تصور کنید سالانه ۸.۵ میلیارد دلار از جیب خانواده‌های آمریکایی به‌دلیل جایگزینی با کدها و الگوریتم‌ها پاک شود. این دیگر یک پیش‌بینی ترسناک برای آینده نیست، بلکه واقعیت مالی ۱۱۷ هزار کارگری است که در سال جاری شغل خود را از دست دادند. این داده‌ها از سوی مرکز ایمنی هوش مصنوعی (Center for AI Safety یا CAIS) منتشر شده است. این مرکز برای تبدیل اعداد انتزاعی تعدیل نیرو به ارقام ملموس، «داشبورد کاهش دستمزد» (Wage Loss Dashboard) را راه‌اندازی کرد تا هزینه انسانی اتوماسیون را فراتر از آمارهای ساده‌ی اخراج، کمی‌سازی کند.
سال‌ها بود که بحث‌های مربوط به اشتغال و هوش مصنوعی در حد گمانه‌زنی باقی مانده بود. در حالی که مدیران عامل شرکت‌های بزرگ اغلب به افزایش بهره‌وری اشاره می‌کردند، اما اثرات پولی واقعی این تغییرات بر جوامع محلی به‌ندرت ردیابی می‌شد. این تغییر رویکرد به سمت کمی‌سازی در زمانی رخ می‌دهد که شرکت‌های بزرگ فناوری دوره‌های مستمری از تعدیل نیرو را ادامه می‌دهند و کارکنان را با این پرسش رها می‌کنند که آیا نقشهای آن‌ها در حال بهینه‌سازی است یا صرفاً در حال حذف شدن است.
زمینه و ریشه‌های ترس از هوش مصنوعی
بسیاری از اضطراب‌های فعلی در مورد در دسترس بودن شغل را می‌توان به آزمایشگاه‌های هوش مصنوعی و مدیرانی نسبت داد که شاید در تلاش باشند تا اهمیت و جایگاه خود را بیش از حد برجسته کنند. با این حال، برخی از کاهش‌های شغلی به‌طور صریح با شتاب سریع فناوری هوش مصنوعی گره خورده است.
مرکز CAIS اشاره می‌کند که اگرچه پوشش خبری گسترده‌ای درباره از دست دادن شغل‌ها وجود دارد، اما quantifying یا کمی‌سازی اینکه این برش‌ها چگونه بر وضعیت مالی یک فرد معمولی تأثیر می‌گذارد، دشوار است. هدف داشبورد کاهش دستمزد این است که این هزینه‌های پولی را برای خانواده‌ها و جوامع آمریکایی روشن کند و گفتگو را از معیارهای انتزاعی به «دلار و سنت» منتقل کند تا اثر واقعی بر سفره‌های مردم دیده شود.
جزئیات و هزینه جابجایی نیروی کار
بر اساس مستندات به‌روزرسانی‌شده‌ی این ماه که شامل داده‌های سپتامبر ۲۰۲۶ است، فشار اقتصادی این تعدیل‌ها به‌صورت یکنواخت در سراسر ایالات متحده پخش نشده است. این داشبورد شامل نقشهای از اخراج‌های رخ داده از ژانویه ۲۰۲۶ و یک منوی کشویی برای دسترسی به داده‌های ملی یا داده‌های خاص هر ایالت است.
این داشبورد میزان کاهش دستمزد را از طریق ضرب کردن تعداد شغل‌های حذف‌شده‌ی مرتبط با هوش مصنوعی در میانگین حقوق سالانه منطقه آسیب‌دیده محاسبه می‌کند. همچنین، تخمین میانگین کاهش دستمزد به ازای هر نفر را در مقایسه با هزینه‌های روزمره، مانند هزینه پر کردن یک باک بنزین، نمایش می‌دهد:
- میانگین ملی: هر نفر به‌طور متوسط سالانه ۲۵ دلار ضرر کرده است.
- کالیفرنیا: این ایالت بیشترین تمرکز اثرات را تجربه کرده است؛ با بیش از ۲۷ هزار تعدیل نیروی مرتبط با AI، میانگین کاهش دستمزد سالانه هر نفر ۵۶ دلار است.
- آلاسکا: این ایالت در نقطه مقابل قرار دارد و تنها ۱۳۸ مورد از دست دادن شغل را ثبت کرده که منجر به ضرر سالانه ۱۴ دلاری برای هر نفر شده است.
متدولوژی داده‌ها و منابع
برای رسم این نقشه، CAIS داده‌های سه منبع اصلی را ترکیب و سنتز کرده است:
۱. Challenger, Gray, and Christmas: گزارش‌های ماهانه‌ای که اعلان‌های تعدیل نیرو را به تفکیک ایالتی و کاهش‌های ملی که به هوش مصنوعی نسبت داده شده‌اند، جمع‌آوری می‌کند.
۲. اداره آمار کار (Bureau of Labor Statistics): داده‌هایی که میانگین دستمزد سالانه را برای هر ایالت فراهم می‌کند.
۳. اداره سرشماری آمریکا (US Census Bureau): تخمین‌های جمعیتی که برای محاسبه میزان ضرر به ازای هر نفر استفاده شده است.
از آنجا که شرکت‌ها به‌ندرت یک نقشه‌ی یک‌به‌یک ارائه می‌دهند که نشان دهد کدام کارمند دقیقاً توسط کدام مدل جایگزین شده است، این داشبورد از یک تخمین نسبی استفاده می‌کند. این سیستم سهم ملی تعدیل‌های ذکر شده توسط AI را بر کل تعدیل‌های اعلام شده در هر ایالت خاص اعمال می‌کند. CAIS تصریح می‌کند که این تخمین‌های ایالتی، اخراج‌های مشاهده‌شده‌ی مستقیم نیستند، بلکه تخمین‌های محاسباتی هستند.
در سال ۲۰۲۵، مؤسسه Challenger, Gray, and Christmas بیش از ۵۴ هزار مورد تعدیل نیرو را شناسایی کرد که صراحتاً با هوش مصنوعی مرتبط بودند؛ این رقم تقریباً معادل یک مورد از هر ۲۰ تعدیل نیرو در سراسر کشور است. داده‌های فعلی سال ۲۰۲۶ نشان می‌دهد که این روند در حال شتاب گرفتن است.
ردیابی کاهش‌های توجیه‌شده با AI
ابزارهای دیگری مانند Jobloss.ai که توسط «اتحاد برای هوش مصنوعی امن» (Alliance for Secure AI) اداره می‌شود، داده‌ها را بر اساس شرکت و تاریخ فهرست می‌کنند. برای حفظ یک استاندارد شفاف، Jobloss.ai تنها اخراج‌هایی را ثبت می‌کند که معیارهای خاصی داشته باشند: حداقل ۱۰۰ شغل در یک رویداد حذف شده باشند و در متن اعلان به هوش مصنوعی یا اصطلاحات جایگزین مانند «اتوماسیون» و «بهره‌وری» اشاره شده باشد.
اتحاد برای هوش مصنوعی امن خاطرنشان می‌کند که آن‌ها نیازی ندارند یک مدیر اجرایی صراحتاً بگوید «ما یک تیم را با AI جایگزین کردیم». این استاندارد متوسط برای ثبت الگوهای گسترده‌تر کاهش نیروی کار که با بهانه AI توجیه شده‌اند طراحی شده است، در حالی که اخراج‌های غیرمرتبط را حذف می‌کند.
ظهور عامل‌های توانمند (Capable Agents)
فراتر از اخراج‌ها، CAIS توانایی واقعی هوش مصنوعی در انجام کارهای حرفه‌ای را از طریق شاخص نیروی کار از راه دور (Remote Labor Index یا RLI) ردیابی می‌کند. این محک، «عامل‌ها» (Agents) را در وظایف واقعی فریلنسری مانند تولید ویدیو و توسعه وب می‌آزماید.
- راه‌اندازی اولیه: در ابتدا، بهترین عامل‌های هوش مصنوعی تنها ۲.۵٪ از پروژه‌ها را با کیفیت حرفه‌ای به پایان رساندند.
- وضعیت فعلی: هشت ماه بعد، این نرخ موفقیت به ۱۵.۸٪ افزایش یافته است.
- نرخ رشد: نرخ رشد توانمندی‌ها در حال حاضر هر ۳.۷ ماه یک‌بار دو برابر می‌شود.
در حال حاضر Claude Fable 5 در عملکرد پیشتاز این شاخص است و GPT-5.5 از شرکت OpenAI با فاصله کمی در رده دوم قرار دارد. در حالی که این مدل‌ها اکنون می‌توانند نزدیک به ۱۶٪ از وظایف از راه دور را خودکار کنند، CAIS اشاره می‌کند که توانایی فنی همیشه به معنای جایگزینی فوری نیست، زیرا پذیرش فناوری در سازمان‌ها با تأخیر نسبت به امکانات فنی پیش می‌رود. این در حالی است که برخی گزارش‌ها نشان می‌دهند تنها ۱۲٪ از مشاغل دورکاری فعلاً به مهارت‌های تخصصی هوش مصنوعی نیاز دارند و شکافی میان توانایی مدل‌ها و نیازهای بازار وجود دارد.
اثرات موجی اقتصادی
پژوهشگران استدلال می‌کنند که یک تعدیل نیرو صرفاً یک چک حقوقی را حذف نمی‌کند، بلکه یک اثر موجی ایجاد می‌کند که به خواربارفروشی‌های محلی، پرداخت‌های اجاره‌بها و کسب‌وکارهای کوچک ضربه می‌زند. اخراج یک نفر به معنای درآمد کمتر برای هر کسب‌وکاری است که آن فرد از آن حمایت می‌کرد. وقتی هزاران کارگر در صنایع مختلف درآمد خود را از دست می‌دهند، وزن اقتصادی محلی به یک مسئله سیستمیک تبدیل می‌شود.
CAIS به‌طور خاص اشاره می‌کند که ایالت‌هایی با بخش‌های بزرگ رسانه‌ای و فناوری، تأثیر بیشتری را تجربه می‌کنند. با این حال، این داشبورد محدودیت‌های واضحی دارد و موارد زیر را محاسبه نمی‌کند:
- شغل‌های جدید ایجاد شده توسط هوش مصنوعی
- افزایش کلی بهره‌وری
- نرخ‌های استخدام مجدد
- اثرات اقتصادی ثانویه
در حال حاضر هیچ اجماع جهانی در این مورد وجود ندارد که آیا هوش مصنوعی می‌تواند اقتصاد را به اندازه‌ای تحریک کند که از این جابجایی‌ها و تخریب‌های شغلی پیشی بگیرد یا خیر.
پاسخ‌های نظارتی و قانونی
برخی مناطق در حال حاضر تلاش می‌کنند تا حفاظ‌هایی ایجاد کنند. در کالیفرنیا، قوانین جدیدی با هدف جلوگیری از استفاده شرکت‌ها از سیستم‌های کاملاً خودکار AI برای تصمیم‌گیری درباره اخراج یا اقدامات انضباطی تصویب شده است. این قانون تضمین می‌کند که برای حیاتی‌ترین نتایج استخدامی، حتماً یک «انسان در چرخه» (Human in the loop) وجود داشته باشد.
این داده‌ها نشان می‌دهد که «گذار به هوش مصنوعی» دیگر یک پیش‌بینی آینده نیست، بلکه یک واقعیت مالی فعلی برای بیش از صد هزار خانواده است. تمرکز اکنون از این سؤال که «آیا AI می‌تواند کار را انجام دهد» به این سؤال تغییر یافته است که «جامعه چگونه شکاف دستمزدهای حاصل از آن را مدیریت می‌کند».
گام بعدی شما
- اگر در حوزه‌های تولید محتوا یا توسعه وب فعال هستید، خروجی‌های Claude Fable 5 را بررسی کنید تا نقاط ضعف فعلی عامل‌های هوشمند را بشناسید.
- برای مدیران کسب‌وکار: استراترژی «انسان در چرخه» را برای تصمیمات مدیریتی پیاده کنید تا از ریسک‌های قانونی مشابه کالیفرنیا دور بمانید.
- روند رشد RLI را دنبال کنید؛ وقتی نرخ موفقیت عامل‌ها از ۲۰٪ عبور کند، فشار بر بازار فریلنسری به‌شدت افزایش می‌یابد.
اما داستان سخت‌افزاری این تحول و هزینه‌های استنتاج مدل‌های عظیم حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو