مشاغل سطح ابتدایی در واقع کارآموزی مخفی در تمام مدت بودند و هوش مصنوعی یارانه را کاهش داد.

با گذراندن یک دهه در فدرال رزرو، می‌دانم که وقتی سیاست‌ها سخت‌تر می‌شوند، بازار کار چگونه به نظر می‌رسد. بنابراین، مارس 2022 را در نظر بگیرید، زمانی که FOMC شروع به افزایش نرخ کرد. آگهی های شغلی برای مشاغلی که بیشتر در معرض هوش مصنوعی بودند در همان زمان به اوج خود رسید و شروع به کاهش کرد. ChatGPT تا هشت ماه دیگر وجود نخواهد داشت.

من این موضوع را مطرح می‌کنم زیرا باور و وحشت گسترده‌ای وجود دارد که هوش مصنوعی در حال نابودی مشاغل ابتدایی است و مدارک دانشگاهی دیگر ارزش آن را ندارند. برخی از آزمایشگاه اقتصاد دیجیتال استنفورد استناد می‌کنند، که گزارش می‌دهد کارگران 22 تا 25 ساله در مشاغلی که بیشتر در معرض هوش مصنوعی هستند، تقریبا 19 درصد از همتایان خود در زمینه‌های کمتر در معرض قرار دارند، شکافی که در سال گذشته افزایش یافته است.

بنابراین، بیایید شواهد و زمان را در نظر بگیریم. Zanna Iscenko و Fabien Curto Millet، با تجزیه و تحلیل 238 میلیون آگهی شغلی، کاهش پست‌ها را به چرخه سخت‌تر مرتبط دانستند و خاطرنشان کردند که مشاغلی که در معرض هوش مصنوعی قرار دارند تمایل دارند در اطلاعات، امور مالی و خدمات حرفه‌ای، بخش‌هایی که به ویژه به نرخ‌های بهره حساس هستند، خوشه شوند. مؤسسه سیاست اقتصادی می افزاید که کارگران جوان بدون مدرک دانشگاهی، که مشاغل آنها در معرض هوش مصنوعی امتیاز منفی دارند، همچنین شاهد افزایش نرخ بیکاری با سرعت مشابهی در همان دوره بوده اند.

اگر هوش مصنوعی مقصر این کاهش اشتغال است، پس چرا کارگرانی که در معرض دید قرار نگرفته اند نیز رنج می برند؟

و در انصاف محققین استنفورد، مقاله خود آنها چیزی را می گوید که رسانه های معمولی نمی خواهند: اینها «الگوهای توصیفی هستند، نه برآوردهای علی»، و «آنها جابه جایی شغلی گسترده و در سطح اقتصاد مرتبط با هوش مصنوعی را نمی بینند». آنها همچنین به طور مناسب داستان سیاست پولی من را با اشاره به این که مشاغل پرمخاطب، به طور کلی، حساس ترین مشاغل نیستند، عقب انداخته اند، و شکاف اشتغال برای کارگران جوان در مشاغل در معرض خطر همچنان افزایش می یابد، حتی با کاهش نرخ ها.

حقیقت این است که هنوز خیلی زود است که بدانیم دقیقا چه اتفاقی برای بازار کار خواهد افتاد، زیرا هوش مصنوعی همچنان در سرتاسر اقتصاد ما مستقر است، زیرا تفکیک تأثیر شوک‌های همپوشانی در زمان واقعی غیرممکن است. با این حال، کسب و کارها و سایر سازمان‌ها باید همین الان تصمیمات پرهزینه‌ای در مورد استخدام، آموزش و مقررات بگیرند، به گونه‌ای که گویی از قبل پاسخ این سوال را می‌دانند.

بنابراین، همانطور که سازمان‌ها با پیامدهای هوش مصنوعی برای نیروی کار و کل بازار کار مبارزه می‌کنند، یک چیز در داده‌ها کاملا واضح شده است. شرکت ها کارکنان کوچک خود را اخراج نمی کنند. آنها تعداد کمتری از آنها را استخدام می کنند، و این کاهش استخدام در جایی متمرکز می شود که هوش مصنوعی کار را خودکار می کند تا جایی که مکمل آن است. و این واقعیت ممکن است پاسخی به رد تز سیاست پولی من توسط تیم استنفورد باشد.

در نظر بگیرید که چرا شرکت ها کارمندان خردسال خود را اخراج نمی کنند و بپرسید که در تمام این سال ها که این افراد جوان را استخدام کردند چه چیزی عایدشان شد؟ آنها به وضوح آنها را برای بهره وری خروجی خود استخدام نکردند. مدرک کاردانی سال اول توسط یک شریک بررسی می شد و اغلب باید دوباره انجام می شد و سابقه بیمار که پزشک مقیم در ساعت 2 بامداد می گرفت اغلب باید توسط پزشک معالج دوباره گرفته می شد. با هر گونه حسابداری صادقانه از کار، بی ثمر بود. اما به هر حال شرکت‌ها و سازمان‌ها آن را خریدند، زیرا به این ترتیب می‌توان از یک کارمند کوچک به یک شریک ارشد تبدیل کرد.

خروجی فرآیند محصول جانبی بود و تشکیل آن کارمند کل فرآیند بود و آنچه تولید کردند به جبران هزینه کمک کرد.

در تصویر، هوش مصنوعی وجود دارد که اکنون می‌تواند کار تحلیلگر جوان را انجام دهد، بنابراین شرکت‌ها سرمایه‌گذاری کمتری روی این استخدام‌ها می‌کنند و خط لوله‌ای که جوانان را به سالمندان تبدیل می‌کند، کاهش می‌یابد. مت بین سال‌ها قبل از ChatGPT این مکانیسم را در اتاق‌های عمل تماشا می‌کرد، زیرا روبات‌های جراحی بی‌سروصدا هزینه‌هایی را برای ساکنین هزینه می‌کنند که آنها را جراح می‌کرد. کارفرمایان همچنان به دنبال افراد با تجربه هستند، اما بسیاری از آنها به سادگی تامین مالی فرآیند تولید تجربه را متوقف کرده اند.

کارفرمایان چه باید بکنند؟ از تلقی استخدام جوانان به عنوان یک خط هزینه که اتوماسیون به تازگی پاک شده است را متوقف کنید. هرگز هزینه عملیاتی نبود. این یک سرمایه گذاری سرمایه ای بود که به اشتباه برچسب گذاری شده بود، مکانیزمی که توسط آن شرکت شرکای آینده خود را تولید می کرد. در حالی که هوش مصنوعی ممکن است مقداری از ارزش تولیدی را که قبلا توسط کارمند جوان ایجاد شده بود، گرفته باشد، ارزش آموزش باقی می‌ماند، و اکنون باید بیشتر از آنچه تصور می‌شود بودجه آن را تامین کند.

این به معنای بازنگری در آموزش های ارائه شده، چرخش های شغلی ارائه شده، و راهنمایی و مربیگری است که دریافت می کنند، همه در خدمت توسعه قضاوت متخصصان ارشد فردا هستند.

دانشگاه ها از سوی دیگر با همین مشکل مواجه هستند و من به عنوان رئیس سابق و رئیس دانشگاه این را می گویم. Ph.D. یک دوره کارآموزی است که از ارزش مولد کار شاگردان ما تأمین می شود، و ویراستاران نیچر در بهار امسال هشدار دادند که محققان اولیه اکنون با این خطر روبرو هستند که «وظایفی که برای آموزش آنها به عنوان دانشمندان حیاتی است توسط یک ماشین انجام می شود». شواهد کلاس درس نیز به همین جهت اشاره می‌کند: دانش‌آموزان زمانی یاد می‌گیرند که ابزار محدود باشد به طوری که از تلاش نتوان صرف نظر کرد، و هنگامی که پاسخ‌ها را تحویل می‌دهد در یادگیری شکست می‌خورند.

یکی از رئیس‌های قدیمی من، تگزاسی، ضرب المثلی عالی داشت: «بدون اصطکاک، بدون کشش». شکل دادن به قضاوت مستلزم اصطکاک، مقابله با مشکلات سخت، شکست و سپس انجام مجدد آن است. به دست آوردن پاسخ درست هدف نیست. همانطور که معلمان ریاضی عزیزمان به ما می گفتند: "کار خود را نشان دهید."

اکنون نسخه ای از این انتقال وجود دارد که در آن هوش مصنوعی کارهای معمول را انجام می دهد و یک نسل کامل هرگز تکرار نمی شود و اصطکاک را تجربه می کند که استعداد را به قضاوت تبدیل می کند. هیچ چیز در فناوری آن نتیجه را اجتناب ناپذیر نمی کند. تنها در صورتی به دست می‌آید که کارفرمایان به‌عنوان هزینه‌ای که در نهایت می‌توانند آن را کاهش دهند، تشکیل رزرو را ادامه دهند، و دانشگاه‌ها به تأیید کارهای دستگاه ادامه دهند.

زمانی که چرخه استخدام تغییر کند، داده های پست ها بازیابی می شوند. همیشه انجام می دهد. آنچه به خودی خود بهبود نخواهد یافت، معامله قدیمی است که در آن تولید بی سر و صدا هزینه شکل گیری را پرداخت کرد. بازسازی این معامله، عمدا و با بودجه شخصی، سوال واقعی هوش مصنوعی پیش روی ما است.

نظرات بیان شده در نظرات Fortune.com صرفا نظرات نویسندگان آنها است و لزوما منعکس کننده نظرات و اعتقادات Fortune نیست.

این داستان در ابتدا در سایت Fortune.com منتشر شد