هوش مصنوعی؛ کارکنان بخش خدمات اطلاعات، آماج حمله ماشین

پیشرفت سرسختانه ربات‌ها و هوش مصنوعی در محل کار توجهات زیادی را به تاثیرات آن بر کارگران یدی معطوف کرده است.

زمانی که رادول کارش را در مقام پاسخ‌گوی پشتیبان تلفنی در محله کوچکی در بریتانیا آغاز کرد، پاسخ‌دادن به سؤالات ساکنان منطقه کاری آزاردهنده و زمان‌بر بود. اگر ساکنی با شهرداری منطقه دره آیلسبری، 50 کیلومتری شمال لندن، تماس می‌گرفت و مثلاً درباره تسهیلات مسکن که او تخصص لازم را در آن نداشت،‌ سوالی می‌پرسید،‌ آقای رادول باید آن فرد را 20 دقیقه در پای تلفن معطل می‌کرد. او باید کسی را پیدا می‌کرد که اطلاعات مربوط به آن موضوع را در اختیارش بگذارد. اما در دو سال گذشته شغل او به‌کلی متحول شده است. وقتی یک مشتری سوالی را در بخش چت خدمات آنلاین شهرداری می‌نویسد، یک سیستم پیشرفته کامپیوتری شروع به خواندن آن می‌کند.

برای حدود 40 درصد پرسش‌ها سیستم – که برای تشخیص سؤالات ساکنان از طریق یادگیری ماشین، شکلی از هوش مصنوعی، طراحی شده است- مجموعه‌ای از پاسخ‌های احتمالی از پیش نوشته‌شده را به آقای رادول و دیگر پاسخ‌گویان مرکز پشتیبانی ارائه می‌دهد. هرکدام با یک عدد نشان‌دهنده احتمال درستی آن به‌عنوان پاسخ، مشخص شده است. اگر یکی از آن‌ها مناسب باشد آقای رادول بر روی آن کلیک می‌کند و این به‌معنای برآوردن نیاز مشتری سریع‌تر و آسان‌تر از گذشته است. سیستم یادگیری ماشین شهرداری – تهیه‌شده توسط شرکت دیجیتال جنیوس- آن را در تحول پیش روی میلیون‌ها شغل یقه‌سفید در سراسر دنیا پیشتاز کرده است.

پیشرفت سرسختانه ربات‌ها و هوش مصنوعی در محل کار توجهات زیادی را به تاثیرات آن بر کارگران یدی معطوف کرده است. در بسیاری از نقاط جهانِ درحال‌توسعه که هنوز باید شاهد موج صنعتی‌شدن و افزایش فرصت‌های شغلی حاصل از آن باشند، حالا با رشد استفاده از اتوماسیون در مراکز تولیدی، ترس از دست رفتن این شانس وجود دارد.

با وجود این، رشد توانایی‌های نرم‌افزاری مانند شرکت دیجیتال جنیوس این امکان جدید را به وجود آورده است که سیستم‌های جدید هوشمند به‌طور گسترده‌ای بهره‌وری رده‌ای از مشاغل دفتری از منشی‌گری گرفته تا نقش‌های حرفه‌ای‌تر را افزایش دهند – آن‌ها برخی کارهای گل را حذف خواهند کرد اما شاید باعث شوند برخی افراد جایگاه شغلی خود را از دست بدهند.

ریچارد بالدوین، استاد اقتصاد بین‌الملل در دانشگاه جنوا، در کتاب جدیدش که ابتدای امسال به چاپ رسید پیش‌بینی می‌کند مشاغل یقه‌سفید سریع‌تر از تمامی تحولات اقتصادی پیشین تحت تأثیر تغییرات دیجیتالی قرار خواهند گرفت. او می‌نویسد: «این پتانسیل انفجاری از عدم تعادل میان سرعت تزریق انرژی مخرب به سیستم به‌واسطه جایگزینی مشاغل و توانایی سیستم برای جذب آن با ایجاد مشاغل جدید به وجود می‌آید.»

این اثرات بالقوه از نقش ساده خدمات مشتریان مانند شغل آقای رادول آغاز می‌شود و به خدمات حرفه‌ای‌تری مانند بیمه و حقوق اشاعه پیدا می‌کند، خدماتی که به نظر می‌آید همگی بر پایه درک و قضاوت انسانی هستند. در تحقیقی که سال گذشته توسط مشاوران پی‌دابلیوسی انجام شد، معلوم شد 30 درصد مشاغل مالی و بیمه در اقتصادهای توسعه‌یافته تا سال 2029 در خطر خودکارسازی شدن هستند و اینکه پیش از این در بازه زمانی مشابه موقعیت 50 درصد تمامی مشاغل دفتری در این کشورها با خودکارسازی به مخاطره افتاد. میشل لوییس، مدیر یک شرکت بیمه‌ای، معتقد است سیستم‌های هوش مصنوعی با حذف امور تکراری شکایات بیمه‌ای به کارمندان فرصت تمرکز بر «فعالیت‌های با ارزش افزوده» را خواهد داد.

اما نگاهی به محل کار همچنان شلوغ آقای رادول این سؤال را به وجود می‌آورد که تغییرات پیش رو با چه سرعتی در دفاتر اثر خواهد گذاشت. دیجیتال جنیوس به این تیم خدمات مشتریان امکان داده دو جایگاه را خالی بگذارند – در غیر این صورت حتی شاید مجبور می‌شدند با توجه به افزایش تماس‌ها تعدادشان را زیاد هم بکنند. اما آن‌ها هنوز هشت نفر نیرو دارند.

این تجربه می‌تواند نظر ریچارد فریمن، پروفسور اقتصاد دانشگاه هاروارد، را تأیید کند. او پیش‌بینی می‌کند شرکت‌های کمی توانایی انجام تغییرات بنیادینی چون جمع‌کردن بخش مالی به‌طور کامل و تنها گذاشتن چند نفر برای اداره کامپیوترها را دارند. آقای رادول با اینکه دیجیتال جنیوس برای آینده شغلش تهدید خواهد بود مخالف است و می‌گوید اگرچه تیم کوچک‌تر اما چندکاره‌تر شده است. چالش بیشتر زمان هماهنگ‌کردن نقش موجود با ماشین است درحالی‌که کارفرمایان و مشتریان به حس قدرتمند حضور و انعطاف‌پذیری کارکنان عادت دارند.

این بحث که یادگیری ماشین نمی‌تواند به اندازه نیروی انسانی قابل اعتماد و دقیق باشد نیز رایج است. بن آلگرو، رئيس تحقیقات یک شرکت حقوقی، می‌گوید در بیمه تنها کسانی که با حجم زیادی از شکایات معمولی و سطح پایین سروکار دارند فناوری را مفید می‌یابند.

اما سازمان‌هایی که یادگیری ماشین را موفق دیده‌اند بیشتر به هزینه و کار توجه داشته‌اند. درحالی‌که شهرداری دره آیلسبری که با ابزار دیجیتال جنیوس هزینه حقوق پرسنل را کاهش داد و خدمات خودش به مشتریان را بهبود بخشید، با چالش بزرگی برای تهیه داده برای نیازهای مشتریان برای سیستم روبه‌رو شد. برای شرکت‌های تخصصی‌تر تلاش لازم برای آموزش سیستم به‌طرز غیرقابل توجیهی زیاد است. آلگرو معتقد است مدیران هزینه‌های سیستم‌های یادگیری ماشین را «به‌شدت دست‌کم می‌گیرند». به هرحال، برای بسیاری از دست‌اندرکاران، تجربه خودکارسازی کارهای مربوط به اطلاعات نه‌تنها توانایی فناوری‌های جدید را بلکه بسیاری مزایای ادامه‌دار سروکار داشتن با انسان‌هایی منعطف و باهوش را نیز تقویت می‌کند.

توسطرابرت رایت/ تحلیل‌گر اقتصادی/آینده نگر
مطلب قبلینرخ دلار و نفت در بودجه سال ۹۹ را اعلام شد
مطلب بعدیچگونه مهارت تفکر انتقادی را در تیم خود توسعه دهیم؟

دیدگاه شما

لطفا دیدگاه خود را وارد کنید!
لطفا نام خود را در اینجا وارد کنید