*استفن کازلین، استاد سابق روان‌شناسی در هاروارد و مدیرعامل دانشگاه آنلاین فاندری کالج

دورنمای کار برای تعداد زیادی از مردم جهان تیره و تار است. یک تحقیق جدید موسسه فورستر پیش‌بینی می‌کند که ۱۰ درصد مشاغل آمریکا همین امسال ماشینی می‌شوند. گزارش دیگری از موسسه مک‌کینزی تخمین زده که نزدیک به نیمی از شغل‌های آمریکا طی دهه آینده بازی را به اتوماسیون خواهند باخت.

مشاغلی که موج اتوماسیون آنها را درمی‌نوردد آنهایی هستند که نیاز به فعالیت‌های تکراری و روتین دارند و این طیف گسترده‌ای از کارها را شامل می‌شود. از خواندن عکس‌های اشعه ایکس بیماران (رادیولوژیست‌ها به زودی نقش‌‌های به شدت محدودتری خواهند داشت) تا رانندگی کامیون یا پرکردن انبارها. مقالات زیادی درباره مشاغلی که در معرض انقراض قرار گرفته‌اند منتشر شده اما شاید بهتر این باشد که بررسی کنیم در مشاغل باقی‌مانده کدام بخش‌ها ماشینی خواهند شد و کدام بخش‌ها همچنان توسط انسان‌ها انجام خواهند گرفت. 

مثلا می‌توانیم شغل پزشکی را بررسی کنیم. کاملا مشخص است که روند تشخیص بیماری خیلی زود توسط ماشین‌ها انجام خواهد شد. (در اصل ماشین‌ها این کار را بهتر از انسان انجام می‌دهند.) یادگیری ماشینی اصولا وقتی دیتای فراوانی برای یادگیری و امتحان وجود دارد بهتر جواب می‌دهد و این در مورد طیف گسترده بیماران و بیماری‌ها صدق می‌کند. فرض کنید یک پزشک به تنهایی بخواهد با توجه به دانسته‌های شخصی خود بیماری شما را تشخیص دهد. این را مقایسه کنید با هوش مصنوعی قدرتمندی که اطلاعات مربوط به صدها هزار بیمار را در اختیار دارد و در کسری از ثانیه می‌تواند علائم شما را با آنها مقایسه کند. شما ترجیح می‌دهید اینجا یک انسان بیماری‌تان را تشخیص دهد یا ماشین؟ البته ماشین‌ها همیشه کارایی ندارند. مثلا ماشین نمی‌تواند کنار خانواده شما بنشیند و گزینه‌های شما در درمان را با آنها در میان بگذارد. به همین خاطر این بخش از پزشکی قرار نیست در آینده نزدیک ماشینی شود.

حالا بیایید شغلی کاملا متفاوت را بررسی کنیم: باریستا یا قهوه‌چی. استارت‌آپ‌‌‌ کافه X در سان فرانسیسکو بازوهای صنعتی ربات‌‌‌یک را جایگزین باریستاها کرده است. بازوها موقع درست کردن انواع قهوه، مشتریان را با حرکات عجیب و غریب خود سرگرم می‌کند. البته حتی کافه X هم یک انسان را استخدام کرده که به مشتری‌ها نشان ‌دهد چطور از تکنولوژی برای سفارش دادن نوشیدنی استفاده کنند. وظیفه دیگر این شخص، حل مشکلاتی است که ممکن است باریستاهای غیرانسانی پیش بیاورند یا برایشان پیش بیاید. نکته اینجاست که هرچقدر باریستاها در دنیای آینده بدشانس‌اند متصدیان بار اوضاعشان فرق می‌کند. چرا؟ چون کسی انتظار ندارد با یک باریستا حرف بزند، اما افراد خیلی اوقات با بارمَن گرم می‌گیرند. پس کلا گروهی از مشاغل را (مثل پزشکی) می‌توان به دو بخش تقسیم کرد: کار تکراری و روتین (تشخیص بیماری با توجه به علائم) و کار تعاملی‌تر و غیرقابل‌پیش‌بینی‌تر گوش دادن و حرف‌زدن با مشتری (در اینجا بیمار).

مهارت‌های نابودنشدنی

بعد از بررسی تعداد فراوانی حرفه متفاوت، به دو شکل مهارت غیر روتین رسیدم که در تعداد زیادی از مشاغل دیده می‌شوند و امکان ماشینی‌شدن آنها پایین است:

مهارت نابودنشدنی اول، مربوط به احساسات انسانی است. احساس نقشی مهم در مناسبات انسانی بازی می‌کنند. (آن پزشکی که قرار است با خانواده بیمار حرف بزند اینجا باید احساسات بیمار و خانواده‌اش را در نظر بگیرد و بعد سخن بگوید.) احساس در تمام شکل‌های ارتباطات غیرکلامی نقش دارد و بدون آن همدلی بی‌معناست. اما از این مهم‌تر، احساسات به ما کمک می‌کنند دست به اولویت‌بندی بزنیم: مثلا به ما کمک می‌کنند تصمیم بگیریم که همین حالا چه کاری باید انجام بدهیم و کدام کار را می‌توانیم به آخر شب موکول کنیم. احساسات نه‌فقط پیچیده و ظریف هستند، که روی تعداد زیادی از روندهای تصمیم‌گیری ما تاثیر می‌گذارند. تاکنون علم در تلاش برای فهم عملکرد احساسات بشر با چالش روبه‌رو بوده و به همین خاطر وارد کردن آن در سیستم‌های ماشینی بسیار دشوار بوده است.

مهارت دوم در نظر گرفتن شرایط و زمینه چیزهاست. انسان‌ها به راحتی موقع تصمیم‌گیری‌ها و تعامل با دیگران، زمینه (context) را درک می‌کنند. قدرت درک زمینه جالب است چون هیچ‌وقت تمامی ندارد، هر اتفاق تازه‌ای که می‌افتد زمینه عوض می‌شود. علاوه بر این عوض شدن زمینه (مثلا انتخاب یک رئیس‌جمهور تک‌رو) می‌تواند نه‌فقط شکل تعامل فاکتورهای پیشین را تغییر دهد، که فاکتورهای جدیدی را وارد عرصه کند و ساختارها را به طور بنیادین عوض کند. این مشکل یادگیری ماشینی و هوش مصنوعی است که بر پایه اطلاعاتی دست به عمل می‌زند که در زمینه متفاوتی تولید شده‌اند. یک پزشک به راحتی می‌تواند موقع صحبت با خانواده بیمار - و توجه به واکنش‌های آنها - زمینه را به طور مداوم در نظر داشته باشد، اما ربات‌‌‌ نه.

توانایی ما در مدیریت و استفاده از احساسات و همچنین توجه و فهم زمینه، دو عنصر اساسی در تفکر نقادانه، حل خلاقانه مسائل، ارتباطات موثر و قضاوت هوشمندانه‌تر است. تجربیات سال‌های اخیر نشان‌ داده که ماشین‌ها هنوز نمی‌توانند این شکل را مهارت‌های انسانی را تقلید کنند و معلوم نیست چه زمانی می‌توانند در این راه موفق شوند.

اهمیت مهارت‌های نرم

 در واقع این‌ها مهارت‌هایی است که همین حالا کارفرماها در صنایع مختلف به طور مرتب دنبال آن‌اند. مثلا در یک نظرسنجی موسسه Hart حدود ۹۳ درصد کافرماها گفته‌اند که «توانایی کاندیدای جویای کار در تفکر نقادانه، ارتباط‌گیری و حل مسائل پیچیده مهم‌تر از مدرک دانشگاهی اوست.» کارفرماها گفته‌اند که به دنبال کاندیداهایی با دیگر «مهارت‌های نرم» هستند، مثل توانایی یادگیری حین کار و کار کردن بهتر با دیگران.

همه این‌ها نشان می‌دهد که سیستم‌های آموزشی کنونی نه‌فقط باید روی نحوه تعامل با تکنولوژی (مثل آموزش برنامه‌نویسی) تمرکز کنند که باید بتوانند چیزهایی را به افراد یاد بدهند که تکنولوژی فعلا نمی‌تواند انجام دهد. شاید مهارت‌های نرم کلمه اشتباهی برای این موضوع باشد اینها سخت‌ترین مهارت‌ها برای فهم و ماشینی‌شدن هستند. اینها مهارت‌هایی‌اند که به انسان‌ها کمک می‌کنند جنگ را به ربات‌‌‌‌ها نبازند.