هوش مصنوعی تا سال ۲۰۳۰ بازار کار تخصصی را دگرگون می‌کند؛ خطر بزرگ‌تر شاید کاهش دستمزدها باشد
نویسنده: نیکولاس اندرسون، دکترای ادبیات
۱۸ اکتبر ۲۰۲۶
هوش مصنوعی ممکن است پیش از آنکه مشاغل کامل را از میان ببرد، اقتصاد اشتغال تخصصی را تغییر دهد. کاهش استخدام فارغ‌التحصیلان، رشد ضعیف‌تر دستمزدها و تمرکز فزاینده منافع حاصل از افزایش بهره‌وری می‌تواند بازار کار شرکت‌ها را دگرگون کند. برای مدیران ارشد، سرمایه‌گذاران و سیاست‌گذاران، نحوه توزیع این منافع ممکن است به‌اندازه خود فناوری اهمیت پیدا کند.
برای چندین نسل، تحصیلات دانشگاهی مسیری نسبتاً قابل پیش‌بینی برای ورود به طبقه متوسط حرفه‌ای به شمار می‌رفت. فارغ‌التحصیلان وارد مؤسسات مالی، شرکت‌های مشاوره، دفاتر حقوقی، شرکت‌های فناوری و واحدهای اداری سازمان‌ها می‌شدند. آنان به‌تدریج تجربه کسب می‌کردند، در سلسله‌مراتب سازمانی ارتقا می‌یافتند و عموماً انتظار داشتند درآمدشان هم‌زمان با افزایش تخصص و مهارتشان بیشتر شود.
هوش مصنوعی اکنون در حال به چالش کشیدن مبانی اقتصادی این مسیر پیشرفت است.
تا سال ۲۰۳۰، شرکت‌ها ممکن است بتوانند با نیروی انسانی کمتر، حجم بسیار بیشتری از خدمات و فعالیت‌های تخصصی را انجام دهند. پیامدهای این تحول می‌تواند مدت‌ها پیش از آنکه آمار بیکاری از یک تغییر ساختاری بزرگ حکایت کند، در قالب کاهش استخدام، کند شدن رشد دستمزدها و محدود شدن فرصت‌های شغلی ظاهر شود.
این تمایز اهمیت زیادی دارد. ممکن است بهره‌وری اقتصاد افزایش یابد، اما وضعیت مالی بسیاری از کارکنان تحصیل‌کرده بدتر شود. سود شرکت‌ها می‌تواند بالا برود، درحالی‌که قدرت چانه‌زنی کارکنان کاهش می‌یابد.
بنابراین، شاید آثار این دگرگونی را به همان اندازه که باید در مشاغل حذف‌شده جست‌وجو کرد، بتوان در مسیرهای شغلی‌ای دید که هرگز آغاز نمی‌شوند و افزایش حقوق‌هایی که هیچ‌گاه تحقق نمی‌یابند.
چرا هوش مصنوعی ممکن است پیش از حذف مشاغل موجود، استخدام را کاهش دهد؟
سامانه‌های پیشرفته هوش مصنوعی به‌طور فزاینده‌ای قادرند فعالیت‌هایی را انجام دهند که پیش‌تر بر عهده کارکنان متخصص بود؛ از جمله تحلیل مالی، توسعه نرم‌افزار، پژوهش حقوقی، تهیه گزارش‌های اداری و پشتیبانی مشتریان.
شرکت اوپن‌ای‌آی هدف توسعه هوش عمومی مصنوعی را مطرح کرده است؛ فناوری‌ای که بتواند در بیشتر فعالیت‌های دارای ارزش اقتصادی از انسان عملکرد بهتری داشته باشد. داریو آمودی، مدیرعامل شرکت آنتروپیک، نیز هشدار داده است که هوش مصنوعی ممکن است طی چند سال بخش قابل‌توجهی از مشاغل اداری و تخصصی سطح مبتدی را حذف کند.
بااین‌حال، این اهداف و هشدارها پیش‌بینی‌های قابل اتکایی از وضعیت اشتغال در سال ۲۰۳۰ نیستند. توانایی فنی یک فناوری لزوماً به پذیرش تجاری آن یا حذف مشاغل منجر نمی‌شود.
شرکت‌ها باید عواملی مانند دقت، الزامات قانونی، هزینه‌های یکپارچه‌سازی، امنیت سایبری و پاسخ‌گویی در قبال نتایج را در نظر بگیرند. بسیاری از مشاغل تخصصی نیز ترکیبی از وظایف استاندارد و مسئولیت‌هایی هستند که خودکارسازی آن‌ها همچنان دشوار است.
بااین‌همه، شرکت‌ها برای کاهش تقاضا برای نیروی کار لزوماً نیازی ندارند که یک شغل را به‌طور کامل خودکار کنند.
برای مثال، یک مؤسسه خدمات مالی را در نظر بگیرید که تحلیلگرانی را برای گردآوری اطلاعات، تهیه گزارش، ساخت مدل‌های تحلیلی و پشتیبانی از تصمیم‌های سرمایه‌گذاری استخدام می‌کند. اگر هوش مصنوعی زمان لازم برای انجام این فعالیت‌ها را به میزان چشمگیری کاهش دهد، مدیریت ممکن است متخصصان باتجربه را حفظ کند، اما تعداد کمتری از فارغ‌التحصیلان را به استخدام درآورد.
در کوتاه‌مدت، نتیجه این روند کوچک‌تر شدن جریان ورود نیروی کار به سازمان است، نه موجی آشکار از اخراج‌ها.
با گذشت زمان، خروج طبیعی کارکنان، ادغام واحدهای سازمانی و کند شدن روند استخدام می‌تواند تعداد کل شاغلان را کاهش دهد، بی‌آنکه توجه سیاسی و رسانه‌ای‌ای را که معمولاً اخراج‌های گسترده به دنبال دارند، برانگیزد.
برای هیئت‌مدیره شرکت‌ها، این وضعیت فرصتی جذاب برای بهبود عملکرد عملیاتی است؛ اما برای متخصصان جوان، به معنای بازاری کار با چشم‌اندازی بسیار نامطمئن‌تر خواهد بود.
نخستین پله نردبان پیشرفت شغلی در شرکت‌ها در حال ناپدید شدن است
پیشرفت حرفه‌ای به انباشته شدن تجربه وابسته است.
حسابداران تازه‌کار با انجام امور مالی روزمره مهارت می‌آموزند. وکلای جوان از طریق پژوهش حقوقی و آماده‌سازی اسناد، قدرت تشخیص و قضاوت حرفه‌ای خود را پرورش می‌دهند. تحلیلگران سرمایه‌گذاری نیز با بررسی شرکت‌ها، صنایع و صورت‌های مالی به تخصص دست پیدا می‌کنند.
این فعالیت‌ها علاوه بر ایجاد ارزش اقتصادی، نقشی آموزشی در درون سازمان‌ها دارند.
وقتی هوش مصنوعی بخش بیشتری از مسئولیت‌های سطح مبتدی را بر عهده بگیرد، ممکن است کارفرمایان به این نتیجه برسند که به کارکنان تازه‌کار کمتری نیاز دارند. بااین‌حال، همین سازمان‌ها در آینده همچنان به متخصصان باتجربه‌ای نیاز خواهند داشت که بتوانند بر کارهای پیچیده نظارت کنند، مشتریان را مدیریت کنند و مسئولیت تصمیم‌های مهم را بپذیرند.
در نتیجه، احتمال کمبود تخصص در نسل‌های آینده نیروی کار به وجود می‌آید.
دانشگاه‌ها همچنان می‌توانند مدارک تخصصی صادر کنند، اما آموزش دانشگاهی نمی‌تواند به‌طور کامل جایگزین تجربه عملی شود. اگر کارفرمایان فرصت‌هایی را که فارغ‌التحصیلان از طریق آن‌ها تجربه کسب می‌کنند کاهش دهند، مسیر سنتی گذار از تحصیل به مهارت حرفه‌ای دیگر مانند گذشته قابل اتکا نخواهد بود.
پیامدهای اقتصادی این روند ممکن است فراتر از افرادی باشد که مستقیماً تحت تأثیر قرار می‌گیرند.
ورود دیرهنگام به بازار کار تخصصی می‌تواند درآمد فرد را در طول زندگی کاهش دهد، تشکیل خانواده را به تأخیر بیندازد، مصرف خانوار را پایین بیاورد و تحرک اجتماعی را محدود کند.
تاریخ نمونه‌ای روشنگر در این زمینه ارائه می‌دهد.
در قرن بیستم، با گسترش مراکز تلفن خودکار، اپراتورهای تلفن به‌تدریج جایگاه شغلی خود را از دست دادند. پژوهش‌های مربوط به این تحول، تغییرات قابل‌توجه در فرصت‌های شغلی را مستند کرده‌اند؛ به‌ویژه برای زنان جوانی که وارد بازار کار می‌شدند.
برخی از این کارکنان جذب مشاغل دفتری و اداری جایگزین شدند. برخی دیگر، زمانی که تجربه شغلی‌شان ارزش اقتصادی خود را از دست داد، با دشواری‌های جدی برای سازگاری با شرایط جدید روبه‌رو شدند.
هوش مصنوعی مسئله دیگری نیز به این وضعیت اضافه می‌کند: بسیاری از مشاغل اداری‌ای که در گذشته نیروی کار جابه‌جاشده را جذب می‌کردند، خود در معرض خودکارسازی قرار دارند.
بنابراین، نمی‌توان فرض کرد که فرصت‌های شغلی جایگزین حتماً در دسترس خواهند بود.
افزایش بهره‌وری لزوماً به معنای افزایش دستمزد متخصصان نیست
پیشرفت فناوری معمولاً ظرفیت تولیدی اقتصاد را افزایش می‌دهد. اما اینکه منافع حاصل از این پیشرفت به کارکنان برسد یا نه، به عواملی مانند رقابت، تقاضا برای نیروی کار، قدرت چانه‌زنی، مالکیت و ترتیبات نهادی بستگی دارد.
گذار صنعت نساجی بریتانیا از تولید دستی به تولید ماشینی، تفاوت میان این دو موضوع را روشن می‌کند.
مکانیزه شدن تولید را افزایش داد و در نهایت به ارزان‌تر شدن منسوجات کمک کرد. بااین‌حال، بسیاری از بافندگان سنتی که با دست کار می‌کردند، با کنار رفتن مهارت‌هایشان در برابر ماشین‌آلات صنعتی، کاهش درآمد و دشواری‌های اقتصادی شدیدی را تجربه کردند.
مصرف‌کنندگان و صاحبان سرمایه مولد از این تحول سود بردند، اما گروه‌هایی از کارکنان متضرر شدند.
هوش مصنوعی ممکن است مسئله‌ای مشابه در توزیع منافع اقتصادی در بخش خدمات تخصصی ایجاد کند.
یک کارفرما می‌تواند ابزارهای هوش مصنوعی را به کار بگیرد تا یک گروه تحلیلی کوچک‌تر، تعداد بسیار بیشتری از وظایف را انجام دهد. در این شرایط، درآمد شرکت ممکن است افزایش یابد، هزینه‌های عملیاتی کاهش پیدا کند و حاشیه سود بهبود یابد.
درعین‌حال، کارکنانی که در سازمان باقی می‌مانند ممکن است بهره‌وری بیشتری داشته باشند، بی‌آنکه دستمزدشان به همان نسبت افزایش پیدا کند.
حتی ممکن است موقعیت آنان در مذاکرات حقوقی ضعیف‌تر شود؛ زیرا کارفرمایان تصور می‌کنند می‌توان همان میزان خروجی را با تعداد کمتری از کارکنان تولید کرد.
این وضعیت می‌تواند به فشرده شدن دامنه دستمزدها در مشاغلی منجر شود که پیش‌تر از ظرفیت درآمدزایی نسبتاً بالایی برخوردار بودند.
تحلیلگران مالی، توسعه‌دهندگان نرم‌افزار، مشاوران و کارکنان اداری ممکن است بیش از پیش ناچار شوند ثابت کنند که ارزش کارشان فراتر از فعالیت‌هایی است که سامانه‌های هوشمند می‌توانند با هزینه مناسب انجام دهند.
البته چنین پیامدهایی اجتناب‌ناپذیر نیستند. هوش مصنوعی می‌تواند مکمل تخصص انسانی باشد، خدمات جدیدی به وجود آورد و تقاضا برای متخصصان دارای مهارت‌های ویژه را افزایش دهد.
ابهام اصلی این است که منافع حاصل از افزایش بهره‌وری چگونه تقسیم خواهند شد.
اگر هوش مصنوعی حجم تولید شرکت‌ها را افزایش دهد، اما تقاضا برای برخی گروه‌های نیروی کار را کاهش دهد، ممکن است سهم نامتناسبی از منافع به سهام‌داران، تأمین‌کنندگان فناوری و مالکان زیرساخت‌های محاسباتی برسد.
فشار ناشی از این روند بر درآمد متخصصان ممکن است به‌تدریج شکل بگیرد و در نتیجه، کمتر از بیکاری متعارف به چشم بیاید.
پیامدهای جهانی یکسان نخواهد بود
هوش مصنوعی ممکن است جغرافیای اشتغال تخصصی را نیز تغییر دهد.
شرکت‌های چندملیتی برای دهه‌ها از برون‌سپاری بین‌المللی استفاده کرده‌اند تا به نیروی کار ماهر در اقتصادهایی با هزینه کمتر دسترسی پیدا کنند.
هند صنایع گسترده‌ای در حوزه فناوری اطلاعات و خدمات تخصصی ایجاد کرده است. فیلیپین نیز به یکی از مراکز مهم پشتیبانی مشتریان، عملیات اداری و برون‌سپاری فرایندهای کسب‌وکار تبدیل شده است.
این صنایع درآمد صادراتی ایجاد کرده‌اند و فرصت‌های شغلی در اختیار نیروی کار تحصیل‌کرده قرار داده‌اند.
هوش مصنوعی می‌تواند بخشی از مزیت هزینه نیروی کار را که مدل‌های کسب‌وکار یادشده بر آن تکیه دارند، تضعیف کند.
یک شرکت چندملیتی که پیش‌تر میان استخدام متخصصان داخلی و برون‌سپاری فعالیت‌ها به خارج از کشور تصمیم‌گیری می‌کرد، ممکن است به‌طور فزاینده‌ای نرم‌افزارهای خودکار را نیز به‌عنوان گزینه‌ای سوم بررسی کند.
در فعالیت‌های استانداردی که هوش مصنوعی قادر است آن‌ها را با اطمینان انجام دهد، تفاوت سطح دستمزد میان کشورها ممکن است اهمیت کمتری پیدا کند.
این موضوع به معنای ناپدید شدن صنایع برون‌سپاری نیست.
شرکت‌های فناوری هند ممکن است از فرصت‌های تازه در زمینه یکپارچه‌سازی هوش مصنوعی، امنیت سایبری، نوسازی سامانه‌های سازمانی و مشاوره تخصصی بهره ببرند. شرکت‌های خدماتی فیلیپین نیز ممکن است فعالیت خود را در حوزه مدیریت پیچیده مشتریان و وظایفی که به قضاوت انسانی قابل‌توجه نیاز دارند، گسترش دهند.
بااین‌حال، حرکت به سوی خدمات با ارزش افزوده بالاتر لزوماً به ایجاد فرصت‌های شغلی هم‌تراز منجر نمی‌شود.
ممکن است درآمد یک شرکت افزایش یابد، درحالی‌که تعداد کارکنان آن کمتر شود.
ساختار جمعیتی نیز بر پیامدهای این تحول تأثیر خواهد گذاشت.
در اقتصادهای سالخورده‌ای مانند ژاپن و کره جنوبی، خودکارسازی می‌تواند کمبود نیروی کار را کاهش دهد و با وجود کوچک‌تر شدن جمعیت در سن اشتغال، به حفظ سطح تولید کمک کند.
اما در اقتصادهای جوان‌تری که به ایجاد شمار زیادی فرصت شغلی نیاز دارند، همین فناوری ممکن است رقابت بر سر مشاغل تخصصی را تشدید کند.
بنابراین، راهبردهای ملی هوش مصنوعی باید با شرایط متفاوت بازار کار در هر کشور متناسب باشند و نباید فرض کنند که خودکارسازی در همه‌جا منافع اقتصادی یکسانی به همراه خواهد داشت.
آیا ارزان‌تر شدن هوش می‌تواند بازارهای کاملاً جدیدی ایجاد کند؟
تاریخ اقتصادی دلایلی نیز برای خوش‌بینی محتاطانه در اختیار ما می‌گذارد.
وقتی فناوری هزینه تولید کالا یا ارائه خدمات را کاهش می‌دهد، تقاضا ممکن است افزایش پیدا کند. کسب‌وکارها می‌توانند وارد بازارهایی شوند که پیش‌تر از نظر اقتصادی مقرون‌به‌صرفه نبودند و مصرف‌کنندگان نیز به محصولاتی دسترسی پیدا کنند که قبلاً توان خرید آن‌ها را نداشتند.
سازوکاری مرتبط با این پدیده معمولاً با نام پارادوکس جِوونز شناخته می‌شود: بهبود بهره‌وری گاهی می‌تواند مصرف کل یک منبع را افزایش دهد، زیرا کاهش هزینه‌ها تقاضای بیشتری ایجاد می‌کند.
هوش مصنوعی نیز ممکن است به گسترش مشابهی در خدمات دانش‌محور منجر شود.
شرکت‌های کوچک می‌توانند با هزینه‌ای بسیار کمتر به تحلیل‌های مالی پیشرفته دسترسی پیدا کنند. کارآفرینان ممکن است بدون نیاز به حفظ واحدهای بزرگ مهندسی، نرم‌افزار تولید کنند. مشاوران حرفه‌ای نیز می‌توانند به مشتریانی خدمات ارائه دهند که پیش‌تر توان پرداخت هزینه این خدمات را نداشتند.
ممکن است مدل‌های کسب‌وکار کاملاً جدیدی شکل بگیرند.
بااین‌حال، افزایش تقاضا برای خدمات لزوماً به افزایش متناسب تقاضا برای نیروی انسانی منجر نمی‌شود.
برای مثال، بازار خدمات حقوقی ممکن است به‌طور چشمگیری گسترش یابد، اما برای انجام هر پرونده به وکلای کمتری نیاز داشته باشد. تولید نرم‌افزار نیز ممکن است سرعت بگیرد، بی‌آنکه اشتغال توسعه‌دهندگان به همان نسبت افزایش یابد.
نتیجه نهایی برای اشتغال به این بستگی دارد که آیا رشد تقاضا و ایجاد مشاغل جدید می‌تواند کاهش نیروی کار موردنیاز برای فعالیت‌های موجود را جبران کند یا خیر.
این تمایز برای سرمایه‌گذاران اهمیت ویژه‌ای دارد. گسترش یک بازار می‌تواند بازده مالی فوق‌العاده‌ای برای شرکت‌ها ایجاد کند، بی‌آنکه رشد اشتغال به همان اندازه قوی باشد.
چرا این تحولات برای رهبران کسب‌وکار اهمیت دارد؟
پیامدهای این تحول تنها به برنامه‌ریزی نیروی کار محدود نمی‌شود.
شرکت‌هایی که با سرعت زیاد مشاغل سطح مبتدی را خودکار می‌کنند، ممکن است در کوتاه‌مدت حاشیه سود خود را بهبود دهند، اما هم‌زمان مسیر پرورش مدیران آینده و متخصصان موردنیاز خود را تضعیف کنند.
سازمان‌ها باید روش‌های جایگزینی برای توسعه تخصص در نظر بگیرند؛ از جمله دوره‌های کارآموزی ساختاریافته، انجام وظایف با کمک هوش مصنوعی تحت نظارت و برنامه‌های آموزشی حرفه‌ای هدفمندتر.
هیئت‌مدیره‌ها همچنین باید بررسی کنند که آیا افزایش بهره‌وری گزارش‌شده واقعاً حاصل بهبود عملیات است یا نتیجه کاهش موقتی سرمایه‌گذاری در توانمندی‌های انسانی.
برای کارکنان، مزیت حرفه‌ای‌ای که حفظ آن آسان‌تر است، ممکن است بیش از پیش به مسئولیت‌هایی وابسته باشد که تخصص را با پاسخ‌گویی ترکیب می‌کنند.
قضاوت راهبردی، مذاکره، مسئولیت‌های قانونی و نظارتی، شناخت سازمانی، روابط با مشتریان و رهبری سازمانی ممکن است همچنان ارزش اقتصادی بالایی داشته باشند؛ حتی اگر هوش مصنوعی بخش بیشتری از کارهای تحلیلی را انجام دهد.
البته این توانمندی‌ها مصونیت دائمی در برابر خودکارسازی ایجاد نمی‌کنند. اهمیت آن‌ها تا حدی از این واقعیت ناشی می‌شود که کسب‌وکارها در چارچوب نظام‌های حقوقی و نهادی فعالیت می‌کنند؛ نظام‌هایی که برای تصمیم‌ها به مسئولیت‌پذیری مشخص نیاز دارند.
وضعیت مالی دولت‌ها نیز نگرانی دیگری ایجاد می‌کند.
دولت‌ها تا حد زیادی به مالیات‌های مرتبط با اشتغال و درآمد شخصی متکی هستند. اگر خودکارسازی توزیع درآمد میان نیروی کار و سرمایه را تغییر دهد، ساختارهای فعلی درآمدهای مالیاتی ممکن است با فشار مواجه شوند.
وضع مالیات مستقیم بر سامانه‌های خودکار با دشواری‌های عملی قابل‌توجهی روبه‌رو است. در عوض، ممکن است دولت‌ها ناچار شوند تعامل میان سود شرکت‌ها، درآمد سرمایه، مالیات بر اشتغال و حمایت‌های اجتماعی را در اقتصادی با سطح بالاتری از خودکارسازی بازنگری کنند.
مداخلات نادرست در سیاست‌گذاری می‌تواند سرمایه‌گذاری مولد را کاهش دهد. بااین‌حال، بی‌عملی نیز ممکن است باعث شود نهادهای عمومی برای مقابله با گسترش ناامنی اقتصادی آمادگی کافی نداشته باشند.
پاسخ سیاستی مناسب باید بر تغییرات واقعی در اشتغال، دستمزدها، بهره‌وری و درآمدهای مشمول مالیات استوار باشد، نه بر فرضیات گمانه‌زنانه درباره پیشرفت فناوری.
نکات کلیدی برای مدیران ارشد
چه چیزی تغییر کرده است؟ هوش مصنوعی دامنه وظایف تخصصی قابل‌خودکارسازی را گسترش می‌دهد و این امکان را به وجود می‌آورد که شرکت‌ها با نیروی انسانی کمتر، بهره‌وری بیشتری داشته باشند و استخدام‌های جدید را کاهش دهند.
چرا اهمیت دارد؟ حذف مشاغل تنها پیامد احتمالی این تحول نیست. کاهش رشد دستمزدها، محدود شدن پیشرفت شغلی، تغییر الگوهای برون‌سپاری و تمرکز بیشتر درآمد در اختیار صاحبان سرمایه نیز می‌تواند جایگاه اقتصادی کارکنان تحصیل‌کرده را دگرگون کند.
رهبران کسب‌وکار در گام بعدی چه باید بکنند؟ افزایش بهره‌وری ناشی از هوش مصنوعی را در کنار روند استخدام، میزان دستمزدها، توسعه کارکنان و توانمندی بلندمدت سازمان ارزیابی کنند. کاهش کوتاه‌مدت تعداد کارکنان را معیار کاملی برای موفقیت در به‌کارگیری این فناوری ندانند.
چند سال آینده مشخص خواهد کرد که آیا هوش مصنوعی عمدتاً مکمل نیروی کار متخصص است یا تقاضا برای این نیروی کار را به‌طور چشمگیری کاهش می‌دهد.
مدیران اجرایی و سیاست‌گذاران باید روند استخدام فارغ‌التحصیلان، رشد واقعی دستمزدها، سهم نیروی کار از درآمد، جابه‌جایی شغلی و رابطه میان تولید شرکت‌ها و میزان اشتغال را زیر نظر بگیرند.
تا سال ۲۰۳۰، مهم‌ترین پیامد اقتصادی هوش مصنوعی شاید تعداد متخصصانی نباشد که شغل خود را از دست می‌دهند؛ بلکه میزان تغییری باشد که این فناوری در پاداش اقتصادی کارکنان باقی‌مانده ایجاد می‌کند و فرصت‌هایی که برای نسل بعدیِ جویندگان مشاغل تخصصی باقی می‌گذارد.