بازار کار و شغل (IAB)، دو سوم از تمام شرکت‌های کشور تا پایان سال 2025 از استفاده از ابزارهای هوش مصنوعی خودداری خواهند کرد.

آن-سوفی مایر می‌تواند این احتیاط را حداقل تا حدودی درک کند. به عقیده او، شرکت‌ها باید چهار نکته را رعایت کنند تا استفاده از هوش مصنوعی موفقیت‌آمیز باشد.

"نخست: باید یک حوزه کاربرد تعریف شود: من کجا واقعاً یک مشکل دارم و راه‌حل چگونه می‌تواند باشد؟ نکته دوم کیفیت داده‌هاست. اگر من یک فرآیند آنالوگ بد داشته باشم، همچنین یک فرآیند دیجیتال بد خواهم داشت. اگر من داده‌های خاصی را نداشته باشم، به درستی پردازش نکنم و سپس هوش مصنوعی را بر روی آن اجرا کنم، فایده‌ای نخواهد داشت."

سومین نکته، به گفته این کارشناس، این است که باید همچنان نسبت به فناوری جدید باز باشد - "تعادل را پیدا کردن بین پتانسیل‌های هوش مصنوعی، بدون اینکه به طور کورکورانه به هر روندی بپردازیم و آن را به طور کامل به کار ببریم.

و چهارم: توانمندسازی کارکنان. تشویق آنها به پیدا کردن حوزه‌های کاربرد خوب که در آن‌ها بتوانند ارزش افزوده هوش مصنوعی را شناسایی کنند.