10 دقیقه
نگرانیها درباره هوش مصنوعی و تأثیر آن بر اشتغال در کنار موجی از ابزارهای جدید هوش مصنوعی که وعده اتوماسیون و افزایش بهرهوری را میدهند، رو به افزایش است. مطالعات اخیر و دیدگاه سرمایهگذاران نشان میدهد این نگرانیها بیپایه نیست — و سال ۲۰۲۶ ممکن است سالی محوری برای تغییرات ساختاری در نیروی کار باشد. در این مطلب شواهد پژوهشی، علائم اولیه در بازار کار، دیدگاه سرمایهگذاران و پیشنهادهایی برای کارکنان، مدیران و سیاستگذاران بررسی میشود تا تصویر جامعتری از روند تحول اشتغال در عصر اتوماسیون ارائه گردد.
شواهد در حال افزایش: مطالعات و نشانههای اولیه
یک مطالعه منتشرشده در نوامبر توسط پژوهشگران مؤسسه فناوری ماساچوست (MIT) نشان داد که تقریباً 11.7٪ مشاغل موجود با قابلیتهای فعلی هوش مصنوعی قابل اتوماسیون فنی هستند. این رقم به تنهایی توجهها را جلب میکند؛ چرا که نشان میدهد میلیونها موقعیت شغلی در سطح جهانی ممکن است در معرض جایگزینی یا تغییر ساختاری جدی قرار گیرند. مطالعه با تحلیل تکالیف شغلی، مدلهای یادگیری ماشین و ارزیابی قابلیت خودکارسازی، بخشهایی را شناسایی کرد که امکان انتقال وظایف به سیستمهای هوش مصنوعی در آنها بالاست.
اگرچه درصد نهایی بسته به صنعت، کشور و نحوه ترکیب نیروهای انسانی متفاوت خواهد بود، پیام کلی روشن است: اتوماسیون مبتنی بر هوش مصنوعی بیشترین نفوذ را در وظایف تکراری و قاعدهمحور دارد. این نتایج باید در کنار تحلیلهای اقتصاد کلان و سیاستگذاری قرار گیرد تا اثرات واقعی بر نرخ بیکاری، دستمزدها و توزیع مشاغل مشخصتر شود. همچنین لازم است بررسی شود که تا چه حد فناوریهای مکمل (مثل رباتیک، پردازش زبان طبیعی و تحلیل داده) این روند را تسریع خواهند کرد.
نظرسنجیها و گزارشهای رسانههایی مانند TechCrunch نیز حاکی از آن است که کارفرمایان از هم اکنون به این تغییرات واکنش نشان میدهند. برخی شرکتها با پذیرش ابزارهای هوش مصنوعی، پستهای سطح پایه را تعدیل یا حذف میکنند و در بیانیههای رسمی کمتر و کمتر از رشد صرف نیروی انسانی و بیشتر از سرمایهگذاری در فناوری به عنوان دلیل تصمیمات سخن میروند. این تغییرات به ویژه در بخشهایی مانند خدمات مشتری، پردازش دادههای تکراری، و کارهای اداری مقدماتی محسوستر است.
چرا سرمایهگذاران ۲۰۲۶ را نقطه عطف میدانند
در یک نظرسنجی سرمایهگذاران منتشرشده توسط TechCrunch، چندین سرمایهگذار خطرپذیر (VC) پیشبینی کردند که سال ۲۰۲۶ تأثیر هوش مصنوعی بر تعداد کارکنان شرکتها را تشدید خواهد کرد — هرچند پرسشنامه بهصورت مستقیم درباره هوش مصنوعی سؤال نکرده بود. این اظهارنظرها نشاندهنده تغییر گستردهتری است: زمانی که سازمانها بودجهها و استراتژیهای هوش مصنوعی را رسمی و مشخص کنند، نیازهای نیروی انسانی خود را با دقت بیشتری بازبینی خواهند کرد و تخصیص منابع را بازتنظیم میکنند.
- Eric Bahn, همبنیانگذار و شریک عمومی Hustle Fund، گفت که انتظار دارد تاثیرات قابلمشاهدهای در بازار کار در سال ۲۰۲۶ پدیدار شود؛ هرچند شکل دقیق این تغییرات هنوز نامشخص است. او به این نکته اشاره کرد که شتاب سرمایهگذاری در استارتاپهای هوش مصنوعی و پلتفرمهای اتوماسیون میتواند تصمیمات شرکتها را درباره نیروی انسانی تحت تأثیر قرار دهد.
- Marl Evans, بنیانگذار و مدیرعامل Exceptional Capital، هشدار داد شرکتهایی که بیشتر در هوش مصنوعی سرمایهگذاری میکنند احتمالاً بودجهای را که پیشتر برای استخدام و پرداخت حقوق در نظر میگرفتند، بازتخصیص خواهند کرد. او این تعادل مجدد را عاملی برای کاهش بیشتر تعداد کارکنان و افزایش فشار بر نرخهای اشتغال در ایالات متحده دانست. این نگرانی نشاندهنده ارتباط بین سرمایهگذاری فناوری و سیاستهای نیروی کار است.
- Rajiv Dam, مدیرعامل Sapphire، موافقت کرد که بودجههای ۲۰۲۶ بهتدریج منابع را از نیروی انسانی به سمت ابزارها و پلتفرمهای هوش مصنوعی منتقل خواهند کرد. این انتقال میتواند بازده سرمایهگذاری را افزایش دهد اما همراه با پیامدهای ساختاری برای بازار کار خواهد بود.
- Jason Mandel, سرمایهگذار در Battery Ventures، افزود که هوش مصنوعی در ۲۰۲۶ فراتر از افزایش بهرهوری کارکنان موجود خواهد رفت — و شروع به جایگزینی کامل برخی نقشها خواهد کرد. او تأکید کرد که این مرحله زمانی فرامیرسد که ابزارها قابلاعتماد، مقرونبهصرفه و بهراحتی در عملیات روزمره ادغام شوند.
کدام نوع مشاغل بیشترین آسیبپذیری را دارند؟
هر شغلی ناپدید نخواهد شد. رقم گزارششده توسط MIT بخش کوچکی از نقشها را که از نظر فنی با امکانات امروز قابل اتوماسیون هستند نشان میدهد — عمدتاً وظایف تکراری و قاعدهمحور. مشاغلی که جریان کاری پیشبینیپذیر، پردازش دادههای روتین یا تعاملات مشتری ابتدایی دارند، در معرض بیشترین خطر قرار دارند. نمونههایی که معمولاً به عنوان پرخطر شناخته میشوند عبارتاند از ورود دادهها، پردازش صورتحساب و تراکنشهای ساده، برخی وظایف پشتیبانی مشتری پایه و نقشهای تکراری در بخشهای تولید و لجستیک.
در مقابل، مشاغلی که نیازمند قضاوت پیچیده انسانی، همدلی عمیق، سازگاری خلاقانه یا تلفیق تخصصهای چندگانه هستند، جایگزینپذیری کمتری دارند. نقشهایی مانند پژوهش علمی بینرشتهای، مشاوره استراتژیک پیچیده، هنرهای خلاقانه سطح بالا، و برخی مشاغل مراقبتهای بهداشتی که نیازمند ارتباط انسانی و تصمیمگیری بر پایه شرایط پیچیده بیمار هستند، احتمالاً مقاومت بیشتری در برابر اتوماسیون نشان خواهند داد. در نتیجه، تفاوت بین مهارتهای قابل اتوماسیون و مهارتهای مکمل هوش مصنوعی محور یک عامل کلیدی در آینده اشتغال خواهد بود.
تأثیرات عملی که شرکتها هماکنون مشاهده میکنند
برخی شرکتها در هنگام استقرار سیستمهای قدرتگرفته از هوش مصنوعی اقدام به سادهسازی تیمها کردهاند. نمونههای متداول شامل استفاده از هوش مصنوعی برای غربالگری اولیه مشتریان، بازبینی اسناد و انجام تحلیلهای پایهای است که پیش از این توسط نیروی انسانی انجام میشد. شرکتها با ادغام این ابزارها میتوانند زمان پاسخگویی را کاهش دهند، خطای انسانی را کم کنند و هزینههای عملیاتی را پایین بیاورند؛ اما این تغییرات اغلب با نیاز به بازنگری در ساختارهای شغلی و تعریف نقشها همراه است.
روشهای دیگری که شرکتها برای تأمین بودجه هوش مصنوعی به کار میگیرند شامل کاهش برنامههای استخدام، بازتخصیص کارکنان به نقشهای ترکیبی انسان-ماشین، و ایجاد بخشهای جدیدی مانند مدیریت سیستمهای هوش مصنوعی و کنترل کیفیت الگوریتمها است. برای کارگران، معنای این تحولات میتواند تبدیل نقشها، خودکارسازی بخشی از وظایف، یا ادغام مسئولیتهای نظارتی بر هوش مصنوعی باشد — یعنی ظهور نقشهایی که نیازمند تعامل مستقیم با سیستمهای یادگیری ماشین هستند.
از منظر عملیاتی، شرکتها با چالشهایی مانند انتخاب پلتفرمهای مناسب، تضمین کیفیت خروجیهای مدلها، مسائل حفظ حریم خصوصی و امنیت داده و همچنین آموزش کارکنان برای کار مؤثر در کنار هوش مصنوعی روبهرو هستند. مدیریت این چالشها نیازمند برنامهریزی استراتژیک، بودجه و چارچوبهای اخلاقی است تا پیادهسازی فناوری نه تنها بهرهوری را افزایش دهد بلکه تبعات اجتماعی منفی را کاهش دهد.
پس کارکنان و رهبران چه باید بکنند؟
برای کارکنان، مسیر پیش رو تطبیق مهارتها است: تمرکز بر قابلیتهای باارزشتر که مکمل هوش مصنوعی هستند — حل مسائل پیچیده، خلاقیت، تفکر راهبردی و مهارتهای بینفردی. توانمندسازی مهارتهایی مانند سواد دادهای، مدیریت سیستمهای هوش مصنوعی، نظارت انسانی بر تصمیمهای الگوریتمی و مهارتهای مشاورهای میتواند شانس اشتغال را افزایش دهد. علاوه بر این، یادگیری مداوم و برنامههای بازآموزی (reskilling) و ارتقای مهارت (upskilling) باید بخشی از مسیر شغلی هر فرد باشد تا در بازار کار متحولشونده مقاوم بماند.
برای مدیران و سیاستگذاران، شفافیت و ایجاد مسیرهای بازآموزی ضروری است تا اختلال اجتماعی کاهش یابد. شرکتها میتوانند برنامههای آموزشی داخلی، مشارکت با مؤسسات آموزش فنی و دانشگاهها و طراحی مسیرهای شغلی جدید برای کارکنانی که نقشهایشان تغییر میکند را اجرا کنند. سیاستگذاران نیز میتوانند از طریق مشوقهای مالی برای برنامههای بازآموزی، گسترش برنامههای حمایتی کوتاهمدت برای جابجایی شغلی و تقویت زیرساختهای آموزش دیجیتال از این گذار حمایت کنند.
یک سناریوی ملموس میتواند چنین باشد: شرکتی که نقشهای سطحی ورود داده را با سیستمهای هوش مصنوعی جایگزین میکند، بهطور همزمان در برنامهای سرمایهگذاری کند تا همان کارکنان را برای نقشهای جدید مانند نظارت بر خروجیهای هوش مصنوعی، کنترل کیفی دادهها یا مدیریت موفقیت مشتری بازآموزی نماید. این گونه رویکرد نه تنها از آسیب ناگهانی جلوگیری میکند بلکه از مزایای بهرهوری هوش مصنوعی نیز بهرهبرداری مینماید. اما تحقق این مدل نیازمند برنامهریزی دقیق، بودجهگذاری و زمانبندی است تا انتقال منصفانه و کارآمد انجام پذیرد.
همچنین لازم است بحث درباره تأمین مالی مزایای بهرهوری مطرح شود: وقتی هوش مصنوعی باعث افزایش سودآوری و کاهش هزینهها میشود، پرسش این است که این منافع چگونه توزیع خواهد شد و آیا سیاستهایی مانند مالیات بر سود بازتوزیعی یا پرداختهای حمایتی برای دورههای بازآموزی باید در نظر گرفته شود یا خیر. این مباحث به حوزه سیاستگذاری عمومی و اقتصاد رفاه مربوط میشود و نیازمند گفتگو میان دولت، بخش خصوصی و جامعه مدنی است.
با تکامل ابزارهای هوش مصنوعی، سال ۲۰۲۶ ممکن است زمانی باشد که بسیاری از سازمانها از مرحله آزمایشی و پایلوت فاصله بگیرند و تصمیمات قطعی درباره ساختار نیروی کار اتخاذ نمایند. بنابراین بحث دیگر صرفاً درباره افزایش بهرهوری نیست؛ بلکه درباره این است که چگونه هزینهها و منافع این بهرهوری تأمین و تقسیم میشوند و چه کسانی بار این تغییرات را به دوش خواهند کشید.
در مجموع، مواجهه با تأثیرات هوش مصنوعی بر اشتغال نیازمند ترکیبی از اقدامات فردی (سرمایهگذاری در مهارتها)، سازمانی (برنامههای بازآموزی و بازتعریف نقشها) و سیاستگذاری (حمایتهای اجتماعی و چارچوبهای تنظیمی) است. اتخاذ رویکردی پیشبینانه و برنامهریزیشده میتواند راه را برای انتقالی کمتر مخرب و سازندهتر هموار سازد.
منبع: smarti
ارسال نظر