اگر فکر می‌کنید داشتن یک مدرک دانشگاهی هنوز بلیط تضمینی شما برای اولین شغل است، باید با واقعیت جدیدی روبرو شوید. طبق گزارش دانشگاه استنفورد که در ۲۵ اوت ۲۰۲۶ منتشر شد، بازار کار به‌آرامی در حال بستن درها به روی نسل جدید متخصصان است. این روند را می‌توان در بررسی شکاف مهارت‌های دیجیتال و بی‌اثر شدن مدارک تحصیلی که پیش‌تر تحلیل کردیم، به وضوح مشاهده کرد.
این اتفاق به این دلیل رخ می‌دهد که هوش مصنوعی در مدیریت «دانش کدگذاری‌شده» (Codified Knowledge) تخصص دارد؛ یعنی همان اطلاعات رسمی و مستندی که در کتاب‌های درسی و دستورالعمل‌های مکتوب یافت می‌شود. این دانش شبیه به یک دفترچه راهنمای جامع است که هر کسی با خواندن آن می‌تواند مراحل کار را اجرا کند. در مقابل، کارکنان باسابقه بر «دانش ضمنی» (Tacit Knowledge) تکیه می‌کنند؛ دانشی که شبیه به مهارت یک سرآشپز است که بدون نگاه کردن به دستور پخت، فقط با حس کردن مواد می‌فهمد چه زمانی غذا آماده است و این مهارت تنها از طریق سال‌ها تجربه و منتورینگ به دست می‌آید.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن و جایگزینی مهارت‌ها اشاره کردیم، مرز بین تخصص انسانی و توانایی ماشین در حال جابه‌جایی است. اریک برینجولفسون، پژوهشگر ارشد این مطالعه، با بررسی پایگاه داده شغلی O*NET متوجه شکاف عمیقی در رشد اشتغال شده است:
- مشاغل کدگذاری‌شده: هرچه تکیه بر آموزش‌های رسمی بیشتر باشد، رشد استخدام در سطوح مقدماتی کندتر شده است.
- مشاغل مبتنی بر تجربه: رشد شغلی برای کارکنان میان‌رده و ارشدی که به تجربه عملی نیاز دارند، شتاب گرفته است.
- حفاظت تحصیلی: در مشاغلی که درصد فارغ‌التحصیلان دانشگاهی بالا است، اثرات حذف مشاغل توسط هوش مصنوعی نسبت به نقش‌های کم‌تحصیل‌تر، تعدیل‌شده‌تر است.
به نقل از این پژوهش، برای شما به این معناست که اگر ارزش اصلی شما در بازار کار «توانایی دنبال کردن دستورالعمل‌ها» است، مستقیماً با یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — رقابت می‌کنید. اکنون مزیت رقابتی به کسانی منتقل شده است که می‌توانند شکاف بین تئوری‌های کتابخانه‌ای و کاربردهای پیچیده و نامنظم دنیای واقعی را پر کنند.
برینجولفسون هشدار می‌دهد که اگرچه سطح کلی اشتغال ممکن است پایدار به نظر برسد، اما «رمپ ورود» به مسیرهای شغلی در حال تبدیل شدن به یک گودال است. ما وارد دورانی شده‌ایم که مشاغل دوران پیش از هوش مصنوعی همچنان وجود دارند، اما خط شروع برای تازه‌واردان در حال پاک شدن است. این پدیده می‌تواند منجر به تراژدی مشترکات شناختی در سازمان‌ها شود، جایی که حذف مسیرهای رشد سنتی، تخصص‌های کلیدی سازمانی را به خطر می‌اندازد.
گام بعدی شما
- روی کسب «تجربه ضمنی» از طریق پروژه‌های عملی و کارآموزی متمرکز شوید تا از تله‌ی دانش کدگذاری‌شده خارج شوید.
- مهارت‌های حل مسئله در محیط‌های غیرساختاریافته را جایگزین یادگیری صرفِ دستورالعمل‌ها کنید.
- آمارهای مربوط به نرخ استخدام فارغ‌التحصیلان در سه ماهه چهارم ۲۰۲۶ را دنبال کنید تا سرعت این روند را بسنجید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو