செயற்கை நுண்ணறிவால் வேலைகளின் மாற்றம்: ஒரு மாதிரி
செயற்கை நுண்ணறிவும் வேலைவாய்ப்பும் குறித்த பெரும்பாலான விவாதங்கள் ஒரு எளிய கேள்வியுடன் தொடங்குகின்றன: செயற்கை நுண்ணறிவால் எந்த வேலைகளைச் செய்ய முடியும்?
இது முக்கியமான கேள்விதான். ஆனால் தொழிலாளர்களுக்கு என்ன நேரும் என்பதைக் கணிக்க இது மட்டும் போதாது. ஒரு தொழிலின் பல பணிகளை முடிக்கும் திறன் ஒரு தொழில்நுட்பத்திற்கு இருந்தாலும், அது அத்தொழிலையே இல்லாமல் ஆக்கிவிடாது. இதற்குப் பல காரணங்கள் இருக்கலாம். வாடிக்கையாளர்கள் மனிதர்களுடன் உரையாட விரும்புவது, நிறுவனங்கள் மனிதர்களின் பொறுப்பேற்பைக் கோருவது, அல்லது நேரில் இருந்து ஆராய்ந்து முடிவெடுக்க வேண்டிய பணி என்பதால் மனிதர்கள் தொடர்ந்து அவசியமாக இருக்கலாம். அல்லது, செயற்கை நுண்ணறிவு தொழிலாளர்களின் உற்பத்தித்திறனை உயர்த்தும்போதும், செலவு குறைவதால் தேவை பெருகி, அத்துறையில் வேலைவாய்ப்பு குறையாமல் அதிகரிக்கலாம்.
OpenAI-இன் செயற்கை நுண்ணறிவு சார்ந்த வேலை மாற்றக் கட்டமைப்பு, இச்சாத்தியக்கூறுகளைப் பற்றி சிந்திக்கப் புதிய வழியை வழங்குகிறது. தொழில்நுட்பத்தால் பாதிக்கப்படும் சாத்தியத்தையே வேலை இழப்புக்கான முன்னறிவிப்பாகக் கருதாமல், இது மூன்று கேள்விகளை எழுப்புகிறது:
ஒரு தொழிலின் பணிகளில் கணிசமான பகுதியைச் செயற்கை நுண்ணறிவால் செய்ய முடியுமா?
பணியைச் செய்வதில், மேற்பார்வையிடுவதில் அல்லது அதற்குப் பொறுப்பேற்பதில் மனிதரின் பங்கு இன்னும் மையமாக உள்ளதா?
செயற்கை நுண்ணறிவு சேவையின் செலவைக் குறைத்தால், அதிகரிக்கும் உற்பத்தித்திறனைப் பயன்படுத்திக்கொள்ளும் அளவுக்குத் தேவை வளருமா?
சுமார் 14.8 கோடி அமெரிக்க வேலைகளை உள்ளடக்கிய 921 தொழில்களில் இக்கட்டமைப்பைப் பயன்படுத்தும்போது, தொழிலாளர் சந்தை மாற்றத்தின் பல்வேறு பரிமாணங்கள் வெளிப்படுகின்றன. சுமார் 18 சதவீத வேலைகள் ஒப்பீட்டளவில் அதிக தானியக்க ஆபத்தை எதிர்கொள்கின்றன; 24 சதவீதம் மறுசீரமைக்கப்படலாம்; 12 சதவீதம் செயற்கை நுண்ணறிவால் வளரலாம்; 46 சதவீதத்தில் உடனடி மாற்றம் குறைவாக உள்ளது.
குறிப்பிட்ட சதவீத வேலைகள் மறைந்துவிடும் என்ற கணிப்புகள் அல்ல இவ்வகைப்பாடுகள். வெவ்வேறு வகையான மாற்றங்கள் முதலில் எங்கு தோன்றக்கூடும் என்பதைக் காட்டும் வரைபடமே இவை.
அதிக தானியக்க ஆபத்துள்ள வேலைகள்: தரவு உள்ளீட்டுப் பணியாளர்கள், தொலைபேசி வழி விற்பனையாளர்கள், மெய்ப்புத் திருத்துநர்கள், சில கணக்குப் பதிவு அல்லது நிர்வாகப் பணிகள் இதில் அடங்கலாம். இவற்றில் பெரும்பாலான பணிகள் தரப்படுத்தப்பட்ட தகவல்களைக் கையாள்வது, சரிபார்ப்பது அல்லது தெரிவிப்பது சார்ந்தவை. இறுதிச் சேவையை மனிதர் நேரடியாக வழங்காமலேயே இவற்றைச் செய்யும் செயற்கை நுண்ணறிவின் திறன் அதிகரித்து வருகிறது. இதனால் கிடைக்கும் உற்பத்தித்திறன் உயர்வை ஈடுசெய்யும் அளவுக்கு இப்பணிகளுக்கான தேவை வளராமல் போகலாம்.
குறிப்பாக, குறிப்பிட்ட பகுதிகளில் வேலைவாய்ப்புகள் குவிந்திருந்தாலோ, தொடர்புடைய பணிகளுக்கு மாறும் வாய்ப்பு குறைவாக இருந்தாலோ, இவ்வேலைகளை உன்னிப்பாகக் கண்காணிக்க வேண்டும். ஆனால் இங்கும் தொழில்நுட்பத் திறன் தானாகவோ உடனடியாகவோ வேலை இழப்பாக மாறுவதில்லை. நிறுவனங்கள் பணிச்செயல்முறைகளை மாற்றியமைத்து, செயற்கை நுண்ணறிவை ஏற்கெனவே உள்ள அமைப்புகளுடன் இணைத்து, பிழைகளையும் ஒழுங்குமுறை ஆபத்துகளையும் நிர்வகிக்க வேண்டும். மனிதர்களைப் பணியமர்த்துவதைவிட தானியக்கம் உண்மையில் மலிவானதா என்பதையும் தீர்மானிக்க வேண்டும்.
மறுசீரமைக்கப்படும் வேலைகள்: இரண்டாவது, மேலும் பெரிய குழுவிலுள்ள வேலைகள் மறைவதற்குப் பதிலாக மறுசீரமைக்கப்பட வாய்ப்புள்ளது. வழக்கறிஞர்கள், கணக்காளர்கள், மென்பொருள் உருவாக்குநர்கள், நிதிப் பகுப்பாய்வாளர்கள், ஆசிரியர்கள் இதற்கு சாத்தியமான எடுத்துக்காட்டுகள். ஒப்பந்தங்களை வரைவது, ஆதாரங்களைச் சுருக்குவது, நிதிப் பகுப்பாய்வு செய்வது, நிரல் எழுதுவது, பாடப் பொருட்களை உருவாக்குவது ஆகியவற்றைச் செயற்கை நுண்ணறிவால் ஏற்கெனவே செய்ய முடிகிறது. ஆனால் ஆராய்ந்து முடிவெடுக்கவும், முடிவுகளுக்குப் பொறுப்பேற்கவும், வழக்கத்திற்கு மாறான சூழல்களைப் புரிந்துகொள்ளவும், சக ஊழியர்கள், மாணவர்கள் அல்லது வாடிக்கையாளர்களுடன் உறவுகளை வளர்க்கவும் மனிதர்கள் இன்னும் தேவைப்படுகிறார்கள்.
ஒவ்வொரு வழக்கறிஞரும் அதிக ஆவணங்களை ஆய்வு செய்யவும், மென்பொருள் உருவாக்குநரும் அதிக நிரல் எழுதவும், ஆசிரியரும் அதிக தனிப்பயனாக்கப்பட்ட பாடப் பொருட்களைத் தயாரிக்கவும் செயற்கை நுண்ணறிவு உதவலாம். இதனால் சில பணிகளுக்குத் தேவையான உழைப்பு குறையலாம். ஆனால் அத்தொழில்கள் தெளிவாக மனிதர்களைச் சார்ந்தவையாகவே தொடரும். வேலைகளை எப்படி மாற்றியமைப்பது என்பதே முக்கியக் கேள்வியாகிறது: எந்தப் பணிகளைச் செயற்கை நுண்ணறிவிடம் ஒப்படைப்பது, எவற்றைத் தொழிலாளர்கள் செய்வது, தொடக்கநிலைப் பணிகளும் தொழில் முன்னேற்றப் பாதைகளும் தொடர்ந்து கற்றல் வாய்ப்புகளை வழங்குமா?
செயற்கை நுண்ணறிவால் வளரும் வேலைகள்: இவற்றில், தேவையை அதிகரிக்கும் அளவுக்குச் செலவைச் செயற்கை நுண்ணறிவு குறைக்கக்கூடும். தனிப்பயிற்சி ஆசிரியர்கள், மனநல ஆலோசகர்கள், தனிநபர் நிதி ஆலோசகர்கள், சில சுகாதார வல்லுநர்கள் இதற்கு எடுத்துக்காட்டுகள். இச்சேவைகள் தற்போது பலருக்குச் செலவுமிக்கவையாகவோ அணுகக் கடினமானவையாகவோ உள்ளன. இத்துறைகளில் உற்பத்தித்திறன் அதிகரித்தால் தொழிலாளர்கள் குறைவார்கள் என்று அவசியமில்லை. குறைந்த கட்டணத்தில் தனிப்பயிற்சி கிடைத்தால், அதிகக் குடும்பங்கள் அதைப் பயன்படுத்தலாம். நிதி ஆலோசனையின் செலவு குறைந்தால், தற்போது ஆலோசகரை அணுக வசதியில்லாத குடும்பங்களுக்கும் தனிப்பயனாக்கப்பட்ட வழிகாட்டுதல் கிடைக்கலாம். செயற்கை நுண்ணறிவின் உதவியுடன் மருத்துவர்கள் கூடுதல் தொடர் கண்காணிப்பையும் பராமரிப்பையும் வழங்கலாம். தேவை போதுமான அளவு வளர்ந்தால், ஒவ்வொரு தொழிலாளரின் உற்பத்தித்திறன் அதிகரித்தாலும் மொத்த வேலைவாய்ப்பும் உயரலாம்.
உடனடி மாற்றம் குறைவாக உள்ள வேலைகள்: முக்கியப் பணிகளுக்கு உடல் உழைப்பும் குறிப்பிட்ட இடத்தில் இருப்பதும் அவசியமான பல வேலைகள் இதில் அடங்கும். மின்பணியாளர்கள், குழாய் மற்றும் கூரைப் பணியாளர்கள், கட்டுமானத் தொழிலாளர்கள், பல உணவுச் சேவைப் பணியாளர்கள் இதற்கு எடுத்துக்காட்டுகள். அட்டவணையிடல், செலவு மதிப்பீடு, பயிற்சி, சரக்கிருப்பு அல்லது வாடிக்கையாளர் தொடர்பில் செயற்கை நுண்ணறிவு உதவலாம். ஆனால் தற்போது மின்கம்பிகளைப் பொருத்தவோ, குழாயைப் பழுதுபார்க்கவோ, கூரையை மாற்றவோ, உணவு சமைத்துப் பரிமாறவோ அதனால் முடியாது.
இத்தொழில்களில் செயற்கை நுண்ணறிவின் தாக்கமே இருக்காது என்று கூற முடியாது. இவற்றின் நிர்வாக, மேலாண்மைப் பணிகள் மாறலாம். இயந்திர மனிதவியல் முன்னேற்றங்கள் காலப்போக்கில் தானியக்கத்தை விரிவுபடுத்தலாம். ஆனால் தற்போதைக்கு இவற்றின் அடிப்படைப் பணிகளில் மொழிசார்ந்த செயற்கை நுண்ணறிவின் தாக்கம் ஒப்பீட்டளவில் குறைவு. எனவே குறுகிய காலத்தில் பெரிய மாற்றங்கள் ஏற்படும் வாய்ப்பும் குறைவு.
தொழில்கள் முழுமையாக மறைவதற்கு முன்பே, பணிகள், பணிச்செயல்முறைகள், திறன் தேவைகள் ஆகியவற்றின் மாற்றங்களில் செயற்கை நுண்ணறிவின் தொடக்ககாலத் தாக்கங்கள் தெரியக்கூடும். உண்மையில், அதிக தானியக்க ஆபத்தை எதிர்கொள்வதாக அடையாளம் காணப்பட்ட தொழில்களில் செயற்கை நுண்ணறிவின் நடைமுறைப் பயன்பாடு ஏற்கெனவே அதிகமாக உள்ளது. ஒட்டுமொத்தத் தொழிலாளர் தொகுப்புடன் ஒப்பிடும்போது, மிக அதிக ஆபத்துள்ள தொழில்களில் ChatGPT பயன்பாடு ஏறத்தாழ மூன்று மடங்கு பரவலாக உள்ளது.
எனினும், அண்மைக்கால வேலையின்மை மாற்றங்கள் தொழில்நுட்பத்தால் பாதிக்கப்படும் சாத்தியத்துடன் நேரடியாகப் பொருந்தவில்லை. 2024-இன் முதல் காலாண்டிலிருந்து, இக்கட்டமைப்பு மிக அதிக செயற்கை நுண்ணறிவு ஆபத்துள்ளதாக வகைப்படுத்திய தொழில்களைவிட, அதன் தாக்கம் குறைவான சில தொழில்களில் வேலையின்மை அதிகமாக உயர்ந்துள்ளது. ஆனால் தொழிலாளர் சந்தையில் செயற்கை நுண்ணறிவின் தாக்கம் இல்லை என்பதை இது நிரூபிக்கவில்லை. தொழில்வாரியான வேலையின்மையில் பல காரணிகளின் தாக்கம் உள்ளது. சில மாற்றங்கள் பணிநீக்கங்களுக்குப் பதிலாக ஆட்சேர்ப்பு, தொடக்கநிலை வாய்ப்புகள், ஊதியம் அல்லது பணிகளின் அமைப்பில் முதலில் தெரியலாம்.
வேலைகளின் எதிர்காலம் ஒரே பாதையில்தான் செல்ல வேண்டும் என்று செயற்கை நுண்ணறிவு நிர்ணயிப்பதில்லை. தொழில்நுட்பத் திறன் முக்கியம்தான். அதேபோல் நிறுவனங்கள், நுகர்வோர் தேவை, வணிக முடிவுகள், ஒழுங்குமுறை, மனிதப் பங்கேற்பின் நீடித்த மதிப்பு ஆகியவையும் முக்கியம். வெவ்வேறு தொழில்களுக்கு வெவ்வேறு கொள்கை நடவடிக்கைகள் தேவைப்படும் என்பதை இவ்வாய்வறிக்கை முன்வைக்கும் மாற்றக் கட்டமைப்பு சுட்டிக்காட்டுகிறது.
அதிக தானியக்க ஆபத்துள்ள வேலைகளுக்கு முன்னெச்சரிக்கை அமைப்புகள், மாற்றத்தைச் சமாளிக்க இலக்குசார்ந்த உதவிகள், உள்ளூர்த் தேவைக்கேற்ற மாற்றத் திட்டங்கள் தேவைப்படலாம்.
மறுசீரமைக்கப்படக்கூடிய வேலைகளுக்குப் புதுப்பிக்கப்பட்ட பயிற்சி, தொழில்முறைத் தரநிலைகள், பணியாளர் நியமன விதிகள், மனித மேற்பார்வை குறித்த தெளிவான எதிர்பார்ப்புகள் தேவைப்படலாம்.
வளரக்கூடிய வேலைகளுக்கு, தொழில்நுட்பப் பயன்பாட்டை ஊக்குவித்து, அணுகலை விரிவாக்கி, அத்துறையில் நுழைய மேலும் பல தொழிலாளர்களைத் தயார்படுத்தும் கொள்கைகள் பயனளிக்கலாம்.
அனைத்து வகைகளிலும் கொள்கை வகுப்போருக்குச் சிறந்த நிகழ்நேரத் தகவல்கள் தேவை. வழக்கமான தொழிலாளர் புள்ளிவிவரங்கள் மதிப்புமிக்கவை. ஆனால் பணிகள், நிறுவனங்களின் எதிர்பார்ப்புகள், தொழில்நுட்பப் பயன்பாடு ஆகியவற்றின் மாற்றங்களை உடனுக்குடன் பதிவு செய்யும் வேகம் அவற்றுக்கு பெரும்பாலும் இருப்பதில்லை. வேலைவாய்ப்புத் தரவுகளுடன் செயற்கை நுண்ணறிவின் திறன், நடைமுறைப் பயன்பாடு ஆகியவற்றின் அளவீடுகளை இணைத்தால், எங்கு அழுத்தம் அதிகரிக்கிறது என்பதை உரிய நேரத்தில் அறியலாம்.
