پرش به محتوای اصلی
OpenAI

۵ مرداد ۱۴۰۵

شرکت

هوش مصنوعی چگونه دامنه کارهای افراد را گسترش می‌دهد

مجموعه جدید «کار در مرز پیشرو» از واحد پژوهش اقتصادی OpenAI نشان می‌دهد کارکنان چگونه از مرزهای سنتی نقش خود فراتر می‌روند و وارد حوزه‌های کاری دیگر می‌شوند.

در حال بارگذاری…

هوش مصنوعی ماهیت کارهایی را که مردم انجام می‌دهند تغییر می‌دهد. در تحلیلی بر بیش از ۸۰۰ هزار پیام از کاربران آمریکایی ChatGPT، پژوهش جدید ما نشان می‌دهد که ۱۶٫۸٪ از پیام‌های کاری و ۴۳٫۵٪ از پیام‌های تخصصی به وظایف مرتبط با شغلی دیگر می‌پردازند.

صاحب یک کسب‌وکار کوچک می‌تواند مستقلاً متن تبلیغاتی بنویسد، قراردادی را بررسی کند یا تحلیل مالی مقدماتی انجام دهد. کارشناس فروش می‌تواند با کمک هوش مصنوعی مجموعه‌داده‌ای از مشتریان را بررسی کند که پیش‌تر احتمالاً به تحلیلگر سپرده می‌شد. بازاریاب می‌تواند بدون انتظار برای توسعه‌دهنده، مشکل یک وب‌سایت را عیب‌یابی کند. در هر یک از این موارد، هوش مصنوعی نه‌فقط شیوه انجام کار، بلکه تقسیم وظایف میان افراد را نیز تغییر می‌دهد.

گزارش جدید ما با عنوان کار در مرز پیشرو: هوش مصنوعی چگونه دامنه کارهای افراد را گسترش می‌دهد، این تحول را بررسی می‌کند. ما الگوی حاصل را هم‌پوشانی وظایف می‌نامیم: کاری که در گذشته به یک شغل خاص مربوط بود، اکنون در کاربرد هوش مصنوعی افراد شاغل در حوزه‌ای دیگر دیده می‌شود. در چارچوب گذار مشاغل در عصر هوش مصنوعی(در یک پنجره جدید باز می‌شود) استدلال می‌کنیم که بسیاری از مشاغل احتمالاً بازسازمان‌دهی خواهند شد؛ یعنی وظایف روزمره آن‌ها ممکن است به‌شکل چشمگیری تغییر کند. این گزارش نخستین شماره از مجموعه جدید کار در مرز پیشرو است که تغییر کار بر اثر هوش مصنوعی را به‌صورت هم‌زمان بررسی می‌کند. 

با بهره‌گیری از دیدگاه منحصربه‌فردمان درباره تحول دنیای کار، به‌طور منظم بینش‌های داده‌محور و مبتنی بر شواهد ارائه می‌کنیم تا راهنمای سیاست‌گذاری و عمل باشند.

نزدیک به نیمی از کاربرد تخصصی هوش مصنوعی از مرزهای شغلی عبور می‌کند

بسیاری از مطالعات درباره هوش مصنوعی و کار، با فهرستی ثابت از وظایف یک شغل آغاز می‌شوند و می‌پرسند آیا مدل‌ها قادر به انجام آن‌ها هستند یا نه. شواهد ما نشان می‌دهد هوش مصنوعی در حال تغییر این موضوع نیز هست که چه کسی کدام وظیفه را بر عهده می‌گیرد.

نموداری با عنوان «نزدیک به نیمی از کاربردهای غیرعمومی ChatGPT خارج از حوزه شغلی کاربر است» که نشان می‌دهد ۶۱٫۵٪ از کاربردها مشترک یا عمومی و ۳۸٫۵٪ غیرعمومی‌اند؛ از میان کاربردهای غیرعمومی، ۵۶٫۵٪ در حوزه شغلی کاربر یا نزدیک به آن و ۴۳٫۵٪ خارج از آن است.

برای سنجش هم‌پوشانی وظایف، ابتدا کارهای مرتبط با یک شغل خاص را از کارهایی جدا می‌کنیم که در بسیاری از مشاغل دیده می‌شوند. برخی فعالیت‌ها مانند نوشتن، خلاصه‌سازی و زمان‌بندی چنان میان مشاغل مختلف مشترک‌اند که نمی‌توان آن‌ها را نشانه هم‌پوشانی دانست. ما این فعالیت‌ها را عمومی طبقه‌بندی می‌کنیم. درباره پیام‌های باقی‌مانده بررسی می‌کنیم که آیا وظیفه در حوزه شغلی خود کاربر قرار دارد یا خارج از آن. در میان پیام‌های غیرعمومی، ۴۳٫۵٪ خارج از حوزه شغلی کاربر قرار می‌گیرند. این یافته تصویری اولیه از نحوه تغییر محتوای وظایف شغلی به‌دست هوش مصنوعی ارائه می‌دهد؛ پیش از آنکه این تغییرات در شرح یا عنوان مشاغل منعکس شوند.

این یافته نشان می‌دهد بخش قابل‌توجهی از استفاده کاری از ChatGPT به کاربرانی مربوط است که دامنه نقش خود را گسترش می‌دهند. این الگو در چند گروه به‌ویژه برجسته است. با کنار گذاشتن کارهای عمومی، سهم وظایف خارج از حوزه شغلی چنین است: 

  • ۷۷٪ از پیام‌های تخصصی کارکنان تجربه مشتری
  • ۷۵٪ از پیام‌های طراحان
  • ۶۹٪ از پیام‌های کارکنان منابع انسانی
  • ۵۶٪ از پیام‌های کارکنان حوزه حقوقی 
  • ۵۳٪ از پیام‌های بازاریابان

این مشاغل چنین وظایفی را از نقش‌های دیگر «قرض می‌گیرند». شواهد از تغییر در تقسیم کار حکایت دارند: برخی فعالیت‌هایی که زمانی باید به فرد دیگری واگذار می‌شدند، اکنون به‌دست همان کسی انجام می‌شوند که نخست با نیاز روبه‌رو شده است.

برخی وظایف بیش از بقیه جابه‌جا می‌شوند

نقشه حرارتی زیر با مشخص کردن اینکه هر پیام غیرعمومی بیش از همه به کار کدام شغل شباهت دارد، هم‌پوشانی وظایف را نشان می‌دهد. وظایف بازاریابی و مهندسی بیشترین جابه‌جایی را دارند و اغلب در پیام‌های کارکنان خارج از این حوزه‌ها دیده می‌شوند.

Marketing and engineering tasks travel across many occupations

Marketing and engineering tasks travel across many occupations
Traditional task source
Worker occupation
Customer experience
Design
Engineering
Finance
Human resources
Legal
Marketing
Sales
Share of tasks within occupation

وقتی از سطح مشاغل به وظایف مشخص می‌رسیم، می‌بینیم که هم‌پوشانی وظایف به‌طور یکنواخت توزیع نشده است. محاسبات مالی و عیب‌یابی فناوری، هر یک در هر هفت گروه شغلی دیگر این تحلیل، جزو سه وظیفه خارج از حوزه شغلیِ پرتکرار هستند. کارهای بازاریابی نیز دامنه گسترده‌ای دارند: تولید محتوای بازاریابی در پنج گروه دیگر دیده می‌شود و به‌ویژه میان کاربران حوزه طراحی برجسته است.

بررسی مجموعه‌های گسترده‌تر وظایف، دو جهت متفاوت هم‌پوشانی را آشکار می‌کند. برخی مشاغل وظایف بسیاری را از حوزه‌های دیگر به کار خود وارد می‌کنند. برخی دیگر منشأ وظایفی هستند که در مشاغل گوناگون دیده می‌شوند.

طراحی نمونه‌ای از الگوی نخست است. حدود ۳۵٫۲٪ از پیام‌های طراحان به کارهایی مربوط است که معمولاً با شغلی دیگر پیوند دارند؛ درحالی‌که وظایف طراحی فقط ۱٫۷٪ از پیام‌های کارکنان حوزه‌های دیگر را تشکیل می‌دهند. طراحان به‌شدت از وظایف حوزه‌های دیگر بهره می‌گیرند، اما خودِ کار طراحی به‌ندرت در حوزه‌های دیگر دیده می‌شود.

مهندسی تقریباً الگویی معکوس دارد. فقط ۱۸٫۵٪ از پیام‌های مهندسی شامل وظایفی از حوزه‌های دیگر است، اما وظایف مهندسی ۷٫۴٪ از پیام‌های کارکنان سایر مشاغل را تشکیل می‌دهند. مهندسی منبع مهمی از کارهایی است که افراد در حوزه‌های دیگر بر عهده می‌گیرند؛ از عیب‌یابی نرم‌افزار تا کار با سامانه‌های فنی.

بازاریابی در هر دو جهت برجسته است. بازاریابان ۲۴٫۳٪ از پیام‌های خود را به وظایف مرتبط با مشاغل دیگر اختصاص می‌دهند؛ در مقابل، وظایف بازاریابی ۸٫۹٪ از پیام‌های کارکنان حوزه‌های دیگر را تشکیل می‌دهند که بالاترین سهم خروجی در نمونه است. کارکنان بازاریابی وظایفی از حوزه‌های مختلف را ترکیب می‌کنند و کار بازاریابی نیز به‌شکل گسترده‌ای در سراسر سازمان جریان می‌یابد.

هم‌پوشانی بیشتر وظایف در کسب‌وکارهای کوچک

اندازه و ساختار کسب‌وکار بر نحوه تغییر کار به‌دست هوش مصنوعی اثر می‌گذارد. در یک شرکت بزرگ، کارکنان ممکن است به تیم‌های تخصصی، گردش‌کارهای تثبیت‌شده و خدمات داخلی دسترسی داشته باشند. در سازمانی کوچک‌تر، فردی که به مسئله نزدیک‌تر است معمولاً به‌جای واگذاری، خودش حل آن را بر عهده می‌گیرد.

در میان کاربران عادی، سهم وظایف خارج از حوزه شغلی از ۱۸٫۹٪ برای کاربران فضاهای کاری ۲ تا ۵ نفره، به ۱۶٫۳٪ برای کاربران فضاهای کاری بیش از ۱۰۰ نفره کاهش می‌یابد. در میان کاربران بسیار پرمصرف، چنین روند یکنواختی مشاهده نمی‌کنیم.

یک توضیح احتمالی این است که کاربران با مصرف متوسط در سازمان‌های کوچک‌تر، هنگام مواجهه با کاری که در حالت عادی به واحد دیگری نیاز دارد، به هوش مصنوعی روی می‌آورند. در مقابل، کاربران پرمصرف ممکن است گردش‌کارهای باثباتی با پشتیبانی هوش مصنوعی ایجاد کرده باشند که در سازمان‌های مختلف شباهت بیشتری دارند، یا شاید در حوزه اصلی شغل خود با شدت بیشتری از هوش مصنوعی استفاده کنند.

هرجا منابع تخصصی کمیاب‌اند، هوش مصنوعی می‌تواند به‌عنوان ابزاری چندمنظوره به‌ویژه مفید باشد.

خودِ فهرست وظایف در حال تغییر است

داده‌های استفاده از هوش مصنوعی از این دست، نشان می‌دهند که کار در چه مسیری در حال تغییر است. این داده‌ها به ما امکان می‌دهند ببینیم هوش مصنوعی چگونه به کارکنان اجازه می‌دهد پیش از بازنویسی شرح مشاغل یا ایجاد عنوان‌های شغلی جدید، ترکیب‌های تازه‌ای از فعالیت‌ها را بیازمایند. از این منظر، الگوهای استفاده می‌توانند نشانه‌ای زودهنگام از تغییرات شغلی ارائه دهند؛ تغییراتی که آمارهای متعارف بازار کار تنها بعداً ثبت خواهند کرد.