Экономисты разработали метод оценки автоматизации рабочих мест роботами

Команда робототехников из Эcole Polytechnique Fédérale de Lausanne и экономистов из Университета Лозанны разработала новый метод для расчета того, какие существующие рабочие места более подвержены риску быть автоматизированными машинами в ближайшем будущем.

Исследование было опубликовано в Science Robotics.

Команда также разработала метод, позволяющий предложить переход на рабочие места, менее подверженные автоматизации, и с наименьшими усилиями по переподготовке.

Профессор Дарио Флореано является директором Лаборатории интеллектуальных систем Эcole Polytechnique Fédérale de Lausanne и ведущим автором исследования.

“Существует несколько исследований, предсказывающих, сколько рабочих мест будет автоматизировано роботами, но они все сосредоточены на программных роботах, таких как распознавание речи и изображений, финансовые робо-советники, чат-боты и т. д.”, говорит профессор Флореано. “Кроме того, эти прогнозы сильно колеблются в зависимости от того, как оцениваются требования к работе и возможности программного обеспечения. Здесь мы рассматриваем не только программное обеспечение искусственного интеллекта, но и очень интеллектуальных роботов, выполняющих физическую работу, и разработали метод для системного сравнения человеческих и роботизированных способностей, используемых в сотнях рабочих мест.”

Разработка метода

Команда смогла сопоставить возможности роботов с требованиями к работе, что было основным прорывом в исследовании. Они изучили Европейскую многолетнюю дорожную карту робототехники H2020 (MAR), которая является стратегическим документом Европейской комиссии, периодически пересматриваемым экспертами в области робототехники. MAR детализирует, какие способности требуются от текущих роботов или могут быть необходимы для будущих. Эти способности организованы в категории, такие как манипуляция, восприятие и взаимодействие с людьми.

Команда проанализировала многочисленные исследовательские статьи, патенты и описания роботизированных продуктов, чтобы оценить уровень зрелости роботизированных способностей. Они полагались на “уровень готовности технологии” (TRL), который является шкалой для измерения уровня развития технологии.

Когда речь шла о человеческих способностях, исследователи использовали базу данных O*net, которая является широко используемым ресурсом базы данных о рынке труда США. Она классифицирует около 1 000 профессий, детализируя навыки и знания, необходимые для каждой.

Команда сначала селективно сопоставила человеческие способности из списка O*net с роботизированными способностями из документа MAR, что позволило им рассчитать, насколько вероятно, что каждое существующее рабочее место будет выполнено роботом в будущем. Если робот хорошо выполняет работу, TRL выше.

Ранжирование рабочих мест

После проведения этого анализа результатом было ранжирование 1 000 рабочих мест. Одним из самых низких в списке было “Физики”, в то время как “Пакеровщики мяса” были одними из самых высоких. Рабочие места в пищевой промышленности, строительстве и содержании, и строительстве имели самый высокий риск.

Профессор Рафаэль Лалив возглавлял исследование в Университете Лозанны.

“Основной задачей для общества сегодня является то, как стать устойчивым к автоматизации”, говорит профессор Лалив. “Наша работа предоставляет подробные советы по карьерному развитию для работников, которые сталкиваются с высоким риском автоматизации, что позволяет им перейти на более безопасные рабочие места, сохраняя многие из навыков, приобретенных на старой работе. Через эти советы правительства могут поддержать общество в становлении более устойчивым к автоматизации.”

Авторы создали метод, позволяющий найти для любого заданного рабочего места альтернативное рабочее место с значительно более низким риском автоматизации. Эти рабочие места также были близки к исходному, когда речь шла о способностях и знаниях, необходимых для работы, что помогает минимизировать усилия по переподготовке.

Этот новый метод может быть использован во многих различных способах. Например, правительства могут использовать его для измерения того, сколько работников могут столкнуться с автоматизацией в будущем. Это поможет адаптировать инициативы по переподготовке и политику соответственно. Компании также могут использовать его для анализа затрат, связанных с автоматизацией.

Вся эта работа была переведена в алгоритм, который может предсказать риск автоматизации для сотен рабочих мест, а также предлагать переходы в карьере.

Вы можете найти общедоступный алгоритм здесь.