تصور کنید در شغلی هستید که سال‌ها با قوانین ثابت پیش می‌رفت، اما ناگهان ابزاری می‌رسد که تمام کارهای تکراری شما را در چند ثانیه انجام می‌دهد. این دیگر یک پیش‌بینی نیست؛ طبق گزارش مجمع جهانی اقتصاد (World Economic Forum)، تا سال ۲۰۲۷ حدود ۸۳ میلیون نقش شغلی ممکن است حذف شوند.
این عدد در ابتدا فاجعه‌بار به نظر می‌رسد، اما همان گزارش اشاره می‌کند که ۶۹ میلیون موقعیت شغلی جدید ایجاد خواهد شد. این یعنی ما با یک فروپاشی کامل نیروی کار روبرو نیستیم، بلکه یک چرخش ساختاری عظیم در راه است. این دیدگاه با تحلیل‌های سام آلتمن که معتقد است هوش مصنوعی در مجموع باعث ایجاد فرصت‌های شغلی جدید می‌شود همسو است. این انتقال درست در زمانی رخ می‌دهد که هوش مصنوعی از یک ابزار نوظهور و جذاب به یک ابزار عملیاتی محوری تبدیل شده است. همان‌طور که در پوشش پیشین ما از دیدگاه گرگ بروکمن درباره دنیایی بدون رابط کاربری دیدیم، تمرکز اکنون از «چگونه با هوش مصنوعی ارتباط برقرار کنیم» به «هوش مصنوعی چه کسی را جایگزین می‌کند» تغییر کرده است. هوش مصنوعی را نه به عنوان جایگزینی برای انسان، بلکه به عنوان ابزاری برای حذف بخش‌های کسل‌کننده شغل ببینید.
ماهیت جایگزینی در بازار کار
به گزارش مجمع جهانی اقتصاد، هوش مصنوعی صرفاً کارها را حذف نمی‌کند، بلکه نقشه معنای نیروی کار انسانی را بازترسیم می‌کند. طبق این تحلیل، مشاغلی که بیشترین ریسک را دارند، ویژگی مشترکی دارند: تکیه بر وظایف تکراری و قانون‌محور با ورودی‌های قابل‌پیش‌بینی. این موارد شامل پشتیبانی‌های روتین مشتریان و بررسی‌های اولیه اسنادی است که همین حالا توسط سیستم‌های هوش مصنوعی جذب شده‌اند.
در حوزه جرم‌شناسی دیجیتال، آندره دیاس موریا پرول (André Dias Moreira Prol) الگوی مشخصی از اتوماسیون را مشاهده کرده است. طبق گزارش او در ۲۳ ژوئیه ۲۰۲۶ در وب‌سایت dev.to، کارهایی مثل تجزیه اولیه گزارش‌ها و دسته‌بندی شواهد بر اساس کلمات کلیدی که زمانی روزها زمان می‌برد، اکنون توسط شبکه‌های عصبی (Neural Network) — شبیه نقشه مترویی که سیگنال را از ورودی به جواب می‌رساند — در چند دقیقه انجام می‌شود. او تاکید می‌کند که ریسک برای نقش‌هایی که بر ورودی‌های قابل‌پیش‌بینی تکیه دارند، بسیار بالا است؛ به عنوان مثال، متصدیان ورود داده و حسابداران ساده که کارهای روتین انجام می‌دهند، در معرض خطر بیشتری قرار دارند.
بازار کار نوظهور و نیازهای جدید
در مقابل، نقش‌های باارزش جدیدی ظهور می‌کنند که سرعت رشدشان بیشتر از برنامه‌های درسی دانشگاه‌هاست. پرول اشاره می‌کند که او مجبور شده برای نقش‌هایی استخدام کند که هیچ عنوان رسمی نداشتند و با تکامل تکنولوژی، مجبور شده توصیفات شغلی این جایگاه‌ها را شخصاً ابداع کند. این شغل‌ها بر پایه قضاوت، خلاقیت و استدلال اخلاقی بنا شده‌اند. در همین راستا، پیش‌بینی می‌شود که برنامه‌نویسان مسلط به هوش مصنوعی تا سال ۲۰۲۶ جایگزین کدنویسان صرف شوند زیرا مهارت‌های ترکیبی بر دانش فنی صرف غلبه می‌کنند:
- متخصصان ارکستراسیون هوش مصنوعی: طراحی جریان‌های کاری پیچیده که چندین مدل، API و نقاط بررسی انسانی را به هم متصل می‌کند.
- مهندسین پرامپت و زمینه: تبدیل مشکلات تجاری به دستورالعمل‌هایی که هوش مصنوعی زاینده (Generative AI) — مثل کتابخانه‌داری که میلیاردها صفحه خوانده و حالا با همان لحن جواب می‌دهد — بتواند به‌طور قابل‌اعتمادی اجرا کند.
- حسابران و افسران اخلاق هوش مصنوعی: نقشی که در بخش‌های مالی و بهداشت به دلیل نیاز شدید رگولاتورها به «توضیح‌پذیری» در حال انفجار است.
- معماران توکن‌سازی: فعالیت در نقطه تلاقی بلاک‌چین و هوش مصنوعی برای ساخت سیستم‌هایی که قراردادهای هوشمند در شبکه‌های Stellar و Soroban با عامل‌های (Agents) خودگردان برای نظارت بر رعایت قوانین و تشخیص کلاهبرداری در لحظه روی شبکه (On-chain) تعامل می‌کنند.
داده‌های لینکدین نشان می‌دهد ۲۵٪ از مهارت‌های مورد نیاز برای شغل‌ها از سال ۲۰۱۵ تغییر کرده و پیش‌بینی می‌شود این سرعت تا سال ۲۰۳۰ دو برابر شود. این یعنی تسلط فنی بر یک ابزار واحد، کمتر از توانایی تطبیق سریع ارزش دارد. با این حال، این فشار برای تطبیق سریع می‌تواند چالش‌های روانی ایجاد کند؛ چنان‌که پژوهشی میان ۶۰۰۰ متخصص نشان داد ترس از فشار کاری بیشتر، جایگزین ترس از بیکاری شده است.
برای یک متخصص، لبه رقابتی دیگر در دست فنی‌ترین فرد نیست، بلکه در دست سازگارترین فرد است. هوش مصنوعی دانش موجود را تقویت می‌کند، نه اینکه آن را خلق کند. متخصص کلی که فقط به ابزار تکیه می‌کند، هرگز نمی‌تواند با کسی رقابت کند که می‌تواند الگوی یک کلاهبرداری را در حالی که هوش مصنوعی آن را علامت‌گذاری کرده، تفسیر کند. به گفته پرول، یک بازاریاب که از هوش مصنوعی برای تولید پنجاه مدل مختلف از یک کمپین در یک ساعت استفاده می‌کند، از ده بازاریابی که از این ابزار استفاده نمی‌کنند، برتر خواهد بود.
در نهایت، اعتمادسازی، مذاکره و استدلال اخلاقی آخرین سنگرهای نیروی کار انسانی هستند. این ویژگی‌های «جایگزین‌ناپذیر»، تفاوت یک مامور پشتیبانی که می‌تواند یک بحران را آرام کند با یک چت‌بات که صرفاً یک دستورالعمل را دنبال می‌کند، مشخص می‌کند. پرول در طول دوران حرفه‌ای خود، هنگام ساخت تیم‌های منعطف، اولویت را به این مهارت‌ها داده است چون توانایی رهبری در زمان تغییر، ماندگار است.
برنده این اقتصاد کسانی هستند که هوش مصنوعی را دعوتی برای رشد می‌بینند. هدف باید تغییر از «رقابت با هوش مصنوعی» به «فرماندهی بر آن» باشد.
گام بعدی شما
- لیست کارهای روزانه خود را بررسی کنید و هر الگوی «قانون‌محور» یا تکراری را شناسایی کنید.
- برای هر یک از این وظایف، ابزارهای هوش مصنوعی را برای اتوماسیون تست کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.
گفتگو