Els economistes desenvolupen un mètode per estimar l'automatització de llocs de treball mitjançant robots

Un equip de robòtics de l'Ecole Polytechnique Fédérale de Lausanne i economistes de la Universitat de Lausana han desenvolupat un nou mètode per calcular quins llocs de treball existents tenen més risc de ser automatitzats per màquines en un futur proper. 

L'estudi va ser publicat en Robòtica científica. 

L'equip també va desenvolupar un mètode per suggerir transicions professionals a llocs de treball menys propensos a ser automatitzats i amb els més petits esforços de reciclatge.

El professor Dario Floreano és director del Laboratori de Sistemes Intel·ligents de l'EPFL i autor principal de l'estudi.

"Hi ha diversos estudis que prediuen quants llocs de treball seran automatitzats per robots, però tots se centren en robots de programari, com ara el reconeixement de veu i imatges, assessors financers robo, chatbots, etc.", diu el professor Floreano. "A més, aquestes prediccions oscil·len de manera salvatge en funció de com s'avaluen els requisits laborals i les habilitats del programari. Aquí, considerem no només programari d'intel·ligència artificial, sinó també robots molt intel·ligents que realitzen treball físic i hem desenvolupat un mètode per a una comparació sistemàtica de les habilitats humanes i robòtiques utilitzades en centenars de llocs de treball". 

Desenvolupament del Mètode

L'equip va ser capaç de mapejar les capacitats dels robots sobre els requisits laborals, que va ser el gran avenç de l'estudi. Van analitzar el full de ruta multianual robòtic europeu H2020 (MAR), que és un document estratègic de la Comissió Europea que és revisat periòdicament per experts en robòtica. El MAR detalla quines habilitats es requereixen dels robots actuals o que poden ser requerides pels futurs. S'organitzen en categories com la manipulació, la percepció i la interacció amb els humans. 

L'equip va analitzar molts documents de recerca, patents i descripcions de productes robòtics per avaluar el nivell de maduresa de les habilitats robòtiques. Es van basar en el "nivell de preparació tecnològica" (TRL), que és una escala per mesurar el nivell de desenvolupament tecnològic. 

Pel que fa a les habilitats humanes, els investigadors van utilitzar la base de dades O*net, que és una base de dades de recursos àmpliament utilitzada al mercat laboral dels Estats Units. Classifica unes 1,000 ocupacions alhora que detalla les habilitats i coneixements necessaris per a cadascuna. 

L'equip primer va fer coincidir selectivament les habilitats humanes de la llista O*net amb les habilitats robòtiques del document MAR, cosa que els va permetre calcular la probabilitat que cada treball existent sigui realitzat per un robot en el futur. Si un robot és bo en una feina, el TRL és més alt. 

Classificació de les feines 

Després de realitzar aquesta anàlisi, el resultat va ser un rànquing de 1,000 llocs de treball. Un dels més baixos de la llista era "Físics", mentre que "Meat Packers" era un dels més alts. Els llocs de treball en processament d'aliments, construcció i manteniment i construcció tenien el risc més alt.

El professor Rafael Lalive va codirigir l'estudi a la Universitat de Lausana.

"El repte clau per a la societat d'avui és com ser resilient davant l'automatització", diu el professor Lalive. “La nostra feina ofereix un assessorament professional detallat per als treballadors que s'enfronten a riscos elevats d'automatització, cosa que els permet accedir a llocs de treball més segurs alhora que reutilitzen moltes de les habilitats adquirides en l'antic lloc de treball. Mitjançant aquest consell, els governs poden donar suport a la societat perquè sigui més resistent contra l'automatització".

Els autors van crear un mètode per trobar qualsevol feina donada una feina alternativa amb un risc d'automatització significativament menor. Aquests llocs de treball també s'acostaven a l'original pel que fa a les habilitats i els coneixements requerits, la qual cosa ajuda a mantenir els esforços de reciclatge al mínim. 

Aquest nou mètode es podria utilitzar de moltes maneres diferents. D'una banda, els governs poden utilitzar-lo per mesurar quants treballadors podrien fer front a l'automatització en el futur. Això ajudaria a adaptar les iniciatives i polítiques de reciclatge en conseqüència. Les empreses també podrien utilitzar-lo per analitzar els costos associats a l'automatització. 

Tot aquest treball es va traduir en un algorisme que pot predir el risc d'automatització de centenars de llocs de treball alhora que suggereix transicions professionals. 

Podeu trobar l'algoritme d'accés públic aquí.