روشنگری – فراتر از خودکارسازی؛ استراتژی هایی برای حفظ موقعیت های شغلی در عصر ماشین های فوق هوشمند

بخش روشنگری مجله شماره ۱۱ (ژوئن ۲۰۱۵) کسب و کار هاروارد، به رابطه بین انسان و ماشین (روبات ها) می پردازد. این اولین مقاله از این بخش است:

 

فراتر از خودکارسازی؛ استراتژی هایی برای حفظ موقعیت های شغلی در عصر ماشین های فوق هوشمند

توماس اچ. داون پورت و جولیا کربی

 

یو-می هات از تالاهاسی، فلوریدا بعد از اینکه شنید دانشگاه آکسفورد تحقیقی در مورد پیشرفت اتوماسیون و احتمال جایگزینی آن با نیروی کار انجام داده، چنین نوشت: «این ایده که نیمی از مشاغل کنونی ممکن است حذف شوند، نظر مرا در مورد آینده فرزندانم تغییر داده است». واکنش او صرفاً مادرانه نبود؛ او مدیر یک کسب وکار است و گاه گاهی در مورد فناوری های نوظهور مقاله می نویسد. او همانقدر که به مزایای کامپیوتری شدن آگاه است، جنبه های منفی آن را هم می داند. «چگونه با هوش مصنوعی مبارزه خواهند کرد؟»، «چگونه با نیروی کار مسن تر و باتجربه تری که برای جایگاه های شغلی محدودتر مبارزه می کنند، رقابت خواهند کرد؟»

به نظر می رسد مردم نسبت به پیشرفت اتوماسیون و خودکارسازی آگاه تر و نگران تر شده اند. و باید هم باشند: اگر نتوانیم همان تعداد وظایفی که با ورود ماشین ها از انسان گرفته ایم به او باز گردانیم، آسیب های اجتماعی و روان شناختی بی شغلی رشد خواهد کرد، از رکود اقتصادی گرفته تا بیکاری جوانان و تا بحران هویت فردی. به خصوص حالا که اتوماسیون به شکل هوش مصنوعی («سه دوره اتوماسیون») وارد کار مبتنی بر دانش هم شده است. کار مبتنی بر دانش- که ما آن را کاری تعریف می کنیم که بیشتر ذهنی است تا یدی، شامل تصمیم گیری های مهم است، و نیازمند تحصیلات دانشگاهی است- درصد بزرگی از مشاغل اقتصادهای بالغ را به خود اختصاص داده است. طبق گفته تحلیل گر گارتنر، نیگل راینر «بسیاری از کارهایی که مدیران اجرایی انجام می دهند، در آینده خودکار خواهد شد»

اگر قرار باشد موقعیت را از نو بچینیم، چه؟ باید به جای سوال همیشگی- کدام یک از وظایف کنونی انسان به زودی توسط ماشین ها ارزان تر و سریع تر انجام خواهند شد؟- این سوال را بپرسیم که اگر انسان ها ماشین های بهتری برای کمک در اختیار داشته باشند چه دستاوردهای جدیدی کسب خواهند کرد؟ به جای اینکه کار را یک بازی صفر و صد در نظر بگیریم که ماشین ها در آن برتری یافته اند، می توانیم فرصت های شغلی جدید و رو به رشد را ببینیم. می توانیم تهدید خودکارسازی را تبدیل به فرصتی برای تقویت کنیم.

هر دوی ما روی مواردی کار کرده ایم که در آن ها کارکنان دانشی و اطلاعاتی با ماشین ها همکاری می کنند و کارهایی انجام می دهند که از عهده هیچ‍کدام به تنهایی بر نمی آید. و همچنان که خودکارسازی بیشتر در محل کارشان نفوذ می کند، آن ها هم واکنش های وسیع تر و متنوع تری از خود نشان می دهند. خرد متعارف معتقد است با پررنگ تر شدن تهدید ماشین ها، انسان باید برای مقابله سطوح بالاتری از تحصیلات عالیه کسب نماید. در واقع، همچنان که در زیر بحث خواهیم کرد، انسان های هوشمند برای به صلح رسیدن با ماشین های هوشمند از پنج رویکرد بهره می گیرند.

 


خلاصه ایده

تهدید: خودکارسازی در گذشته جایگزین کارکنان انسانی شده و آن ها را به سطوح بالاتری که ماشین ها هنوز به آن نرسیده اند، فرستاده است. امروزه، از آنجا که هوش مصنوعی وارد کار مبتنی بر دانش شده است، تصور اینکه انسان ها همچنان کار خاصی برای انجام دادن داشته باشند، دشوار به نظر می رسد.

طرح مجدد: اگر کامپیوترها به تصاحب وظایفی که در حال حاضر افراد تحصیل کرده انجام می دهند، ادامه دهند، چشم انداز آینده تاریک خواهد بود. اما اگر استفاده از ماشین ها را در چارچوب جدیدی به نام تقویت قرار دهیم، کار انسان می تواند رونق یابد و به آنچه هرگز ممکن نبوده دست یابد.

پنج گام: برخی از کارکنان دانشی، به سطوح بالاتری از شناخت ارتقاء می یابند؛ بقیه کنار می روند و از اشکالی از هوش که ماشین ها فاقد آن هستند بهره می گیرند. برخی وارد عمل شده و روند تصمیم گیری کامپیوترها را هدایت می کنند؛ کار برخی دیگر هم به یک قلمرو کاملا تخصصی محدود می شود. برخی هم ناگزیر با ایجاد ماشین های نسل بعدی و یافتن روش های جدید برای تقویت نقاط قوت انسان ها پیشتاز می شوند.


 

تقویت چیست؟

دیوید آتور، یکی از اقتصاد دانان MIT، که اثرات خودکارسازی را بر بازار کار بررسی می کند، اخیراً انتقاد کرده است که چرا «روزنامه نگاران و صاحب نظران در مورد جایگزین شدن انسان ها توسط ماشین ها اغراق می کنند و مکمل بودن این دو را نسبت به هم نادیده می گیرند در حالیکه ترکیب این دو می تواند باعث افزایش بهره وری، افزایش درآمد، و رشد تقاضا برای نیروی کار ماهر شود.». او به چالش استفاده از ماشین ها برای انجام وظایفی که به انعطاف، قضاوت یا عقل سلیم نیاز دارند اشاره می کند. «ماشین ها نمی توانند جایگزین همه وظایف شوند، اما می توانند آن ها را تکمیل کنند. این نکته ای اساسی است که اغلب نادیده گرفته می شود.»

نکته ای که آتور به آن اشاره می کند همان چیزی است که استراتژی تقویت نام دارد. این با استراتژی های خودکارسازی که بنگاه های کارایی محور دنبال کرده اند در تضاد کامل است. خودکارسازی بر اساس اینکه افراد در یک شغل مشخص چه می کنند و سپس چه چیز از آن کم می کنند، آغاز می شود. به محض اینکه بتوان وظایف انسان را کدگذاری کرد، از کامپیوتر برای انجام آن ها استفاده می شود. هدف قرار دادن خودکارسازی بیشتر باعث صرفه جویی در هزینه ها می شود ولی ما را به فکر کردن در چارچوب پارامترهای کاری که امروز انجام می شود محدود می کند.

در مقابل، تقویت به معنی شروع کردن با چیزی است که انسان ها امروز انجام می دهند و سپس درک این موضوع که چگونه می توان همین وظیفه را با استفاده ی بیشتر از ماشین ها تعمیق کرد. بعضی از کارکنان دانشی آگاه، به روشنی این نکته را دریافته اند؛ به عنوان مثال کامیل نیکیتا، مدیر اجرایی گنگز، شرکتی در کلان شهر دیترویت است که به مشتریان کمک می‎ کند در مورد مصرف کنندگان بینش کسب کنند- کاری که عده ای می گویند در معرض تهدید قرار دارد زیرا داده های کلان همه چیز را در مورد رفتار خرید آشکار می کند. نیکیتا قبول دارد که تحلیل تصمیم گیری های پیچیده بر اساس مجموعه داده های بزرگ، بینش جدید و مهمی در اخیتار ما قرار می دهد ولی این فرصت را هم در اختیار کارکنانش قرار می دهد که عمیق تر شوند و برای مشتریان هم «بستر، انسانی سازی، و پاسخی به چرایی پشت داده های کلان» را فراهم می کنند .فروشگاه او به طور روزافزون کاری فراتر از تحلیل انجام خواهد داد و این داده ها را طوری تفسیر خواهد کرد که تصمیم های تجاری را با استنتاج و قدرت روایت خوب تغذیه کنند. خوشبختانه، کامپیوترها در انجام این نوع کارها زیاد خوب نیستند.

نیکیتا معتقد است ماشین های هوشمند نیاز به انسان را از بین نمی برند و آن ها را به فرمانبرداری از ربات ها وا نمی دارد؛ و این پایه و اساس استراتژی تقویت است. در بعضی موارد، این ماشین ها این امکان را فراهم می کنند که کارهای برتر -پیچیده تر، رضایت بخش تر و متناسب تر با نقاط قوت خود- به عهده بگیریم. در موارد دیگر این وظایف صرفاً از آنچه کامپیوترها می توانند انجام دهند، متفاوت اند. به هر حال تقریباً در همه موارد این وظایف کمتر کدگذاری شده و کمتر ساختاریافته هستند؛ چون درغیر این صورت کامپیوترها آن ها را بهتر انجام خواهند داد.

ما معتقد به تغییر طرز فکر هستیم -هم در مورد کارکنان و هم کارفرمایان؛ که به نتایج متفاوتی خواهد انجامید- یعنی حرکت از دنبال کردن خودکارسازی به سمت ارتقاء تقویت. این تغییر به ظاهر ساده در اصطلاحات، پیامدهای عمیقی برای نحوه اداره سازمان ها و نحوه تلاش افراد برای موفقیت به دنبال خواهد داشت. کارکنان مبتنی بر دانش ماشین های هوشمند را به عنوان همکار و شریک در حل مسئله خلاق خواهند پذیرفت.

این طرز فکر جدید می تواند آینده را تغییر دهد.

 

پنج گامی که باید لحاظ شوند!

فرض کنیم کامپیوترها قرار است در زمینه کاری شما نقش ایفا کنند. در واقع تصور کنید که نرم افزار قرار است بخش عمده ای از کار فکری سنگین شغل شما را انجام دهد و تا آنجا که به عملیات روزمره بنگاه مربوط است، تصمیم هایی به خوبی و حتی بهتر از ۹۰درصد تصمیم گیرندگان انسانی بگیرد. استراتژی شما برای اینکه همچنان به شکل مفید در شرکت باقی بمانید چه باید باشید؟ از منظر تقویت افراد باید رابطه خود با ماشین ها را بازتعریف کنند و نقش خود را به پنج شکل سازماندهی نمایند.

ـــــ
کارکنان دانشی، ماشین های هوشمند را به عنوان همکار و شریک در حل مسئله خلاق خواهند پذیرفت.
ـــــ

ارتقاء به سطوح بالا. بهترین استراتژی برای شما رسیدن به سطح فکری بالاتر است. برای افرادی که توانایی فکر کردن در ابعاد گسترده تر و انتزاع بیشتر نسبت به کامپیوترها را دارند، همیشه شغلی وجود دارد. در اصل این همان توصیه ای است که همواره همراه با رشد خودکارسازی ارائه شده است: بگذارید ماشین ها کارهای روتین شما را انجام دهند، و از این فرصت برای پرداختن به دغدغه های مهم‎تر استفاده کنید.

نیون نارین، محقق سرطان، نمونه خوبی از این روش ارائه می دهد. او در سال ۲۰۰۵ به صورت شریکی شرکت برگ را در فرامنیگهام ماساچوست تاسیس کرد تا از هوش مصنوعی برای کشف داروهای جدید استفاده کند. شرکت برگ طیف سنج های بزرگ با بازدهی بالا دارد که ۲۴ساعته کار می کنند و بر اساس تحلیل خون و بافت، تریلیون ها نقطه ی اطلاعاتی تولید می کنند. در شرکت او کامپیوترهای قدرتمندی وجود دارند که به دنبال الگوهایی هستند که نشان دهد برخی مولکول های خاص می توانند موثر باشند. نارین در مارس ۲۰۱۵ به یک گزارشگر گفت که «آخرین چیزی که می خواهید الان انجام دهید داشتن صد شیمی دان زیستی است که داده ها را بررسی کنند و بگویند: اوه از این یکی بیشتر خوشم می آید.» ولی او صد شیمی دان در استخدام خود دارد. هدف آن ها تحلیل همه این ارقام و رسیدن به یک فرضیه درباره توان بالقوه یک مولکول خاص نیست. بلکه کار آن ها از جایی آغاز می شود که ریاضیات از صحنه محو شده، کامپیوتر فرضیه را تولیده کرده و بررسی کاربردی بودن فرضیه مطرح شده است.

نارین فرصت توسعه دارو به روشی جدید را پیدا کرده و از آن برای ارتقاء به سطحی بالاتر از ماشین استفاده نمود. این کار به تجریه، بینش و توانایی درک سریع تغییرات جهان نیاز دارد. موفقیت بانکداران ثروتمند وال استریت و غول های سرمایه و سهام هم اینطور توضیح داده می شود که آن ها خود را به سطحی بالاتر از مبادله خودکار و سیستم های کامپیوتری مدیریت پرتفوی ارتقا دادند.

اگر ارتقاء به سطح بالاتر استراتژی شماست، احتمالاً به تحصیلات عالی نیاز خواهید داشت. به عنوان یک جویای کار یک مدرک کارشناسی ارشد یا دکترا برای تان بسیار مفید خواهد بود. وقتی وارد یک سازمان شدید، هدفتان باید این باشد که همیشه آگاه و خلاق بمانید تا بتوانید بخشی از تلاش های نوآورانه سازمان باشید. در حالت ایده آل هدفتان رسیدن به مدیریت ارشد و قاپیدن فرصت ها خواهد بود. برنی هارفورد مدیر اجرایی ارشد اوربیتز را در نظر بگیرید؛ این شرکت تعداد زیادی از مشاغل مبتنی بر دانش خود را با کامپیوتریزه کردن حذف کرده است. هارفورد برای انجام وظایف باقیمانده که همچنان نیاز به انسان دارند، به دنبال چنین افرادی است. او می گوید اوربیتز به افرادی نیاز دارد که «بتوانند در حوزه تخصصی خود عمیق شوند، در مورد کل سازمان هم مشتاق و کنجکاو بوده و در پی این باشند که چگونه می توانند نقشی متناسب با نیاز سازمان ایفا کنند.» این راهنمای خوبی برای هر کارمند مبتنی بر دانش است که می خواهد خود را ارتقاء دهد: سعی کنید به معنی قدیمی کلمه منسجم تر فکر کنید. از ماشین ها برای انجام امور روتین خود استفاده کنید، بدون اینکه دانش چگونگی انجام آن ها را از یاد ببرید. هارفورد هم همین کار را انجام داده است: به کارگیری «یادگیری ماشینی» برای نسلی از الگوریتم ها که مشتریان را با تجربه سفر دلخواه شان جور می کند.

 

ـــــ
پنج گام برای قابل استخدام بودن

انسان های انتخاب های دیگری در مواجهه با ماشین ها دارند در اینجا به این انتخاب ها در حوزه بازاریابی پرداخته می شود:

5 گامی که باید برای قابل استخدام بودن در عصر ماشینی انجام داد

ـــــ

تغییر مسیر. تغییر مسیر می تواند فقط برای گروه کوچکی از نیروی کار گزینه خوبی باشد. ولی بسیاری از کارهای فکری هم به همین اندازه ارزشمند هستند و قابل کدگذاری هم نیستند. تغییر مسیر به معنی استفاده از قدرت های ذهنی است که فقط به شناخت منطقی مربوط نیستند؛ بلکه از آنچه هوارد گاردنر «هوش های چندگانه» می نامد ناشی می شوند. می توانید روی هوش های «بین فردی» و «درون فردی» متمرکز شوید – بدانید چگونه با دیگران خوب کار کنید و علایق، اهداف و توانایی های خود را بشناسید.

مربی با تجربه افسانه ای دی. واین لوکاس نمی تواند دقیقاً بیان کند که چگونه استعداد های بالقوه را می‎بیند و تشخیص می دهد. او فقط این کار را انجام می دهد. طراح اپل جوناتان ایو نمی تواند سلیقه اش را روی یک کامپیوتر دانلود کند. ریکی جروایس باعث می شود مردم به چیزهایی بخندند که یک ماشین در خواب هم نمی‎بیند. آیا آن ها در زندگی کاری خود از کامپیوتر استفاده می کنند؟ بله! اما نبوغ آن ها در کشف نقاط قوت وصف نشدنی که دارند و صرف حداکثر زمان ممکن برای استفاده از آن هاست. ماشین ها می توانند وظایف کمکی بی شماری انجام دهند تا متخصصان فرصت داشته باشند روی کارهایی که در آن بهترین هستند متمرکز شوند.
ما نمی خواهیم این تصور ایجاد شود که تغییر مسیر صرفاً برای هنرمندان است. مثلاً وکیل های ارشد کاملاً متبحر و زبردست هستند اما به ندرت می توانند در تمام زمینه های کاری شرکت خود خبره باشند. آن ها بخش بزرگی از انرژی خود را صرف برنده شدن کارهای جدید (که معمولاً دلیل اصلی گرفتن ترفیع است) و دادن مشاوره به مشتریان خود می کنند. اگر ماشین ها اسناد قانونی را تجزیه و تحلیل کرده و اقدامات یا استدلال های متناسب را پیشنهاد دهند، وکیلان ارشد فرصت بیشتری دارند که بقیه امور شغل خود را به بهترین شکل انجام دهند. این موضوع در مورد متخصصین دیگر مثل حسابداران ارشد، معماران، صاحبان بانک های سرمایه گذاری و مشاوران هم صدق می کند.

حوزه مراقبت از سالمندان را در نظر بگیرید که از نظر سازندگان ربات پتانسیل بالایی برای خودکارسازی دارد. این قلمرو معمولاً یک حوزه تخصصاً فکری کار انسانی محسوب نمی شود. ما اخیراً به یک مقاله توسط آموزگار، مربی و وبلاگ نویس هیثر پلت برخورد کرده ایم. او درباره پرستار بیماری سخت مادرش نوشت «او برای ما فضا را باز می گذاشت» و توضیح داد «یعنی چه؟ یعنی ما مایلیم در راهی که دیگران در پیش دارند آن ها را همراهی کنیم بدون اینکه آن ها را قضاوت کنیم، احساس بی کفایتی به آن ها بدهیم، آن ها را درست کنیم و یا روی نتیجه تاثیر بگذاریم. وقتی فضا را برای دیگران باز می کنیم، قلب هایمان را به روی آن ها می گشاییم، حمایت بی قید و شرط فراهم می کنیم و قضاوت و کنترل را کنار می گذاریم.»

درست است که مراقبت آسایشگاهی نمونه ی شدیدی از موقعیت های نیازمند حضور انسان است ولی همدردی در هر محیطی که در آن مشتریان، همکاران و صاحبان وجود دارند، ارزشمند است.

اگر تغییر مسیر استراتژی شماست، باید روی توانایی های غیرقابل کد گذاری خود تمرکز کنید؛ آن ها را کشف کنید و در تقویت آن ها بکوشید. در این روند باید دیگر استادان حرفه ای را که دنبال می کنید و شناسایی کنید و راهی برای کار کردن با آن ها بیابید؛ چه به صورت همکار و چه به صورت کارآموز. باید بتوانید برای هوش هایی که فراتر از آی کیو هستند و چند دهه تحصیلات عالی آن ها را کمرنگ کرده است، احترام بیشتری قائل شوید. این ها هم قابلیت تقویتِ آگاهانه دارند،-زیرا نه کمتر و نه بیشتر از هوش ریاضی شما خدادادی هستند.

 

 

ـــــ
بخش زیادی از کارهای فکری قابل کدگذاری نیستند. برای مثال همدردی در هر محیطی که در آن مشتریان، همکاران و صاحبان وجود دارند، ارزشمند است.
ـــــ

 

 

ـــــ
سه عصر خودکارسازی

بی دلیل نیست که موج جدید خودکارسازی ترسناک تر از قبلی است. همچنان که ماشین ها بیشتر به تصمیم گیری ها نفوذ می کنند، تصور سطح بالاتر برای پیشرفت انسان ها دشوارتر می شود.

ـــــ

 

ادامه دارد …


این مقاله از شماره ۱۱ (ژوئن ۲۰۱۵) مجله کسب و کار هاروارد انتخاب شده است. برای دانلود رایگان کل مجله، اپلیکیشن مجله هاروارد را دانلود و نصب نمایید.

Copyright 2016 - 2017 | All rights reserved