Ekonomiści rozwijają metodę szacowania automatyzacji pracy przez roboty

Zespół robotyków z Ecole Polytechnique Fédérale de Lausanne i ekonomistów z Uniwersytetu w Lozannie opracował nową metodę obliczania, które z istniejących już zawodów są bardziej narażone na to, że zostaną zastąpione przez maszyny w najbliższej przyszłości.

Badanie zostało opublikowane w Science Robotics.

Zespół opracował również metodę sugerującą przejście do zawodów mniej narażonych na automatyzację i wymagających najmniejszych wysiłków szkoleniowych.

Prof. Dario Floreano jest dyrektorem Laboratorium Inteligentnych Systemów EPFL i głównym autorem badania.

„Istnieje wiele badań, które przewidują, ile zawodów zostanie zautomatyzowanych przez roboty, ale wszystkie koncentrują się na robotach oprogramowania, takich jak rozpoznawanie mowy i obrazu, doradcy finansowi, czatboty itp.”, mówi prof. Floreano. „Ponadto te prognozy drastycznie się zmieniają w zależności od tego, jak oceniane są wymagania zawodowe i możliwości oprogramowania. Tutaj rozważamy nie tylko oprogramowanie sztucznej inteligencji, ale także bardzo inteligentne roboty, które wykonują pracę fizyczną, i opracowaliśmy metodę systematycznego porównania ludzkich i roboczych zdolności wykorzystywanych w setkach zawodów.”

Opracowanie metody

Zespół był w stanie odwzorować możliwości robocze na wymagania zawodowe, co było głównym przełomem w badaniu. Zbadali oni Europejską mapę drogową wieloletnią H2020 dla robotyki (MAR), która jest dokumentem strategicznym Komisji Europejskiej, który jest okresowo aktualizowany przez ekspertów z dziedziny robotyki. MAR zawiera szczegóły dotyczące umiejętności wymaganych od obecnych robotów lub które mogą być wymagane przez przyszłe roboty. Te umiejętności są zorganizowane w kategorie, takie jak manipulacja, percepcja i interakcja z ludźmi.

Zespół przeanalizował wiele prac badawczych, patentów i opisów produktów roboczych, aby ocenić poziom dojrzałości umiejętności roboczych. Opierali się na „poziomie gotowości technologicznej” (TRL), który jest skalą do mierzenia poziomu rozwoju technologii.

Jeśli chodzi o ludzkie umiejętności, badacze wykorzystali bazę danych O*net, która jest powszechnie używaną bazą danych na temat rynku pracy w Stanach Zjednoczonych. Klasyfikuje ona około 1000 zawodów, podając szczegóły dotyczące umiejętności i wiedzy niezbędnych do każdego z nich.

Zespół najpierw wybrał selektywnie ludzkie umiejętności z listy O*net, aby dopasować je do umiejętności roboczych z dokumentu MAR, co umożliwiło im obliczenie, jak prawdopodobne jest, że każdy istniejący zawód zostanie wykonany przez robota w przyszłości. Jeśli robot jest dobry w danym zawodzie, TRL jest wyższy.

Klasyfikacja zawodów

Po przeprowadzeniu tej analizy wynikiem była klasyfikacja 1000 zawodów. Jednym z najniżej sklasyfikowanych zawodów była „Fizycy”, podczas gdy „Pakowacze mięsa” był jednym z najwyżej sklasyfikowanych. Zawody w przetwórstwie żywności, budownictwie i konserwacji oraz w budownictwie miały najwyższe ryzyko.

Prof. Rafael Lalive współkierował badaniem na Uniwersytecie w Lozannie.

„Kluczowym wyzwaniem dla społeczeństwa dzisiaj jest to, jak stać się odpornym na automatyzację”, mówi prof. Lalive. „Nasza praca zapewnia szczegółowe porady zawodowe dla pracowników, którzy są narażeni na wysokie ryzyko automatyzacji, co pozwala im podjąć bardziej bezpieczne zawody, wykorzystując wiele z umiejętności nabytych w poprzednim zawodzie. Dzięki tym poradom rządy mogą wesprzeć społeczeństwo w stawaniu się bardziej odpornym na automatyzację.”

Autorzy stworzyli metodę, aby znaleźć dla danego zawodu alternatywny zawód z znacznie niższym ryzykiem automatyzacji. Te zawody były również blisko oryginalnego zawodu, jeśli chodzi o umiejętności i wiedzę wymaganą, co pomaga utrzymać minimalne wysiłki szkoleniowe.

Ta nowa metoda może być wykorzystana na wiele różnych sposobów. Przede wszystkim rządy mogą ją wykorzystać do pomiaru, ilu pracowników może być narażonych na automatyzację w przyszłości. To pomoże dostosować inicjatywy i polityki szkoleniowe odpowiednio. Firmy mogą również ją wykorzystać do analizy kosztów związanych z automatyzacją.

Cała ta praca została przetłumaczona na algorytm, który może przewidywać ryzyko automatyzacji dla setek zawodów, a także sugerować przejścia zawodowe.

Można znaleźć publicznie dostępny algorytm tutaj.