10 دقیقه
نگرانیها درباره هوش مصنوعی و تأثیر آن بر اشتغال همزمان با موجی از ابزارهای جدید هوش مصنوعی که وعده اتوماسیون و افزایش بهرهوری را میدهند، در حال افزایش است. مطالعات اخیر، گزارشهای خبری و دیدگاه سرمایهگذاران نشان میدهد این دغدغهها بیپشتوانه نیستند — و سال ۲۰۲۶ میتواند نقطه عطف مهمی در تغییر ساختار نیروی کار باشد. در این مطلب به شواهد پژوهشی، واکنش شرکتها، پیامدهای عملی و راهکارهای ممکن برای کارگران و مدیران میپردازیم تا تصویر دقیقتری از ریسکها و فرصتها در اقتصاد مبتنی بر هوش مصنوعی ارائه دهیم.
شواهد رو به افزایش: مطالعات و نشانههای اولیه
یک مطالعه نوبتی در نوامبر توسط پژوهشگران مؤسسه فناوری ماساچوست (MIT) نشان داد تقریباً ۱۱.۷٪ از مشاغل موجود با تواناییهای فعلی هوش مصنوعی قابل اتوماسیون هستند. این رقم بهتنهایی توجهات را جلب میکند، زیرا نشان میدهد میلیونها نقش شغلی در سطح جهان ممکن است در معرض جایگزینی یا دگرگونی شدید قرار داشته باشند. این تحلیل فنی بر اساس سنجش قابلیت اتوماسیون وظایف تکراری و مبتنی بر قوانین انجام شده است و نشان میدهد که بخشهایی از بازار کار بیش از سایر بخشها در معرض تغییر هستند.
علاوه بر آن، نظرسنجیها و گزارشهای خبری از جمله پوشش TechCrunch نیز نشان میدهد که کارفرمایان در حال حاضر واکنش نشان میدهند. برخی شرکتها همزمان با پذیرش ابزارهای هوش مصنوعی شروع به کاهش مشاغل سطح پایین و تکراری کردهاند و در بیانیههای رسمی شرکتها، پذیرش هوش مصنوعی بهعنوان یکی از دلایل تعدیل نیرو بیش از پیش ذکر میشود. این نشانههای اولیه، ترکیبی از تغییرات تکنیکی و تصمیمات مالی-شرکتی را نشان میدهند که میتواند به کاهش تقاضا برای برخی نقشهای سنتی منجر شود.
از منظر پژوهشی و دادهای، جمعآوری بیشتر اطلاعات میتواند به درک بهتر سرعت و گستره تأثیر کمک کند: پایش شاخصهای استخدام، آگهیهای شغلی، روندهای سرمایهگذاری در ابزارهای هوش مصنوعی و تغییر در ساختار هزینهای شرکتها، همگی شاخصهایی هستند که پژوهشگران و سیاستگذاران باید دنبال کنند. این شواهد ترکیبی به تصمیمگیران اجازه میدهد تا سناریوهای محتمل و سیاستهای مقابلهای منطقیتری طراحی کنند.
چرا سرمایهگذاران انتظار دارند ۲۰۲۶ نقطه عطف باشد
در یک نظرسنجی سرمایهگذاران که توسط TechCrunch انجام شد، چندین سرمایهگذار خطرپذیر پیشبینی کردند که سال ۲۰۲۶ تأثیر هوش مصنوعی بر تعداد کارکنان شرکتها را تشدید خواهد کرد — هرچند در پرسشنامه بهطور مستقیم درباره هوش مصنوعی سؤال نشده بود. اظهارنظرهای آنها به تغییر گستردهتری اشاره دارد: با رسمیتر شدن بودجهها و استراتژیهای هوش مصنوعی در سازمانها، نیاز به بازنگری در تخصیص نیروی انسانی و هزینهها افزایش مییابد.
- اریک بان، همبنیانگذار و شریک عمومی در Hustle Fund، گفت انتظار دارد تأثیرات قابل مشاهدهای بر بازار کار در سال ۲۰۲۶ پدیدار شود، گرچه شکل دقیق این تغییرات هنوز نامشخص است. از منظر سرمایهگذاری، بسیاری از صندوقها هماکنون سناریوهایی را مدلسازی میکنند که کاهش هزینههای نیروی انسانی و افزایش هزینههای فنی را همزمان نشان میدهد.
- مارل اوانز، بنیانگذار و شریک مدیر در Exceptional Capital، هشدار داد شرکتهایی که بیشتر در هوش مصنوعی سرمایهگذاری میکنند احتمالاً منابع مالی را از استخدام و حقوق کارکنان بازتخصیص میدهند. او انتظار دارد این جابجایی منجر به کاهشهای بیشتر در تعداد کارکنان و فشار مداوم بر نرخهای اشتغال در ایالات متحده شود. از منظر سیاستگذاری، این موضوع میتواند نیاز به طراحی شبکههای ایمنی و فرصتهای بازآموزی را افزایش دهد.
- راجیو دام، مدیرعامل Sapphire، توافق کرد که بودجههای سال ۲۰۲۶ بهتدریج منابع را از نیروی کار به سمت ابزارها و پلتفرمهای هوش مصنوعی منتقل خواهند کرد. این روند اصلاح ساختاری در ترکیب هزینهای شرکتها را تسریع خواهد کرد و تقاضا برای مهارتهای فنی جدید را افزایش میدهد.
- جیسون ماندل، سرمایهگذار در Battery Ventures، افزود که هوش مصنوعی در ۲۰۲۶ فراتر از افزایش بهرهوری کارکنان موجود خواهد رفت — و شروع به جایگزینی کامل برخی نقشها خواهد کرد. این پیشبینی نشاندهنده مرحلهای است که در آن اتوماسیون وظایف به اتوماسیون مشاغل تبدیل میشود، بهخصوص در بخشهایی که امکان مدلسازی کارآمد فرایندها وجود دارد.
دیدگاه سرمایهگذاران معمولاً نشاندهنده انتظارات درباره بازده سرمایهگذاری و تغییرات ساختاری بازار است. وقتی صندوقهای سرمایهگذاری و سرمایهگذاران خطرپذیر منابع خود را به شرکتها و فناوریهایی تخصیص میدهند که اتوماسیون را ارتقا میدهند، این پیامی قوی برای بازار کار ارسال میکند: کسبوکارها به دنبال روشهایی هستند تا با کاهش هزینههای نیروی انسانی، رقابتپذیری و حاشیه سود خود را بهبود بخشند.
کدام مشاغل بیشترین در معرض خطر را دارند؟
همه مشاغل ناپدید نخواهند شد. رقم ارائهشده توسط MIT بخش مشخصی از نقشها را که از نظر فنی هماکنون قابل اتوماسیوناند، برجسته میکند — عمدتاً وظایف تکراری و مبتنی بر قوانین. نقشهایی که شامل جریانهای کاری قابل پیشبینی، پردازش دادههای روزمره یا تعاملهای پایه با مشتریان هستند، در معرض بیشترین خطر قرار دارند. بهعنوان مثال، ورود دادههای سطحی، خدمات مشتری ابتدایی، برخی عملیات حسابداری پایه و وظایف پشتیبانی اداری میتوانند پیشتازان اتوماسیون باشند.
در مقابل، مشاغلی که نیازمند حکم پیچیده انسانی، همدلی عمیق یا تلفیق خلاقانه اطلاعات هستند، جایگزینی کامل آنها دشوارتر خواهد بود. این شامل نقشهایی در حوزههای مشاوره تخصصی، مدیریت پیچیده پروژه، هنر و طراحی خلاق و خدمات اجتماعی میشود. در واقع، مشخصه کلیدی برای مقاومت در برابر اتوماسیون، توانایی ارائه ارزش افزوده انسانی است که الگوریتمها بهراحتی قادر به بازتولید آن نیستند.
بهطور مشخص، بخشهایی مانند تولیدِ سطح پایین، مراکز تماس سنتی، حملونقلِ رانندگی انسانی (در صورت توسعه رانندگی خودران)، پردازش دادههای تکراری و برخی شاخههای خدمات مالی و اداری در اولویت ریسک قرار دارند. از سوی دیگر، بخشهایی مانند مراقبتهای بهداشتی با تاکید بر مهارتهای بالینی و شناختی، آموزش تخصصی، پژوهشهای علمی و صنایع خلاق احتمالاً نیازمند نیروهای انسانی با مهارتهای تحولیافته خواهند بود.
تأثیرات عملی که شرکتها هماکنون مشاهده میکنند
برخی شرکتها در حال سادهسازی تیمها هستند چرا که سیستمهای مبتنی بر هوش مصنوعی را برای وظایفی مانند غربالگری اولیه مشتریان، بازبینی اسناد و تحلیلهای پایه بهکار میگیرند. دیگران با تعیین بودجههای هوش مصنوعی، برنامههای استخدام را کاهش داده یا ساختارهای سازمانی را بازتوزیع میکنند تا هزینهها را به فناوری منتقل سازند. برای کارکنان، این بدان معناست که نقشها بیشتر به سمت بازتعریف، اتوماسیون یا تبدیل به موقعیتهای ترکیبی انسان+هوش مصنوعی حرکت میکنند.
مثلاً در خدمات مشتری، چتباتها و سیستمهای پاسخگویی خودکار میتوانند پرسشهای معمول و وظایف پایه را برعهده بگیرند، در حالی که کارشناسان انسانی بر موارد پیچیدهتر و مدیریت ارتباط بلندمدت مشتری تمرکز میکنند. در بخش حقوقی و مالی نیز نرمافزارهای بررسی اسناد و پردازش خودکار اطلاعات، زمان لازم برای کارهای روتین را کاهش داده و نیاز به نیروی انسانی در سطوح اولیه را کم میکنند. این روند موجب میشود مشاغل سطح آغازین کمتر شوند، اما همزمان تقاضا برای نقشهای نظارتی، کیفیتسنجی و یکپارچهسازی سیستمها افزایش یابد.
از منظر سازمانی، شرکتهایی که زودتر فرایندها را دیجیتالسازی و مدلهای ترکیبی انسان-ماشین را پیادهسازی کنند، مزیت رقابتی مییابند؛ اما این انتقال نیازمند سرمایهگذاری در زیرساخت، حاکمیت داده، امنیت سایبری و برنامههای بازآموزی است. بدون این سرمایهگذاریها، پذیرش هوش مصنوعی ممکن است منجر به اختلالات عملیاتی و مسائل اخلاقی در پیادهسازی شود.
پس کارگران و رهبران چه باید بکنند؟
برای کارمندان، مسیر پیشرو تطبیق مهارتهاست: تمرکز بر توانمندیهای با ارزشتر که مکمل هوش مصنوعی هستند — حل مسئله پیچیده، خلاقیت، تفکر استراتژیک و مهارتهای بینفردی. یادگیری مداوم در حوزههای فنی مثل کار با ابزارهای دادهکاوی، مفاهیم یادگیری ماشین پایه، و تسلط بر ابزارهای هوشمندسازی فرایندها میتواند به افزایش بقاپذیری شغلی کمک کند. در کنار اینها، توانایی مدیریت و همکاری با سیستمهای هوش مصنوعی (supervision of AI، کنترل کیفیت خروجیها و تفسیر نتایج) بهعنوان مهارتهای جدید بازار کار اهمیت مییابد.
برای مدیران و سیاستگذاران، شفافیت در تصمیمگیریها و مسیرهای بازآموزی اهمیت حیاتی دارد. برنامههای بازآموزی سازمانیافته، یارانههای آموزشی، و همکاری میان بخش خصوصی، دانشگاهها و نهادهای دولتی برای طراحی مسیرهای مهارتی میتواند اثرات منفی جابجایی نیروی کار را کاهش دهد. همچنین طراحی سازوکارهای حمایتی مثل بیمه بیکاری هدفمند و حمایت از کارآفرینی میتواند به تحول نرمتر بازار کمک کند.
تصور کنید شرکتی که نقشهای ورود به داده سطحی را با هوش مصنوعی جایگزین میکند، همزمان در بازآموزی همان کارکنان به نقشهای نظارت بر هوش مصنوعی، کنترل کیفیت یا موفقیت مشتری سرمایهگذاری میکند. چنین سناریویی میتواند صدمه مستقیم به اشتغال را کاهش دهد؛ اما نیاز به برنامهریزی دقیق، زمانبندی مناسب و سرمایهگذاری مالی و مدیریتی دارد. بدون این اقدامات، انتقال به اتوماسیون ممکن است هزینههای اجتماعی و اقتصادی قابل توجهی بههمراه داشته باشد.
بهعلاوه، رهبران کسبوکار باید روی حاکمیت داده، شفافیت الگوریتمی و اصول اخلاقی در توسعه و بهکارگیری هوش مصنوعی تمرکز کنند تا ریسکهای قانونی و اعتباری کاهش یابد. ایجاد چارچوبهای داخلی برای ارزیابی اثرات بر اشتغال، سنجش نقاط قوت و ضعف در طرحهای اتوماسیون و گزارشدهی مسئولانه از نتایج، از جمله اقداماتی است که میتواند به کاهش شوکهای بازار کار کمک کند.
با تکامل ابزارهای هوش مصنوعی، ممکن است سال ۲۰۲۶ سالی باشد که بسیاری از سازمانها از آزمایشهای محدود به تصمیمگیریهای قطعی درباره ساختار نیروی کار حرکت کنند. گفتگو اکنون تنها درباره افزایش بهرهوری نیست؛ بلکه پرسش اصلی این است که این منافع چگونه تأمین مالی میشوند و بار اجتماعی و اقتصادی ناشی از این تغییرات بر دوش چه کسانی قرار خواهد گرفت. سیاستهای هوشمندانه، برنامههای بازآموزی و همکاری میان ذینفعان میتواند مسیر را بهسمت انتقالی کمتر مخرب و فرصتآفرین هدایت کند.
در نهایت، مواجهه موفق با تغییرات ناشی از هوش مصنوعی مستلزم ترکیبی از انعطافپذیری فردی، رهبری سازمانی مسئولانه و سیاستگذاری عمومی هدفمند است. حوزههای آموزشی باید سریعتر از گذشته برنامههای خود را با نیازهای بازار تطبیق دهند، شرکتها باید در طراحی نقشهای ترکیبی سرمایهگذاری کنند، و دولتها باید چارچوبهای حمایتی و تنظیمی را آماده کنند تا هم از فرصتهای اقتصادی جلوگیری نشود و هم از آسیبهای اجتماعی جلوگیری گردد.
منبع: smarti
نظرات
نوا_ایکس
اگه ۲۰۲۶ واقعاً نقطهعطف باشه، ما چیکار کنیم؟ حس میکنم برنامهای نداریم، فقط مقاله میخونیم و نگرانیم...
امیر
کمی اغراق شده؛ سرمایهگذارا همیشه دنبال بازدهن، اما اثرات اجتماعی رو دست کم گرفتن، اگه سیاستگذاری ضعیف باشه فاجعه میشه
شهرراه
معقول به نظر میاد مخصوصا برا نقشای تکراری. ولی بازآموزی و سیاستگذاری عملی لازمه، شعار کافی نیست
لابکور
تجزیه و تحلیل خوب و متوازن، ولی برای قضاوت دقیق تر به شاخصهای میدانی و طول زمان نیاز داریم، عجله نکنیم
توربو
من تو شرکتمون دیدم چتباتها کارای پایه رو گرفتن، اخراج گسترده نبود ولی مسیر شغل همه جور عوض شد، تجربه تلخ و شیرین با هم
کوینفلو
این آمار MIT واقعیه؟ یا فقط یه سناریو خوشبینانه/ترسناک؛ دادهها و روششون رو باید دید، خیلی کلی نیست؟
رودیکس
واو، انتظار نداشتم اینقدر نزدیک باشیم... حس میکنم اطرافم خیلی چیزا داره سریع عوض میشه، نگران شدم
ارسال نظر