Nowy kształt europejskiej siły roboczej w obliczu sztucznej inteligencji
Najnowsze badania sugerują, że do końca dekady około jedna trzecia godzin pracy na świecie może zostać zautomatyzowana. Dzięki postępom w sztucznej inteligencji (AI) wiele monotonnych i powtarzalnych aspektów dzisiejszej pracy wykonywanej obecnie przez ludzi może wkrótce być wykonywanych przez komputery. „Zadania najbardziej nadające się dla sztucznej inteligencję i automatyzacji są zazwyczaj rutynowe, powtarzalne i oparte na regułach” — wyjaśnia Meltem Ucal, profesor ekonomii na Uniwersytecie Kadira Hasa. Obejmują one działania takie jak wprowadzanie i walidacja danych, klasyfikacja i przetwarzanie dokumentów, standaryzowane raportowanie, planowanie i koordynacja, powtarzalne monitorowanie lub zadania triażowe a także odpowiedzi pierwszej linii na przewidywalne zapytania klientów. „Systemy AI mogą przyspieszyć te procesy, zmniejszyć liczbę błędów i pozwolić pracownikom skupić się na zadaniach, kreatywności i umiejętnościach interpersonalnych” — mówi Ucal. W związku z tym, w ramach projektu AI4LABOUR(odnośnik otworzy się w nowym oknie), który był finansowany z programu działania „Maria Skłodowska-Curie”(odnośnik otworzy się w nowym oknie), Ucal i jej zespół pracowali nad przewidywaniem nowych zawodów i wymaganych szkoleń potrzebnych do odniesienia sukcesu w tych zawodach. W projekcie wykorzystano nowatorski model sztucznej inteligencji do stworzenia zintegrowanej struktury łączącej miejsca pracy, zadania, umiejętności i ścieżki szkoleniowe oraz opracowano szereg otwartych zaleceń.
Analiza zawodów przyszłości
Pod względem metodologicznym projekt AI4LABOUR łączy w sobie kilka aspektów. Korzystając z modelowania opartego na zadaniach i umiejętnościach, naukowcy najpierw przeanalizowali zawody na poziomie zadań, a nie tylko tytułów zawodowych. Dzięki podejściu wykorzystującemu uczenie maszynowe i uczenie głębokie, badacze mogli następnie zastosować klasyfikatory i techniki głębokiego uczenia, aby odróżniać zadania rutynowe od nierutynowych i oszacować prawdopodobieństwo automatyzacji. Uzupełnieniem tego były zgromadzone dane ankietowe, zebrane przy użyciu naukowo zaprojektowanych ankiet w celu uzyskania empirycznych dowodów od pracowników w organizacjach partnerskich. Następnie naukowcy zweryfikowali swój model i ocenili jego dokładność przed przystąpieniem do mapowania wyników modelu na ścieżki przekwalifikowania lub podnoszenia kwalifikacji. Na koniec stworzyli portal rekomendacji, który przekłada modele i zbiory danych na praktyczny system rekomendacji.
Zrozumienie zmian na rynku pracy na poziomie zadań
Ważnym spostrzeżeniem wynikającym z projektu było to, że zmiany na rynku pracy najlepiej zrozumieć na poziomie zadań. „Wiele zawodów nie «znika» tak po prostu, ale przekształca się poprzez rekompozycję zadań” — wyjaśnia Ucal. „Przyszłe zapotrzebowanie często leży na przecięciu wiedzy specjalistycznej w danej dziedzinie oraz umiejętności cyfrowych i sztucznej inteligencji”. Konkretne wyniki obejmują: podejście do nabywania kwalifikacji do określonych zadań oparte na sztucznej inteligencji w celu oceny zagrożenia automatyzacją danego zawodu; walidację modeli uczenia maszynowego / głębokiego uczenia i raporty z oceny dokładności; analizę skoncentrowaną na płci, podkreślającą względy sprawiedliwości; oraz rozwój internetowego portalu rekomendacji. „Portal rekomendacji AI4LABOUR został zaprojektowany tak, aby był publicznie dostępny i umożliwiał osobom fizycznym i zainteresowanym stronom odwiedzanie strony internetowej i korzystanie z funkcji predykcyjnych i rekomendacji szkoleń” — zauważa Ucal. „Projekt wygenerował również szereg publicznych rezultatów, w tym raporty, publikacje oraz otwarcie dostępne produkty badań i pracę dyplomową”.
Przygotowanie europejskiej siły roboczej
Zamiast reaktywnego dostosowania, projekt AI4LABOUR miał na celu wspieranie antycypacyjnej adaptacji do nadchodzących zmian. Dzięki identyfikacji profili zadań bardziej narażonych na automatyzację i połączeniu ich ze ścieżkami szkoleniowymi badania mogą pomóc osobom fizycznym w planowaniu przekwalifikowania, firmom w opracowywaniu strategii zatrudnienia, nauczycielom w dostosowywaniu programów nauczania, a decydentom w opracowywaniu ukierunkowanych polityk rynku pracy. „Ogólnym celem jest sprawniejsza, bardziej sprawiedliwa transformacja i zwiększenie szans na zatrudnienie” — mówi Ucal. Naukowcy będą nadal udoskonalać modele, rozszerzać zbiory danych i badać możliwości dalszej współpracy. „Dalszy rozwój i długoterminowa trwałość koncepcji portalu pozostają priorytetami wraz z rozwojem popytu na technologie i umiejętności” — dodaje Ucal.
