Gli economisti sviluppano un metodo per stimare l’automazione dei lavori da parte dei robot

Un team di roboticisti dell’Ecole Polytechnique Fédérale de Lausanne e economisti dell’Università di Losanna hanno sviluppato un nuovo metodo per calcolare quali lavori esistenti sono più a rischio di essere automatizzati dalle macchine nel prossimo futuro.

Lo studio è stato pubblicato su Science Robotics.

Il team ha anche sviluppato un metodo per suggerire transizioni di carriera verso lavori con un rischio di automazione inferiore e con gli sforzi di riqualificazione minimi.

Il prof. Dario Floreano è direttore del Laboratorio di Sistemi Intelligenti dell’EPFL e autore principale dello studio.

“Ci sono diversi studi che prevedono quanti lavori saranno automatizzati dai robot, ma si concentrano tutti sui robot software, come il riconoscimento vocale e delle immagini, i consulenti finanziari robotici, i chatbot e così via,” afferma il prof. Floreano. “Inoltre, queste previsioni oscillano selvaggiamente a seconda di come vengono valutate le esigenze del lavoro e le capacità del software. Qui, consideriamo non solo il software di intelligenza artificiale, ma anche robot molto intelligenti che eseguono lavori fisici e abbiamo sviluppato un metodo per un confronto sistematico delle capacità umane e robotiche utilizzate in centinaia di lavori.”

Sviluppo del metodo

Il team è riuscito a mappare le capacità dei robot sulle esigenze del lavoro, che è stato il principale risultato dello studio. Hanno esaminato la Roadmap Multi-Annuale dei Robot dell’Unione Europea (MAR), che è un documento di strategia della Commissione Europea periodicamente rivisto da esperti di robotica. Il MAR dettaglia quali capacità sono richieste dai robot attuali o potrebbero essere richieste da quelli futuri. Queste sono organizzate in categorie come manipolazione, percezione e interazione con gli esseri umani.

Il team ha analizzato molti articoli di ricerca, brevetti e descrizioni di prodotti robotici per valutare il livello di maturità delle capacità robotiche. Si sono basati sul “livello di prontezza tecnologica” (TRL), che è una scala per misurare il livello di sviluppo tecnologico.

Per quanto riguarda le capacità umane, i ricercatori hanno utilizzato il database O*net, che è una risorsa ampiamente utilizzata sul mercato del lavoro statunitense. Classifica circa 1.000 occupazioni mentre dettaglia le competenze e le conoscenze necessarie per ciascuna.

Il team ha prima abbinato selettivamente le capacità umane dall’elenco O*net alle capacità robotiche del documento MAR, il che ha consentito loro di calcolare quanto probabilmente ogni lavoro esistente possa essere eseguito da un robot nel futuro. Se un robot è bravo in un lavoro, il TRL è più alto.

Classificazione dei lavori

Dopo aver eseguito questa analisi, il risultato è stato una classificazione di 1.000 lavori. Uno dei lavori con il punteggio più basso nella lista era “Fisici”, mentre “Lavoratori della carne” era uno dei lavori con il punteggio più alto. I lavori nella lavorazione degli alimenti, nell’edilizia e nella manutenzione e nella costruzione avevano il rischio più alto.

Il prof. Rafael Lalive ha guidato lo studio all’Università di Losanna.

“La sfida principale per la società oggi è come diventare resilienti contro l’automazione,” afferma il prof. Lalive. “Il nostro lavoro fornisce consigli di carriera dettagliati per i lavoratori che affrontano rischi di automazione elevati, il che consente loro di assumere lavori più sicuri mentre riutilizzano molte delle competenze acquisite nel vecchio lavoro. Attraverso questo consiglio, i governi possono sostenere la società nel diventare più resiliente contro l’automazione.”

Gli autori hanno creato un metodo per trovare un lavoro alternativo con un rischio di automazione significativamente inferiore per ogni lavoro dato. Questi lavori erano anche vicini all’originale quando si trattava di capacità e conoscenze richieste, il che aiuta a mantenere gli sforzi di riqualificazione al minimo.

Questo nuovo metodo potrebbe essere utilizzato in molti modi diversi. Ad esempio, i governi possono utilizzarlo per misurare quanti lavoratori potrebbero affrontare l’automazione nel futuro. Ciò aiuterebbe a personalizzare le iniziative di riqualificazione e le politiche di conseguenza. Le aziende potrebbero anche utilizzarlo per analizzare i costi associati all’automazione.

Tutto questo lavoro è stato tradotto in un algoritmo che può prevedere il rischio di automazione per centinaia di lavori mentre suggerisce anche transizioni di carriera.

Puoi trovare l’algoritmo accessibile al pubblico qui.