Економісти розробили метод оцінки автоматизації роботи роботами

Команда робототехніків з Ecole Polytechnique Fédérale de Lausanne та економістів з Університету Лозанни розробили новий метод розрахунку того, які існуючі робочі місця мають більший ризик бути автоматизованими машинами в найближчому майбутньому. 

Дослідження було опубліковане в Наука робототехніка. 

Команда також розробила метод, який пропонує переходи від кар’єри на роботи, які менш імовірно будуть автоматизовані, і з найменшими зусиллями щодо перенавчання.

Професор Даріо Флореано є директором лабораторії інтелектуальних систем EPFL і провідним автором дослідження.

«Є кілька досліджень, які передбачають, скільки робочих місць буде автоматизовано роботами, але всі вони зосереджені на програмних роботах, таких як розпізнавання мови та зображень, фінансові робо-консультанти, чат-боти тощо», — каже професор Флореано. «Крім того, ці прогнози сильно коливаються залежно від того, як оцінюються вимоги до роботи та можливості програмного забезпечення. Тут ми розглядаємо не лише програмне забезпечення зі штучним інтелектом, а й дуже розумних роботів, які виконують фізичну роботу, і ми розробили метод систематичного порівняння здібностей людини та робота, які використовуються в сотнях робіт». 

Розробка методу

Команда змогла зіставити можливості робота з вимогами роботи, що стало головним проривом дослідження. Вони розглянули багаторічну дорожню карту (MAR) Європейської роботизованої роботи H2020, яка є стратегічним документом Європейської комісії, який періодично переглядається експертами з робототехніки. У MAR детально описано, які здібності потрібні поточним роботам або можуть знадобитися майбутнім. Вони організовані за такими категоріями, як маніпуляції, сприйняття та взаємодія з людьми. 

Команда проаналізувала багато дослідницьких статей, патентів і описів роботизованих продуктів, щоб оцінити рівень зрілості роботів. Вони спиралися на «рівень технологічної готовності» (TRL), який є шкалою для вимірювання рівня розвитку технологій. 

Коли мова зайшла про людські здібності, дослідники використовували базу даних O*net, яка є широко використовуваною базою даних ресурсів на ринку праці США. Він класифікує близько 1,000 професій, деталізуючи навички та знання, необхідні для кожної з них. 

Спочатку команда вибірково зіставила людські здібності зі списку O*net зі здібностями робота з документа MAR, що дало їм змогу розрахувати, наскільки ймовірно, що кожну існуючу роботу в майбутньому виконуватиме робот. Якщо робот добре справляється з роботою, TRL вищий. 

Ранжування вакансій 

Після проведення цього аналізу результатом став рейтинг 1,000 вакансій. Одне з найнижчих у списку – «Фізики», а «М’ясопакувальники» – одне з найвищих. Роботи в харчовій промисловості, будівництві та обслуговуванні та будівництві мали найвищий ризик.

Професор Рафаель Лаліве був одним із керівників дослідження в Університеті Лозанни.

«Ключовий виклик сучасного суспільства полягає в тому, як стати стійким до автоматизації», — каже професор Лаліве. «Наша робота надає детальні поради щодо кар’єри для працівників, які стикаються з високими ризиками автоматизації, що дозволяє їм братися за більш безпечну роботу, повторно використовуючи багато навичок, отриманих на старій роботі. Завдяки цій пораді уряди можуть підтримати суспільство в тому, щоб воно стало більш стійким проти автоматизації».

Автори створили метод, який дозволяє знайти будь-яку задану роботу альтернативною із значно меншим ризиком автоматизації. Ці професії також були близькі до початкових за своїми здібностями та знаннями, що дозволяє звести зусилля з перепідготовки до мінімуму. 

Цей новий метод можна використовувати різними способами. По-перше, уряди можуть використовувати його, щоб визначити, скільки працівників можуть зіткнутися з автоматизацією в майбутньому. Це допоможе відповідним чином адаптувати ініціативи та політику перепідготовки. Компанії також можуть використовувати його для аналізу витрат, пов’язаних з автоматизацією. 

Усю цю роботу було переведено в алгоритм, який може передбачити ризики автоматизації для сотень робочих місць, а також пропонувати зміни кар’єри. 

Алгоритм можна знайти у відкритому доступі тут.