چند کلید برای معمای کار و هوش مصنوعی در آینده

کارگران با درآمد بالا، زنان و افراد مسن بیشتر در معرض هوش مصنوعی قرار دارند که این موضوع ممکن است نابرابری‌‌‌های درآمد در نیروی کار را تشدید کند. مطالعات نشان داده است که استفاده از ابزارهای هوش مصنوعی، بهره‌‌‌وری را افزایش می‌دهد؛ اما این امر می‌‌‌تواند نابرابری درآمد را در کشور نیز افزایش دهد؛ به‌‌‌ویژه زمانی که هوش مصنوعی به‌‌‌طور قابل‌‌‌توجهی شغل‌‌‌های با مهارت و درآمد بالا را تحت‌تاثیر قرار دهد. همچنین مطالعات نشان می‌دهد که اقتصادهای پیشرفته با ساختارهای شغلی متمرکز بر نیروی پیشرفته و ماهر، احتمالا تاثیر بیشتری از هوش مصنوعی خواهند گرفت. این موضوع از دو مسیر جابه‌جایی بیشتر نیروی کار و افزایش بهره‌وری ناشی از ادغام هوش مصنوعی، بیشترین بهره را به این جوامع خواهد رساند. بررسی‌‌‌های جامع ادبیات موجود نشان می‌دهند که هنوز چیزهای زیادی درباره تاثیر هوش مصنوعی بر بازارهای کار ناشناخته باقی مانده و بر لزوم مطالعات منطقه‌‌‌ای برای درک کامل این دینامیک‌‌‌ها تاکید می‌کنند. از مهم‌ترین مطالعات در این زمینه می‌‌‌توان به کارهای زیر اشاره کرد:

 (Acemoglu et al., ۲۰۲۲; Autor, ۲۰۲۲ Brynjolfsson et al., ۲۰۲۳; Cazzaniga et al., ۲۰۲۴; Eloundou et al., ۲۰۲۳; Felten et al., ۲۰۲۳; Ghosh et al., ۲۰۲۴).

یک مثال قابل‌توجه از ادغام هوش مصنوعی و تاثیر آن بر نیروی کار، رویکرد نوآورانه شرکت IKEA است. آکیا با به‌‌‌کارگیری یک روبات هوش مصنوعی به نام بیلی (Billie) برای پاسخ‌‌‌گویی به پرسش‌‌‌های مشتریان، توانست نزدیک به ۱۰هزار کارمند مرکز تماس را به عنوان مشاوران طراحی داخلی آموزش مجدد دهد و به این ترتیب، یک منبع درآمد جدید ایجاد کرده و خدمات خود را به مشتریان گسترش دهد. این ابتکار، پتانسیل هوش مصنوعی را نشان می‌دهد که نه‌تنها برخی از وظایف شغلی را جابه‌جا می‌کند، بلکه فرصت‌‌‌های جدیدی برای ارتقای مهارت و آموزش مجدد کارگران ایجاد می‌کند. استراتژی آکیا برای ترکیب مهارت‌‌‌های انسانی با قابلیت‌‌‌های هوش مصنوعی، نمونه‌‌‌ای از چگونگی برخورد کسب‌وکارها با تغییرات فناوری به منظور بهبود فرصت‌‌‌های شغلی و رشد تجاری است. این مورد بر اهمیت یادگیری مادام‌‌‌العمر و سازگاری در نیروی کار به‌‌‌عنوان هوش مصنوعی که همچنان در حال تکامل است تاکید می‌کند.

منابع:

Generative AI and the Future of Work. The potential Boundless, 2024.

Acemoglu, D., Autor, D., Hazell, J., & Restrepo, P. (2022). Artificial intelligence and jobs: evidence from online vacancies. Journal of Labor Economics, 40 (S1). https://hdl.handle.net/1721.1/144424

Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper No. 31161. Retrieved from http://www.nber.org/papers/w31161

Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work. International Monetary Fund, Washington, DC.

Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models. arXiv preprint arXiv:2303.10130.

Felten, E. W., Raj, M., & Seamans, R. (2023). How will Language Modelers like ChatGPT Affect Occupations and Industries? SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4375268

Ghosh, D., Ghosh, R., Roy Chowdhury, S., & Ganguly, B. (2024). AI-exposure and labour market: a systematic literature review on estimations, validations, and perceptions. Management Review Quarterly. https://doi.org/10.1007/s11301-023-00393-x

Autor, David H. (2022). The Labor Market Impacts of Technological Change: From Unbridled Enthusiasm to Qualified Optimism to Vast Uncertainty. NBER Working Paper No. w30074, Available at SSRN: https://ssrn.com/abstract=4122803 or http://dx.doi.org/10.2139/ssrn.4122803

Generative AI and the Future of Work. The potential? Boundless (2024). Deloitte AI Institute