از دست دادن شغل و مشاغل در معرض هوش مصنوعی: پرسش و پاسخ با استاد جامعه شناسی

توسط الیزابت کیوویتز، دانشگاه کالیفرنیا، لس آنجلس

ویرایش شده توسط Sadie Harley، بررسی توسط Andrew Zinin

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

جنی برند، استاد جامعه‌شناسی UCLA با انتصاب در علم آمار و داده‌ها، متخصص در مورد اثرات اجتماعی-اقتصادی از دست دادن شغل، از جمله اثرات بلندمدت اقتصادی، روان‌شناختی، فیزیولوژیکی و بین نسلی است.

همانطور که چشم انداز شغلی فعلی توسط هوش مصنوعی در حال تغییر است، برند و شرکای تحقیقاتی او در آزمایشگاه شغل در حال بررسی چگونگی تاثیر تغییرات شغلی، از جمله قرار گرفتن در معرض هوش مصنوعی، بر تحرک شغلی کارگران هستند. شغلی که در معرض هوش مصنوعی قرار دارد، کاری است که در آن وظایف به طور بالقوه می‌توانند به طور بالقوه با هوش مصنوعی انجام شوند.

برند و تیم تحقیقاتی او در مقاله اخیر خود، «به دام افتادن در مشاغل رو به زوال: موانع تحرک کارگران در یک اقتصاد در حال تغییر» که در Science Advances منتشر شده است، دریافتند که کارگران شاغل در مشاغل رو به رشد، چشم انداز بهتری برای تحرک رو به بالا نسبت به کارگرانی دارند که در مشاغل رو به افول به کار می‌روند - ایجاد یک «تله تحرک برای افراد».

یافته‌های مربوط به مشاغلی که در معرض هوش مصنوعی قرار دارند نیز در مقالات و مجموعه مقالات انجمن اقتصادی آمریکا منتشر شد.

برند که همچنین یکی از مدیران مرکز آمار اجتماعی UCLA است و شی سونگ که دکترای خود را دریافت کرده است. از UCLA و اکنون استاد دانشگاه کلمبیا است، به سوالات مربوط به تحقیقات خود پاسخ داد.

شغلی که در معرض هوش مصنوعی قرار دارد، کاری است که وظایف آن به طور بالقوه می تواند با هوش مصنوعی کارآمدتر انجام شود. در تحقیقات خود، اگر مدل‌های زبان بزرگ و نرم‌افزارهای مرتبط بتوانند با حفظ کیفیت، زمان مورد نیاز برای کارهای خاص را حداقل به نصف کاهش دهند، شغلی را در معرض هوش مصنوعی می‌دانیم.

تعداد افرادی که در یک شغل به شدت در معرض هوش مصنوعی هستند ممکن است با استفاده از هوش مصنوعی کاهش یابد، رشد کند یا تغییر اساسی کند. ما همچنین قرار گرفتن در معرض هوش مصنوعی را از مهارت‌های هوش مصنوعی متمایز می‌کنیم: داشتن شغلی که هوش مصنوعی می‌تواند بر آن تأثیر بگذارد، لزوما به معنای داشتن مهارت یا پشتیبانی برای کار مؤثر با آن نیست.

ما یک وضعیت نگران کننده را برجسته می کنیم: کارگران در مشاغلی که هم به شدت در معرض هوش مصنوعی هستند و هم پیش بینی می شود از نظر تعداد افراد در آن مشاغل کاهش پیدا کنند. این کارگران بر روی مشاغل موجود خود با فشار مواجه هستند و ممکن است با مسیرهای تحرک محدود در زمینه های در حال گسترش روبرو شوند.

کار ما نشان می‌دهد که تغییر مشاغل اغلب منجر به حرکت به سمت یک شغل رو به زوال بدون بهبود موقعیت اقتصادی آن‌ها می‌شود، یک «تله تحرک». بنابراین نگرانی اصلی ترکیبی از قرار گرفتن در معرض هوش مصنوعی، کاهش تقاضا و دسترسی محدود به جایگزین های بهتر است. قرار گرفتن در معرض به تنهایی برای شناسایی آسیب پذیرترین افراد کافی نیست.

تحقیقات اولیه ما در مورد مهارت‌های هوش مصنوعی نشان می‌دهد که در مشاغلی مانند کارمندان حقوق و دستمزد، ادعاهای بیمه و کارمندان رسیدگی به سیاست‌ها، کارمندان دفترداری، رونویسی‌نویسان پزشکی، کارکنان ورودی داده‌ها، و مترجمان و مترجمان، قرار گرفتن در معرض هوش مصنوعی بالاست.

این مشاغل شامل پردازش اطلاعات، اسناد یا وظایف زبانی است. آنها در بیمه، مراقبت های بهداشتی، حسابداری، خدمات اداری و سایر صنایع رخ می دهند. برخی از مشاغل علمی و فنی نیز بسیار در معرض خطر هستند، اما کارگران در این زمینه‌ها مهارت‌های مرتبط با هوش مصنوعی (به عنوان مثال، محققان یادگیری ماشین) را گزارش می‌کنند. بنابراین هوش مصنوعی می تواند چالش ها و فرصت های بسیار متفاوتی را در بین مشاغل ایجاد کند.

یافته‌های ما یک گروه بالقوه آسیب‌پذیر را برجسته می‌کند: کارگرانی که در مشاغلی با هوش مصنوعی بالا قرار دارند اما پروفایل‌هایشان شواهد کمی از مهارت‌های مرتبط با هوش مصنوعی نشان می‌دهد. به عنوان مثال، کمتر از 1٪ از کارمندان حقوق و دستمزد و حسابداری در داده های ما از LinkedIn یک مهارت هوش مصنوعی مولد را در پروفایل خود ذکر می کنند.

همچنین ممکن است آسیب‌پذیری برای افرادی که فاقد زمان، پول، آموزش کارفرما یا دسترسی به مشاغل جایگزین هستند بیشتر باشد، اگرچه تحقیقات فعلی ما مستقیما همه این مکانیسم‌ها را آزمایش نمی‌کند.

انحراف شغلی به الگویی اطلاق می شود که در آن کارگران به طور مکرر شغل خود را ترک، وارد یا تغییر می کنند. برخی از حرکات منعکس کننده فرصت هستند، در حالی که برخی دیگر منعکس کننده بی ثباتی هستند.

تحقیقات ما تأکید می کند که جنبش به خودی خود به ما نمی گوید که آیا مردم در حال پیشرفت هستند یا خیر. کسی می تواند شغل خود را تغییر دهد اما در یک زمینه رو به زوال باقی بماند یا به شغلی با دستمزد کمتر برود. برعکس، حرکت اندک می تواند منعکس کننده امنیت یا مشکل در یافتن جایگزین باشد. یک ویژگی کلیدی این است که آیا یک حرکت باعث بهبود حقوق، امنیت، یادگیری و توسعه شغلی بلند مدت می شود یا خیر.

از دست دادن شغل می تواند درآمد، روال روزانه، روابط اجتماعی و احساس هویت فرد را مختل کند. یافتن شغل دیگری ممکن است تمام عواقب جابجایی را برطرف نکند. در حالی که حرکت داوطلبانه به سمت کار بهتر می‌تواند مفید باشد، حرکت غیرارادی با چشم‌انداز ضعیف‌تر تجربه متفاوتی است.

در کار اخیر خود، کارگرانی را که از مشاغلی که در معرض هوش مصنوعی قرار دارند جابجا شده‌اند و اینکه چگونه مسیرهای شغلی آنها در ویژگی‌های انتخابی متفاوت است را در نظر می‌گیریم. کارگرانی که شغل خود را از دست می دهند، بر اساس تحصیلات، مهارت ها، سن و سایر ویژگی ها، از جمله مهارت های هوش مصنوعی، به این تجربیات واکنش متفاوتی نشان می دهند. ما از مدل‌های یادگیری ماشین برای شناسایی منابع تغییر در انتقال کارگران آواره استفاده می‌کنیم.

ابزارهای هوش مصنوعی به سرعت در حال تکامل هستند و استفاده از آنها آسان تر می شود، حتی بدون مهارت های برنامه نویسی. یادگیری استفاده از این ابزارها می تواند ارزشمند باشد، اما برای قضاوت در مورد دقیق و مفید بودن خروجی هوش مصنوعی و بهبود آن در صورت وجود خطا، تخصص میدانی همچنان ضروری است. هوش مصنوعی می تواند به کارگران کمک کند کارآمدتر کار کنند، اما اتکای بیش از حد به آن می تواند یادگیری و تمرینی را که باعث ایجاد تخصص می شود تضعیف کند.

می تواند، اما اثر خودکار نیست. اگر کارفرمایان بتوانند به راحتی برخی از وظایف یک کارگر را جایگزین کنند و آن کارگر فرصت های شغلی جایگزین کمی داشته باشد، قدرت چانه زنی ممکن است ضعیف شود. اگر هوش مصنوعی به کارگران کمک کند تا نتایج ارزشمندی ارائه دهند در حالی که جایگزینی تخصص دشوار است، قدرت چانه زنی کارگر حتی می تواند بهبود یابد. تحقیقات ما اهمیت گزینه های بیرونی را برجسته می کند: کارگران در مشاغل رو به زوال می توانند برای رسیدن به زمینه های در حال رشد تلاش کنند.

کارفرمایان و سیاست گذاران می توانند بر کاهش مشکلات ناشی از اخراج کارکنان و ایجاد و تقویت مشاغلی که راه های ورود به مشاغل رو به رشد را فراهم می کنند، تمرکز کنند.

سیاست‌ها می‌توانند آموزش شغلی را به فرصت‌های واقعی در زمینه‌های در حال رشد مرتبط کنند، به کارگران کمک کنند مهارت‌های قابل انتقال را نشان دهند و از آنها در طول انتقال حمایت کنند. کارفرمایان می توانند زمان یادگیری پولی و مسیرهای داخلی را برای نقش های جدید فراهم کنند. اینها توصیه هایی هستند که با انگیزه یافته های ما هستند، نه مداخلاتی که مقالات ما ارزیابی کرده اند.

شی سونگ و همکاران، در دام مشاغل رو به زوال: موانع تحرک کارگران در یک اقتصاد در حال تغییر، پیشرفت علم (2026). DOI: 10.1126/sciadv.adx3471

Xi Song و همکاران، انحطاط شغلی شتاب یافته با هوش مصنوعی و تله تحرک، مقالات و مجموعه مقالات AEA (2026). DOI: 10.1257/pandp.20261004

ارائه شده توسط دانشگاه کالیفرنیا، لس آنجلس

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →