داستان بازتعریف مسیر شغلی یک برنامهنویس
نسخه بقا در عصر هوشمصنوعی
منبع درآمدش یکشبه از بین رفت چون مهارتهایش قدیمی و منسوخ شده بودند. تام باید تصمیم میگرفت: یا خودش را تطبیق دهد یا از قافله عقب بماند. اما وقتی برای پیدا کردن مسیر به بازار کار نگاه کرد، با حقایقی نگرانکننده مواجه شد.
استخدام در بخشهایی مثل سلامت و پایداری در حال رشد بود، اما بخش تکنولوژی به سرعت در حال کوچک شدن بود. به عنوان مثال، شرکت جنرال موتورز به تازگی هزار نیروی کار خود را تعدیل و همزمان، ۵۰ روبات را وارد خطوط کارخانه کرد. شرکت اوراکل نیز همزمان با بازطراحی ساختار کسبوکار خود حول محور هوش مصنوعی، بیست و یک هزار نفر از نیروهایش (معادل ۱۳درصد از کل نیروهای خود) را کاهش داد. در سراسر ایالات متحده همین روند حاکم بود. پنجاه هزار مورد تعدیل نیرو در سال ۲۰۲۵ مستقیما به هوش مصنوعی نسبت داده شده بودند.
داستان تام منحصر به او نیست؛ این ماجرایی است که ما هر روز شاهدش هستیم. شرکت من، «لوکالایزد»، کارش ایجاد پل ارتباطی میان استعدادهای نوظهور با شرکتها و کارفرمایان بزرگ در سراسر جهان است. طی سه سال گذشته، ما شاهد بودهایم که چگونه غولهای بزرگ تکنولوژی، بانکها، شرکتهای مشاوره و یکپارچهسازان سیستم، یکی پس از دیگری جذب نیروهای تازهکار و بااستعداد را متوقف کردهاند.
مدیران بخش استخدام این شرکتها که کارشان، جذب نیروهای فنی و دانشگاهی در منطقه خاورمیانه و آفریقا بود و پیشتر همکاری نزدیکی با ما داشتند، بیصدا اخراج شدند یا ساختار کارشان تغییر کرد تا تمرکز خود را بر جذب نیروهای میانرده در قطبهای شناختهشدهای مثل ورشو و بنگلور بگذارند. هرچه شرکتها بیشتر به سمت اتوماسیون رفتند، تمام مسیرهای ورود مهندسی برای فارغالتحصیلان جدید در آفریقا و منطقه منا (خاورمیانه و شمال آفریقا) مسدود شد و از بین رفت.
همزمان با جهش ناگهانی نرخ بیکاری، وضعیت برای فارغالتحصیلان جدید، بسیار وخیم به نظر میرسید. برخی این تغییرات را به دورکاری و برخی دیگر به هوش مصنوعی نسبت میدهند. اما در هر حال، اثرات آن بر متقاضیان کار در نهایت یکسان بود: فرصتهای شغلی، کارآموزیها و مسیرهای ورودی کمتر به یک بازار کار مبهم.
با این حال، برخلاف پیشبینیهایی که ادعا میکردند هوش مصنوعی بخش اعظمی از نیروی کار متخصص را حذف خواهد کرد، مسیری رو به جلو در حال شکلگیری است. ما به واسطه دهها هزار تعامل با دانشجویان و کارفرمایانی که در حال مواجهه با تغییرات سریع تکنولوژیک و اقلیمی هستند، دریافتیم فارغالتحصیلانی که اوایل مسیر شغلی خود هستند و متخصصان آسیبپذیر، میتوانند خود را از این شرایط مبهم، مصون کرده و برای آنچه در انتظارشان است آماده شوند.
مهارتهای مورد نیاز برای مشاغل تخصصی آینده
هوش مصنوعی و تغییرات اقلیمی در حال بازتعریف مهارتهای مورد نیاز برای مشاغل اداری و تخصصی فعلی هستند و همزمان، تعیین میکنند که چه شغلهای جدیدی در حال شکل گرفتناند.
متخصصانی موفق خواهند بود که به هر دو حوزه مسلط باشند. تام توانست دوباره سرپا شود اما این تصادفی نبود، بلکه حاصل یادگیری مهارتهای حسابشدهای بود که هر متخصصی میتواند آنها را فرا بگیرد.
من نام این چارچوب مهارتها را GRADIENTS گذاشتهام که مخفف این موارد است:
طرز فکر «رشدمحور» (Growth mindset): آنچه دیروز درست و کاربردی بود، ممکن است امروز منسوخ شده باشد.
سرعت یادگیری (Rate of learning) که دائم در حال افزایش است.
سواد هوش مصنوعی (AI literacy)، که انعطافپذیر، کاربردی و ادامهدار باشد.
تسلط دیجیتال (Digital fluency)، فراتر از بهکارگیری ابزارهای پایه و رسیدن به راحتی و شجاعت در آزمون و خطا با مدلهای زبانی بزرگ (LLM) و دیگر مدلهای نوظهور.
کنجکاوی فکری (Intellectual curiosity)
مهارتهای ESG (زیستمحیطی، اجتماعی و حاکمیتی) که به آن مهارتهای سبز یا «هوش کربن» هم میگویند.
مهارتهای مذاکره و مدیریت (Negotiation and management skills): توانایی تفکر استراتژیک و جستوجوی موقعیتهای برد-برد؛ فرآیندی که میتواند با هوش مصنوعی ممکن شود.
مدیریت زمان (Time management): چه بر کار خودتان نظارت کنید و چه بر عاملهای متعدد هوش مصنوعی، اولویتبندی به یک مهارت کلیدی تبدیل شده، بهویژه برای نیروهای تازهکار (جونیور).
تفکر سیستمی (System thinking): مهمتر از همه، توانایی ساخت سیستمهای هوشمندی که به مرور زمان خود را تطبیق داده و ارتقا میدهند. طراحی سیستمها با استفاده از هوش مصنوعی به شدت تقویت میشود تا فرآیندها مرتب بهبود یابند و شما بتوانید به فرآیندهای مرتبط یا وظایف سطح بالاتر رسیدگی کنید.
تام در نهایت تفکر و ذهنیت قدیمیاش درباره توسعه نرمافزار را کنار گذاشت و با «ذهنیت یک تازهکار»، یادگیری را از طریق یوتیوب و کتابهایی مثل «رهبر مبتنی بر هوش مصنوعی» جف وودز آغاز کرد. او به جای تمرکز بر زبانهای برنامهنویسی، عاملهای هوشمند ساخت تا زمانش را مدیریت کنند، جریانهای کاریاش را هماهنگ سازند و فرآیند کاریابیاش را خودکار کنند. او تفاوت سیستمهای RAG (تولید مبتنی بر بازیابی اطلاعات) و نحوه کارکرد مدلهای مختلف زبانی بزرگ را فرا گرفت و فهمید چرا ترنسفورمرها (یک معماری یادگیری عمیق) اهمیت دارند. او حتی مدلهای هزینهای توکنها را مورد آزمایش قرار داد.
همین سیستمها و پروژههایی که ساخته بود، تبدیل به برگ برنده او در مصاحبههای شغلی شدند. امروز او مدیر فناوری یک شرکت موفق است و متدهای خود را در زمینه ساخت سریع نمونههای اولیه و عرضه سریع محصولات، در تمام بخشها، از فروش گرفته تا پشتیبانی مشتریان را پیادهسازی میکند. او حالا در کنار همکارانی کار میکند که میزان استفاده از هوش مصنوعی را در یک کفه ترازو و اثرات اقلیمی آن را در کفه دیگر میگذارند تا راهکارهایی نوآورانه و در عین حال سازگار با محیط زیست پیدا کنند. «هوش کربنی» هنوز برای تام، حوزهای است که باید در آن رشد کند و یاد بگیرد اما او میداند که ارتقای مهارتهایش باید همیشگی و بدون توقف باشد.
منبع: World Economic Forum
