Pagmomodelo ng pagbabago sa trabaho dulot ng AI

Karamihan ng talakayan tungkol sa AI at trabaho ay nagsisimula sa simpleng tanong: Aling mga trabaho ang kayang gawin ng AI?

Mahalaga ang tanong na ito, pero hindi ito sapat para mahulaan kung ano ang mangyayari sa mga manggagawa. Maaaring magawa ng isang teknolohiya ang marami sa mga gawain ng isang propesyon nang hindi nawawala ang mismong propesyon. Maaaring mangyari ito sa ilang kadahilanan. Maaaring kailangan pa rin ang tao dahil gusto ng mga customer ng personal na pakikipag-ugnayan, hinihingi ng mga institusyon na tao ang managot, o kailangan sa trabaho ang pisikal na presensya at pagpapasya. O maaaring sapat na tumaas ang demand dahil sa pagbaba ng gastos, kaya dumarami sa halip na nababawasan ang trabaho sa isang industriya kahit pinatataas ng AI ang produktibidad ng mga manggagawa.

Nag-aalok ang Balangkas ng OpenAI para sa Pagbabago sa Trabaho Dulot ng AI ng bagong paraan ng pag-unawa sa mga posibilidad na ito. Sa halip na ituring na hula ng pagkawala ng trabaho ang lawak ng mga gawaing kayang gawin ng AI, nagtatanong ito ng tatlong bagay:

• Kaya bang gawin ng AI ang malaking bahagi ng mga gawain ng propesyon?

• Mahalaga pa rin ba ang tao sa paggawa, pangangasiwa, o pananagutan sa trabaho?

• Kung mapababa ng AI ang gastos sa serbisyo, sapat bang tataas ang demand para matapatan ang dagdag na produktibidad?

Kapag inilapat sa 921 propesyon na sumasaklaw sa humigit-kumulang 148 milyong trabaho sa U.S., ipinapakita ng balangkas ang mas sari-saring pagbabagong maaaring mangyari sa merkado ng paggawa. Humigit-kumulang 18 porsiyento ng mga trabaho ang may mas mataas na panganib ng awtomasyon, 24 porsiyento ang malamang na mabago ang mga gawain, 12 porsiyento ang maaaring dumami dahil sa AI, at 46 porsiyento ang may mas kaunting agarang pagbabago.

Hindi hula ang mga kategoryang ito na mawawala ang isang partikular na porsiyento ng mga trabaho. Gabay ang mga ito kung saan maaaring unang lumitaw ang iba't ibang uri ng pagbabago.

Mga trabahong mas nanganganib sa awtomasyon: Maaaring kabilang dito ang mga data-entry clerk, telemarketer, proofreader, at ilang tungkulin sa bookkeeping o administrasyon. Karamihan ng mga gawain ay pagproseso, pagsusuri, o paghahatid ng impormasyong may pamantayang anyo—mga gawaing lalong nagagawa ng AI nang hindi tao ang direktang naghahatid ng pinal na serbisyo. Maaaring hindi sapat ang pagtaas ng demand para sa mga gawaing ito upang matapatan ang dagdag na produktibidad.

Dapat bantayang mabuti ang mga trabahong ito, lalo na kung nakasentro sa isang lugar o limitado ang pagkakataon ng mga manggagawa na lumipat sa kaugnay na trabaho. Ngunit kahit dito, hindi awtomatiko o agarang nagdudulot ng pagkawala ng trabaho ang kakayahan ng teknolohiya. Kailangan pa ring baguhin ng mga employer ang mga proseso ng trabaho, isama ang AI sa kasalukuyang mga sistema, pamahalaan ang mga pagkakamali at panganib sa pagsunod sa regulasyon, at alamin kung mas mura talaga ang awtomasyon kaysa patuloy na pag-empleyo ng tao.

Mga trabahong mababago ang mga gawain: Ang ikalawa at mas malaking pangkat ay malamang na mabago sa halip na mawala. Mga posibleng halimbawa ang mga abogado, accountant, software developer, financial analyst, at guro. Kaya na ng AI na bumalangkas ng kontrata, magbuod ng ebidensya, gumawa ng pagsusuring pinansyal, sumulat ng code, at bumuo ng materyales sa pagtuturo. Pero kailangan pa rin ng mga kliyente at institusyon ng tao na magpapasya, mananagot sa mga desisyon, uunawa sa mga di-karaniwang kaso, at bubuo ng ugnayan sa mga katrabaho, estudyante, o customer.

Maaaring tulungan ng AI ang bawat abogado na magsuri ng mas maraming dokumento, ang bawat developer na gumawa ng mas maraming code, o ang bawat guro na maghanda ng mas maraming materyales na angkop sa bawat estudyante. Maaaring mabawasan nito ang kailangang paggawa para sa ilang gawain, pero mananatiling malinaw na nakasalalay sa tao ang mismong mga propesyon. Ang pangunahing usapin ay kung paano babaguhin ang mga trabaho: aling gawain ang iaatas sa AI, alin ang mananatili sa manggagawa, at kung patuloy na makapagbibigay ng pagkakataong matuto ang mga panimulang tungkulin at landas sa karera.

Mga trabahong darami sa tulong ng AI: Sa mga trabahong ito, maaaring sapat na mapababa ng AI ang gastos upang madagdagan ang demand.  Mga halimbawa ang mga tutor, tagapayo sa kalusugang pangkaisipan, personal na tagapayo sa pananalapi, at ilang propesyonal sa pangangalagang pangkalusugan. Sa ngayon, mahal o mahirap makuha ang mga serbisyong ito para sa marami. Sa mga larangang ito, hindi nangangahulugang mas kaunting manggagawa ang mas mataas na produktibidad. Kung mas abot-kaya ang tutoring, mas maraming pamilya ang maaaring kumuha nito. Kung mas mura ang payong pinansyal, maaaring makakuha ng gabay na angkop sa kanila ang mga pamilyang hindi pa kayang magbayad ng tagapayo ngayon. Maaaring makapagbigay ang mga clinician na tinutulungan ng AI ng mas maraming follow-up at patuloy na pangangalaga. Kung sapat ang paglaki ng demand, maaaring dumami ang kabuuang trabaho kahit tumataas ang produktibidad ng bawat manggagawa.

Mga trabahong may mas kaunting agarang pagbabago: Kabilang dito ang maraming trabahong pisikal pa rin ang pangunahing gawain at kailangang gawin sa isang tiyak na lugar, gaya ng mga elektrisyan, tubero, tagabubong, trabahador sa konstruksiyon, at maraming manggagawa sa serbisyo ng pagkain. Makatutulong pa rin ang AI sa pag-iiskedyul, pagtatantiya ng gastos, pagsasanay, imbentaryo, o pakikipag-ugnayan sa customer, pero hindi pa nito kayang magkabit ng kable, magkumpuni ng tubo, magpalit ng bubong, o maghanda at maghain ng pagkain.

Maaapektuhan pa rin ng AI ang mga propesyong ito. Maaaring magbago ang kanilang mga gawain sa administrasyon at pamamahala, at maaaring palawakin ng pag-unlad sa robotics ang awtomasyon sa hinaharap. Pero sa ngayon, kaunti lamang sa kanilang pangunahing gawain ang kayang gawin ng AI na nakabatay sa wika, kaya mas malabong magkaroon ng malalaking pagbabago sa malapit na hinaharap.

Malamang na unang makita ang epekto ng AI sa pagbabago ng mga gawain, proseso, at kinakailangang kasanayan bago ang tuluyang pagkawala ng mga propesyon. Sa katunayan, mas mataas na ngayon ang aktuwal na paggamit ng AI sa mga propesyong natukoy na mas nanganganib sa awtomasyon. Humigit-kumulang tatlong ulit na mas laganap ang paggamit ng ChatGPT sa mga propesyong pinakananganganib kaysa sa mga manggagawa sa pangkalahatan.

Gayunman, hindi malinaw na tumutugma ang kamakailang pagbabago sa kawalan ng trabaho sa lawak ng mga gawaing kayang gawin ng teknolohiya. Mula noong unang quarter ng 2024, mas tumaas ang kawalan ng trabaho sa ilang propesyong hindi gaanong kayang gawin ng AI kaysa sa mga propesyong itinuturing ng balangkas na pinakananganganib dahil sa AI. Gayunman, hindi nito pinatutunayang walang epekto ang AI sa merkado ng paggawa. Maraming salik ang nakaaapekto sa kawalan ng trabaho sa bawat propesyon. Maaaring unang makita ang ilang pagbabago sa pagkuha ng empleyado, mga pagkakataon para sa baguhan, sahod, o mga gawaing bumubuo sa trabaho, sa halip na sa pagbabawas ng tauhan.

Hindi iisang di-maiiwasang kinabukasan ng trabaho ang itinatakda ng AI. Mahalaga ang kakayahan ng teknolohiya, pero mahalaga rin ang mga institusyon, demand ng mamimili, desisyon ng negosyo, regulasyon, at patuloy na halaga ng pakikilahok ng tao. Ipinahihiwatig ng balangkas para sa pagbabagong iminungkahi sa papel na ito na mangangailangan ng magkakaibang hakbang sa patakaran ang iba't ibang propesyon. 

• Maaaring kailanganin sa mga trabahong lubhang nanganganib sa awtomasyon ang mga sistema ng maagang babala, tulong sa pag-angkop para sa mga apektado, at mga plano sa paglipat na binuo ayon sa lokal na pangangailangan. 

• Maaaring kailanganin sa mga trabahong malamang na mabago ang mga gawain ang bagong pagsasanay, propesyonal na pamantayan, tuntunin sa paglalaan ng tauhan, at mas malinaw na inaasahan sa pangangasiwa ng tao. 

• Maaaring makinabang ang mga trabahong posibleng dumami sa mga patakarang naghihikayat sa paggamit ng AI, nagpapalawak ng access, at naghahanda ng mas maraming manggagawa na pumasok sa larangan.

Sa lahat ng kategorya, kailangan ng mga gumagawa ng patakaran ng mas mahusay na real-time na impormasyon. Mahalaga ang tradisyonal na estadistika sa paggawa, pero madalas itong hindi sapat na napapanahon para makita ang mga pagbabago sa gawain, inaasahan ng employer, at paggamit ng teknolohiya. Ang pagsasama ng datos sa trabaho at mga sukatan ng kakayahan at aktuwal na paggamit ng AI ay makapagbibigay ng mas napapanahong larawan kung saan tumitindi ang hamon.