Økonomer utvikler metode for å estimere jobbautomatisering med roboter

Et team av robotikere fra Ecole Polytechnique Fédérale de Lausanne og økonomer fra Universitetet i Lausanne har utviklet en ny metode for å beregne hvilke eksisterende jobber som er mest utsatt for å bli automatisert av maskiner i nær fremtid.

Studien ble publisert i Science Robotics.

Teamet utviklet også en metode for å foreslå karriereoverganger til jobber som er mindre sannsynlig å bli automatisert og med minst mulig omstrening.

Prof. Dario Floreano er direktør for EPFLs Laboratory of Intelligent Systems og hovedforfatter av studien.

“Det finnes flere studier som forutsier hvor mange jobber som vil bli automatisert av roboter, men de fokuserer alle på programvare-roboter, som tale- og bildegenkjenning, finansielle robo-rådgivere, chatboter og så videre,” sier Prof. Floreano. “I tillegg varierer disse forutsigelsene vilt avhengig av hvordan jobbkrav og programvareevner vurderes. Her tar vi ikke bare med kunstig intelligens-programvare, men også svært intelligente roboter som utfører fysisk arbeid, og vi har utviklet en metode for en systematisk sammenligning av menneskelige og robotiske evner brukt i hundrevis av jobber.”

Utvikling av metoden

Teamet kunne kartlegge robotens evner på jobbkrav, som var det største gjennombruddet i studien. De så på den europeiske H2020 Robotic Multi-Annual Roadmap (MAR), som er et strategidokument fra Den europeiske kommisjon som periodisk revideres av robotekspertene. MAR detaljerer hvilke evner som kreves fra nåværende roboter eller kan kreves av fremtidige roboter. Disse er organisert i kategorier som manipulering, persepsjon og interaksjon med mennesker.

Teamet analyserte mange forskningsartikler, patenter og beskrivelser av robotprodukter for å vurdere modenhetsnivået til robotiske evner. De baserte seg på “technology readiness level” (TRL), som er en skala for å måle teknologiens utviklingsnivå.

Når det kom til menneskelige evner, brukte forskerne O*net-databasen, som er en mye brukt ressursdatabase på det amerikanske arbeidsmarkedet. Den klassifiserer rundt 1 000 yrker og detaljerer ferdighetene og kunnskapen som kreves for hver.

Teamet matchet først selektivt menneskelige evner fra O*net-listen til robotiske evner fra MAR-dokumentet, som muliggjorde å beregne hvor sannsynlig hver eksisterende jobb er å bli utført av en robot i fremtiden. Hvis en robot er god på en jobb, er TRL høyere.

Ranking av jobbene

Etter å ha gjennomført denne analysen, var resultatet en rangering av 1 000 jobber. En av de laveste på listen var “Fysikere”, mens “Kjøttpakkere” var en av de høyeste. Jobber i matforedling, bygging og vedlikehold og konstruksjon hadde den høyeste risikoen.

Prof. Rafael Lalive var med på å lede studien ved Universitetet i Lausanne.

“Den største utfordringen for samfunnet i dag er hvordan vi kan bli motstandsdyktige mot automatisering,” sier Prof. Lalive. “Vårt arbeid gir detaljerte karriereråd for arbeidere som står overfor høy risiko for automatisering, som gjør det mulig for dem å ta på seg mer sikre jobber og gjenbruke mange av ferdighetene som er tilegnet på den gamle jobben. Gjennom dette rådet kan regjeringer støtte samfunnet i å bli mer motstandsdyktig mot automatisering.”

Forfatterne skapte en metode for å finne en gitt jobb en alternativ jobb med betydelig lavere automatiseringsrisiko. Disse jobbene var også nære den opprinnelige jobben når det kom til evner og kunnskap som kreves, som hjelper til å holde omskoleringsinnsatsen til et minimum.

Denne nye metoden kan brukes på mange måter. For eksempel kan regjeringer bruke den til å måle hvor mange arbeidere som kan stå overfor automatisering i fremtiden. Dette vil bidra til å tilpasse omskoleringstiltak og politikk deretter. Bedrifter kan også bruke metoden til å analysere kostnadene forbundet med automatisering.

Alt dette arbeidet ble oversatt til en algoritme som kan forutsi risikoen for automatisering for hundrevis av jobber, samt foreslå karriereoverganger.

Du kan finne den offentlig tilgjengelige algoritmen her.