Μοντελοποιώντας τη μετάβαση της εργασίας στην εποχή της ΤΝ
Οι περισσότερες συζητήσεις για την ΤΝ και την απασχόληση ξεκινούν με ένα απλό ερώτημα: Ποιες δουλειές μπορεί να κάνει η ΤΝ;
Είναι ένα σημαντικό ερώτημα, αλλά δεν αρκεί για να προβλέψουμε τι θα συμβεί στους εργαζομένους. Μια τεχνολογία μπορεί να εκτελεί πολλά από τα καθήκοντα ενός επαγγέλματος χωρίς να καταργεί το ίδιο το επάγγελμα. Αυτό μπορεί να ισχύει για διάφορους λόγους. Οι άνθρωποι μπορεί να παραμένουν απαραίτητοι επειδή οι πελάτες θέλουν ανθρώπινη επαφή, οι θεσμοί απαιτούν ανθρώπινη λογοδοσία ή η εργασία απαιτεί φυσική παρουσία και κρίση. Ή το χαμηλότερο κόστος μπορεί να αυξήσει τη ζήτηση τόσο ώστε η απασχόληση σε έναν κλάδο να αυξηθεί αντί να μειωθεί, ακόμη και καθώς η ΤΝ κάνει τους εργαζομένους πιο παραγωγικούς.
Το Πλαίσιο της OpenAI για τη μετάβαση της εργασίας στην εποχή της ΤΝ προσφέρει έναν νέο τρόπο να εξετάσουμε αυτές τις δυνατότητες. Αντί να θεωρεί την τεχνική δυνατότητα αυτοματοποίησης πρόβλεψη απώλειας θέσεων εργασίας, θέτει τρία ερωτήματα:
Μπορεί η ΤΝ να εκτελέσει σημαντικό μέρος των καθηκόντων του επαγγέλματος;
Παραμένει ο άνθρωπος κεντρικός στην εκτέλεση της εργασίας, την επίβλεψή της ή την ανάληψη ευθύνης γι’ αυτήν;
Αν η ΤΝ μειώσει το κόστος της υπηρεσίας, θα αυξηθεί η ζήτηση αρκετά ώστε να απορροφήσει τα κέρδη παραγωγικότητας;
Εφαρμοζόμενο σε 921 επαγγέλματα που καλύπτουν περίπου 148 εκατομμύρια θέσεις εργασίας στις ΗΠΑ, το πλαίσιο δίνει μια πιο σύνθετη εικόνα της μετάβασης στην αγορά εργασίας. Περίπου το 18% των θέσεων εργασίας αντιμετωπίζει σχετικά υψηλό κίνδυνο αυτοματοποίησης, το 24% πιθανότατα θα αναδιοργανωθεί, το 12% θα μπορούσε να αυξηθεί χάρη στην ΤΝ και το 46% εμφανίζει λιγότερες άμεσες αλλαγές.
Οι κατηγορίες αυτές δεν προβλέπουν ότι ένα συγκεκριμένο ποσοστό θέσεων εργασίας θα εξαφανιστεί. Χαρτογραφούν πού μπορεί να εμφανιστούν πρώτα διαφορετικά είδη αλλαγών.
Θέσεις με υψηλότερο κίνδυνο αυτοματοποίησης: Εδώ θα μπορούσαν να περιλαμβάνονται υπάλληλοι καταχώρισης δεδομένων, τηλεπωλητές, διορθωτές κειμένων και ορισμένες θέσεις τήρησης λογιστικών βιβλίων ή διοικητικής υποστήριξης. Μεγάλο μέρος της εργασίας αφορά την επεξεργασία, τον έλεγχο ή τη μετάδοση τυποποιημένων πληροφοριών — καθήκοντα που η ΤΝ μπορεί όλο και περισσότερο να εκτελεί χωρίς να παρέχει άνθρωπος την τελική υπηρεσία. Η ζήτηση γι’ αυτές τις δραστηριότητες ίσως δεν αυξηθεί αρκετά ώστε να αντισταθμίσει τα κέρδη παραγωγικότητας που προκύπτουν.
Αυτές οι θέσεις χρειάζονται στενή παρακολούθηση, ιδίως όπου η απασχόληση συγκεντρώνεται γεωγραφικά ή οι εργαζόμενοι έχουν περιορισμένες δυνατότητες μετάβασης σε συναφείς ρόλους. Αλλά ακόμη κι εδώ, η τεχνική δυνατότητα δεν οδηγεί αυτόματα ή άμεσα σε απώλεια θέσεων εργασίας. Οι εργοδότες πρέπει ακόμη να επανασχεδιάσουν τις ροές εργασίας, να ενσωματώσουν την ΤΝ στα υπάρχοντα συστήματα, να διαχειριστούν λάθη και κανονιστικούς κινδύνους και να κρίνουν αν η αυτοματοποίηση είναι όντως φθηνότερη από τη διατήρηση προσωπικού.
Θέσεις που θα αναδιοργανωθούν: Μια δεύτερη, μεγαλύτερη ομάδα είναι πιθανότερο να αναδιοργανωθεί παρά να εξαφανιστεί. Πιθανά παραδείγματα είναι οι δικηγόροι, οι λογιστές, οι προγραμματιστές λογισμικού, οι χρηματοοικονομικοί αναλυτές και οι εκπαιδευτικοί. Η ΤΝ μπορεί ήδη να συντάσσει συμβάσεις, να συνοψίζει αποδεικτικά στοιχεία, να εκπονεί χρηματοοικονομικές αναλύσεις, να γράφει κώδικα και να δημιουργεί διδακτικό υλικό. Όμως οι πελάτες και οι θεσμοί εξακολουθούν να χρειάζονται ανθρώπους που ασκούν κρίση, αναλαμβάνουν την ευθύνη των αποφάσεων, κατανοούν ασυνήθιστες περιπτώσεις και χτίζουν σχέσεις με συναδέλφους, μαθητές ή πελάτες.
Η ΤΝ μπορεί να επιτρέπει σε κάθε δικηγόρο να ελέγχει περισσότερα έγγραφα, σε κάθε προγραμματιστή να παράγει περισσότερο κώδικα ή σε κάθε εκπαιδευτικό να ετοιμάζει πιο εξατομικευμένο υλικό. Αυτό θα μπορούσε να μειώσει την εργασία που απαιτείται για ορισμένες δραστηριότητες, αλλά τα ίδια τα επαγγέλματα διατηρούν σαφώς τον ανθρώπινο χαρακτήρα τους. Το βασικό ζήτημα γίνεται ο επανασχεδιασμός των θέσεων: ποια καθήκοντα ανατίθενται στην ΤΝ, ποια παραμένουν στους εργαζομένους και αν οι θέσεις εισαγωγικού επιπέδου και οι διαδρομές σταδιοδρομίας συνεχίζουν να προσφέρουν ευκαιρίες μάθησης.
Θέσεις που αυξάνονται χάρη στην ΤΝ: Πρόκειται για θέσεις όπου η ΤΝ μπορεί να μειώσει το κόστος αρκετά ώστε να δημιουργηθεί περισσότερη ζήτηση. Παραδείγματα είναι οι καθηγητές ιδιαίτερων μαθημάτων, οι σύμβουλοι ψυχικής υγείας, οι προσωπικοί χρηματοοικονομικοί σύμβουλοι και ορισμένοι επαγγελματίες υγείας. Αυτές οι υπηρεσίες είναι σήμερα ακριβές ή δυσπρόσιτες για πολλούς. Σε αυτούς τους τομείς, μεγαλύτερη παραγωγικότητα δεν σημαίνει απαραίτητα λιγότερους εργαζομένους. Τα πιο προσιτά ιδιαίτερα μαθήματα θα μπορούσαν να ωθήσουν περισσότερες οικογένειες να τα επιλέξουν. Οι φθηνότερες χρηματοοικονομικές συμβουλές θα μπορούσαν να προσφέρουν εξατομικευμένη καθοδήγηση σε νοικοκυριά που σήμερα δεν μπορούν να πληρώσουν σύμβουλο. Οι κλινικοί γιατροί με υποστήριξη ΤΝ θα μπορούσαν να προσφέρουν περισσότερη παρακολούθηση και συνεχή φροντίδα. Αν η ζήτηση αυξηθεί αρκετά, η συνολική απασχόληση θα μπορούσε να αυξηθεί, ακόμη και καθώς κάθε εργαζόμενος γίνεται πιο παραγωγικός.
Θέσεις με λιγότερες άμεσες αλλαγές: Εδώ περιλαμβάνονται πολλά επαγγέλματα των οποίων τα βασικά καθήκοντα παραμένουν χειρωνακτικά και εκτελούνται σε συγκεκριμένο χώρο, όπως ηλεκτρολόγοι, υδραυλικοί, τεχνίτες στεγών, οικοδόμοι και πολλοί εργαζόμενοι στην εστίαση. Η ΤΝ μπορεί να βοηθά στον προγραμματισμό, τις εκτιμήσεις κόστους, την κατάρτιση, τη διαχείριση αποθεμάτων ή την επικοινωνία με πελάτες, αλλά προς το παρόν δεν μπορεί να εγκαταστήσει καλωδιώσεις, να επισκευάσει σωλήνες, να αντικαταστήσει στέγες ή να ετοιμάσει και να σερβίρει γεύματα.
Αυτά τα επαγγέλματα δεν θα μείνουν ανεπηρέαστα από την ΤΝ. Τα διοικητικά και διαχειριστικά τους καθήκοντα μπορεί να αλλάξουν, ενώ η πρόοδος στη ρομποτική θα μπορούσε μελλοντικά να διευρύνει την αυτοματοποίηση. Προς το παρόν, όμως, η βασική τους εργασία είναι σχετικά λίγο εκτεθειμένη στην ΤΝ που βασίζεται στη γλώσσα, καθιστώντας λιγότερο πιθανές τις μεγάλες αλλαγές βραχυπρόθεσμα.
Οι πρώτες επιπτώσεις της ΤΝ πιθανότατα θα φανούν στις αλλαγές καθηκόντων, ροών εργασίας και απαιτούμενων δεξιοτήτων, πριν εκδηλωθούν ως μαζική εξαφάνιση επαγγελμάτων. Πράγματι, η πραγματική χρήση της ΤΝ είναι ήδη υψηλότερη στα επαγγέλματα που εκτιμάται ότι αντιμετωπίζουν μεγαλύτερο κίνδυνο αυτοματοποίησης. Η χρήση του ChatGPT είναι περίπου τρεις φορές πιο διαδεδομένη στα επαγγέλματα υψηλότερου κινδύνου απ’ ό,τι στο εργατικό δυναμικό γενικότερα.
Ωστόσο, οι πρόσφατες μεταβολές της ανεργίας δεν αντιστοιχούν με σαφήνεια στην τεχνική δυνατότητα αυτοματοποίησης. Από το πρώτο τρίμηνο του 2024, η ανεργία έχει αυξηθεί περισσότερο σε ορισμένα λιγότερο εκτεθειμένα επαγγέλματα παρά σε εκείνα που το πλαίσιο κατατάσσει στην ομάδα υψηλότερου κινδύνου από την ΤΝ. Αυτό, όμως, δεν αποδεικνύει ότι η ΤΝ δεν επηρεάζει την αγορά εργασίας. Η ανεργία ανά επάγγελμα επηρεάζεται από πολλούς παράγοντες, και ορισμένες αλλαγές μπορεί να φανούν πρώτα στις προσλήψεις, τις ευκαιρίες εισαγωγικού επιπέδου, τους μισθούς ή τη σύνθεση της εργασίας, αντί στις απολύσεις.
Η ΤΝ δεν προδιαγράφει ένα και μοναδικό, αναπόφευκτο μέλλον για την εργασία. Οι τεχνικές δυνατότητες έχουν σημασία, αλλά εξίσου σημαντικοί είναι οι θεσμοί, η καταναλωτική ζήτηση, οι επιχειρηματικές αποφάσεις, το ρυθμιστικό πλαίσιο και η διαχρονική αξία της ανθρώπινης συμμετοχής. Το πλαίσιο μετάβασης που προτείνεται σε αυτή τη μελέτη υποδεικνύει ότι διαφορετικά επαγγέλματα θα απαιτήσουν διαφορετικές παρεμβάσεις πολιτικής.
Οι θέσεις με υψηλό κίνδυνο αυτοματοποίησης μπορεί να απαιτούν συστήματα έγκαιρης προειδοποίησης, στοχευμένη στήριξη προσαρμογής και σχέδια μετάβασης σχεδιασμένα σε τοπικό επίπεδο.
Οι θέσεις που πιθανότατα θα αναδιοργανωθούν μπορεί να απαιτούν επικαιροποιημένη κατάρτιση, επαγγελματικά πρότυπα, κανόνες στελέχωσης και σαφέστερες απαιτήσεις για την ανθρώπινη εποπτεία.
Οι θέσεις με προοπτική αύξησης μπορεί να ωφεληθούν από πολιτικές που ενθαρρύνουν την υιοθέτηση της ΤΝ, διευρύνουν την πρόσβαση και προετοιμάζουν περισσότερους εργαζομένους για ένταξη στον κλάδο.
Σε όλες τις κατηγορίες, οι υπεύθυνοι χάραξης πολιτικής χρειάζονται καλύτερη πληροφόρηση σε πραγματικό χρόνο. Οι παραδοσιακές στατιστικές εργασίας είναι πολύτιμες, αλλά συχνά ενημερώνονται πολύ αργά για να αποτυπώσουν αλλαγές στα καθήκοντα, τις προσδοκίες των εργοδοτών και τη χρήση της τεχνολογίας. Ο συνδυασμός δεδομένων απασχόλησης με δείκτες των δυνατοτήτων της ΤΝ και της πραγματικής υιοθέτησής της μπορεί να δώσει πιο έγκαιρη εικόνα για το πού συσσωρεύονται πιέσεις.
