Οι οικονομολόγοι αναπτύσσουν μέθοδο για την εκτίμηση του αυτοματισμού εργασίας από ρομπότ

Μια ομάδα ρομποτικών από την Ecole Polytechnique Fédérale de Lausanne και οικονομολόγων από το Πανεπιστήμιο της Λωζάνης ανέπτυξαν μια νέα μέθοδο για να υπολογίσουν ποιες υπάρχουσες θέσεις εργασίας κινδυνεύουν περισσότερο να αυτοματοποιηθούν από μηχανές στο εγγύς μέλλον. 

Η μελέτη δημοσιεύθηκε στο Επιστήμη Ρομποτική. 

Η ομάδα ανέπτυξε επίσης μια μέθοδο για να προτείνει μεταβάσεις σταδιοδρομίας σε θέσεις εργασίας που είναι λιγότερο πιθανό να αυτοματοποιηθούν και με τις μικρότερες προσπάθειες επανεκπαίδευσης.

Ο καθηγητής Dario Floreano είναι Διευθυντής του Εργαστηρίου Ευφυών Συστημάτων του EPFL και επικεφαλής συγγραφέας της μελέτης.

«Υπάρχουν αρκετές μελέτες που προβλέπουν πόσες θέσεις εργασίας θα αυτοματοποιηθούν από ρομπότ, αλλά όλες επικεντρώνονται σε ρομπότ λογισμικού, όπως η αναγνώριση ομιλίας και εικόνας, οι οικονομικοί ρομπο-σύμβουλοι, τα chatbots και ούτω καθεξής», λέει ο καθηγητής Floreano. «Επιπλέον, αυτές οι προβλέψεις ποικίλλουν άγρια ​​ανάλογα με τον τρόπο αξιολόγησης των απαιτήσεων εργασίας και των ικανοτήτων λογισμικού. Εδώ, λαμβάνουμε υπόψη όχι μόνο λογισμικό τεχνητής νοημοσύνης, αλλά και πολύ έξυπνα ρομπότ που εκτελούν σωματική εργασία και αναπτύξαμε μια μέθοδο για μια συστηματική σύγκριση ανθρώπινων και ρομποτικών ικανοτήτων που χρησιμοποιούνται σε εκατοντάδες θέσεις εργασίας». 

Ανάπτυξη της Μεθόδου

Η ομάδα μπόρεσε να χαρτογραφήσει τις ικανότητες των ρομπότ στις απαιτήσεις εργασίας, κάτι που ήταν η σημαντική ανακάλυψη της μελέτης. Εξέτασαν τον Ευρωπαϊκό Πολυετή Οδικό Χάρτη για τη Ρομποτική H2020 (MAR), ο οποίος είναι ένα έγγραφο στρατηγικής της Ευρωπαϊκής Επιτροπής που αναθεωρείται περιοδικά από ειδικούς στη ρομποτική. Το MAR αναφέρει ποιες ικανότητες απαιτούνται από τα τρέχοντα ρομπότ ή μπορεί να απαιτηθούν από μελλοντικά. Αυτά οργανώνονται σε κατηγορίες όπως η χειραγώγηση, η αντίληψη και η αλληλεπίδραση με τους ανθρώπους. 

Η ομάδα ανέλυσε πολλά ερευνητικά έγγραφα, πατέντες και περιγραφές ρομποτικών προϊόντων για να αξιολογήσει το επίπεδο ωριμότητας των ρομποτικών ικανοτήτων. Βασίστηκαν στο «τεχνολογικό επίπεδο ετοιμότητας» (TRL), το οποίο είναι μια κλίμακα για τη μέτρηση του επιπέδου ανάπτυξης τεχνολογίας. 

Όσον αφορά τις ανθρώπινες ικανότητες, οι ερευνητές χρησιμοποίησαν τη βάση δεδομένων O*net, η οποία είναι μια ευρέως χρησιμοποιούμενη βάση δεδομένων πόρων στην αγορά εργασίας των ΗΠΑ. Κατατάσσει περίπου 1,000 επαγγέλματα, ενώ αναφέρει λεπτομερώς τις δεξιότητες και τις γνώσεις που απαιτούνται για το καθένα. 

Η ομάδα αρχικά ταίριαξε επιλεκτικά τις ανθρώπινες ικανότητες από τη λίστα O*net με τις ρομποτικές ικανότητες από το έγγραφο MAR, το οποίο τους επέτρεψε να υπολογίσουν πόσο πιθανό είναι να εκτελεστεί κάθε υπάρχουσα εργασία από ένα ρομπότ στο μέλλον. Εάν ένα ρομπότ είναι καλό σε μια δουλειά, το TRL είναι υψηλότερο. 

Κατάταξη των θέσεων εργασίας 

Μετά τη διεξαγωγή αυτής της ανάλυσης, το αποτέλεσμα ήταν μια κατάταξη 1,000 θέσεων εργασίας. Ένα από τα χαμηλότερα στη λίστα ήταν το "Physicists", ενώ το "Meat Packers" ήταν ένα από τα υψηλότερα. Οι θέσεις εργασίας στην επεξεργασία τροφίμων, την κατασκευή και τη συντήρηση και τις κατασκευές είχαν τον υψηλότερο κίνδυνο.

Ο καθηγητής Rafael Lalive συνεπικεφαλής της μελέτης στο Πανεπιστήμιο της Λωζάνης.

«Η βασική πρόκληση για την κοινωνία σήμερα είναι πώς να γίνει ανθεκτική στον αυτοματισμό», λέει ο καθηγητής Lalive. «Η δουλειά μας παρέχει λεπτομερείς συμβουλές σταδιοδρομίας για εργαζόμενους που αντιμετωπίζουν υψηλούς κινδύνους αυτοματισμού, κάτι που τους επιτρέπει να αναλαμβάνουν πιο ασφαλείς θέσεις εργασίας ενώ επαναχρησιμοποιούν πολλές από τις δεξιότητες που απέκτησαν στην παλιά δουλειά. Μέσω αυτής της συμβουλής, οι κυβερνήσεις μπορούν να υποστηρίξουν την κοινωνία ώστε να γίνει πιο ανθεκτική απέναντι στον αυτοματισμό».

Οι συγγραφείς δημιούργησαν μια μέθοδο για να βρουν οποιαδήποτε εργασία μια εναλλακτική δουλειά με σημαντικά χαμηλότερο κίνδυνο αυτοματισμού. Αυτές οι θέσεις εργασίας ήταν επίσης κοντά στην αρχική όσον αφορά τις ικανότητες και τις απαιτούμενες γνώσεις, γεγονός που συμβάλλει στο ελάχιστο δυνατό των προσπαθειών επανεκπαίδευσης. 

Αυτή η νέα μέθοδος θα μπορούσε να χρησιμοποιηθεί με πολλούς διαφορετικούς τρόπους. Πρώτον, οι κυβερνήσεις μπορούν να το χρησιμοποιήσουν για να μετρήσουν πόσοι εργαζόμενοι θα μπορούσαν να αντιμετωπίσουν την αυτοματοποίηση στο μέλλον. Αυτό θα βοηθούσε να προσαρμοστούν ανάλογα οι πρωτοβουλίες και οι πολιτικές επανεκπαίδευσης. Οι εταιρείες θα μπορούσαν επίσης να το χρησιμοποιήσουν για να αναλύσουν το κόστος που σχετίζεται με την αυτοματοποίηση. 

Όλη αυτή η εργασία μεταφράστηκε σε έναν αλγόριθμο που μπορεί να προβλέψει τον κίνδυνο αυτοματοποίησης για εκατοντάδες θέσεις εργασίας, ενώ προτείνει επίσης μεταβάσεις σταδιοδρομίας. 

Μπορείτε να βρείτε τον δημοσίως προσβάσιμο αλγόριθμο εδώ.