Ekonomisti razvili metodu za procjenu automatizacije posla pomoću robota

Tim robotičara s Ecole Polytechnique Fédérale de Lausanne i ekonomista sa Sveučilišta u Lausannei razvili su novu metodu za izračunavanje koji su postojeći poslovi u većoj opasnosti da ih strojevi automatiziraju u bliskoj budućnosti. 

Studija je objavljena u Znanost robota. 

Tim je također razvio metodu za sugeriranje prijelaza karijere na poslove za koje je manje vjerojatno da će biti automatizirani i s najmanjim naporima za prekvalifikaciju.

Prof. Dario Floreano je direktor EPFL-ovog Laboratorija za inteligentne sustave i glavni autor studije.

"Postoji nekoliko studija koje predviđaju koliko će poslova automatizirati roboti, ali sve se usredotočuju na softverske robote, kao što su prepoznavanje govora i slike, financijski robo-savjetnici, chatbotovi i tako dalje", kaže prof. Floreano. “Nadalje, ta predviđanja jako osciliraju ovisno o tome kako se procjenjuju zahtjevi posla i softverske sposobnosti. Ovdje ne razmatramo samo softver umjetne inteligencije, već i vrlo inteligentne robote koji obavljaju fizički rad te smo razvili metodu za sustavnu usporedbu ljudskih i robotskih sposobnosti koje se koriste u stotinama poslova.” 

Razvijanje metode

Tim je uspio mapirati sposobnosti robota prema zahtjevima posla, što je bio veliki napredak studije. Pogledali su Europski višegodišnji plan puta za robotiku H2020 (MAR), koji je strateški dokument Europske komisije koji povremeno revidiraju stručnjaci za robotiku. MAR detaljno opisuje koje su sposobnosti potrebne od sadašnjih robota ili koje bi mogle biti potrebne budućim robotima. Oni su organizirani u kategorije kao što su manipulacija, percepcija i interakcija s ljudima. 

Tim je analizirao mnoge istraživačke radove, patente i opise robotskih proizvoda kako bi procijenio razinu zrelosti robotskih sposobnosti. Oslanjali su se na “razinu tehnološke spremnosti” (TRL), koja je ljestvica za mjerenje razine razvoja tehnologije. 

Kada je riječ o ljudskim sposobnostima, istraživači su koristili O*net bazu podataka, koja je široko korištena baza podataka o resursima na američkom tržištu rada. Klasificira oko 1,000 zanimanja, a za svako se detaljno navode vještine i znanja potrebna. 

Tim je prvo selektivno usporedio ljudske sposobnosti s O*net liste s robotskim sposobnostima iz MAR dokumenta, što im je omogućilo da izračunaju koliko je vjerojatno da će svaki postojeći posao u budućnosti obavljati robot. Ako je robot dobar u poslu, TRL je veći. 

Rangiranje poslova 

Nakon provedbe ove analize, rezultat je rangiranje 1,000 radnih mjesta. Jedna od najnižih na ljestvici bila je “Fizičarka”, a jedna od najviših “Pakeri mesa”. Poslovi u preradi hrane, građenju i održavanju te građevinarstvu imali su najveći rizik.

Prof. Rafael Lalive bio je suvoditelj studije na Sveučilištu u Lausanni.

"Ključni izazov za današnje društvo je kako postati otporan na automatizaciju", kaže prof. Lalive. „Naš rad pruža detaljne savjete o karijeri za radnike koji se suočavaju s visokim rizicima automatizacije, što im omogućuje preuzimanje sigurnijih poslova uz ponovno korištenje mnogih vještina stečenih na starom poslu. Ovim savjetom vlade mogu podržati društvo da postane otpornije na automatizaciju.”

Autori su osmislili metodu za pronalaženje bilo kojeg posla kao alternativnog posla sa znatno nižim rizikom automatizacije. Ovi su poslovi također bili bliski izvornim kad su u pitanju sposobnosti i potrebna znanja, što pomaže da se prekvalifikacija svede na minimum. 

Ova nova metoda mogla bi se koristiti na mnogo različitih načina. Kao prvo, vlade ga mogu koristiti za mjerenje koliko bi se radnika moglo suočiti s automatizacijom u budućnosti. To bi pomoglo u prilagođavanju inicijativa i politika prekvalifikacije u skladu s tim. Tvrtke bi ga također mogle koristiti za analizu troškova povezanih s automatizacijom. 

Sav ovaj rad pretočen je u algoritam koji može predvidjeti rizik od automatizacije za stotine radnih mjesta, a istovremeno predlaže promjene u karijeri. 

Javno dostupan algoritam možete pronaći ovdje.