چگونه میتوان منافع فناوری را به میلیونها نفر خارج از اقتصاد رسمی رساند؟
هوش مصنوعی و اقتصاد غیررسمی
در این منطقه، ۷۸ درصد از نیروی کار که شامل صدها میلیون نفر میشود، در «اقتصاد غیررسمی» یا همان مشاغل آزاد و ثبتنشده فعالیت میکنند. دستفروشان خیابانی، صاحبان دکهها و مغازههای کوچک، کارگران ساختمانی و رانندگان تاکسیهای اینترنتی از این دستهاند؛ یعنی همان کسانی که بخش عمدهای از زندگی روزمره اقتصادی به حضور آنها وابسته است. اشتباه است اگر غیررسمی بودن شغل آنها را یک مرحله گذرا یا یک مشکل توسعهای بدانیم که باید حل و حذف شود.
درست است که خیلی از افراد از مشاغل غیررسمی به سمت کارهای رسمی حرکت میکنند و پلتفرمهای مجهز به هوش مصنوعی میتوانند این مسیر را برای علاقهمندان هموارتر کنند، اما حقیقت این است که اقتصاد غیررسمی، پی و شالوده اصلی فعالیتهای اقتصادی در این منطقه است. پایداری و بقای این بخش به دلیل انعطافپذیری و سازگاری بالا در ذات آن است؛ ویژگیهایی که نقطه قوت محسوب میشوند، نه نقطهضعف یا شکست.
آسیای جنوب شرقی نشان میدهد که میتوان توان مالی و قدرت درآمدزایی کارگران بخش غیررسمی را به شیوهای تقویت کرد که الگویی برای کل جهان باشد. پلتفرمهای مجهز به هوش مصنوعی در این منطقه ثابت کردهاند که کارگران غیررسمی هم میتوانند به وام و اعتبار دسترسی داشته باشند، درآمد پیشبینیپذیرتری کسب کنند و حضور فعالتری در چرخه اقتصادی داشته باشند؛ آن هم بدون آنکه نیازی به وابسته بودن به سیستمهای اداری و بانکی رسمی داشته باشند.
امروز وظیفه اصلی سیاستگذاران این است که این دستاوردها را گسترش دهند. آنها باید بر آموزش مهارتهای جدید و وضع قوانینی تمرکز کنند که متناسب با ساختار «اقتصاد غیررسمی» باشد، نه اینکه قوانین و پیشفرضهای اقتصاد رسمی را طوطیوار وارد کنند؛ چرا که این کار ممکن است ساختارهای فعلی را که به خوبی کار میکنند، خراب کند.
قدرت پلتفرمها
داستان مایلین استرلا (Mylene Estrella) را در نظر بگیرید. او نانوایی و شیرینیپزی محلی مادربزرگش در مانیل را به یک برند معروف هدایای خوراکی به نام «Mylene’s Ensaymada and Banana Cake» تبدیل کرد که اکنون محصولاتش را به سراسر پایتخت فیلیپین میفروشد. او کسبوکارش را با استفاده از وام پلتفرم «گرب» (Grab) توسعه داد؛ اعتباری که بانکهای سنتی هرگز به او نمیدادند و حالا برای کارهای بازاریابی از یک دستیار هوش مصنوعی کمک میگیرد.
سال گذشته، پلتفرم گرب ۳.۲میلیارد دلار وام به رانندگان و فروشندگان همکار خود (مانند مایلین) پرداخت کرد. ۶۸ درصد از این افراد برای اولین بار در زندگیشان توانستند از طریق این پلتفرم به اعتبارات مالی رسمی دسترسی پیدا کنند. ما از هوش مصنوعی برای تحلیل آمار درآمد و فعالیت کاربران در پلتفرم استفاده میکنیم تا میزان اعتبار و توان بازپرداخت آنها را بسنجیم. سقف وام را بر اساس درآمد کاربران در پلتفرم تعیین میکنیم، اقساط را به نسبت درآمد روزانه کسر میکنیم و اگر درآمد فرد متوقف شود، متناسب با شرایطش به او مهلت یا تسهیلات ویژه میدهیم. جالب اینجاست که نصف رانندگانی که وام گرفتهاند میگویند برای فرار از دست نزولخورها و وامدهندگان غیرمجاز به گرب روی آوردهاند.
سال گذشته، میانگین درآمد رانندگان همکار به ازای هر ساعت فعالیت آنلاین، ۵.۵درصد نسبت به سال قبل افزایش یافت. پلتفرمهایی مانند گرب با بررسی تعاملات خود با کارگران بخش غیررسمی، یاد میگیرند که چگونه خدمات خود را بهتر کنند و راهکارهایی برای افزایش درآمد به کاربران پیشنهاد دهند. به عنوان مثال، توانایی گرب در سنجش لحظهای میزان تقاضا و وصل کردن آن به رانندگان، به افزایش درآمد آنها کمک کرده و فاصله زمانی و بدوندرآمد بین دو سفارش را به حداقل رسانده است. این پلتفرم همچنین تقاضا را به صورت لحظهای تحلیل کرده و بهترین موقعیت مکانی را برای دریافت سفارش بعدی پیشبینی میکند.
موفقترین اقدامات آنهایی بودهاند که بر اساس ماهیت واقعی «اقتصاد غیررسمی» طراحی شدهاند، نه آنهایی که از سیستمهای توسعهیافته برای شرایط اقتصادی کاملا متفاوت الگوبرداری شدهاند.
مهارتهای درآمدزا
برای بهرهبرداری گستردهتر از پتانسیل هوش مصنوعی، باید روی آموزش مهارتهایی سرمایهگذاری کرد که به کارگران اجازه میدهد این ابزارهای هوشمند را درک کرده و از آنها استفاده کنند. سودی که کارگران از کار در پلتفرم میبرند، زمانی چندبرابر میشود که درک کنند هوش مصنوعی چگونه الگوی تقاضای مشتریان را شکل میدهد.
امروزه «سواد هوش مصنوعی» برای همه کارگران مفید است. اما یک کارگر بخش غیررسمی، کارفرمای رسمی ندارد که در ساعات کاری و در یک محیط ثابت به او آموزش دهد؛ بنابراین باید روشهای متفاوتی برای یادگیری مهارت در اختیار او قرار گیرد.
سال گذشته بیش از 1.5میلیون راننده حداقل یک دوره آموزشی را در «آکادمی گرب» (GrabAcademy) گذراندند. این پلتفرم به کانالی تبدیل شده که از طریق آن، آموزشهای کاربردی و مرتبط با شغل به دست کارگرانی میرسد که کارفرمایی برای آموزش ندارند. در همین حال، هوش مصنوعی ابزارها را با آموزش ترکیب میکند: اکنون از هر چهار کسبوکار خرد، کوچک و متوسط در این پلتفرم، یک کسبوکار از «دستیار هوش مصنوعی فروشندگان گرب» استفاده میکند؛ ابزاری که در بازاریابی، مدیریت منو و امور اجرایی به آنها کمک کرده و باعث رشد ۱۵درصدی فروش آنها شده است.
سه خواسته من از سیاستگذاران
توسعه و گسترش این تابآوری نیازمند فراتر رفتن از اقدامات یک شرکت به تنهایی است. این امر مستلزم آن است که دولتها، اقتصاد را همانگونه که در واقعیت هست مدیریت کنند. تحمیل مستقیم قواعد «استخدام رسمی» بدون بومیسازی و تعدیل، میتواند انعطافپذیری کارگران غیررسمی را نابود کند. در ادامه سه درخواست اصلی خود را مطرح میکنم:
۱. تامین بودجه «سواد هوش مصنوعی» به عنوان یک خدمت عمومی: آموزش سواد هوش مصنوعی باید با همان جدیتی بودجهدهی شود که برای ساخت جادهها یا تامین انرژی هزینه میشود. مشارکتهای عمومی-خصوصی در حال حاضر جواب دادهاند؛ برای نمونه، طرح «SkillsFuture» در سنگاپور، پلتفرم گرب را به عنوان یکی از پیشگامان ارتقای مهارت در صنعت شناخته است. دولتها موقعیت ویژهای دارند تا اینگونه آموزشهای دائمی و مشترک را برای نیروی کار غیررسمی گسترش دهند؛ آموزشهایی که با همکاری نهادهای محلی و متناسب با ساعات کاری متغیر این کارگران طراحی شدهاند.
۲. بازنگری در معیارهای ارزیابی موفقیت: چارچوبهای حکمرانی مشخص میکنند که نهادهای تنظیمگر (رگولاتورها) به چه چیزهایی پاداش دهند و پلتفرمها برای ساخت چه ابزارهایی انگیزه داشته باشند. چارچوبهایی که صرفا بر اساس «نرخ رسمیسازی شغلها» یا «ثبات مالی» تنظیم شدهاند، همواره اصل مطلب را در اقتصاد غیررسمی نادیده میگیرند: یعنی «ثبات درآمدی» و «میزان مشارکت مردم». نهادهای ناظر باید معیارهایی را بپذیرند که واقعیتهای اقتصاد غیررسمی را نشان دهد، مانند نوسانات درآمدی، کار در چند پلتفرم بهطور همزمان و میزان دسترسی به تسهیلات مالی و بر اساس همین معیارها از خود و پلتفرمها حسابرسی کنند.
۳. یکپارچهسازی قوانین و حکمرانی هوش مصنوعی در سطح منطقه: وجود قوانین پراکنده و متفاوت در بازارهای اصلی آسیای جنوب شرقی، یک مانع ساختاری بزرگ است. این ناهماهنگی باعث میشود پلتفرمها در نحوه ذخیرهسازی دادهها یا توسعه راهکارهای موفق دچار مشکل شوند. موافقتنامه چارچوب اقتصاد دیجیتال آسهآن (ASEAN) در مه ۲۰۲۶، ساختار هماهنگی منطقهای مورد نیاز را ایجاد میکند. اما سیاستگذاران باید مطمئن شوند که این چارچوب به نفع «اقتصاد غیررسمی» کار میکند و پیشفرضهای اقتصاد رسمی را در سطح منطقهای به کسبوکارها تحمیل نمیکند.
طراحی قوانین براساس واقعیت اقتصاد غیررسمی
آسیای جنوب شرقی یک نمونهآزمایشی بسیار آموزنده است که نشان میدهد توسعه اقتصاد غیررسمی با کمک هوش مصنوعی چگونه میتواند باشد. فراموش نکنیم که اشتغال غیررسمی ۸۶درصد از کل مشاغل در آفریقا، ۶۸درصد در آسیا و ۵۱درصد در آمریکای لاتین را تشکیل میدهد. برای سیاستگذاران این مناطق، تجربه آسیای جنوب شرقی اثبات میکند که یک مسیر توسعه متفاوت و موفق امکانپذیر است.
درس اصلی این است: موفقترین راهکارها آنهایی بودهاند که بر اساس خصوصیات اقتصاد غیررسمی بومیسازی شدهاند، نه سیستمهای وارداتی. در جایی که اسناد و مدارک رسمی وجود ندارد، «دادههای رفتاری لحظهای» به کمک میآیند؛ و در جایی که دسترسی به نهادهای سنتی ممکن نیست، «شبکههای توزیع مبتنی بر پلتفرم» مشکل را حل میکنند.
البته طراحی قوانین متناسب با بخش غیررسمی به معنای رها کردن کارگران بدون چتر حمایتی نیست. کم کردن فاصله میان حمایتهای قانونی از کارگران رسمی و غیررسمی فوقالعاده حیاتی است. اما باید حمایتهایی ایجاد کنیم که «همراه با کارگر» از یک شغل به شغل دیگر یا از یک پلتفرم به پلتفرم دیگر منتقل شود. بیمه اجتماعی را در نظر بگیرید: به جای آنکه منتظر بمانیم تا این افراد در تعریف قانونی به «کارمند رسمی» تبدیل شوند، میتوان پوشش بیمهای قابلحملی ایجاد کرد که همیشه همراه فرد باشد. قانون «کارگران پروژهای و پارهوقت» (Gig Workers Act) در مالزی در مارس ۲۰۲۶ همین کار را انجام داد؛ این قانون پوشش تامین اجتماعی را بدون آنکه این افراد را کارمند رسمی کند، به کارگران پارهوقت و پلتفرمی تعمیم داد.
پر کردن شکاف هوش مصنوعی کاری نیست که یک مجموعه بهتنهایی از پس آن برآید. ایجاد ساختارهایی که به دولتها و پلتفرمها اجازه دهد به طور موثر همکاری کنند، یکی از سرنوشتسازترین سرمایهگذاریهای سیاستی در این دهه است. آسیای جنوب شرقی این شانس را دارد که به بقیه جهان نشان دهد این کار چگونه انجام میشود و حتی میتوانم بگویم همین حالا هم در حال انجام آن است.
* فارغالتحصیل مدیریت کسبوکار دانشگاه هاروارد
