هوش مصنوعی هنوز موج گسترده بیکاری ایجاد نکرده، اما مسیر ورود جوانان به بازار کار و آینده بسیاری از مشاغل اداری را تغییر داده است. تجربه آمریکا نشان میدهد دورههای عمومی و مدرکمحور کافی نیستند؛ آموزش باید به شغل واقعی، تجربه عملی و مشارکت مستقیم کارفرما متصل شود...
کیمبرلی برادی ۵۳سال داشت، مدرک روانشناسی گرفته بود و در فروشگاه کاستکو لوازم الکترونیکی و جواهرات میفروخت. او برای صدها موقعیت شغلی در فروش و خدمات مشتری درخواست فرستاد، اما هیچکدام به نتیجه نرسید؛ درست در همان حوزههایی که هوش مصنوعی بهسرعت وظایف روزمره آنها را تغییر میدهد. برادی تصمیم گرفت مسیر حرفهای خود را عوض کند و وارد بخش عینکسازی شود. چون برنامه رسمی مناسبی در اختیارش نبود، شش ماه با کتاب و ویدئوهای یوتیوب درس خواند، در دو آزمون تخصصی قبول شد و هزاران دلار برای دریافت مجوز پرداخت کرد. بااینحال، کارفرما بهدلیل نداشتن تجربه عملی حاضر به استخدامش نبود. داستان او یک تناقض مهم بازار کار را آشکار میکند: همه به کارکنان میگویند مهارت تازه یاد بگیرند، اما کمتر کسی مسیری واقعی از آموزش تا استخدام برایشان میسازد. اکونومیست در گزارشی درباره بازآموزی نیروی کار آمریکا میپرسد آیا این کشور میتواند پیش از آنکه هوش مصنوعی بخشی از کارکنان را عقب بگذارد، نظام آموزشی و شغلی خود را اصلاح کند؟ این پرسش فقط به آمریکا مربوط نیست. تقریباً هر اقتصادی که با اتوماسیون، هوش مصنوعی مولد و تغییر سریع مهارتها روبهروست، باید برای آن پاسخی پیدا کند. هوش مصنوعی ابتدا کدام مشاغل را تهدید میکند؟ برآورد بانک گلدمن ساکس که در گزارش اکونومیست آمده، نشان میدهد حدود ۱۰میلیون شغل در آمریکا ممکن است طی دهه آینده جابهجا یا حذف شوند. این برآورد به معنی بیکار شدن ناگهانی ۱۰میلیون نفر نیست؛ بخشی از مشاغل کاملاً از بین میروند، برخی کوچکتر میشوند و بسیاری نیز با ترکیب تازهای از وظایف انسانی و ماشینی ادامه پیدا میکنند. بیشترین فشار اولیه احتمالاً متوجه کارهای اداری تکراری و موقعیتهای ابتدایی یقهسفید خواهد بود؛ مشاغلی مانند ورود و پردازش اطلاعات، پشتیبانی اولیه مشتریان، هماهنگی اداری، تهیه گزارشهای استاندارد و بخشی از فعالیتهای فروش. مشکل فقط اخراج کارکنان فعلی نیست. شرکتها ممکن است بهجای تعدیل گسترده، استخدام نیروهای تازه را کاهش دهند و بخش بیشتری از کارهای ابتدایی را به ابزارهای هوش مصنوعی بسپارند. در این حالت، اثر اصلی ابتدا در آمار اخراج دیده نمیشود؛ بلکه در ناپدید شدن فرصتهایی ظاهر میشود که جوانان از طریق آنها تجربه کسب میکردند و وارد مسیر حرفهای میشدند. این خطر برای زنان فاقد مدرک دانشگاهی نیز جدیتر است، زیرا سهم بالایی از مشاغل اداری و پشتیبانی را در اختیار دارند. بنابراین موج جدید اتوماسیون میتواند بدون تعطیلی یک کارخانه بزرگ، گروههای مشخصی را در سراسر کشور تحت فشار قرار دهد. چرا مدل قدیمی آموزش دیگر جواب نمیدهد؟ نظام آموزشی بسیاری از کشورها بر یک فرض قدیمی بنا شده است: فرد در جوانی آموزش میبیند، وارد یک حرفه میشود و تا پایان عمر کاری در همان مسیر یا حوزهای نزدیک به آن باقی میماند. اگر هم بیکار شود، پس از وقفهای کوتاه به شغلی مشابه بازمیگردد. هوش مصنوعی این الگو را به چالش میکشد. کارکنان ممکن است در طول زندگی حرفهای خود چند بار نیازمند یادگیری مهارتی تازه یا حتی تغییر شغل شوند. در چنین شرایطی، مدرکی که در ۲۲سالگی گرفته شده نمیتواند پاسخگوی تمام تحولات چهار دهه بعد باشد. مشکل دوم، فاصله آموزش با نیاز واقعی بازار است. دورهای که صرفاً به صدور مدرک منتهی شود، تضمین نمیکند فرد بتواند وارد شغل جدید شود. تجربه کیمبرلی برادی نشان داد دانش نظری و قبولی در آزمون نیز بدون کار عملی، کارآموزی و همراهی کارفرما ممکن است کافی نباشد. بازآموزی مؤثر باید به سه پرسش پاسخ دهد: پس از پایان دوره دقیقاً چه فرصت شغلی وجود دارد؟ کارفرما چه مهارت و تجربهای را برای استخدام ضروری میداند؟ چه کسی هزینه آموزش و دوره انتقال درآمدی فرد را پرداخت میکند؟ اگر پاسخی روشن برای این سه سؤال وجود نداشته باشد، توصیه عمومی “مهارت تازه یاد بگیرید” بیشتر انتقال مسئولیت به کارکنان است تا سیاستی واقعی برای آینده بازار کار. تجربه شکستخورده آمریکا پس از شوک چین آمریکا پیشتر نیز با موج بزرگی از جابهجایی شغلی روبهرو شده بود. بین سالهای ۲۰۰۰تا ۲۰۱۱نزدیک به ۶میلیون شغل کارخانهای در این کشور از بین رفت که بخشی از آن ناشی از رقابت وارداتی چین بود. دولت فدرال برنامهای برای حمایت و بازآموزی کارگرانی داشت که میتوانستند ثابت کنند شغل خود را بر اثر تجارت خارجی از دست دادهاند. نتایج نشان داد کسانی که واقعاً وارد دورههای آموزشی شدند، در سالهای بعد مدت بیشتری کار کردند و مجموع درآمدشان نیز بهتر بود. بنابراین اصل بازآموزی شکست نخورده بود؛ مشکل در مقیاس، دسترسی و بروکراسی برنامه قرار داشت. در دورهای که صنایع آمریکا سالانه حدود ۵۰۰هزار شغل از دست میدادند، تنها نزدیک به ۱۶۰هزار نفر زیر پوشش گواهیهای حمایتی قرار میگرفتند و حدود ۴۰هزار نفر عملاً وارد دوره آموزشی میشدند. درخواستهای پیچیده و انتظار طولانی باعث شد کمکها به بخش کوچکی از آسیبدیدگان برسد. پیامد این ناکامی فقط اقتصادی نبود. فروپاشی فرصتهای شغلی در شهرهای صنعتی به نارضایتی اجتماعی و رشد سیاستهای پوپولیستی کمک کرد. اگر شوک هوش مصنوعی نیز بدون حمایت مؤثر مدیریت شود، میتواند پیامدهای سیاسی مشابهی ایجاد کند. آموزش باید به شغل واقعی متصل شود یکی از موفقترین الگوهای بررسیشده، برنامههای آموزشی بخشی است. در این مدل، کارفرمایان، مراکز آموزشی و نهادهای محلی با همکاری یکدیگر دورههایی طراحی میکنند که به فرصتهای استخدامی مشخص در حوزههایی مانند بهداشت، پشتیبانی فناوری اطلاعات یا تولید متصلاند. چهار آزمایش تصادفی درباره چنین برنامههایی افزایش پایدار ۱۱تا ۴۰درصدی درآمد شرکتکنندگان را نشان دادهاند. تفاوت این دورهها با کلاسهای عمومی در آن است که آموزش از یک آگهی واقعی شغل و نیاز مشخص کارفرما آغاز میشود، نه از فهرستی ثابت از درسها. کارآموزی همراه با حقوق نیز مسیر مهم دیگری است. فرد ضمن دریافت درآمد، تجربه واقعی کسب میکند و آموزش ساختاریافته میبیند. آمریکا حدود ۸۰۰هزار کارآموز ثبتشده دارد؛ رقمی که حتی از نصف تعداد کارآموزان آلمان کمتر است، درحالیکه جمعیت آمریکا تقریباً چهار برابر آلمان است. افزون بر این، کارآموزی در آمریکا همچنان بیشتر در ساختوساز و مشاغل فنی متمرکز است. عصر هوش مصنوعی نیازمند گسترش این مدل به خدمات درمانی، امور مالی، فناوری، عملیات سازمانی و دیگر مشاغل یقهسفید است. مسئولیت شرکتها فقط آموزش استفاده از ابزار AI نیست بسیاری از شرکتهای بزرگ به کارکنان خود یاد میدهند چگونه از دستیارهای هوش مصنوعی استفاده کنند. این آموزش مفید است، اما مسئله را بهطور کامل حل نمیکند. بعضی مشاغل صرفاً با نسخه جدید ابزارها ادامه پیدا نمیکنند و کارکنان باید به نقش متفاوتی منتقل شوند. شرکت Salesforce نمونهای از رویکرد کاملتر را آزمایش کرده است. این شرکت مهارتهای کارکنان را با موقعیتهای داخلی مقایسه میکند، نقشهای مناسب را پیشنهاد میدهد و دورههای لازم برای انتقال به آن نقشها را مشخص میکند. کمکهزینه آموزشی نیز میتواند بخشی از هزینه دریافت صلاحیت رسمی را پوشش دهد. ارزش چنین سیستمی در این است که آموزش را به جابهجایی واقعی درون شرکت متصل میکند. کارکنان لازم نیست پس از پایان یک دوره، دوباره در بازار کار سرگردان شوند؛ مقصد حرفهای از ابتدا مشخص است. بااینحال، این پلتفرمها هنوز استثنا هستند. بیشتر شرکتها انتظار دارند کارکنان شخصاً مهارتهای لازم را تشخیص دهند، هزینه آموزش را بپردازند و سپس برای شغلی تازه رقابت کنند. این انتظار بهویژه برای افراد میانسالی که تعهدات مالی و خانوادگی دارند واقعبینانه نیست. نمیتوان هر کارمند اداری را جوشکار کرد یکی از دشوارترین بخشهای بازآموزی، انتخاب مقصد شغلی مناسب است. پاسخ سادهای مانند “کارکنان اداری به مشاغل فنی بروند” تفاوت میان مهارتها، هویت حرفهای و تجربه چنددهساله افراد را نادیده میگیرد. کسی که ۲۰سال در فروش، حسابداری یا مدیریت اداری کار کرده، فقط مجموعهای از وظایف تکراری نیست. او مهارت ارتباط با مشتری، شناخت صنعت، تصمیمگیری، مذاکره و حل مسئله دارد. برنامه مناسب باید این قابلیتها را شناسایی کند و فرد را به نقشی منتقل کند که بخشی از سرمایه حرفهای گذشتهاش را حفظ کند. به همین دلیل، هدف بازآموزی نباید شروع کامل از صفر باشد. بهترین انتقال شغلی معمولاً حرکتی مجاور است: از پشتیبانی مشتری به موفقیت مشتری، از ورود داده به کنترل کیفیت اطلاعات، از حسابداری روزمره به تحلیل مالی، یا از تولید محتوای ابتدایی به ویرایش، تحقیق و راهبری ابزارهای هوش مصنوعی. سرمایهگذاری روی انسان در برابر سرمایهگذاری روی تراشه شرکتهای هوش مصنوعی برای ساخت دیتاسنتر، خرید تراشه و افزایش قدرت پردازشی صدها میلیارد دلار سرمایهگذاری میکنند. در مقابل، بودجه اختصاصیافته به کمک برای سازگاری کارکنان بسیار کوچکتر است. طبق گزارش اکونومیست، Anthropic و بنیاد OpenAI بهترتیب ۲۰۰و ۲۵۰میلیون دلار برای پژوهش و برنامههای مرتبط با عبور نیروی کار و اقتصاد از شوک هوش مصنوعی تعهد کردهاند. این ارقام در ظاهر بزرگاند، اما اکونومیست یادآوری میکند که برنامه هزینهکرد OpenAI برای قدرت پردازشی تا سال ۲۰۳۰حدود ۳هزار برابر سهم اعلامشده برای برنامههای نیروی کار است. این مقایسه پیام اصلی مقاله را روشن میکند: موفقیت در رقابت هوش مصنوعی فقط به تعداد تراشهها و ظرفیت دیتاسنترها بستگی ندارد. اگر کارکنان نتوانند با فناوری سازگار شوند، مخالفت اجتماعی و فشار برای محدود کردن AI افزایش پیدا میکند. در نتیجه، سرمایهگذاری روی نیروی انسانی نه اقدام خیریه، بلکه بخشی از زیرساخت لازم برای توسعه پایدار هوش مصنوعی است. این تحول برای بازار کار ایران چه معنایی دارد؟ بازار کار ایران از نظر ساختار حمایتی و آموزشی با آمریکا متفاوت است، اما مسئله اصلی مشترک است: فاصله زیادی میان آموزش رسمی، دورههای مهارتی و استخدام واقعی وجود دارد. در ایران نیز مشاغل اداری، تولید محتوای عمومی، ترجمه اولیه، پشتیبانی مشتری، ورود اطلاعات، حسابداری روزمره و بخشی از برنامهنویسی ابتدایی با تغییر سریع وظایف روبهرو هستند. پاسخ مناسب این نیست که همه کارکنان صرفاً “پرامپتنویسی” یاد بگیرند. مهارتی که فقط به کار با یک ابزار خاص وابسته باشد، ممکن است با نسخه بعدی همان ابزار ارزش خود را از دست بدهد. بازآموزی مؤثر در ایران باید چند ویژگی داشته باشد: دورهها با مشارکت شرکتهایی طراحی شوند که واقعاً قصد استخدام یا انتقال کارکنان را دارند. آموزش نظری با پروژه واقعی، کارآموزی و ارزیابی عملی همراه باشد. مهارتهای مکمل AI مانند راستیآزمایی، تحلیل، قضاوت، ارتباط و شناخت تخصصی صنعت تقویت شوند. برای کارکنان میانسال، مسیرهای انتقالی نزدیک به تجربه قبلی طراحی شود. موفقیت دوره با استخدام و افزایش درآمد سنجیده شود، نه تعداد ثبتنام یا مدرک صادرشده. شرکتهای ایرانی نیز باید پیش از حذف یک نقش، مهارتهای قابلانتقال کارکنان آن را شناسایی کنند. استفاده از AI برای کاهش هزینه شاید در کوتاهمدت جذاب باشد، اما از دست دادن دانش سازمانی و تجربه نیروهای باسابقه میتواند هزینه پنهان بزرگی ایجاد کند. آینده متعلق به کسانی نیست که فقط یک مهارت دارند هوش مصنوعی احتمالاً همه مشاغل را حذف نمیکند، اما تعریف بسیاری از آنها را تغییر خواهد داد. مسئله اصلی این نیست که انسان در رقابت مستقیم با ماشین پیروز میشود یا شکست میخورد؛ مسئله این است که آیا کارکنان فرصت، زمان و حمایت لازم برای رفتن به نقشهای تازه را خواهند داشت یا نه. مدل “یک دوره تحصیل برای یک عمر کار” به پایان خود نزدیک میشود. در مدل جدید، آموزش باید در طول زندگی حرفهای تکرار شود و کارفرما، دولت و مرکز آموزشی هر سه در آن مسئولیت داشته باشند. اگر کشورها برای نیروی انسانی بهاندازه زیرساخت فنی هوش مصنوعی جدی نباشند، کمبود مهارت، نارضایتی اجتماعی و مقاومت سیاسی میتواند سرعت پذیرش فناوری را کاهش دهد. رقابت واقعی عصر AI فقط بر سر ساخت قدرتمندترین مدل نیست؛ بر سر ساخت جامعهای است که بتواند همراه با آن تغییر کند.
