پروژه Raise Us: جذب ۱ میلیارد دلار برای بازآموزی نیروی کار

تصور کنید در دنیایی زندگی می‌کنید که پیشرفته‌ترین سامانه‌های هوش مصنوعی جهان را دارید، اما میلیون‌ها شهروند شما به دلیل نبود مهارت‌های جدید، بیکار شده‌اند. این کابوس دقیقاً همان چیزی است که جینا رایموندو، مدیرعامل سازمان جدید Raise Us، آن را «زوال خودکار» می‌نامد و هشدار می‌دهد که بدون یک برنامه انسانی، پیشتازی تکنولوژیک به پیروزی تبدیل نخواهد شد.

به نقل از اعلامیه رسمی این سازمان، Raise Us در ۲۷ ژوئن ۲۰۲۶ به عنوان یک نهاد غیرانتفاعی و فراحزب تأسیس شد تا «استراتژی انسانی» آمریکا را در برابر رقابت جهانی AI بازسازی کند. این سازمان توسط جینا رایموندو، وزیر سابق بازرگانی آمریکا و اریک هولکامب، فرماندار سابق ایندیانا بنیان‌گذاری شده است و هدف آن آماده‌سازی نیروی کار آمریکایی برای اقتصادی است که توسط هوش مصنوعی هدایت می‌شود. رایموندو در مراسم رونمایی تأکید کرد: «آمریکا یک استراتژی فناوری برای پیشتازی در رقابت جهانی AI دارد، اما هنوز یک استراتژی انسانی ندارد و ما نمی‌توانیم بدون آن پیش‌رو باشیم».

این حرکت در حالی رخ می‌دهد که غول‌های فناوری از جمله گوگل، آمازون، مایکروسافت و متا قصد دارند تنها در سال جاری ۷۲۵ میلیارد دلار روی هوش مصنوعی سرمایه‌گذاری کنند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی تأثیر مدل‌های زبانی بر بازار کار اشاره کردیم، شکاف میان سرعت رشد فناوری و سرعت یادگیری انسان در حال عمیق‌تر شدن است. در واقع، در حالی که میلیاردها دلار صرف زیرساخت‌ها و مدل‌ها می‌شود، پاسخ مشخصی برای بقای کارکنان در برابر تغییرات ساختاری وجود ندارد و Raise Us تلاش می‌کند این خلاء را پر کند. این سرمایه‌گذاری‌های کلان در زیرساخت‌ها با رویکردهایی نظیر تلاش شرکت Smartbird برای ایجاد مراکز داده اختصاصی هم‌سو است تا قدرت پردازشی لازم برای این تحولات تأمین شود.

آنچه این ابتکار را متمایز می‌کند، منبع تأمین مالی آن است. برای نخستین بار، رقبای مستقیم در حوزه هوش مصنوعی زاینده (Generative AI) — که شبیه به یک آشپزخانه صنعتی است که دستور پختهای پیچیده را در مقیاس عظیم اجرا می‌کند — از جمله آمازون، آنتروپیک (Anthropic)، مایکروسافت و بنیاد OpenAI، برای یک برنامه انتقال نیروی کار با یکدیگر متحد شده‌اند. بانک آمریکا (Bank of America) نیز به عنوان حامی اصلی، بودجه برنامه‌های کارآموزی در بخش تولیدات پیشرفته را بر عهده گرفته است. این همکاری استراتژیک میان غول‌های فناوری در حالی شکل می‌گیرد که سرمایه‌گذاری در مدل‌های پیشرفته‌تر ادامه دارد؛ برای مثال سرمایه‌گذاری مشترک آمازون، انویدیا و AMD در استارتاپ Odyssey برای شبیه‌سازی فیزیک، نشان‌دهنده وسعت دامنه توسعه مدل‌های جهانی است.

علاوه بر این‌ها، طیف گسترده‌ای از شرکت‌های بزرگ از جمله ADP، AMD، Autodesk، Blackstone، Cisco، Cognizant، Deloitte، Eli Lilly، General Motors، IBM، Mastercard، ServiceNow، UPS و Workday از این طرح حمایت می‌کنند. همچنین حمایت‌های بشردوستانه از سوی بنیادهای معتبری چون بنیاد راکفلر، Arnold Ventures، بنیاد Pritzker Traubert و بنیاد استیون اِی شوارتزمن به این سازمان رسیده است.

طبق گزارش نیورک تایمز، هدف کلی این سازمان جمع‌آوری یک میلیارد دلار است که از این مقدار، ۵۰۰ میلیون دلار در قالب تعهدات چندساله در حال حاضر تثبیت شده است. استراتژی Raise Us بر چهار رکن اصلی استوار است:

• شراکت‌های ایالتی: همسو کردن برنامه‌های آموزشی و نیروی کار در سطح ایالتی با تقاضای کارفرمایان از طریق گواهینامه‌های کوتاه‌مدت و دوره‌های کارآموزی. در این مدل، بودجه به طور فزاینده‌ای به این بستگی دارد که شرکت‌کنندگان واقعاً شغل پیدا کنند، نه صرفاً بر اساس تعداد ثبت‌نام‌ها.
• ائتلاف کارفرمایان: گرد هم آوردن شرکت‌ها برای توسعه برنامه‌های آزمایشی بازآموزی و حفظ کارکنان. برد اسمیت، نایب رئیس مایکروسافت، اشاره کرد که این شرکت پیش از این کارکنان حقوقی سطح پایین خود را برای تغییر نقش‌های داخلی، با مهارت‌های AI بازآموزی کرده است و افزود: «می‌توانید تصور کنید که این کار با تقریباً هر شغلی که داریم، قابل انجام است». در همین راستا، تلاش برای اتوماسیون خدمات IT نیز توسط استارتاپ جدید ویشال سیکا با هدف بهینه‌سازی عملیات فناوری در جریان است تا نیازهای جدید بازار کار تعریف شوند.
• آموزش و یادگیری: گسترش مدل‌های آموزشی مبتنی بر AI. این مدل‌ها تجربه عملی را با اعطای گواهینامه ترکیب می‌کنند تا جایگزین‌های ارزان‌تری برای کالج‌های سنتی ارائه دهند.
• آزمایشگاه سیاست‌گذاری: طراحی و آزمایش رویکردهای جدید مدیریتی و سیاستی. نکته مهم این است که این رکن به طور صریح توسط پول شرکت‌های تجاری تأمین نمی‌شود تا بی‌طرفی و عینیت تحلیل‌ها حفظ گردد.

در حال حاضر برنامه‌های آزمایشی در چهار ایالت با حمایت هر دو حزب جمهوری‌خواه و دموکرات آغاز شده است. این ایالت‌ها شامل آرکانزاس (تحت نظارت فرماندار جمهوری‌خواه سارا هاکبی سندرز)، یوتا (سپنسر کاکس، جمهوری‌خواه)، کنتیکت (ند لامونت، دموکرات) و مریلند (وس مور، دموکرات) هستند.

در آرکانزاس، پلتفرم Arkansas LAUNCH از هوش مصنوعی برای اتصال دانشجویان و جویندگان کار به مسیرهای یادگیری شخصی‌سازی شده و مسیرهای شغلی مرتبط با کارفرمایان استفاده می‌کند. در مریلند نیز برنامه «سال خدمتی» (Service Year) برای فارغ‌التحصیلان دبیرستان در بخش‌هایی که با کمبود نیروی کار مواجه هستند، مانند بهداشت و درمان، گسترش می‌یابد. همچنین مریلند یک صندوق رقابتی برای مدل‌های نوآورانه انتقال شغلی و یک برنامه شتاب‌دهنده برای کمک به کارکنان displaced (جابجا شده/از دست داده شغلی) جهت راه‌اندازی کسب‌وکار خود تأسیس خواهد کرد.

سایر ایالت‌ها نیز در حال بررسی مفهوم «بیمه دستمزد» (Wage Insurance) هستند؛ سازوکاری که به کارکنان کمک می‌کند تا در صورتی که مجبور شوند در دوران انتقال شغلی، نقشی با دستمزد پایین‌تر بپذیرند، به طور کامل از بازار کار خارج نشوند.

با این حال، مسیر دشواری در پیش است. رایموندو اعتراف کرد که تلاش‌های قبلی برای بازآموزی در آمریکا «ناکارآمد» بوده‌اند و سوابق این اقدامات در ایالات متحده ضد و نقیض است. علاوه بر این، کنگره بودجه قوانین توسعه نیروی کار مصوب سال ۱۹۷۳ را به‌طور مداوم کاهش داده است و تلاش‌های برنامه‌ریزی شده برای بازنگری در این قوانین شکست خورده است.

این ابتکار یک تناقض بنیادین را آشکار می‌کند: شرکت‌هایی که بیشترین سود را از تخریب مشاغل توسط AI می‌برند، اکنون هزینه تعمیر این تخریب را پرداخت می‌کنند. با این حال، یک میلیارد دلار در برابر حجم سرمایه‌گذاری در مدل‌هایی که باعث بیکاری می‌شوند (که تنها در یک سال ۷۲۵ میلیارد دلار است)، رقمی ناچیز است. همچنین، تحقیقات درباره افزایش کلی بهره‌وری همچنان غیرقطعی است و هنوز شواهد روشنی وجود ندارد که ثابت کند AI در حال حاضر باعث از دست رفتن مشاغل در مقیاس وسیع شده است.

پرسش مرکزی این است که آیا این برنامه‌های آزمایشی قابلیت گسترش دارند یا خیر. شما باید نتایج برنامه‌های آرکانزاس و مریلند را دنبال کنید تا ببینید آیا مسیریابی شغلی با AI واقعاً به استخدامی پایدار و با دستمزد مناسب منجر می‌شود یا خیر.

گام بعدی شما

• نتایج برنامه‌های آزمایشی آرکانزاس و مریلند را دنبال کنید تا ببینید آیا مسیریابی شغلی با AI واقعاً به استخدامی پایدار منجر می‌شود یا خیر.
• اگر مدیر سازمان هستید، مدل بازآموزی داخلی مایکروسافت برای کارکنان حقوقی را به عنوان الگویی برای جابجایی نقش‌ها بررسی کنید.
• در مورد «بیمه دستمزد» (Wage Insurance) مطالعه کنید تا متوجه شوید چگونه می‌توان افت درآمد در دوران انتقال شغلی را مدیریت کرد.

اما داستان سخت‌افزاری این تحولات حتی شگفت‌انگیزتر است؛ برای درک اینکه این مدل‌ها روی چه زیرساختی اجرا می‌شوند، به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.