Πώς η τεχνητή νοημοσύνη επηρεάζει την εργασία του μέλλοντος
Βρισκόμαστε στην αρχή μιας πραγματικής επανάστασης όσον αφορά τον τρόπο με τον οποίο η τεχνητή νοημοσύνη επηρεάζει την εργασία και την απασχόληση. Η τεχνολογία αναπτύσσεται εκθετικά, αλλά οι δεξιότητές μας, οι οργανισμοί και τα ιδρύματά μας δεν προσαρμόζονται σχεδόν το ίδιο γρήγορα.
Μελετητές έχουν προσδιορίσει κριτήρια για τους τύπους εργασιών που είναι κατάλληλες για τη μηχανική μάθηση. Αν και η τεχνητή νοημοσύνη είναι πολύ ισχυρή για πολλά καθήκοντα, υπάρχουν πολλά άλλα πράγματα όπου οι άνθρωποι εξακολουθούν να έχουν μεγάλο πλεονέκτημα, και αυτό θα συνεχίσει να ισχύει για αρκετό καιρό.
Μιλώντας στο World Economic Forum, ο καθηγητής του Στάνφορντ, Έρικ Μπρίνολφσον τονίζει ότι δεν προβλέπει κάποιου είδους εργασιακή …αποκάλυψη ή μαζική ανεργία. Πιστεύει όμως ότι θα υπάρξει μαζική αναδιάρθρωση της εργασίας καθώς η τεχνητή νοημοσύνη θα αρχίσει να κάνει περισσότερες εργασίες που προηγουμένως γίνονταν μόνο από ανθρώπους.
Ο Μπρίνολφσον και η ομάδα του καθόρισαν ένα σύνολο κριτηρίων για το ποιες εργασίες είναι πιο κατάλληλες για μηχανική μάθηση και ποιες όχι. Οι περισσότερες θέσεις εργασίας περιλαμβάνουν πολλά διαφορετικά καθήκοντα. Για παράδειγμα, αν είστε ακτινολόγος, δεν εξετάζετε απλώς ιατρικές απεικονίσεις, αλλά συμβουλεύετε και ασθενείς και συντονίζετε τη φροντίδα με άλλους γιατρούς. «Οι ακτινολόγοι εκτελούν περίπου 26 διακριτά καθήκοντα και αυτό που διαπιστώσαμε ήταν ότι η μηχανική μάθηση θα μπορούσε να επηρεάσει πολλά από αυτά τα καθήκοντα. Αλλά σε κανένα από τα 950 επαγγέλματα που εξετάσαμε δεν μπορεί η μηχανική μάθηση να επιτελέσει όλα τα διαφορετικά καθήκοντα».
Σε κάθε περίπτωση, υπάρχουν τμήματα της εργασίας που είναι καλύτερο να γίνονται από ανθρώπους και άλλα όπου οι μηχανές θα μπορούσαν να βοηθήσουν. Για παράδειγμα, στην περίπτωση των ακτινολόγων, η μηχανική μάθηση ήταν πολύ καλή στην εξέταση ιατρικών εικόνων και όλο και καλύτερη στη διάγνωση διαφόρων παθολογιών. Ωστόσο, δεν είναι καλή στο να παρηγορεί τους ασθενείς ή να τους μιλάει μετά από μια διάγνωση ή να συντονίζει τη φροντίδα με άλλους γιατρούς.
Αυτό ισχύει για κάθε δουλειά: Υπάρχουν σκέλη στα οποία η μηχανική μάθηση μπορεί να κάνει περισσότερα και άλλα στα οποία δεν μπορεί. Έτσι, μελλοντικά θα συνεχίσουμε να βλέπουμε σημαντική αναδιάρθρωση της εργασίας, αλλά όχι μαζική ανεργία λόγω της τεχνητής νοημοσύνης.
Πολλά από τα καθήκοντα που δεν μπορούν να αναληφθούν με επιτυχία από τις μηχανές περιλάμβαναν κάποιες από τις πιο ήπιες δεξιότητες – σχέσεις, συναισθηματική νοημοσύνη, δημιουργικότητα, νέα είδη καινοτομιών πάνω στα οποία εργάζονται οι επιστήμονες, οι δημιουργικοί άνθρωποι ή οι καλλιτέχνες. Έτσι, υπάρχει ένα ευρύ φάσμα πραγμάτων στα οποία οι άνθρωποι εξακολουθούν να έχουν πλεονέκτημα.
