شغل‌های در معرض هوش مصنوعی؛ چه کسانی باید بیشتر نگران باشند؟

شرکت‌های فعال در حوزه هوش مصنوعی ادعاهای گسترده‌ای درباره توانایی ابزارهای خود برای جایگزین کردن نیروی کار انسانی مطرح می‌کنند.

برخی مشاغل به طور کامل خودکار خواهند شد و برخی دیگر با کمک هوش مصنوعی دگرگون و تقویت می‌شوند. مدیران بزرگ‌ترین شرکت‌های جهان میلیاردها دلار در این فناوری‌ها سرمایه‌گذاری می‌کنند؛ بخشی از این سرمایه‌گذاری نیز با این آگاهی انجام می‌شود که استفاده از این ابزارها می‌تواند هزینه‌های مربوط به نیروی انسانی را کاهش دهد.

این روزها به مدیران شرکت‌ها گفته می‌شود که «ثابت ماندن تعداد کارکنان، نشانه موفقیت و بهره‌وری است»؛ آن هم در شرایطی که سرمایه‌گذاران می‌پرسند آیا باید مشاغل را به نیروهای تازه‌استخدام سپرد یا به «عامل‌های هوش مصنوعی»؛ نیروهای مجازی‌ که برای انجام وظایف مشخص طراحی شده‌اند و برخی از آن‌ها حتی قادر به انجام کارهای نسبتاً تخصصی هستند.

اگر حتی نیمی از این ادعاها درست باشد، تاثیر آن بر همه ما محسوس خواهد بود؛ چه در بخش‌های مختلف اقتصادی و چه در مسیرهای شغلی افراد. شاید این تغییرات حتی زودتر از آنچه تصور می‌کنیم رخ دهند.

اقتصاددانان برنده جایزه نوبل اخیرا هشدار داده‌اند که جهان باید «همین حالا اقدام کند» تا اطمینان حاصل شود که هوش مصنوعی به افزایش سطح رفاه و استانداردهای زندگی منجر می‌شود، نه به حذف گسترده مشاغل. ماه گذشته نیز کسب‌وکارهای لندن هشدار دادند که همزمان با برهم خوردن بازار کار بر اثر هوش مصنوعی، در یافتن مهارت‌های مورد نیاز خود با مشکل روبه‌رو شده‌اند.

هنوز در آغاز راه هستیم، اما داده‌ها از هم‌ اکنون برخی الگوهای قابل توجه را نشان می‌دهند. این داده‌ها نشان می‌دهند مدل‌های مختلف هوش مصنوعی تا چه اندازه می‌توانند وظایفی را انجام دهند که پیش‌تر بر عهده انسان‌ها بوده است.

بر اساس این شاخص، تنها سه سال پیش مدل‌های زبانی بزرگ (LLM) فقط قادر بودند وظایفی را با اطمینان انجام دهند که انجام آن‌ها برای انسان چند ثانیه یا چند دقیقه زمان می‌برد. اما اکنون این مدل‌ها به طور فزاینده‌ای می‌توانند وظایف نسبتا پیچیده‌ای را که حدود یک ساعت زمان نیاز دارند، به انجام برسانند.

برخی از مدل‌های زبانی بزرگ اکنون حتی قادرند مشکلات موجود در یک قرارداد ارز دیجیتال را شناسایی کنند و خود مدل را توسعه داده یا بهینه‌سازی کنند؛ کارهایی که انجام آن‌ها برای یک انسان ممکن است چندین ساعت طول بکشد.

انتظار می‌رود نسل جدید این مدل‌ها طی حدود یک سال آینده بتوانند بخش عمده‌ای از فرایند توسعه خود را نیز به طور مستقل انجام دهند. این روند فعلا در حوزه برنامه‌نویسی و توسعه نرم‌افزار مشهود است، اما الگوهای مشابهی، هرچند در مراحل اولیه‌تر، در زمینه‌هایی مانند تحلیل مالی، امور حقوقی مقدماتی و حتی برخی مشاغل سطح ورودی در صنایع خلاق نیز مشاهده می‌شود.

این موضوع چه معنایی برای بازار کار دارد؟ جامع‌ترین بررسی‌های موجود تاکنون از ایالات متحده به دست آمده‌اند؛ بررسی‌هایی که با استفاده از چهار سال داده درباره وضعیت اشتغال گروه‌های سنی مختلف در مشاغلی انجام شده‌اند که بیشترین یا کمترین میزان مواجهه با هوش مصنوعی را دارند. این مشاغل از توسعه‌دهندگان نرم‌افزار و کارکنان مراکز ارتباط با مشتری گرفته تا کارکنان حوزه سلامت، مراقبان کودک و آرایشگران را در بر می‌گیرند.

تحلیل دانشگاه استنفورد از داده‌های مربوط به دستمزدها و اشتغال نشان می‌دهد که از زمان فراگیر شدن چت‌جی‌پی‌تی، اشتغال افراد ۲۲ تا ۲۵ ساله با کاهش ۲/۷ درصدی روبه‌رو شده است. این کاهش در بخش‌هایی که بیشترین تاثیرپذیری را از هوش مصنوعی دارند، از جمله امور مالی، توسعه نرم‌افزار و صنایع خلاق، به ۱۲/۸ درصد می‌رسد.

البته همه اقتصاددانان با این نتیجه‌گیری موافق نیستند. برخی معتقدند عوامل دیگری، از جمله افزایش نرخ بهره و شرایط کلی اقتصاد، نیز می‌توانند توضیح‌دهنده این تغییرات در بازار کار باشند.

آگهی‌های شغلی آنلاین نیز از زمان چت‌جی‌پی‌تی و دیگر مدل‌های زبانی بزرگ (LLM) تحت تاثیر قرار گرفته‌اند.

البته عوامل متعدد دیگری نیز در این روند نقش دارند؛ از نرخ‌های بهره گرفته تا سیاست‌های مالیاتی. با این حال، یکی از یافته‌های قابل توجه در تحلیل اخیر سازمان همکاری و توسعه اقتصادی، تفاوت میان میزان آگهی‌های استخدام در بخش‌هایی است که بیشترین مواجهه را با هوش مصنوعی دارند و بخش‌هایی که کمتر تحت تاثیر آن قرار می‌گیرند.

در این بررسی، مشاغلی مانند بازاریابی تلفنی و خدمات حقوقی در زمره بخش‌های بسیار در معرض هوش مصنوعی قرار گرفته‌اند، در حالی که حوزه‌هایی مانند ساخت‌وساز، خدمات نظافتی و آماده‌سازی غذا از جمله بخش‌های کم‌ تاثیرتر محسوب می‌شوند.

بریتانیا بر اساس این شاخص، کاهش قابل توجهی را تجربه کرده است؛ آن هم در دوره‌ای که نرخ‌های بهره یا ثابت بودند یا کاهش می‌یافتند. این روند همچنین پیش از افزایش حق بیمه در سال گذشته آغاز شده بود.

بر اساس بسیاری از شاخص‌های بین‌المللی، تمرکز بالای اقتصاد بریتانیا بر بخش خدمات، این کشور را در برابر احتمال از دست رفتن مشاغل بر اثر گسترش هوش مصنوعی آسیب‌پذیرتر می‌کند.

استفاده از هوش مصنوعی با واحدی به نام «توکن» اندازه‌گیری می‌شود. توکن‌ها بخش‌های کوچکی از متن هستند که سامانه‌های هوش مصنوعی برای درک، تحلیل و تولید زبان از آن‌ها استفاده می‌کنند. به طور متوسط، هر توکن تقریبا معادل سه‌ چهارم یک واژه در زبان انگلیسی است.

در سال ۲۰۲۶ میزان استفاده از هوش مصنوعی رشد خیره‌کننده‌ای داشته است و افزایش مصرف توکن‌ها به‌مراتب بیشتر از کاهش «هزینه هر توکن» بوده است.

بزرگ‌ترین شرکت‌های جهان که از هوش مصنوعی استفاده می‌کنند، حتی «جدول رتبه‌بندی توکن» ایجاد کرده‌اند تا کارکنان خود را تشویق کنند با بهره‌گیری از پیشرفته‌ترین مدل‌ها، بیشترین افزایش بهره‌وری ممکن را به دست آورند.

طی چند ماه گذشته تریلیون‌ها و در برخی موارد هزاران تریلیون توکن (کوادریلیون‌ها توکن) عمدتا برای استفاده از «عامل‌های هوش مصنوعی» مصرف شده است؛ سامانه‌هایی که می‌توانند وظایف مختلف را به‌طور خودکار انجام دهند. اما مشکلی نیز وجود داشته است: هزینه استفاده از این فناوری‌ها به شکل چشمگیری افزایش یافته، تا جایی که بسیاری از این شرکت‌ها اکنون ناچار شده‌اند مصرف این مدل‌ها را سهمیه‌بندی و محدود کنند.

این نکته اهمیت زیادی دارد، چون ممکن است نشان دهد که میزان خودکارسازی کارها نیز محدودیت‌هایی دارد. در برخی موارد، «کارکنان مجازی» ممکن است از کارکنان انسانی پرهزینه‌تر باشند. البته این موضوع به نوع کاری که انجام می‌شود بستگی دارد.

با این حال، یک عامل مهم دیگر را نیز باید در نظر گرفت: بسیاری از شرکت‌ها، از جمله شرکت‌های غربی، به سمت استفاده از مدل‌های بسیار ارزان‌تر هوش مصنوعی روی آورده‌اند؛ مدل‌هایی که بر پایه فناوری‌های توسعه‌یافته در چین ساخته شده‌اند و به‌صورت آزاد یا با هزینه بسیار پایین در دسترس بازار قرار گرفته‌اند.

بنابراین، هنوز ابهام‌های زیادی درباره تاثیر نهایی هوش مصنوعی بر بازار کار وجود دارد، اما برخی روندهای مشخص و قابل توجه از هم‌ اکنون در حال شکل‌گیری هستند.