برچسب: مشاغل

به گزارش استنفورد اجوکیشن، اقتصاددانان از اصطلاح هیسترزیس یا پسماند ( پدیده‌ای است که وابستگی حالت فعلی (تغییرات) یک سیستم به حالت‌های قبلی آن را نمایش می‌دهد) برای توصیف این پدیده استفاده می‌کنند که وقتی شرایط در یک اقتصاد تغییر کند، تاثیر آن تغییر حتی بعد از بازگشت شرایط به حالت عادی باقی می‌ماند.

اریک بریفولسون، مدیر آزمایشگاه جدید اقتصاد دیجیتال دانشکده استنفورد و از اساتید موسسه فناوری ماساچوست (MIT) اظهار کرد: همه‌گیری کووید-۱۹ و تاثیر آن بر نیروی کار ممکن است یک مثال خوب از پسماند ارائه دهد. برای ایمن نگه‌داشتن کارگران و ادامه کار، شرکت‌ها کار از راه دور را افزایش داده‌اند و به‌طور فزاینده برخی از عملیات را به‌صورت خودکار انجام می‌دهند و به یادگیری ماشین می‌پردازند.

وی در جریان کنفرانس آنلاین اخیر استنفورد گفت: “برخی از این تغییرات دائمی خواهند بود، اما سوال این است که با اتخاذ این فناوری‌ها چه بخش‌هایی از اقتصاد بیشتر تحت تاثیر قرار خواهند گرفت و کدام قسمت‌ها کمتر تحت تاثیر قرار می‌گیرند؟”

تاثیر یادگیری ماشین

بریفولسون، کارنگی ملو، تام میچل، دانیل راک و دیگران با همکاری یکدیگر وظایف مناسب یادگیری ماشینی (ML) در مشاغل را مشخص کردند. آنان این روش را برای ۹۵۰ شغل و ۱۸هزار کار خاص شغلی بررسی کردند.

آنان دریافتند که وظایف بیشتر در مشاغل با دستمزد پایین می‌تواند با برنامه‌های یادگیری ماشین جایگزین شود. به‌عنوان‌مثال، امروزه یادگیری ماشین در مهارت‌های صندوقداری عملکرد بهتری دارد. البته برخی از مشاغل پردرآمد مانند خلبانی نیز می‌توانند تحت تاثیر یادگیری ماشین قرار بگیرند.

بریفولسون تاکید کرد: “هیچ شغلی از این تاثیر کاملا مصون نیست.”

وی خاطرنشان کرد: برخی صنایع نیز نسبت به سایر مشاغل بیشتر تحت تاثیر قرار می‌گیرند. ساخت‌وساز، خرده‌فروشی، حمل‌ونقل و خدمات اسکان و غذا ظرفیت مناسبی برای یادگیری ماشین دارند.

وی گفت: ” علاوه بر این، مناطق مختلف کشور به‌طور ناموزون تحت تاثیر قرار خواهند گرفت. به‌عنوان‌مثال، کارهایی که مردم در وایومینگ انجام می‌دهند با کارهایی که در منهتن یا میامی انجام می‌دهند، بسیار متفاوت است.”

داده‌های محققان به آنان اجازه می‌دهد تا تاثیر یادگیری ماشین در مشاغل فردی را بررسی کنند. در نقش‌هایی مانند فروشندگان، دستیاران اجرایی و بانکداری شخصی درصد زیادی از وظایف را می‌توان به یادگیری ماشین اختصاص داد.

بریفولسون گفت: “ابزار ما راهی برای این مشاغل فراهم کرده که مسیر آینده را برای آنها مشخص کند. بانکداران می‌توانند مهارت‌های بیشتری را که مشمول یادگیری ماشینی نیستند، مانند رهبری، توسعه محصول یا روابط با مشتری را توسعه دهند و انجام مواردی مانند مجوز اعتبار را به یادگیری ماشین انتقال دهند.”

وی در ادامه افزود: گزینه دیگر یافتن نقش‌های جدید با مجموعه مهارت‌های مشابه است و در این مورد هم نقش یادگیری ماشین مختل نمی‌شود و واضح است.

وی خاطرنشان کرد: باکمی آموزش، انقلاب یادگیری ماشین آسیب‌ کمتری بر کارمندان بخش‌های مختلف خواهد داشت.

آینده کار از راه دور

همه‌گیری کووید-۱۹باعث تغییرات اساسی در کار از راه دور شده است. محققان نمونه‌ای از ۵۰هزار کارمند را موردبررسی قراردادند و دریافتند در حال حاضر نیمی از آنان در خانه کار می‌کنند. قبل از بحران کرونا، تقریبا از هر ۶ آمریکایی حدود یک نفر بیرون از خانه فعالیت داشت.

با بازگشایی ایالت‌ها و بازگشت مردم به محل کار، هنوز بسیاری از راه دور به کار خود ادامه می‌دهند.

بریفولسون گفت: “در گفت وگوی من با یک مدیرعامل مشخص شد که نیروی کار وی از کار در خانه خوشحال بودند و وی نیز از نتایج و بهره‌وری راضی بود. به همین دلیل وی به فکر تغییر روش کاری خود و حضور کارکنان یک روز یا دو روز در هفته در محل کار بعد از بحران کروناست. ”

مانند مشاغل متاثر از یادگیری ماشین، کار از راه دور نیز به‌طور ناموزون بر جمعیت شغلی تاثیر می‌گذارد. محققان یادآور می‌شوند، بهترین پیش‌بینی سهم فعالیت‌های شغلی اطلاعات است. انجام مشاغلی مانند آموزش و یا مدیریت بسیار آسان‌تر از راه دور انجام می‌شود، اما انجام برخی موارد نیز مانند کارهای فیزیکی از راه دور امکان‌پذیر نیست.

فناوری‌های اتوماسیون یا کار از راه دور برای مدتی در دسترس بوده، اما با شوک همه‌گیری شرکت‌ها و افراد مجبور به سازگاری بیشتری با این روش شدند و در آینده هم از تجربیات آن استفاده خواهند کرد.

وی  گفت: “پس از همه‌گیری، ما اقتصاد جدیدی خواهیم داشت که تعداد بیشتری از افراد از راه دور کار می‌کنند و افراد بیشتری نیز از یادگیری ماشین استفاده می‌کنند و این نوع اقتصاد بسیار متفاوت خواهد بود و منطقی است که مدیران امروز به این فکر کنند که چه نوع مهارت‌هایی را برای اقتصاد آینده لازم دارند. ”

انتهای پیام