گروه جامعه و اقتصاد «سدید»؛ احتمال زیادی وجود دارد که پیشرفتهای هوش مصنوعی (AI) روی کار شما تأثیر بگذارد. «چت جی پیتی» [1] در عرض دو ماه ۱۰۰ میلیون کاربر جذب کرده است (نتفلیکس ۱۸ سال طول کشید تا به این نقطه عطف برسد). یک نظرسنجی در ماه می ۲۰۲۳ نشان داد که ۸۵ درصد از کارگران آمریکایی از ابزارهای هوش مصنوعی برای انجام وظایف خود در محل کار استفاده کردهاند. گزارشهای اخیر نشان میدهد که تعداد مشابهی در اروپا شدیداً در حال استفاده از هوش مصنوعی هستند. بسیاری از چشمها به چارچوب نظارتی در حال توسعه در اتحادیه اروپا و چگونگی تأثیر آن بر استفاده از فن آوریهای جدید در محیط کار دوخته شده است. برخی از فراگیرشدن استفاده از هوش مصنوعی در محیطهای کاری بهعنوان «پایان زمان کارهای خستهکننده» استقبال میکنند و ادعا میکنند که هوش مصنوعی کارمندان را برای دستیابی به «حداکثر بهرهوری» توانمند میکند. اما بهرهوری ناشی از هوش مصنوعی واقعاً به نفع چه کسی است؟ در عصر استفاده از هوش مصنوعی چه نوع شغلهایی را میتوانیم انتظار داشته باشیم؟ «نادیا گاربلینی» [2] از دانشگاه «مودنا» [3] با کارگران ایتالیایی در مورد تجربه آنها از هوش مصنوعی مصاحبه کرده است. او به «مؤسسه تفکر اقتصادی جدید» [4] توضیح میدهد که چرا باید نسبت به ادعاها مبنی بر اینکه هوش مصنوعی شرایط کار را برای اکثر مردم بهبود میبخشد، شک کنیم.
فکر میکنید هوش مصنوعی چگونه بر کارگران تأثیر میگذارد؟
در سال ۲۰۲۰، اتحادیه اروپا (EU) برنامههای کاربردی حیاتی هوش مصنوعی را بر اساس سه «زنجیره ارزش استراتژیک» [5] طبقهبندی کرد. این زنجیرههای ارزشی عبارتاند از اینترنت اشیاء صنعتی[6] (IIoT)، تحرک (حمل و نقل و حرکت مبتنی بر هوش مصنوعی) و سلامت هوشمند (هوش مصنوعی برای محیطهای سلامت). هر سه این زنجیرهها میتوانند به شدت بر کارگران تأثیر بگذارند، اما بیایید روی اینترنت اشیاء صنعتی (IIoT) تمرکز کنیم. در گزارشی که اشاره کردم، کمیسیون اروپا ۲۴ برنامه کاربردی مرتبط با هوش مصنوعی را در زنجیره ارزش اینترنت اشیاء صنعتی (IIoT) شناسایی کرد. قابلیتهای هوش مصنوعی مورد استفاده عبارتاند از: تولید فکر از دادههای پیچیده؛ پردازش زبان، تحلیل متن و صوت، تشخیص تصویر و تحلیل ویدئو، تصمیمگیری خودکار؛ و «یادگیری ماشین» [7]. این برنامهها به نوبه خود چهار عملکرد اصلی را برای شرکتها انجام میدهند: تحقیق و توسعه، زنجیره تأمین و برنامهریزی تولید، تولید اصلی، و پشتیبانی و خدمات پس از فروش.
از مصاحبههای انجام شده با صنعتگران ایتالیایی در صنایع مختلف، این طور برداشت میشود که پیامدهای اصلی استفاده از این فناوریها بر شرایط کاری نگرانکننده است.این گزارش نشان داد که کارگران از نظر دانش موردنیاز برای انجام وظایف محوله، کاهش عملکرد شغلی را تجربه کردهاند: با هوش مصنوعی، کار با ماشینهای پیچیده به دانش کمتری نیاز دارد. برای نسل قبلی صنعتگران، ماشینهای کنترل عددی مستقیماً توسط کارگر فعال در آنها برنامهریزی میشد. حتی تشخیص ایرادات و مغایرتهای جزئی بر عهده اپراتور بود که در مواقع ضروری وارد عمل میشد. امروزه، ماشینها توسط دانشمندان و مهندسان کامپیوتری برنامهریزی میشوند که اغلب حتی کارمندان شرکت نیستند، بلکه کارپردازان ماشینها هستند.بهعبارتدیگر، کارگران از میزان خودمختاری رو به کاهشی برخوردارند و از امکان استفاده از هوش خود در کارهای روزمرهشان محروم هستند.مسئله دیگری که توسط صنعتگران مطرح شد، افزایش سرعت کار بود.از آنجا که کار با ماشینها نیاز به تلاش کمتری دارد، در حال حاضر رایج است که یک کارگر باید با بیش از یک ماشین - شاید ۲ یا حتی ۳ یا ۴ ماشین- به طور همزمان کار کند.از این گذشته، به کارگران گفته میشود که ماشین فقط باید راهاندازی شود و در برخی موارد پس از اتمام چرخة تولید، تخلیه شود. در طول چرخه، کارگر فقط باید منتظر بماند؛ بنابراین برای این که این دقایق گرانبها را هدر ندهد، ماشینهای دیگری را پشت سر هم برای او ردیف میکنند.اما در طول چرخه، کارگر باید به هر گونه مشکل، اختلال و انسداد همه دستگاههایی که کار میکنند توجه کند. این عملکرد چندبرابری، خستگی را نهتنها از نظر جسمی، بلکه بیش از همه از نظر روحی برای کارگران افزایش میدهد. کارگران همچنین ازدستدادن کنترل بر فرآیند تولید و در نتیجه تضعیف توانایی اتحادیه کارگری در طرح مطالبات را تجربه کردند.
نظرسنجیهای جدید نشان میدهد که ۸۵ درصد از کارگران آمریکایی از ابزارهای هوش مصنوعی برای انجام وظایف خود در محل کار استفاده کردهاند
دو دلیل برای ازدستدادن کنترل وجود دارد. اول از همه، زمانهای چرخه تولید به عنوان نتیجه عینی برخی از فرایندهای یادگیری ماشین - کلانداده ارائه میشوند؛ در حالی که الگوریتمها توسط انسانها با توجه به پارامترهای تعیین شده اطلاعرسانی میشوند و بنابراین از قلمرو چانهزنی خارج میشوند. ثانیاً بسیاری از کارکردهای شرکت به خارج از واحد تولیدی و حتی خارج از شرکت یا کشور منتقل میشود. کارگران نمیتوانند زنجیره تأمینی را که در آن درگیر هستند بازسازی کنند، بنابراین نمیتوانند خود را به طور مؤثر سازماندهی کنند زیرا افق آنها به طور فزایندهای محدود میشود. در نهایت این که نظارت همواره از دغدغههای کارگران بوده است. این شرکت میتواند که تکتک کارگران را کنترل کرده و حرکات آنها را در زمان واقعی و بدون نیاز به نظارت ویدئویی ردیابی کند. به هر جزء به کار گرفته شده در تولید، یک شناسه منحصربهفرد اختصاص داده میشود که معمولاً با یک بارکد همراه است و سپس با مراحل مختلف تولید مرتبط میشود. کارگر یک ماشین را در ابتدای شیفت کاری راهاندازی میکند، بنابراین همیشه این امکان وجود دارد که بدانیم برای هر کارگر، چه ماشینی راهاندازی شده است، چند خط تولید آغاز به کار کردهاند، کدام اجزا به کار گرفته شدهاند و کدام محصولات تولید شدهاند. بهعبارتدیگر، برای هر خروجی غیرمنطبق، میتوان مرحلهای که در آن مشکل ایجاد شده و هویت کارگری که آن را انجام میدهد، شناسایی کرد.
آیا نگران این هستید که هوش مصنوعی مشاغل را از بین ببرد؟
درست در نقطه مقابل دغدغههای نظام سرمایهداری، بیکاری تکنولوژیکی همواره یکی از دغدغههای جنبشهای کارگری بوده است (به لودیت ها[8] در انگلستان قرن نوزدهم فکر کنید). هوش مصنوعی و کاربردهای صنعتی آن نیز موجب صرفهجویی در نیروی کار میشود، بنابراین مطمئناً امکان توسعه تولید با گسترش کمتر نیروی کار وجود خواهد داشت.
با این حال، فناوریهای هوش مصنوعی نیز باید تولید شوند؛ همانطور که «جاش دزلزا» [9] در مقالهای در مجله نیویورک توضیح داد، آموزش هوش مصنوعی بسیار کار سخت و فشردهای است. من نمیتوانم بگویم که آیا تأثیر استفاده از هوش مصنوعی بر مشاغل منفی یا مثبت خواهد بود. آنچه که مرا بیشتر از نابودی مشاغل نگران میکند، کیفیت مشاغل جدید از نظر شرایط کار، دستمزد، خودمختاری، از خود بیگانگی و... است. چیزی که من از آن میترسم دنیایی است با میلیونها کارگر کم دستمزد، نادان، از نظر سیاسی سادهلوح و منزوی که هم در زمان کار و هم در اوقات فراغت در خانه جلوی رایانههایشان گیر کرده و کالاها و خدماتی را تولید میکنند که توانایی خرید آنها را ندارند.
با این حال پیشبینیهای خوشبینانهای در مورد اینکه هوش مصنوعی چگونه میتواند در محیط کار به نفع افراد باشد از سوی اقتصاددانانی مانند «دیوید اتور» [10] وجود دارد. نظر شما در مورد این پیشبینیها چیست؟
«دیوید اتور» در مصاحبه اخیر خود ادعا کرد که هوش مصنوعی میتواند به بازسازی طبقه متوسط کمک کند. وی همچنین اظهار داشت: آنچه که بیشتر نگران آن است، کاهش ارزش تخصص است. دو مطالعه در این زمینه ذکر شده است: یکی توسط «اریک برینولفسون» [11]، «دانیل لی» [12] و «لیندسی ریموند» [13] در مورد کارگران یک شرکت نرمافزاری که یک نسخه قدیمی از «چت جی پیتی» را استفاده کردهاند و دیگری توسط «شاک نوی» [14] و «ویتنی ژانگ» [15] در مورد یک آزمایش با افراد تحصیلکرده دانشگاهی که کارهای نوشتاری انجام میدهند. در هر دو مورد، نویسندگان به این نتیجه رسیدند که هوش مصنوعی شکاف بهرهوری را بین کارگران با مهارت پایینتر و کارگران با مهارتهای بالاتر کاهش میدهد. اما چیزی که ما در مصاحبههای خود با کارگران دریافتیم این است که معرفی تکنولوژیهای هوش مصنوعی به طور فزایندهای نیروی کار را بین کارگران با مهارت بالاتر و پایینتر تقسیم میکند. این فقط برای کارگران کارخانهها صدق نمیکند، بلکه برای یقهسفیدها نیز همین شرایط وجود دارد. به نظر من این کار باعث میشود که طبقه متوسط کوچکتر و کوچکتر و به تبع آن طبقه پایینتر و احتمالاً تعداد افراد خارج از اقتصاد مولد، بزرگتر و بزرگتر شود.
تاریخ در مورد افزایش بهرهوری کارگران و پاداشهایی مانند دستمزدهای بالاتر برای کارگران به ما چه میگوید؟ چه کسانی معمولاً از بهرهوری بالاتر سود میبرند؟ بهرهوری در اقتصاد یک مفهوم بحثبرانگیز معروف است. غالباً از نظر غیرفنی چیزی شبیه ارزشافزوده بهازای هر کارگر و شاخصی از آنچه اقتصاددانان مارکسیست بهعنوان ثبت توانایی سرمایهدار برای استخراج ارزش اضافی نسبی به آن اشاره میکنند، تلقی میشود. با نگاهی به دادههای دهههای اخیر در مورد توزیع درآمد عملکردی، بهراحتی میتوان دریافت که افزایش بهرهوری به طور منظم با کاهش در سهم دستمزد همراه بوده است. از این گذشته، تحقیقات کاربردی توسط یا به نمایندگی از یک شرکت بزرگ انجام میشود. هدف هم توسعة فناوریهایی است که میتوانند در فرایندهای صنعتی گنجانده شوند و کارایی آنها را بهبود بخشند، جایی که کارایی فقط به معنای بهرهوری اقتصادی است، یعنی به حداقل رساندن هزینههای تولید.
چیزی که من از آن میترسم دنیایی است با میلیونها کارگر با دستمزد پایین، نادان، از نظر سیاسی سادهلوح و منزوی که هم در زمان کار و هم در اوقات فراغت در خانه جلوی رایانههایشان گیر کرده و کالاها و خدماتی را تولید میکنند که توانایی خرید آنها را ندارند
اتوماسیون به طور قابل توجهی بین اواخر دهه ۱۹۷۰ و اوایل دهه ۱۹۸۰ با معرفی فناوری اطلاعات و ارتباطات (ICT) تغییر کرد. هدف از سرمایهگذاریهای تحقیق و توسعه، جایگزینی فعالیتهای انسانی با تولید مقدار فزایندهای از اطلاعات در مورد فرایند تولید بود. قبل از انقلاب فناوری اطلاعات و ارتباطات، ماشینها به یک حافظه مکانیکی غیرقابلتغییر مجهز بودند: هیچ برنامهریزی مجددی در زمان واقعی امکانپذیر نبود. سپس اتوماسیون انعطافپذیر معرفی شد. تحولات فناوری از سال ۱۹۸۰ تا امروز به شرکتها اجازه داد تا یکپارچهسازی فناوری اطلاعات و ارتباطات را در کل زنجیره تولید پیش ببرند. این امر با پیشرفتهایی در علوم سازمانی همراه بود که در عین حال، مدلهای کسبوکار جدید مناسب برای شرکتهای بزرگ چندملیتی را توسعه، اجرا، و اصلاح کردهاند و به حداکثر منطقیسازی منابع متعهد هستند. بهعبارتدیگر، این فناوریها دقیقاً بهمنظور امکان حداکثرسازی بهرهوری توسعه یافتهاند و بنابراین نباید تعجب کرد که کاربرد آنها به نفع شرکتها است.
چگونه میتوانیم اطمینان حاصل کنیم که هوش مصنوعی علیه کارگران استفاده نمیشود؟
اول از همه، ما باید از فکرکردن به افزایش بهرهوری به عنوان مترادف با پیشرفت فنی دست برداریم و بالعکس؛ ما عادت داریم فکر کنیم که پیشرفت فنی نمیتواند چیزی جز صرفهجویی در کار باشد. در واقع، ممکن است پیشرفت فنی با هدف جلوگیری از خستگی کارگران، صرفهجویی در انرژی، به حداقل رساندن آلودگی و غیره وجود داشته باشد. البته این نوع پیشرفت فنی به معنای افزایش هزینههای تولید است و از این رو به نفع شرکتهای بزرگ نیست. لازمه عدم استفاده از فناوری علیه کارگران این است که تحقیقات توسط بخش خصوصی کنترل نشود و به طور کامل تحت کنترل دولتها قرار گیرد و به سمت توسعه فناوریهایی که به اهداف اجتماعی و زیستمحیطی دست مییابد، بازگردد. امروزه برعکس این روند را شاهد هستیم: پژوهش برای تولید اختراعات جذاب برای سرمایه خصوصی هدفگذاری شده است؛ حتی معیارهای تأمین بودجه دانشگاههای دولتی نیز بر اساس چنین ارزیابیهایی است. این به نمایندگان اتحادیهها نهتنها حقوق بیشتری برای اطلاعات و مشاوره، بلکه وظایف نظارتی و کنترلی و قدرت تصمیمگیری در هدایت انتخابهای استراتژیک کلیدی نیز کمک میکند. البته که این مسائل کاملاً سیاسی است!
[1] . ChatGPT
[2] . Nadia Garbellini
[3] . University of Modena
[4] . New Economic Thinking
[5] . strategic value chains
[6] . The industrial internet of things
[7] . machine learning: یادگیری ماشین، واژهای است که توسط« آرتور ساموئل» در سال ۱۹۵۹ ابداع شد. این فناوری شاخهای از هوش مصنوعی و علوم رایانه است. این تکنولوژی در علوم داده دارای اهمیت بسیار زیادی است.یادگیری ماشین هوشمند کردن رایانههاست بدون اینکه مستقیماً به آنها یاد بدهیم چطور رفتار کنند. اما این اتفاق چطور میافتد؟ رایانهها میتوانند با استفاده از حجم عظیمی از داده، به طور خودکار الگوهایی تکرارشونده را بدون دخالت انسان یاد بگیرند. یادگیری این الگوریتمها به تقلید از شیوه یادگیری انسان انجام میشود و با بیشتر شدن تجربه رایانه، بهتدریج دقت آن بالاتر میرود.
[8]. Luddites: یک جنبش اجتماعی از صنعتگران نساجی بریتانیا در قرن نوزدهم بود که عمدتاً به وسیلهٔ تخریب ماشین آلات بافندگی، در برابر تغییراتی که بر اثر انقلاب صنعتی ایجاد شده بود اعتراض کردند، چرا که آنها احساس کرده بودند که این تغییرات باعث از دست رفتن شغلشان میشود
[9] . Josh Dzleza
[10] . David Autor
[11] . Erik Brynjolfsson
[12] . Danielle Li
[13] . Lindsey Raymond
[14] . Shakked Noy
[15] . Whitney Zhang
/ انتهای پیام/