الاقتصاديون يطورون طريقة لتقدير أتمتة الوظائف بواسطة الروبوتات

طور فريق من علماء الروبوتات من Ecole Polytechnique Fédérale de Lausanne وخبراء اقتصاديين من جامعة لوزان طريقة جديدة لحساب الوظائف الحالية الأكثر عرضة لخطر التشغيل الآلي بواسطة الآلات في المستقبل القريب. 

ونشرت الدراسة في الروبوتات العلم. 

طور الفريق أيضًا طريقة لاقتراح التحولات المهنية إلى وظائف أقل احتمالًا أن تكون مؤتمتة وبأقل جهود إعادة التدريب.

البروفيسور داريو فلوريانو هو مدير مختبر EPFL للأنظمة الذكية والمؤلف الرئيسي للدراسة.

يقول البروفيسور فلوريانو: "هناك العديد من الدراسات التي تتنبأ بعدد الوظائف التي سيتم أتمتتها بواسطة الروبوتات ، لكنها تركز جميعها على الروبوتات البرمجية ، مثل التعرف على الكلام والصورة ، ومستشاري الروبوتات المالية ، وروبوتات الدردشة ، وما إلى ذلك". علاوة على ذلك ، فإن هذه التنبؤات تتأرجح بشكل كبير اعتمادًا على كيفية تقييم متطلبات الوظيفة وقدرات البرامج. هنا ، لا نأخذ في الاعتبار برامج الذكاء الاصطناعي فحسب ، بل أيضًا الروبوتات الذكية جدًا التي تؤدي عملاً بدنيًا وقمنا بتطوير طريقة للمقارنة المنهجية للقدرات البشرية والروبوتية المستخدمة في مئات الوظائف ". 

تطوير الطريقة

كان الفريق قادرًا على تحديد قدرات الروبوت وفقًا لمتطلبات الوظيفة ، والتي كانت بمثابة اختراق كبير للدراسة. لقد ألقوا نظرة على خارطة الطريق الأوروبية متعددة السنوات للروبوت H2020 (MAR) ، وهي وثيقة إستراتيجية من قبل المفوضية الأوروبية يتم مراجعتها بشكل دوري من قبل خبراء الروبوتات. تفاصيل MAR هي القدرات المطلوبة من الروبوتات الحالية أو التي قد تكون مطلوبة من قبل الروبوتات المستقبلية. يتم تنظيم هذه في فئات مثل التلاعب والإدراك والتفاعل مع البشر. 

قام الفريق بتحليل العديد من الأوراق البحثية وبراءات الاختراع وأوصاف المنتجات الروبوتية لتقييم مستوى نضج القدرات الروبوتية. لقد اعتمدوا على "مستوى الاستعداد التكنولوجي" (TRL) ، وهو مقياس لقياس مستوى التطور التكنولوجي. 

عندما يتعلق الأمر بالقدرات البشرية ، استخدم الباحثون قاعدة بيانات O * net ، وهي قاعدة بيانات موارد مستخدمة على نطاق واسع في سوق العمل في الولايات المتحدة. يصنف حوالي 1,000 مهنة مع تفصيل المهارات والمعرفة اللازمة لكل منها. 

قام الفريق أولاً بمطابقة القدرات البشرية بشكل انتقائي من قائمة O * net إلى القدرات الروبوتية من مستند MAR ، مما مكنهم من حساب مدى احتمالية تنفيذ كل وظيفة حالية بواسطة روبوت في المستقبل. إذا كان الروبوت جيدًا في العمل ، فإن TRL أعلى. 

ترتيب الوظائف 

بعد إجراء هذا التحليل ، كانت النتيجة تصنيف 1,000 وظيفة. كان "الفيزيائيون" من أدنى القائمة في القائمة ، بينما كان "مستخدمو اللحوم" من بين أعلى المعدلات. كانت الوظائف في تصنيع الأغذية والبناء والصيانة والبناء هي الأكثر خطورة.

شارك البروفيسور رافائيل لاليف في قيادة الدراسة في جامعة لوزان.

يقول البروفيسور لاليف: "التحدي الرئيسي الذي يواجه المجتمع اليوم هو كيف تصبح مرنًا ضد الأتمتة". "يقدم عملنا نصائح مهنية مفصلة للعمال الذين يواجهون مخاطر كبيرة من الأتمتة ، مما يسمح لهم بتولي وظائف أكثر أمانًا أثناء إعادة استخدام العديد من المهارات المكتسبة في الوظيفة القديمة. من خلال هذه النصيحة ، يمكن للحكومات دعم المجتمع في أن يصبح أكثر مرونة ضد الأتمتة. "

ابتكر المؤلفون طريقة للعثور على وظيفة معينة بوظيفة بديلة مع مخاطر أتمتة أقل بشكل ملحوظ. كانت هذه الوظائف أيضًا قريبة من الوظيفة الأصلية عندما يتعلق الأمر بالقدرات والمعرفة المطلوبة ، مما يساعد في الحفاظ على جهود إعادة التدريب إلى الحد الأدنى. 

يمكن استخدام هذه الطريقة الجديدة بعدة طرق مختلفة. أولاً ، يمكن للحكومات استخدامه لقياس عدد العمال الذين قد يواجهون الأتمتة في المستقبل. وهذا من شأنه أن يساعد في تكييف مبادرات وسياسات إعادة التدريب وفقًا لذلك. يمكن للشركات أيضًا استخدامه لتحليل التكاليف المرتبطة بالأتمتة. 

تمت ترجمة كل هذا العمل إلى خوارزمية يمكنها التنبؤ بمخاطر الأتمتة لمئات الوظائف مع اقتراح التحولات المهنية أيضًا. 

يمكنك العثور على الخوارزمية المتاحة للجمهور هنا.