AI nie tyle eliminuje zawody, co redefiniuje potrzebne w nich umiejętności. Nowe badanie z Northeastern University obala mity i proponuje wskaźnik ryzyka bezrobocia.
W skrócie:
- Badania z Northeastern University dowodzą, że sztuczna inteligencja przede wszystkim zmienia zadania i umiejętności w zawodach, a nie prowadzi do masowych zwolnień, jak przewidywano.
- Naukowcy stworzyli „wskaźnik ryzyka bezrobocia”, który mierzy, jak duża część umiejętności pracownika może zostać zautomatyzowana, a nie czy jego stanowisko zniknie.
- Powstaje Obserwatorium Zakłóceń na Rynku Pracy w USA, które zbierze dane z CV i ofert pracy, aby precyzyjniej mierzyć wpływ AI na zatrudnienie.
Pytanie, czy AI zabierze nam pracę, stało się niemal refrenem każdej dyskusji o technologii. Unosi się nad nami jak widmo, podsycane przez kolejne nagłówki o „kurczących się siłach roboczych” i prognozach, które wieszczą zniknięcie nawet 40% niektórych zawodów. To narracja prosta, chwytliwa i – jak się okazuje – prawdopodobnie błędna. Nowe badania zespołu z Northeastern University, opublikowane w czasopiśmie PNAS Nexus, rzucają na tę kwestię zupełnie inne światło. Zamiast apokalipsy, naukowcy proponują rewolucję w myśleniu. Bo AI nie jest katem zwalniającym z pracy, a raczej surowym redaktorem, który zmusza nas do ciągłej aktualizacji naszych zawodowych kompetencji.
A co, jeśli wszyscy się mylili?
Esteban Moro, profesor fizyki z Northeastern University, wraz ze współpracownikami z University of Pittsburgh i Indiana University, wziął na warsztat historyczne modele przewidujące masowe bezrobocie wywołane przez AI. Porównał je z twardymi danymi z amerykańskiego rynku pracy, analizując statystyki z różnych sektorów i stanów. Wniosek? “Odkryliśmy, że żadna z tych apokaliptycznych przepowiedni nie była trafna. Po prostu się nie sprawdziły” – stwierdza bez ogródek Moro. To nie jest myślenie życzeniowe, ale chłodna analiza faktów. Przypomnijmy sobie panikę, która wybuchła, gdy AI nauczyło się analizować zdjęcia rentgenowskie. Wieszczono koniec zawodu radiologa. Tymczasem rzeczywistość napisała inny scenariusz. “Liczba radiologów w tym kraju wzrosła w ciągu ostatnich 10 lat” – zauważa Moro. Dlaczego? Ponieważ praca radiologa to coś więcej niż tylko jedna, zautomatyzowana umiejętność. To cały zestaw kompetencji – od komunikacji z pacjentem, przez interpretację w szerszym kontekście medycznym, aż po podejmowanie decyzji. AI stało się potężnym narzędziem w ich rękach, a nie zastępcą.
Jak zmierzyć to, czego nie widać?
Problem z dotychczasowymi analizami polegał na tym, że traktowały one zawody jako monolityczne byty. Albo praca istnieje, albo znika. Tymczasem zespół Moro proponuje zupełnie nowe podejście – spojrzenie na każdy zawód jako zbiór konkretnych umiejętności i zadań. Dopiero na tym poziomie widać prawdziwy wpływ automatyzacji. Właśnie dlatego naukowcy opracowali coś, co nazywają “wskaźnikiem ryzyka bezrobocia”. Mierzy on, jaki procent umiejętności danej osoby może zostać zautomatyzowany przez AI. Im wyższy wskaźnik, tym większe ryzyko, że praca tej osoby ulegnie transformacji. Ale uwaga – transformacja to nie to samo co eliminacja. “To nie znaczy, że zostaniesz zwolniony” – podkreśla Moro. “Możemy się przystosować, zmienić kierunek i robić coś innego, a firmy i uniwersytety mogą szkolić ludzi w zakresie nowych umiejętności”. Sztuczna inteligencja zmienia więc reguły gry, ale niekoniecznie wyrzuca nas z boiska. Raczej zmusza do nauczenia się nowych zagrań.
Obserwatorium Wielkiego Brata, czyli przyszłość analityki pracy
Skoro obecne dane są niewystarczające, trzeba zebrać nowe. I to na masową skalę. Właśnie z taką misją powstaje Observatory of US Job Disruption – wspólny projekt badaczy z Northeastern University, Carnegie Mellon i MIT. Ta inicjatywa ma na celu gromadzenie i analizowanie ogromnych zbiorów danych o umiejętnościach – pochodzących z milionów CV, ogłoszeń o pracę i opisów stanowisk. Dzięki temu tworzony “wskaźnik ryzyka bezrobocia” ma stać się jeszcze bardziej precyzyjny. Moro wyobraża sobie przyszłość, w której każdy będzie mógł wejść na stronę internetową, wpisać swój zawód, branżę i lokalizację, aby poznać swoje indywidualne ryzyko i zrozumieć, które kompetencje warto rozwijać. To odejście od straszenia na rzecz świadomego zarządzania karierą. “Musimy sięgać coraz dalej, co oznacza więcej danych, więcej analiz i więcej zasobów” – podsumowuje badacz. “Jedynym sposobem na zrozumienie tego, co się dzieje, i podjęcie działań, jest właściwe zmierzenie tego zjawiska”. I trudno się z nim nie zgodzić. Zamiast czekać na wyrok, lepiej zrozumieć dowody.