کلمه‌ی «اتوماسیون» یا «خودکارسازی»، صحنه‌ی پادآرمانی (dystopian) تقابل انسان و ماشین را به ذهن‌های بسیاری متبادر می‌کند. آینده‌ای که در آن، مردم اختلافات با هم را کنار گذاشته‌اند تا با محصولات فلزی و براقی مخالفت کنند که نتیجه‌ی کارها و طراحی‌های خود انسان‌ها هستند. برخی‌ از کسب‌وکارها که البته هنوز تعدادشان کم است، اندیشه‌ای پرورش‌یافته دارند؛ آن‌ها نسبت‌به کلمه‌ی خودکارسازی خوش‌بین هستند و دلیل خوبی هم برای این خوش‌بینی دارند.

تقریبا هیچ رشته‌ای نیست که هوش مصنوعی (AI) و رباتیک هنوز وارد قلمروی آن نشده باشد. پژوهش جدیدی که بال استات (Ball State) انجام داده است، ربات‌‌ها و هوش مصنوعی را مسئول ۸۷ درصد از بیکارشدن‌های نیروی کار آمریکایی‌ها در خلال سال‌های ۲۰۰۰ تا ۲۰۱۰ معرفی می‌کند. به‌تازگی، پرایس واتر هاوس کوپرز (PricewaterhouseCoopers) این چنین برآورد کرده است که تا دهه‌ی ۲۰۳۰، حدود ۳۸ درصد از مشاغل موجود در ایالات متحده‌ی آمریکا خطر مشابهی را حس خواهند کرد. در سال ۲۰۱۶ نیز، گزارشی ۵۵ صفحه‌ای توسط دفتر اجرایی ریاست جمهوری منتشر شد که تصویری به همین تیرگی و وخامت از اوضاع ترسیم می‌کرد و نسبت‌به بیکار شدن میلیون‌ها کارگر آمریکایی هشدار می‌داد.

با همه‌ی موارد فوق، افراد زیادی هم هستند که تا این حد نگران تصاحب مشاغل توسط ربات‌ها نیستند. پل داتری (Paul Daughtery)، مدیر ارشد فناوری و نوآوری در شرکت آسنچر (Accenture)، معتقد است که جایگزینی ماشین‌آلات به‌جای نیروی کار انسانی، نه رویدادی اجتناب‌ناپذیر و نه امری محتمل است. او و همکارش، جیمز ویلسون، در کتابی به نام «انسان + ماشین: بازآفرینی کار در دوران هوش مصنوعی» درباره‌ی این موضوع صحبت می‌کنند که «بزرگ‌ترین اثر فناوری عبارت از تکمیل و تقویت توانمندی‌های انسانی خواهد بود؛ نه جایگزینی آن‌ها».

دیلان فورنس، خبرنگار دیجیتال ترندز، درباره‌ی دیدگاه‌های به‌ظاهر متضاد داتری درباره‌ی خودکارسازی با او گفتگویی انجام داده و نظر وی را درباره‌ی راه‌های سازگارشدن کارگران با شرایط کاری آتی در دوران خودکارسازی پرسیده است. آنچه در ادامه می‌آید، برای خوانایی و رسایی بیشتر، ویرایش و اصلاح شده است.

دیلان فورنس: بسیاری از مردم، خودکارسازی را به چشم تقابل بین انسان‌ها و ماشین‌ها نگاه می‌کنند. شما، نگاه خوشبینانه‌تری به این موضوع دارید و تصور می‌کنید انسان‌ها و ماشین‌ها در کنار هم کار خواهند کرد. این دیدگاه از کجا ریشه گرفته است؟

پل داتری: معتقدم فکرهایی که درباره‌ی هوش مصنوعی می‌شود، بیشتر وقت‌ها اشتباه است و انسان‌ها دست‌کم گرفته می‌شوند. ما نوشتیم [انسان + ماشین]، چون شاهد بودیم که این عبارت تأثیری متفاوت با سرفصل‌های بسیاری دارد که تا آن زمان به تصویر کشیده شده بودند. اساس بحث ما در اینجا «نشانه‌ی جمع» (علامت جمع بین دو کلمه) است. «انسان به‌علاوه‌ی ماشین» همان چیزی است که واقعا منجر به کسب نتیجه می‌شود.

هوش مصنوعی جامع‌ترین روندی است که در ۵۰ سال گذشته شاهد آن بوده‌ایم. ما پیش‌ از این شاهد رشد سریع‌تر هوش مصنوعی در کسب‌وکار خود و به‌طور کلی، در بازار در مقایسه‌ با سایر فناوری‌هایی که بررسی کرده‌ایم، بودیم. چند سال پیش، شاهد انجام کارهای بسیاری بودیم که برای راهنمایی مردم در جهت استفاده‌ی کارآمدتر از فناوری با هدف ایجاد تغییرات چشمگیر در فرایندهایی که طی و نتایجی که کسب می‌کنند، صورت گرفتند. تصمیم گرفتیم تا پروژه‌ای پژوهشی راه‌اندازی کنیم و تلاش کردیم تا به حقایق آنچه اتفاق می‌افتد، دست یابیم. برای تدوین این کتاب، ۱۵۰۰ شرکت را مورد بررسی قرار دادیم و در مراحل اولیه‌ی این گذار (به‌سمت خودکارسازی امور)، با هزاران کارگر مصاحبه کردیم. نتیجه‌ای که به آن دست یافتیم چنین بود که بزرگ‌ترین نتایج و پیشرفت‌ها زمانی حاصل خواهند شد که بهترین مهارت‌های انسانی را با قابلیت‌های ماشین یا هوش مصنوعی ادغام کنید.

دیلان فورنس: یافته‌های مهم این پژوهش چیست؟

پل داتری: مورد اول آن است که برای کسب آن نتایج، باید تصویری جدید از کسب‌وکار بیافرینید. این کار متفاوت از خودکارسازی یا مهندسی دوباره است. حتما باید دست به بازآفرینی بزنید؛ حتما درباره‌ی روش انجام کارها تجدیدنظر کنید. شرکت‌هایی که این کار را می‌کنند، به موفقیت‌های بیشتری دست خواهند یافت.

دومین نتیجه‌ای که به آن رسیدیم، ایده‌ی «حد وسط گمشده» است که مربوط‌به ۶ دسته از مشاغل جدیدی است که مردم اصلا به آن‌ها فکر نمی‌کردند.

سومین نکته‌ی مهم نیز این بود که [خودکارسازی] ملاحظات نوینی را معرفی می‌کند که تابه‌حال شرکت‌ها، دولت‌ها و سازمان‌ها به آن‌ها نمی‌اندیشیدند و این قابلیت را دارند که بر افراد، گروه‌ها و جامعه تأثیر بگذارند.

دیلان فورنس: به ۶ دسته‌ی جدید از مشاغل اشاره کردید که درنتیجه‌ی خودکارسازی پدید خواهند آمد. آن‌ها کدام مشاغل هستند؟

پل داتری: دو دسته‌ی بزرگ وجود دارد. مجموعه‌ای از مشاغل هستند که در آن‌ها، انسان‌ها به ماشین‌ها کمک می‌کنند. ما این افراد را مربی، مفسر و پشتیبان می‌نامیم. مجموعه‌ای از مشاغل هم هستند که در آن‌ها ماشین‌ها به انسان‌ها کمک می‌کنند و در اصل، با فراهم‌کردن شرایط برای انجام کارها با بهره‌وری بیشتر، قدرتی فوق‌العاده به مردم می‌بخشند.

در مورد آن دسته از مشاغلی که انسان‌ها به ماشین‌ها کمک می‌کنند، گروه «مربیان» را در نظر بگیرید؛ درباره‌ی مسائلی مانند آموزش رفتاری هوش مصنوعی صحبت می‌کنیم. چطور اطمینان حاصل می‌کنید که عامل هوش مصنوعی مورد استفاده، به‌طرزی صحیح و با لحن مناسب به مشتریان پاسخ می‌دهد؟ این کار قابل برنامه‌ریزی نیست؛ بلکه نیازمند فردی است که می‌داند چگونه با مردم تعامل داشته باشد و به همین ترتیب، می‌داند ماشین‌ها چگونه باید با مردم ارتباط برقرار کنند. منظور ما کسانی است که دارای پیشینه‌ای مانند جامعه‌شناسی یا ادبیات هستند و زبان و بهترین راه بیان ایده‌ها را می‌شناسند.

شغل دوم در این دسته، «مفسران» هستند؛ کسانی که می‌توانند روش کار هوش مصنوعی برای تصمیم‌گیری در شرکت‌ها را برای مشتریان و کارمندان توضیح بدهند. به‌عنوان مثال، ما شاهد درج عناوین شغلی مانند «مهندس فناوری مالی با توانایی بیان توضیحات» در آگهی‌های استخدامی بوده‌ایم.

«پشتیبان»، به‌احتمال زیاد، یکی از جالب‌ترین مشاغل خواهد بود. حدود ۶ ماه پیش، آمازون مجبور شد بخشی از منابع انسانی خود را کنار بگذارد؛ زیرا به‌کارگیری هوش مصنوعی توسط آن‌ها نتایجی تبعیض‌آمیز نسبت‌به زنان داشت. از الگوها چنین برآمد که آن هوش مصنوعی براساس داده‌های استخدامی و کارمندان مردان آموزش دیده بود. به میانگین عملکرد یک شرکت که به‌احتمال زیاد هزاران الگوریتم هوش مصنوعی در حال فعالیت را نیز در بر می‌گیرد، توجه کنید. چه کسی باید بر عملکرد صحیح آن‌ها نظارت و از آن اطمینان حاصل کند؟ چه کسی قرار است بر عملکرد هوش مصنوعی نظارت کند؟ همان‌طور که بر کار انسان‌ها نظارت می‌شود، آن‌ها را ارتقاء می‌بخشد و به آن‌ها ترفیع می‌دهد؟

دیلان فورنس: در دسته‌ی ماشین‌هایی که به انسان‌ها کمک می‌کنند، چه نوع مشاغلی وجود خواهد داشت؟

پل داتری: ما این مشاغل را از نوع تعامل، تقویت و تجسم می‌دانیم. در حوزه‌ی تقویت‌کردن، ما از هوش مصنوعی برای کمک به انسان‌ها برای انجام کارآمدتر کارها استفاده می‌کنیم. یک مثال ساده در این خصوص، فرایندهای ضد پول‌شویی در بانک‌ها است. کارمندی در میان هزاران یا میلیون‌ها تراکنش به‌دنبال یافتن یک فعالیت غیرقانونی یا مجرمانه می‌گردد. این واقعا کاری نیست که انسان‌ها عملکرد عالی در آن داشته باشند. اما هوش مصنوعی برای این کار عالی است. بنابراین، بانک‌ها از یادیگیری ماشین برای تشخیص یک الگو در میلیون‌ها و میلیاردها تراکنش استفاده می‌کنند و صبر می‌کنند تا الگوریتم‌های یادگیری ماشین، روابط موجود بین داده‌ها را پیدا و آن‌ها را نشانه‌گذاری کنند و به این ترتیب، بازرسان انسانی می‌توانند برای تشخیص کارهای قانونی از کارهای غیرقانونی، از مهارت‌های جستجوگرانه‌ی آن‌ها بهره ببرند.

تعامل، چگونگی استفاده از هوش مصنوعی در تعاملات انسانی است. این دسته، حوزه‌ای است که به‌احتمال زیاد سریع‌تر از سایرین پیشرفت می‌کند. این مورد را می‌توانید در حالتی ابتدایی در سیری، الکسا و گوگل وویس مشاهده کنید. می‌توانید از آن برای گفتگوهای متنی خودکار و گفتگوهای صوتی فوری استفاده کنید تا بهره‌وری عوامل انسانی را افزایش بدهید. هدف آن، کاستن از فشار کار عوامل انسانی در برخی از وظایف ابتدایی و کمک به آن‌ها برای انجام کارهای پیچیده‌تر است.

مثالی که در این‌ زمینه می‌توان ارائه داد، همان هوش مصنوعی است که برای درک رفتار عاطفی مشتری استفاده می‌شود. اگر مشتری در اثر تعاملی که با شرکت دارد ناراحت یا ناامید شود، باید با آن‌ها طور دیگری رفتار کرد. به این ترتیب، عامل انسانی می‌تواند خود را برای روبه‌رو شدن با مشتریان آماده‌تر کند و آخرین مورد، تجسم است که همان حالت فیزیکی بوده که مردم درباره‌ی ربات‌های همکار مورداستفاده در فرایندهای انعطاف‌پذیرتر تولید فکر می‌کنند.

در این کتاب درباره‌ی یک کارخانه‌ی BMW در آلمان صحبت می‌کنیم که ربات‌های صنعتی خود را از فرایند کار بیرون کشیدند و جای آن‌ها را به ربات‌های همکار دادند. آن‌ها از ترکیب ۸۰ درصد ماشین‌آلات و ۲۰ درصد انسان در نیروی کار خود، به ترکیب ۸۰ درصد انسان و ۲۰ درصد ماشین‌آلات تغییر رویه دادند. امروزه، ما وسایل نقلیه‌ی بسیار پیچیده و همچنین، گزینه‌های بسیاری در اختیار داریم که البته باید انعطاف‌پذیرتر شوند. ترکیب ربات‌های همکار با انسان‌ها، فرمولی بهتر برای دستیابی به بهره‌وری است.

دیلان فورنس: در سال‌های گذشته، چندین گزارش منتشر شد که هوش مصنوعی و ربات‌ها را تهدیدی بزرگ برای امنیت شغلی افراد معرفی می‌کردند. ولی دیدگاه شما با آن‌ها فرق می‌کند. استدلال شما برای دیدگاه خودتان چیست؟

پل داتری: مجمع جهانی اقتصاد (World Economic Forum) پژوهشی دارد که حدود یک سال پیش منتشر شد و در آن پیش‌بینی کرد تا سال ۲۰۲۲، هوش مصنوعی ۷۵ میلیون شغل را از بین خواهد برد؛ در عین حال حدود ۱۳۰ میلیون شغل جدید در سرتاسر جهان به وجود خواهد آورد. این پیش‌بینی مربوط‌به آینده‌ی کوتاه‌مدت است که با پژوهش‌های ما نیز در یک راستا قرار دارد. اما وقتی به ۵۰ یا ۷۵ سال آینده نگاه می‌کنیم، پیش‌بینی آنچه اتفاق خواهد افتاد واقعا کار سختی است.

من درباره‌ی اینکه چگونه این اتفاق خواهد افتاد، ضمن رعایت احتیاط، خوشبین هستم. باور دارم شغل‌های زیادی، و نه کم، ایجاد خواهد شد و انسان‌ها نقش قدرتمندی در نیروی کار خواهند داشت. مشکل پیش‌روی ما آن است که برخی از مشاغل حذف می‌شوند. این همان ماهیت فناوری و خودکارسازی است؛ خواه هوش مصنوعی باشد و خواه موتور بخار [فرقی نمی‌کند]؛ فناوری برخی از مشاغل را از بین خواهد برد. گزارش جدید OECD (سازمان همکاری اقتصادی و توسعه) پیش‌بینی می‌کند که طی ۱۵ سال آینده، حدود ۱۴ درصد از مشاغل حذف خواهند شد، حدود ۳۰ درصد از مشاغل به‌شدت تغییر خواهند کرد و تقریبا نیمی از مشاغل نیز تاحدی دچار تغییر خواهند شد.

ما در این کتاب درباره‌ی چگونگی یادگیری مهارت‌های مناسب برای کار با ماشین‌آلات صحبت می‌کنیم و انواع مختلف مهارت‌های انسانی که باید به انسان‌ها آموزش داده بشود را شناسایی کرده‌ایم.

دیلان فورنس: آن مهارت‌های مختص انسان که ارزش پرورش‌دادن را دارند، کدام موارد هستند؟

پل داتری: ما به این نتیجه رسیدیم که چهار مهارت برتر انسانی هستند که هوش مصنوعی به آن‌ها نیاز دارد: خلاقیت، حل مسائل پیچیده، پاسخگویی اجتماعی-احساسی و نیز، ادراک حسی. در حال حاضر، این‌ها همان مهارت‌های خاص انسانی هستند که برای انجام‌شان به انسان‌ها نیاز داریم.