Gli economisti sviluppano un metodo per stimare l'automazione del lavoro da parte dei robot

Un team di robotisti dell'Ecole Polytechnique Fédérale de Lausanne ed economisti dell'Università di Losanna ha 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 Scienza Robotics. 

Il team ha anche sviluppato un metodo per suggerire transizioni di carriera verso lavori con meno probabilità di essere automatizzati e con il minimo sforzo di riqualificazione.

Il Prof. Dario Floreano è Direttore del Laboratorio di Sistemi Intelligenti dell'EPFL e autore principale dello studio.

"Esistono diversi studi che prevedono quanti lavori saranno automatizzati dai robot, ma tutti si concentrano su robot software, come riconoscimento vocale e di immagini, robo-consulenti finanziari, chatbot e così via", afferma il prof. Floreano. “Inoltre, tali previsioni oscillano selvaggiamente a seconda di come vengono valutati i requisiti del lavoro e le capacità del software. Qui consideriamo non solo software di intelligenza artificiale, ma anche robot molto intelligenti che svolgono lavoro fisico 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 stato in grado di mappare le capacità del robot sui requisiti del lavoro, che è stato il principale passo avanti dello studio. Hanno esaminato la European H2020 Robotic Multi-Annual Roadmap (MAR), che è un documento strategico della Commissione europea che viene periodicamente rivisto da esperti di robotica. Il MAR specifica quali abilità sono richieste dai robot attuali o potrebbero essere richieste da quelli futuri. Questi sono organizzati in categorie come manipolazione, percezione e interazione con gli umani. 

Il team ha analizzato molti documenti di ricerca, brevetti e descrizioni di prodotti robotici per valutare il livello di maturità delle capacità robotiche. Hanno fatto affidamento 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 un database di risorse ampiamente utilizzato nel mercato del lavoro statunitense. Classifica circa 1,000 professioni specificando le competenze e le conoscenze necessarie per ciascuna. 

Il team ha innanzitutto confrontato in modo selettivo le capacità umane dell'elenco O*net con le capacità robotiche del documento MAR, il che ha permesso loro di calcolare la probabilità che ogni lavoro esistente venga eseguito da un robot in futuro. Se un robot è bravo in un lavoro, il TRL è più alto. 

Classifica dei lavori 

Dopo aver effettuato questa analisi, il risultato è stato una classifica di 1,000 posti di lavoro. Uno dei più bassi della lista era "Fisici", mentre "Meat Packers" era uno dei più alti. I lavori nella lavorazione degli alimenti, nell'edilizia e nella manutenzione e nell'edilizia avevano il rischio più elevato.

Il Prof. Rafael Lalive ha co-diretto lo studio presso l'Università di Losanna.

"La sfida chiave per la società odierna è come diventare resilienti contro l'automazione", afferma il prof. Lalive. “Il nostro lavoro fornisce consigli professionali dettagliati per i lavoratori che affrontano rischi elevati di automazione, che consente loro di assumere lavori più sicuri riutilizzando molte delle competenze acquisite nel vecchio lavoro. Attraverso questo consiglio, i governi possono aiutare la società a diventare più resiliente contro l'automazione".

Gli autori hanno creato un metodo per trovare in un determinato lavoro un lavoro alternativo con un rischio di automazione significativamente inferiore. Questi lavori erano vicini a quello originale anche per quanto riguarda le capacità e le conoscenze richieste, il che aiuta a ridurre al minimo gli sforzi di riqualificazione. 

Questo nuovo metodo potrebbe essere utilizzato in molti modi diversi. Per prima cosa, i governi possono usarlo per misurare quanti lavoratori potrebbero dover affrontare l'automazione in futuro. Ciò contribuirebbe ad adattare di conseguenza le iniziative e le politiche di riqualificazione. Le aziende potrebbero anche usarlo per analizzare i costi associati all'automazione. 

Tutto questo lavoro è stato tradotto in un algoritmo in grado di prevedere il rischio di automazione per centinaia di lavori, suggerendo anche transizioni di carriera. 

È possibile trovare l'algoritmo pubblicamente accessibile qui.