مخاطرات انقلاب صنعتی نوین
جهان صنعت – اخیرا شرکت فضایی و هوشمصنوعی اسپیسایکس با ارزشی خیرهکننده وارد بورس شد؛ بزرگترین ارزشگذاری تاریخ که بنیانگذار آن، ایلان ماسک را به نخستین تریلیونر جهان تبدیل کرد. در همین فاصله زمانی، اداره آمار کار ایالاتمتحده اعلام کرد که کارگر متوسط آمریکایی تا ماه مه، معادل یکسال و نیم از افزایش واقعی دستمزدهای خود را از دست داده است. همچنین دو شرکت پیشروی دیگر در حوزه هوش مصنوعی یعنی آنتروپیک و اوپنایآی نیز در آستانه جذب سرمایههای عظیم قرار دارند آنهم در شرایطی که اعتماد عمومی به این فناوری بهشدت کاهش یافته و نگرانیها درباره از دست رفتن مشاغل و تشدید نابرابری اقتصادی رو به افزایش است.
طبق گزارشی که در این خصوص مجله فارنپالسی منتشر کرده، سیاستگذاران اکنون تحتفشار قرار دارند تا نشان دهند صرفا نظارهگر انقلابی فناورانه نیستند که میتواند نظم اجتماعی را دگرگون کند. واکنش غریزی آنان، بازگشت به الگوهایی است که در دوران پیشین و هنگام ورود اتوماسیون به کارخانهها به کار گرفته شد. اما آن نسخه قدیمی هرگز چندان موفق نبود زیرا از دهه۱۹۸۰ تاکنون نتوانسته است خسارت کارگران بیکارشده را به طور کامل جبران کند و اجرای آن در اغلب اقتصادهای پیشرفته با افزایش نابرابری همراه بوده است. اکنون نیز این رویکرد برای مواجهه با موج جدید تحولات حتی کمتر از گذشته کارآمد بهنظر میرسد.
اصلیترین مولفههای سیاستهای دولتها در برابر اتوماسیون که نخست در آمریکا شکل گرفت و سپس با شدت و ضعف در دیگر کشورها به کار گرفته شد، شامل بازآموزی نیروی کار برای مشاغل جدید، حمایت از افراد بیکار از طریق بیمه بیکاری، جبران زیان بازندگان از طریق برنامههای تعدیل تجاری و تشویق کارفرمایان به حفظ مشاغل تا حد امکان بود. فرض بنیادین این سیاستها آن بود که پس از یک دوره دشوار سازگاری، اقتصاد در سطح بالاتری از بهرهوری تثبیت میشود، مشاغل جدیدی ایجاد خواهد شد و در نهایت همه از این تحول منتفع خواهند شد.
امروز نیز دولتها بار دیگر آموزش مجدد و ارتقای مهارتها را در مرکز راهبردهای خود برای سازگاری با هوشمصنوعی قرار دادهاند. دولت هند از ایجاد یک موتور ملی بازآموزی مهارتها سخن میگوید که قرار است میلیونها نفر را آموزش دهد. کانادا وعده داده سواد هوش مصنوعی و برنامههای هدایت شغلی را برای نسل جوان توسعه دهد. کرهجنوبی نیز برنامههای گسترده آموزشهای فنی و بازآموزی حرفهای را در دستور کار قرار داده است.
ایالاتمتحده هنوز چارچوب فدرال جامعی برای حمایت از کارگرانی که در معرض تاثیر هوش مصنوعی قرار دارند تدوین نکرده است اما در کنگره طرحهایی با حمایت هر دو حزب در حال بررسی است که محور اصلی آنها آموزش و ارتقای مهارتهاست. برخی ایالتها نیز مستقل از دولت فدرال اقدام کردهاند، از جمله فرمان اجرایی گاوین نیوسام فرماندار کالیفرنیا که بازآموزی کارکنان دفتری و اداری در معرض خطر را پیشنهاد میکند. در ایالت ویکتوریای استرالیا نیز دولت محلی برنامهای برای نجات مسیر شغلی افراد آسیبپذیر طراحی کرده است.
برخی کشورها حتی فراتر رفتهاند. پکن نهتنها شرکتها را به آموزش کارکنان تشویق میکند بلکه با استناد به چندین رای دادگاه، به بنگاههای اقتصادی هشدار داده است که همزمان با بهکارگیری هوشمصنوعی از کاهش نیروی انسانی خودداری کنند.
این اقدامات بدون تردید با نیت مثبت طراحی شدهاند اما احتمالا کافی نخواهند بود زیرا مقابله با هوشمصنوعی با استفاده از ابزارهای دوران انقلاب صنعتی، به معنای جنگیدن با نبردی است که متعلق به گذشته است. تفاوتهای اساسی میان این دو دوره وجود دارد؛ نخست آنکه مقیاس و ماهیت جابهجایی نیروی کار در عصر هوش مصنوعی کاملا متفاوت است. پژوهشهایی که تیم فارنپالسی در موسسه دیجیتال پلنت انجام داده نشان میدهد که طی پنج سال آینده حدود ۳/۹میلیون شغل در آمریکا در معرض خطر قرار دارند و اگر روند پذیرش هوشمصنوعی شتاب بگیرد، این رقم میتواند به ۵/۱۹میلیون شغل برسد. در نتیجه بین ۷۵۷میلیارد تا ۵/۱تریلیون دلار از درآمد نیروی کار نیز در معرض خطر خواهد بود.
این شکاف آنقدر بزرگ است که برنامههای بازآموزی یا صندوقهای بیمه بیکاری به سختی قادر به جبران آن خواهند بود. موسسه کاریابی چلنجر، گریاند کریسمس اعلام کرده است که تنها در سال۲۰۲۵ حدود ۲/۱میلیون فرصت شغلی حذف شده و از آن زمان تاکنون این روند شتاب بیشتری گرفته است.
نکته مهمتر آن است که این تعدیلها ماهیتی ساختاری دارند، نه چرخهای. شرکتها دیگر صرفا برای عبور از یک رکود اقتصادی نیروهای خود را کاهش نمیدهند بلکه ساختار نیروی انسانی خود را بهطور دائمی بازطراحی میکنند و هوش مصنوعی را دلیل اصلی این تغییرات میدانند.
مهمترین ستون سیاستهای حمایتی
در این میان مهمترین ستون سیاستهای حمایتی دولتها یعنی بازآموزی نیروی کار، بر فرضی استوار است که ممکن است در عصر هوشمصنوعی دیگر اعتبار نداشته باشد. در گذشته ماشینها از دستگاه ریسندگی گرفته تا رباتهای جوشکار، عمدتا وظایف فیزیکی و تکراری را برعهده میگرفتند و این امکان را فراهم میکردند که کارگران به مشاغل شناختی و پردرآمدتر منتقل شوند.
اما هوشمصنوعی این روند را معکوس کرده است. اکنون بیشترین تاثیر آن بر مشاغل فکری، تحلیلی و دانشی است یعنی دقیقا همان مشاغلی که کارکنان آنها سالها برای کسب مدارک دانشگاهی و مهارتهای تخصصی سرمایهگذاری کردهاند.
برخی استدلال میکنند که هوشمصنوعی قرار نیست جایگزین کارکنان دانشی شود بلکه صرفا توانایی آنها را افزایش میدهد اما تحقیقات ما نشان میدهد مشاغلی که بیشترین ظرفیت را برای تقویت توسط هوشمصنوعی دارند، همان مشاغلی هستند که بیشترین قابلیت را برای جایگزینی نیز دارند. در واقع تقویت و جایگزینی دو روی یک سکه هستند و از یک قابلیت فناورانه ناشی میشوند.
علاوه بر این، فرآیند جایگزینی اینبار بسیار سریعتر از گذشته رخ میدهد. در حالی که موجهای پیشین اتوماسیون طی چند دهه گسترش یافتند، هوشمصنوعی میتواند طی چند سال ساختار بازار کار را دگرگون کند. همین موضوع اجرای برنامههای بازآموزی را بهمراتب دشوارتر میکند.
در همین رابطه کمتر به این مساله توجه شده که شاید خود الگوی مالی دولتها نیز در معرض فروپاشی قرار گیرد. شبکههای حمایتی که برای کاهش آثار بیکاری طراحی شدهاند، عمدتا از محل مالیات بر درآمد نیروی کار تامین مالی میشوند؛ مالیاتی که در کشورهای ثروتمند حدود نیمی از کل درآمدهای مالیاتی دولت را تشکیل میدهد در حالی که مالیات شرکتها تنها حدود یکهشتم این درآمدها را تامین میکند.
به طور متوسط درآمد نیروی کار در اقتصادهای پیشرفته با نرخ حدود ۳۵درصد مالیاتگیری میشود در حالی که نرخ مالیات بر سرمایه حدود ۲۰درصد یا حتی کمتر است بهویژه اگر معافیتها و خلأهای قانونی را نیز در نظر بگیریم.
افزایش بهرهوری ناشی از هوش مصنوعی، درآمد را از طیف گستردهای از کارکنان با درآمد مناسب به سمت مالکان سرمایه منتقل میکند. در نتیجه، همان پایه مالیاتی که قرار است هزینه برنامههای حمایتی را تامین کند، به تدریج تضعیف میشود.
پیامد این روند شکلگیری یک چرخه معیوب است؛ چرخهای که در آن کارگران دو بار متضرر میشوند؛ نخست، از طریق از دست دادن درآمد و شغل و دوم، از طریق انتقال بخش عمده منافع حاصل از هوشمصنوعی به مالکان الگوریتمها و سرمایه. به این ترتیب نابرابری اقتصادی از هر دو سو تشدید میشود.
چه چیزی باید جایگزین الگوی دوران کارخانهها شود؟
در چنین شرایطی سوال مهم این است که چه چیزی باید جایگزین الگوی دوران کارخانهها شود؟
کارشناسان معتقدند پنج اصل میتواند مبنای بازطراحی سیاستهای عمومی قرار گیرد؛ نخست آنکه آموزش و ارتقای مهارت باید به زیرساختی دائمی تبدیل شود، نه برنامهای موقتی برای نجات افراد بیکار. در این میان تسلط بر هوشمصنوعی باید در مرکز این آموزشها قرار گیرد زیرا کارکنانی که مهارتهای مرتبط با هوشمصنوعی دارند بهطور متوسط ۶۲درصد بیشتر از سایر همتایان خود در جهان درآمد کسب میکنند.
بهتر آن است که این آموزشها همانند برنامههای واکسیناسیون عمومی طراحی شوند یعنی پیش از آنکه افراد شغل خود را از دست بدهند، مهارتهای لازم را کسب کنند.
برخی کشورها الگوهای مناسبی ارائه کردهاند. سنگاپور یادگیری مادامالعمر را برای همه بزرگسالان به یک کالای عمومی تبدیل کرده است. استونی ابزارهای پیشرفته هوشمصنوعی را وارد تمامی کلاسهای دوره متوسطه کرده و فرانسه برای هر کارگر یک حساب آموزشی شخصی و قابل انتقال ایجاد کرده است که در سراسر دوران اشتغال همراه او باقی میماند.
اصل دوم آن است که با توجه به محدود بودن منابع، برنامههای آموزشی باید براساس ظرفیت سازگاری افراد اولویتبندی شوند؛ عواملی مانند میزان پسانداز، سن، قابلیت انتقال مهارتها و وضعیت بازار کار محلی باید در این تصمیمگیری لحاظ شوند.
برنامهنویسان، مدیران مالی و وکلا که درآمد بالا، پشتوانه مالی و مهارتهای قابل انتقال دارند، احتمالا بدون کمک دولت نیز قادر به سازگاری خواهند بود. اما کارکنان مشاغل دفتری، فروش و امور اداری که هم بیشترین آسیبپذیری را دارند و هم کمترین توانایی برای تطبیق با شرایط جدید، باید در اولویت قرار گیرند.
اصل سوم آن است که سیاستها باید برای سرعت نامشخص تحول آماده باشند. هوشمصنوعی ممکن است در برخی بخشها بهسرعت فراگیر شود و در برخی دیگر بهآرامی پیش برود. بنابراین سیاستگذاری باید هم انعطافپذیر باشد و هم از حاشیه امنیت کافی برخوردار شود.
دانمارک با مدل انعطاف همراه با امنیت امکان استخدام و اخراج آسان را با مزایای سخاوتمندانه و برنامههای بازآموزی ترکیب کرده است. در سوئد شوراهای امنیت شغلی تلاش میکنند پیش از آنکه فرد بیکار شود، او را وارد شغل بعدی کنند. آلمان نیز با پرداخت یارانه برای کاهش ساعات کاری، از اخراج گسترده کارکنان جلوگیری میکند؛ سیاستی که در بحران مالی سال۲۰۰۸ نیز با موفقیت به کار گرفته شد.
اصل چهارم آن است که دولتها باید پیش از وقوع موج بیکاری، دادههای دقیق درباره آثار هوشمصنوعی جمعآوری کنند، نه پس از آن. دولتها از بزرگترین خریداران سامانههای هوشمصنوعی سازمانی هستند و میتوانند شرط کنند که هر قرارداد بزرگ، همراه با یک ارزیابی مستقل و حسابرسیشده از تعداد مشاغلی باشد که احتمالا در نتیجه استفاده از آن فناوری حذف خواهد شد.
در مقیاسی گستردهتر نیز میتوان شرکتها را ملزم کرد همانگونه که امروز آثار زیستمحیطی فعالیتهای خود را گزارش میکنند، پیامدهای استفاده از هوشمصنوعی بر اشتغال و نیروی کار را نیز بهصورت شفاف افشا کنند.
