باید موج تازه اتوماسیون را در سه سطح وظایف، مسیر حرفهای و ساختار سازمانی مورد بررسی قرار داد. مشاغلی که بخش عمده فعالیتشان شامل گردش کار منظم، پردازش اطلاعات و تولید نتایج قابل پیشبینی است، در خط مقدم این تغییرات قرار دارند.
تصور رایج از اتوماسیون بر پایه حذف کارهای یدی، تکراری و کممهارت شکل گرفته بود، اما بر اساس ارزیابی کارشناسان، موج کنونی هوش مصنوعی نقشه خطر را تغییر داده است. تواناییهای مدلهای جدید در زمینه نوشتن، تحلیل، کدنویسی، خلاصهسازی، جستوجوی اسناد و ارائه توصیهها، اتوماسیون را وارد حوزههایی کرده که پیشتر تحصیلات دانشگاهی و مهارتهای شناختی به عنوان سپری در برابر آن شناخته میشد.
در همین راستا، مطالعه مشترک مؤسسه بیمه فرانسوی «Coface» و دیدهبان مشاغل در معرض تهدید و نوظهور (OEM) بر این فاصله تأکید کرده و نشان میدهد که فعالیتهای شناختی، پیچیده و مهارتمحور به مرز جدیدی از اتوماسیون رسیدهاند.
اهمیت این تغییر وقتی بیشتر مشخص میشود که تحلیل را از سطح عنوان شغلی به مجموعه وظایف هر شغل منتقل کنیم. مطالعه «Coface» تعداد ۹۲۳ حرفه را به وظایف و سپس به کنشهای پایه تقسیم کرده و میزان قابلیت اتوماسیون آنها را بر اساس قواعد شفاف و قابل بازبینی ارزیابی نموده است. این تمایز اهمیت اساسی دارد؛ زیرا قرار گرفتن یک حرفه در معرض هوش مصنوعی لزوماً به معنای حذف کامل آن نیست. شاخص این مطالعه ظرفیت فنی اتوماسیون را اندازه میگیرد و عواملی مانند تقاضای نیروی کار، ایجاد وظایف جدید و موانع پیادهسازی فناوری را شامل نمیشود.
از کارمند ورود داده تا برنامهنویس جوان
در میان مشاغل بررسیشده، یک ویژگی مشترک به طور مکرر دیده میشود: هر جا که بخش اعظم کار به گردش کاری ساختاریافته، پردازش اطلاعات، اجرای قواعد و تولید خروجی استاندارد محدود شود، احتمال جایگزینی نیروی انسانی افزایش مییابد. بر این اساس، گزارش مرکز آموزش فنی و حرفهای «Edoxi» امارات ده گروه شغلی را در معرض توجه ویژه قرار داده است:
کارکنان ورود داده
کارکنان خدمات مشتری
بازاریابان تلفنی
کارکنان دفترداری و حسابداری
نمونهخوانها و ویراستاران
تحلیلگران تحقیقات بازار
دستیاران حقوقی و پژوهشگران حقوقی
مترجمان
صندوقداران خردهفروشی
توسعهدهندگان نرمافزار در سطوح ابتدایی
دادههای «Coface» تصویر گستردهتری از این تحول ارائه میدهند. در سناریوی استقرار هوش مصنوعی عاملمحور، تقریباً یک شغل از هر هشت شغل مورد بررسی، بیش از ۳۰ درصد وظایف آن قابل اتوماسیون است. این آستانه به عنوان سطحی شناخته میشود که میتواند بازآرایی عمیق در ساختار حرفه و تغییرات قابل توجه در وظایف شغلی را به دنبال داشته باشد. بیشترین ریسک در حوزههای مهندسی، فناوری اطلاعات، امور اداری، مالی، حقوقی و برخی مشاغل خلاق و تحلیلی مشاهده میشود. همچنین، بیش از یکچهارم محتوای کاری در مدیریت و امور اداری، حرفههای خلاق، حقوق، مالی و همچنین مهندسی و فناوری اطلاعات قابلیت اتوماسیون دارد، در حالی که مشاغل خدمات حضوری و فعالیتهای فنی و صنعتی زیر ۱۰ درصد باقی میمانند.
این روند در سطح وظایف نیز قابل مشاهده است. ابزارهای تشخیص متن و هوش مصنوعی مولد قادرند استخراج، اعتبارسنجی و ورود داده را با حداقل نظارت انسانی انجام دهند. چتباتها و عاملهای صوتی بخش بزرگی از پرسشهای معمول خدمات مشتری را پاسخ میدهند. در حسابداری، تطبیق حسابها، طبقهبندی تراکنشها و ثبتهای پایه قابلیت بالایی برای اتوماسیون دارند. ابزارهای نگارشی نیز بخشهایی از ویرایش زبانی را خودکار کردهاند. در این مشاغل، ارزش نیروی انسانی به سمت حل اختلافات، مذاکره، تشخیص موقعیتهای استثنایی، قضاوت تخصصی و نظارت بر خروجی ماشینها سوق یافته است.
حوزه حقوق و برنامهنویسی دو نمونه برجسته نفوذ اتوماسیون در مشاغل تخصصی به شمار میروند. هوش مصنوعی مولد اکنون توانایی خلاصهسازی آرای قضایی، مرور قراردادها، بازیابی سوابق و تهیه پیشنویس اسناد استاندارد را دارد. در توسعه نرمافزار، دستیارهای کدنویسی مسئول تولید کدهای متداول، انجام آزمون و مستندسازی شدهاند. در هر دو حوزه، آسیبپذیری بیشتر در وظایف مقدماتی است، در حالی که تحلیل حقوقی، مذاکره، مشاوره، قضاوت اخلاقی و هدایت و ارزیابی خروجی هوش مصنوعی همچنان وابسته به تخصص انسانی است.
بحران پنهان در نخستین پله نردبان شغلی
پیامد مهمتر این تحول شاید در جایی رخ دهد که آمار کلی اشتغال با تأخیر آن را نشان میدهد. بسیاری از وظایفی که هوش مصنوعی به بهترین شکل قادر به انجام آنهاست، همان وظایفی هستند که ورود نیروی جوان به یک حرفه را ممکن میکردند. تهیه پیشنویس اولیه، پژوهش مقدماتی، خلاصهسازی اسناد، یادداشتبرداری جلسات، تحلیلهای ساده، بازبینی مدارک، کدنویسی پایه و آزمون نرمافزار، همگی در مشاغل ورودی متمرکز هستند. این وظایف علاوه بر تکراری بودن، سازوکار انباشت تجربه نیز محسوب میشوند؛ بهگونهای که تحلیلگر جوان در مواجهه با ناسازگاریهای دادهها تجربه کسب میکند، کارآموز حقوقی با خواندن پروندهها مشکلات را تشخیص میدهد و برنامهنویس تازهکار با رفع خطاهای کوچک به درک معماری سیستم نزدیک میشود.
مسئله از این نقطه به یک چالش سازمانی بلندمدت تبدیل میشود. حذف موقعیتهای ابتدایی ممکن است در کوتاهمدت هزینههای نیروی انسانی را کاهش دهد، اما سازمان در سالهای بعد با کمبود افرادی روبرو خواهد شد که تجربه لازم برای تبدیل شدن به تحلیلگر ارشد، مهندس، حقوقدان یا مدیر را کسب کردهاند.
شکاف تازه میان نیروی کار، سرمایه و آموزش
پیامدهای این دگرگونی به بازار کار محدود نمیشود. برآورد «Coface» نشان میدهد میزان مواجهه کشورها با این چالش بسته به ساختار اقتصادی آنها تفاوت قابل توجهی دارد و سهم مشاغل در معرض خطر از حدود ۱۲ درصد در ترکیه تا نزدیک ۲۰ درصد در بریتانیا متغیر است. اقتصادهای ثروتمند و خدماتمحور که سهم بیشتری از مشاغل شناختی و مبتنی بر اطلاعات دارند، با مواجهه بالاتری روبهرو هستند.
علاوه بر این، یک مسئله توزیعی نیز در حال شکلگیری است. اتوماسیون بخشی از وظایف مشاغل ماهر و پردرآمد میتواند سهم بیشتری از ارزش افزوده را از نیروی کار به سرمایه منتقل کند. چنین تغییری فشار دوگانهای برای دولتها ایجاد میکند، به ویژه آنهایی که درآمد مالیاتی و تأمین اجتماعیشان به اشتغال و دستمزد وابسته است. کاهش پایههای درآمدی ممکن است همزمان با افزایش هزینههای بیمه بیکاری و بازآموزی نیروی کار رخ دهد. همچنین تمرکز تراشهها، مدلهای زبانی و مراکز داده در دست تعداد محدودی از شرکتها و کشورها، وابستگی فناورانه را به لایهای دیگر از مسئله اشتغال پیوند میزند.
از سوی دیگر، آموزش عالی نیز با پرسشی اساسی مواجه است. وقتی سهم قابل توجهی از وظایفی که فارغالتحصیلان برای انجام آنها سالها آموزش دیدهاند، قابل اتوماسیون شود، رابطه سنتی میان مدرک، دستمزد و امنیت شغلی تضعیف خواهد شد و اهمیت مهارتهایی مانند قضاوت، سازگاری و نظارت بر سامانههای هوشمند افزایش مییابد. این چالش دیگر مرحله نظری را پشت سر گذاشته است؛ بر اساس پیمایش موسسه آموزشی «HEPI» بریتانیا در سال ۲۰۲۶، ۹۵ درصد دانشجویان کارشناسی بریتانیا از هوش مصنوعی استفاده میکنند و ۹۴ درصد آن را در تکالیف خود به کار میبرند، در حالی که کمتر از نیمی احساس میکنند اعضای هیئت علمی آنها را برای مهارتهای هوش مصنوعی مورد نیاز بازار کار آماده میکنند.
موج تازه اتوماسیون باید در سطح وظایف، مسیر حرفهای و ساختار سازمانی تحلیل شود. مشاغلی که گردش کار استاندارد، پردازش اطلاعات و تولید خروجی قابل پیشبینی بخش عمده فعالیت آنها را تشکیل میدهد، در خط مقدم این تغییرات قرار دارند. در مقابل، قضاوت در شرایط مبهم، تعامل انسانی پیچیده، مسئولیت حرفهای، مهارتهای فیزیکی و ترکیب دانش تخصصی با تصمیمگیری همچنان مقاومت بالایی در برابر جایگزینی دارند.
چالش تعیینکننده از همین نقطه آغاز میشود؛ سازمانی که وظایف ابتدایی را خودکار میکند، باید راههای جدیدی برای کسب تجربه و انتقال دانش ایجاد نماید. به عنوان نمونه، مطالعه میدانی دفتر ملی پژوهش اقتصادی آمریکا (NBER) نشان داده است که بهرهوری کارکنان پشتیبانی مشتری با استفاده از هوش مصنوعی مولد به طور متوسط ۱۴ درصد افزایش یافته و بیشترین سود را برای کارکنان کمتجربه به همراه داشته است. در این مدل، فناوری به جای حذف نقطه ورود، دانش انباشته را سریعتر در اختیار کارکنان کمتجربه قرار میدهد.
بنابراین، پرسش راهبردی بازار کار آینده فراتر از شمار مشاغلی است که هوش مصنوعی قادر به انجام آنهاست. مسئله اصلی این است که دولتها، دانشگاهها و بنگاهها چگونه میتوانند افزایش بهرهوری را به گونهای مدیریت کنند که زنجیره کسب تجربه، تربیت متخصص، توزیع درآمد و ظرفیت انسانی بلندمدت حفظ شود.