یک شرکت با ابزار تازه، همان خدمت را با نیروی کمتری ارائه میکند. شرکت دیگری از فناوری مشابه برای ارائه خدمتی استفاده میکند که قبلاً نمیتوانست انجام دهد. هر دو ممکن است بهرهوری را بالا ببرند، اما اثرشان بر نیاز به کار انسان یکسان نیست. برای فهم آینده اشتغال، عبارت «فناوری پیشرفت میکند» توضیح کافی نیست.
اثر هوش مصنوعی بر اشتغال به این بستگی دارد که کدام وظایف را جایگزین میکند، چه ارزش و تقاضای تازهای میسازد و چه کسانی امکان ورود به کارهای جدید را دارند. افزایش بهرهوری میتواند فرصت بسازد، اما از آن نمیتوان نتیجه گرفت همه کارکنان، در زمان مناسب و به یک اندازه، منتفع میشوند.
چرا تجربه گذشته، پاسخ قطعی آینده نیست؟
تغییر فناوری در گذشته با ایجاد صنایع و کارهای تازه همراه بوده است. همین تجربه، دلیل مهمی برای پرهیز از پیشبینی ساده «پایان همه شغلها» است. اما نتیجه کلی اقتصاد، وضعیت هر فرد یا گروه را توضیح نمیدهد. ممکن است تولید بیشتر شود و همزمان بعضی کارکنان شغل، درآمد یا قدرت انتخابشان را از دست بدهند.
والتر فریک در تحلیل سال ۲۰۲۴ خود، تحول نگاه اقتصاددانان به خودکارسازی را مرور میکند: از تأکید بر بهرهوری و تحصیلات، به بررسی دقیقتر وظایف، ایجاد کار تازه و نقش تصمیمگیرندگان. پیام این مرور، کنارگذاشتن فناوری نیست؛ دقیقتر دیدن مسیر توزیع منفعت و هزینه آن است.
سه اثر را جدا ببینیم
اثر جایگزینی: وقتی ماشین وظیفهای را انجام میدهد که قبلاً انسان انجام میداد، نیاز مستقیم به کار انسان در آن فعالیت کمتر میشود. این اتفاق با حذف کامل یک عنوان شغلی برابر نیست؛ یک شغل میتواند چندین وظیفه متفاوت داشته باشد.
اثر بهرهوری: فناوری ممکن است هزینه را کاهش دهد، کیفیت یا ظرفیت را بالا ببرد و امکان گسترش تولید را فراهم کند. این گسترش میتواند تقاضا برای بعضی کارها را تقویت کند؛ اما بزرگی آن، و اینکه به کدام گروه برسد، از پیش معلوم نیست.
ایجاد وظایف تازه: بعضی تغییرات فناوری، کارهایی میسازند که انسان در آنها نقش ارزشمند و مزیت نسبی دارد. این مسیر با سریعتر انجامدادن همان فهرست قدیمی کارها تفاوت دارد. پرسش فقط این نیست که چه چیزی حذف میشود؛ باید دید چه فعالیت تازهای برای انسان پدید میآید.
دارون عجماوغلو و پاسکوال رسترپو در چارچوب اقتصادی خودکارسازی و وظایف تازه این نیروهای متقابل را توضیح میدهند. در این مدل، خودکارسازی میتواند هم بهرهوری را افزایش دهد و هم تقاضای کار یا سهم نیروی کار را تحت فشار بگذارد؛ ایجاد وظایف تازه میتواند نیرویی در جهت مقابل باشد. نتیجه مدل، پیشبینی عددی برای هر شرکت یا کشور نیست.
تحصیلات مهم است، اما بهتنهایی همه تفاوتها را توضیح نمیدهد
یکی از نگاههای اثرگذار، بر رقابت میان گسترش آموزش و تقاضای فناوری برای مهارت تأکید داشت: اگر تقاضا برای نیروی ماهر سریعتر از عرضه آن بالا برود، فاصله درآمدی میتواند بیشتر شود. این نگاه بخشی از مسئله را روشن میکند، اما عنوان مدرک هنوز نشان نمیدهد فرد دقیقاً چه کاری انجام میدهد.
نگاه مبتنی بر وظیفه میپرسد فناوری کدام بخش از کار را میگیرد و کدام بخش را ارزشمندتر میکند. دو فرد با تحصیلات مشابه ممکن است ترکیب وظایف متفاوتی داشته باشند. همچنین داشتن مهارت تازه کافی نیست، اگر فرصت کاری متناسب ایجاد نشود یا فرد نتواند به آن دسترسی پیدا کند.
پس توصیه «همه مهارت یاد بگیرند» باید به پرسشهای روشنتر برسد: کدام مهارت، برای چه فعالیتی، با چه تقاضایی و با چه مسیر ورود؟ آموزش بدون زمان، امکان تمرین و فرصت استفاده ممکن است صرفاً مسئولیت سازگاری را به دوش فرد بگذارد.
کاهش هزینه شرکت با بهبود تجربه کل، یکسان نیست
ممکن است یک ابزار هزینه ثبت سفارش را برای شرکت کم کند، اما کار بیشتری به مشتری یا تیم پشتیبانی منتقل کند. اگر فقط هزینه واحد اول دیده شود، نتیجه بیش از واقع مثبت به نظر میرسد. کاهش تعداد کارکنان نیز بهتنهایی شاخص افزایش ارزش اقتصادی نیست.
در بحث اقتصادی، از فناوریهایی هم صحبت میشود که کار انسان را کنار میزنند، اما بهبود بهرهوری محدودی ایجاد میکنند. برای مدیر، کاربرد این هشدار آن است که صرفِ امکان جایگزینی را با مطلوببودن سرمایهگذاری برابر نگیرد. باید کیفیت، دوبارهکاری، هزینه نگهداری و نتیجه واقعی خدمت را هم بررسی کرد.
نمونه فرضی: دو مسیر برای یک شرکت خدماتی
فرض کنید شرکتی زمان زیادی صرف دستهبندی درخواستها میکند و یک ابزار میتواند بخشی از آن را سریعتر انجام دهد. این سناریو فرضی است. در مسیر اول، هدف فقط کمکردن نیروی ثبت درخواست است؛ هزینه استثناها و خطاهای دستهبندی هنوز بررسی نشده و خدمت تازهای هم تعریف نشده است.
در مسیر دوم، شرکت علاوه بر بررسی صرفهجویی خالص، امکان یک خدمت پیشگیرانه را میسنجد: کارشناسان، الگوی مشکلات تکراری را تحلیل و با مشتری برای جلوگیری از تکرار آن همکاری کنند. این فعالیت باید واقعاً برای مشتری ارزش داشته باشد و کسی نیز حاضر به پرداخت هزینه آن باشد؛ نامگذاری یک کار تازه، تقاضا ایجاد نمیکند.
هیچیک از این مسیرها نتیجه تضمینشده ندارد. حتی اگر خدمت دوم موفق شود، لزوماً همان کارکنان قبلی بدون آموزش یا تغییر نقش وارد آن نمیشوند. هدف مثال، جداکردن تصمیم کاهش هزینه از فرض ایجاد ارزش و کار تازه است؛ نه وعده حفظ همه موقعیتها.
چه کسی درباره مسیر استفاده از فناوری تصمیم میگیرد؟
انتخاب کاربرد هوش مصنوعی فقط نتیجه توان فنی ابزار نیست. هدف مدیران، معیار سرمایهگذاری و امکان شنیدهشدن کارکنان نیز بر آن اثر میگذارد. کسی که کار را انجام میدهد ممکن است بداند کدام بخش تکراری است، کدام استثنا مهم است و کجا میتوان خدمت بهتری ساخت.
مشارکت کارکنان به معنی تضمین توافق یا حق وتو بر هر تغییر نیست. باید معلوم باشد چه چیزی قابل بحث است، تصمیم نهایی با چه کسی است و نگرانیها چگونه بررسی میشوند. دعوت به گفتوگو وقتی هیچ ورودیای امکان اثرگذاری ندارد، اطلاعات قابل اتکایی هم تولید نمیکند.
تقسیم منفعت نیز پرسشی جداست. بهترشدن نتیجه شرکت، خودبهخود مشخص نمیکند سهم کارکنان به صورت دستمزد، زمان، یادگیری یا امنیت بیشتر چه خواهد بود. درباره تصمیمهای معلوم و ابهامها صادقانه صحبت کنید و از وعدهای که اختیار تحقق آن را ندارید بپرهیزید.
پیش از تصویب طرح، این چهار پاسخ را بخواهید
- کدام وظایف واقعاً کم میشوند و چه کار، خطا یا هزینهای به دیگران منتقل میشود؟
- بهبود بهرهوری با چه نتیجهای برای مشتری و با احتساب کدام هزینههای کامل سنجیده میشود؟
- چه فعالیت تازهای میتواند از تخصص انسان استفاده کند و چه شاهدی از تقاضای آن داریم؟
- افراد متأثر چگونه شنیده میشوند و برای ورود به نقشهای تازه چه زمان و پشتیبانی لازم دارند؟
این پرسشها چارچوب پیشنهادی برای تصمیم مدیریتیاند، نه ابزار پیشبینی قطعی اشتغال. برای تبدیل بررسی اقتصادی به تقسیم کار یک نقش، راهنمای بازطراحی شغل با هوش مصنوعی را ببینید.
آینده کار را نمیتوان از توان ابزار بهتنهایی خواند. کاربرد انتخابشده، تقاضای واقعی و فرصت مشارکت و یادگیری، بخشهایی از تصمیم امروزند. برای بررسی طرحهای فناوری از منظر ارزش کسبوکار و پیامد آن برای تیم میتوانید جلسه مشاوره هماهنگ کنید.




