Ekonom Menjadi Pengembang Metode untuk Mengestimasi Pekerjaan Otomatisasi oleh Robot

Tim roboticist dari Ecole Polytechnique Fédérale de Lausanne dan ekonom dari University of Lausanne telah mengembangkan metode baru untuk menghitung pekerjaan yang ada yang lebih berisiko diotomatisasi oleh mesin di masa depan.

Studi ini diterbitkan di Science Robotics.

Tim juga mengembangkan metode untuk menyarankan transisi karir ke pekerjaan yang kurang mungkin diotomatisasi dan dengan upaya pelatihan yang minimal.

Prof. Dario Floreano adalah Direktur Laboratorium Sistem Cerdas EPFL dan penulis utama studi ini.

“Ada beberapa studi yang memprediksi berapa banyak pekerjaan yang akan diotomatisasi oleh robot, tetapi mereka semua fokus pada robot perangkat lunak, seperti pengenalan suara dan gambar, penasihat keuangan robot, chatbot, dan sebagainya,” kata Prof. Floreano. “Selain itu, prediksi tersebut sangat bervariasi tergantung pada bagaimana persyaratan pekerjaan dan kemampuan perangkat lunak dinilai. Di sini, kami mempertimbangkan tidak hanya perangkat lunak kecerdasan buatan, tetapi juga robot yang sangat cerdas yang melakukan pekerjaan fisik dan kami mengembangkan metode untuk membandingkan kemampuan manusia dan robot yang digunakan dalam ratusan pekerjaan.”

Mengembangkan Metode

Tim berhasil memetakan kemampuan robot pada persyaratan pekerjaan, yang merupakan terobosan besar dalam studi ini. Mereka melihat European H2020 Robotic Multi-Annual Roadmap (MAR), yang merupakan dokumen strategi oleh Komisi Eropa yang secara berkala diperbarui oleh ahli robotika. MAR merinci kemampuan apa yang diperlukan dari robot saat ini atau mungkin diperlukan oleh robot di masa depan. Kemampuan ini dikelompokkan ke dalam kategori seperti manipulasi, persepsi, dan interaksi dengan manusia.

Tim menganalisis banyak makalah penelitian, paten, dan deskripsi produk robot untuk menilai tingkat kematangan kemampuan robot. Mereka menggunakan “tingkat kesiapan teknologi” (TRL), yang merupakan skala untuk mengukur tingkat pengembangan teknologi.

Ketika datang ke kemampuan manusia, peneliti menggunakan database O*net, yang merupakan sumber daya yang luas digunakan pada pasar kerja AS. Database ini mengklasifikasikan sekitar 1.000 pekerjaan sambil merinci keterampilan dan pengetahuan yang diperlukan untuk setiap pekerjaan.

Tim pertama-tama mencocokkan kemampuan manusia dari daftar O*net dengan kemampuan robot dari dokumen MAR, yang memungkinkan mereka untuk menghitung seberapa mungkin setiap pekerjaan yang ada dilakukan oleh robot di masa depan. Jika robot baik dalam suatu pekerjaan, TRL-nya lebih tinggi.

Peringkat Pekerjaan

Setelah melakukan analisis ini, hasilnya adalah peringkat 1.000 pekerjaan. Salah satu yang terendah dalam daftar adalah “Fisikawan”, sedangkan “Pengemas Daging” adalah salah satu yang tertinggi. Pekerjaan di pengolahan makanan, pembangunan dan pemeliharaan, dan konstruksi memiliki risiko tertinggi.

Prof. Rafael Lalive memimpin studi di University of Lausanne.

“Tantangan utama bagi masyarakat saat ini adalah bagaimana menjadi tangguh terhadap otomatisasi,” kata Prof. Lalive. “Kerja kami menyediakan saran karir yang terperinci untuk pekerja yang menghadapi risiko otomatisasi yang tinggi, yang memungkinkan mereka untuk mengambil pekerjaan yang lebih aman sambil menggunakan banyak keterampilan yang diperoleh pada pekerjaan sebelumnya. Melalui saran ini, pemerintah dapat mendukung masyarakat untuk menjadi lebih tangguh terhadap otomatisasi.”

Penulis membuat metode untuk menemukan pekerjaan alternatif dengan risiko otomatisasi yang jauh lebih rendah. Pekerjaan ini juga dekat dengan pekerjaan asli dalam hal kemampuan dan pengetahuan yang diperlukan, yang membantu meminimalkan upaya pelatihan.

Metode baru ini dapat digunakan dalam banyak cara. Misalnya, pemerintah dapat menggunakannya untuk mengukur berapa banyak pekerja yang mungkin menghadapi otomatisasi di masa depan. Ini akan membantu menyesuaikan inisiatif pelatihan dan kebijakan secara tepat. Perusahaan juga dapat menggunakannya untuk menganalisis biaya yang terkait dengan otomatisasi.

Semua pekerjaan ini diterjemahkan ke dalam algoritma yang dapat memprediksi risiko otomatisasi untuk ratusan pekerjaan sambil menyarankan transisi karir.

Anda dapat menemukan algoritma yang dapat diakses secara publik di sini.