Ekonomistler Robotlar Tarafından İş Otomasyonunu Tahmin Etme Yöntemi Geliştirdi

Ecole Polytechnique Fédérale de Lausanne’dan robotikçiler ve Lozan Üniversitesi’nden ekonomistler, mevcut işlerin gelecekte makineler tarafından otomasyon yoluyla ortadan kaldırılma olasılığını hesaplamak için yeni bir yöntem geliştirdiler.

Çalışma Science Robotics dergisinde yayımlandı.

Ekibin ayrıca, otomasyon riski düşük ve yeniden eğitim çabaları en az olan işlere geçiş önerileri sunan bir yöntem geliştirdi.

Prof. Dario Floreano, EPFL’nin Akıllı Sistemler Laboratuvarı Müdürü ve çalışmanın baş yazarı.

“Birçok çalışma, robotların nasıl manyetize edeceğini öngörüyor, ancak bunlar yalnızca yazılım robotlarına odaklanıyor, yani konuşma ve görüntü tanıma, finansal robo-danışmanlar, sohbet botları ve benzerleri,” diyor Prof. Floreano. “Ayrıca, bu öngörüler, iş gereksinimlerinin ve yazılım yeteneklerinin nasıl değerlendirildiğine bağlı olarak büyük ölçüde değişiyor. Burada, yalnızca yapay zeka yazılımlarını değil, aynı zamanda fiziksel işleri gerçekleştiren çok akıllı robotları da dikkate aldık ve yüzlerce işte insan ve robotik yeteneklerinin sistematik bir karşılaştırması için bir yöntem geliştirdik.”

Yöntemin Geliştirilmesi

Ekibin, robot yeteneklerini iş gereksinimlerine haritalama yeteneği, çalışmanın önemli bir atılımdı. Avrupa Komisyonu tarafından periyodik olarak güncellenen Avrupa H2020 Robotic Multi-Annual Roadmap (MAR) adlı bir strateji belgesini incelediler. MAR, mevcut veya gelecekteki robotlardan hangi yeteneklerin gerektiği hakkında detaylar içeriyor. Bunlar, maniplasyon, algılama ve insanlarla etkileşim gibi kategorilere ayrılıyor.

Ekibin, birçok araştırma makalesi, patent ve robotik ürün açıklamalarını analiz ederek robotik yeteneklerin olgunluk seviyesini değerlendirdi. “Teknoloji hazırlık düzeyi” (TRL) olarak adlandırılan bir ölçek kullandılar.

İnsan yeteneklerine gelince, araştırmacılar, ABD iş piyasası hakkında geniş bir kaynak olan O*net veritabanını kullandı. Bu veritabanı, yaklaşık 1.000 mesleği sınıflandırıyor ve her bir mesleğin gerektirdiği beceri ve bilgiyi detaylandırıyor.

Ekibin, O*net listesinden insan yeteneklerini MAR belgesindeki robotik yetenekleriyle eşleştirmesi, her mevcut işin gelecekte bir robot tarafından gerçekleştirilme olasılığını hesaplamalarına olanak sağladı. Bir robot bir işe iyi ise, TRL daha yüksek.

İşlerin Sıralanması

Bu analizi gerçekleştirdikten sonra, sonuç 1.000 işin sıralanmasıyla ortaya çıktı. Listede en düşüklerden biri “Fizikçiler” iken, “Et Paketleyiciler” en yükseklerden biri oldu. Gıda işleme, inşaat ve bakım işleri en yüksek riski taşıyan işler arasında yer aldı.

Prof. Rafael Lalive, çalışmanın eş liderliğini Lozan Üniversitesi’nde yaptı.

“Toplumun bugün karşı karşıya olduğu ana zorluk, otomasyona karşı dayanıklı hale gelmektir” diyor Prof. Lalive. “Çalışmamız, otomasyon riski yüksek olan işçilere ayrıntılı kariyer tavsiyeleri sunuyor, böylece daha güvenli işlere geçiş yapabilir ve eski işlerinde kazandıkları becerilerin çoğunu yeniden kullanabilirler. Bu tavsiyeler sayesinde, hükümetler toplumun otomasyona karşı daha dayanıklı hale gelmesine destek olabilir.”

Yazarlar, herhangi bir verilen işi, otomasyon riski önemli ölçüde daha düşük ve gerektirdiği beceri ve bilgi bakımından orijinal işe yakın olan bir işe geçiş öneren bir yöntem geliştirdiler. Bu, yeniden eğitim çabalarını en aza indirgemeğe yardımcı oluyor.

Bu yeni yöntem, çeşitli şekillerde kullanılabilir. Örneğin, hükümetler, gelecekte otomasyonla karşı karşıya kalabilecek işçi sayısını ölçmek için bu yöntemi kullanabilir, bu da yeniden eğitim girişimlerini ve politikalarını uygun şekilde uyarlamalarına yardımcı olabilir. Şirketler de, otomasyonla ilgili maliyetleri analiz etmek için bu yöntemi kullanabilir.

Tüm bu çalışma, yüzlerce iş için otomasyon riskini öngören ve aynı zamanda kariyer geçişlerini öneren bir algoritmaya dönüştürüldü.

Halka açık algoritmayı burada bulabilirsiniz.