علم داده و هوش مصنوعی
تحلیل بازارهای هوش مصنوعیکارآفرینیکسب‌و‌کارهوش مصنوعی در جهان

نظرسنجی‌ها درباره حضور زنان در حوزه‌ علم داده و هوش مصنوعی

    0

    زنان شاغل در صنایع و کسب‌وکارهای گوناگون هرروزه موانعی همچون سقف شیشه‌ای را پشت سر گذاشته و به رده‌ها و سِمت‌های عالی سازمانی پیشرفت می‌کنند. بااین‌حال، زنان در بخش فناوری و به‌خصوص حوزه‌ علم داده و هوش مصنوعی همچنان حضور بسیار کمرنگی دارند؛ امری که خود ناشی از تصورات قالبی هنگام استخدام و طرز فکری است که توانایی زنان را در حوزه‌های نظری بهتر از حوزه‌های فنی می‌پندارد.

    پژوهش‌ها نشان می‌دهند تنوع در نیروی کار، عملکرد را در سازمان‌ها ارتقاء می‌بخشد. پس سؤال اینجاست که چرا زنان حضور بسیار کمتری در زمینه‌ی تحلیل داده‌ها، علم داده و هوش مصنوعی دارند؟ چه موانعی آن‌ها را از ورود به این حوزه‌ها باز می‌دارد؟

    گروه AIMSResearch با همکاری Great Learning برای شرکت در کنفرانس Rising که در ژوئیه ۲۰۲۰ با تمرکز بر حضور زنان در حوزه‌ی علم داده و هوش مصنوعی برگزار شد، یک نظرسنجی اجرا کردند؛ هدف از این نوشتار انتشار نتایج و یافته‌های این نظرسنجی است. اینجا چالش‌هایی ازجمله سوگیری‌های عمومی، پرداخت نابرابر، کمبود و نبود مربی و الگو را مورد بررسی قرار می‌دهیم که از موانع پیش روی زنان فعال در این حوزه‌ها به شمار می‌روند.

    آن‌چه با خواندن این مطالب خواهید آموخت

    یافته‌های این نظرسنجی نگاهی به شکاف‌ها و چالش‌های پیش روی زنان فعال در این حوزه می‌اندازد. علاوه بر این، اقدامات لازم برای افزایش مشارکت زنان در عرصه‌ تحلیل داده، علم داده و هوش مصنوعی را معرفی می‌کند.

    همه‌ افرادی که در اکوسیستم علوم داده نقش دارند، از مدیریت گرفته تا کارکنان، می‌توانند از این گزارش بهره‌مند شوند، در مورد چگونگی افزایش مشارکت زنان در حوزه‌ علم داده و هوش مصنوعی آگاهی کسب کنند و بدین ترتیب محیط کاری فراهم آورند که به تنوع و گوناگونی نیروی کار، ایده‌ها و طرز فکرهای مختلف ارزش می‌دهد.

    روش تحقیق

    این گزارش حاصل تحقیقات فراوانی است که طی فرآیند نظرسنجی انجام گرفت. نظرسنجی مذکور بین همه‌ افراد شاغل در حوزه‌ علم داده و هوش مصنوعی، فارغ از نوع شرکت، سطح تجربه و یا جنسیت، پخش شد. سپس با افرادی که نقش‌هایی کلیدی در هوش مصنوعی و تحلیل داده‌ها داشتند به‌صورت مستقیم و فردی گفت‌وگو کردیم تا از دیدگاهشان نسبت به حضور بیشتر زنان در هوش مصنوعی آگاه شویم.

    گروه AIM در سال جاری این نظرسنجی را در شبکه‌های مجازی منتشر کرد و افراد زیادی در آن مشارکت کردند. این نظرسنجی همچنین در کنفرانس Rising (کنفرانسی که پرچم‌دار بحث حضور زنان در حوزه‌ی علوم داده است) نیز پخش شد و بدین ترتیب تعداد پاسخ‌دهندگان افزایش یافت. درنهایت گروه AIM توانست در زمینه‌ی حضور زنان در عرصه‌های علم داده و هوش مصنوعی از تعداد زیادی مشارکت‌کننده، ازجمله چندین خانم که در حوزه‌ی علوم داده سمت‌های مدیریتی در دست داشتند، اطلاعات خوبی کسب کند.

    یافته‌های کلیدی

    این نظرسنجی در هفته‌ نخست ماه ژوئیه منتشر شد. یافته‌های این نظرسنجی چندین نکته‌ کلیدی نشان می‌دهد.

    زنان نسبت به ۵ سال گذشته فرصت‌های بیشتری برای حضور در عرصه‌ علم داده و هوش مصنوعی دارند

    علم داده و هوش مصنوعی

    از تمام افرادی که به این نظرسنجی پاسخ دادند، ۵۴% معتقد بودند که زنان نسبت به ۵ سال گذشته فرصت‌های بیشتری برای مشارکت در حوزه‌ علم داده و هوش مصنوعی دارند. با این‌که تفاوت کمی بین تعداد پاسخ‌های منفی و مثبت به این پرسش وجود دارد، از اکثریت نسبی پاسخ‌های مثبت می‌توان دریافت سوگیری‌هایی که نسبت به فرصت‌های زنان وجود داشته تغییر یافته و اکنون زنان بیشتر از قبل مشاغل و نقش‌هایی در حوزه‌ی علم داده و هوش مصنوعی بر عهده دارند.

    ۴۶ درصد پاسخ منفی به این سؤال نشان می‌دهد راه زیادی در پیش داریم. اما به‌صورت کلی، در مقایسه با گذشته فرصت‌های بیشتری برای حضور زنان در هوش مصنوعی فراهم شده است و به نظر می‌رسد که این فرصت‌ها طی سال‌های آینده بیشتر هم خواهند شد.


    عواملی که منجر به افزایش فرصت‌های زنان شده‌اند

    علم داده و هوش مصنوعی

    از بین افرادی که پاسخ مثبت به سؤال اول داده بودند (یعنی معتقد بودند نسبت به ۵ سال گذشته فرصت‌های بیشتری برای حضور زنان در علم داده و هوش مصنوعی مهیا شده است) ۲۹% بر این باور بودند که این تغییرات به خاطر سیاست‌ها و رویه‌های کاری مثبت است.

    این سیاست‌ها و رویه‌ها عمدتاً مربوط به حمایت (به شکل لوجیستیک یا آموزش) از زنانی هستند که در علوم داده نقشی بر عهده دارند. علاوه براین، حمایت می‌تواند به‌صورت ساعات کاری انعطاف‌پذیر، دورکاری، و یا افزایش زمان مرخصی زایمان نیز ارائه شود. این سیاست‌ها که از شرکت‌های چندملیتی و داخلی IT آغاز شدند، اکنون در بسیاری از شرکت‌های دیگر که در زمینه‌های مختلف، ازجمله علم داده و هوش مصنوعی، فعالیت دارند نیز اجرا می‌شوند.

    ۲۲ درصد از پاسخ‌دهندگان بر این باور بودند که زنان نسبت به ۵ سال گذشته، حضور بیشتری در فرآیند گزینش و استخدام دارند و این دلیلِ افزایش فرصت‌هاست. به عبارت دیگر، نسبت به گذشته، بانوان بیشتری در بین متقاضیان مشاغل هوش مصنوعی و علوم داده حضور دارند. این مسئله تا حدی می‌تواند به این خاطر باشد که امروزه تعداد بانوانی که از رشته‌های تحلیل و علوم داده فارغ‌التحصیل می‌شوند افزایش یافته و بدین ترتیب به فرصت‌های استخدامی بیشتری در این حوزه‌ها نیاز دارند.

    ۱۸ درصد دیگر بیان کردند دلیل افزایش فرصت‌ها، سیاست‌ها و رویه‌های جذب و استخدام است که نسبت به ۵ سال گذشته بیشتر به سود زنان هستند؛ به عبارتی، شرکت‌ها در مقایسه با گذشته تعداد بیشتری از زنان را در لیست نهایی متقاضیان شغلی قرار می‌دهند. بنابراین، درصد استخدام مردان در مشاغل IT و علوم داده به خاطر تغییر در استانداردها و فرآیند استخدامی تغییر کرده است. علاوه بر این، شرکت‌ها طی فرآیند جذب و گزینش، بیشتر از قبل مزایایی (همچون ساعات انعطاف‌پذیر، تعادل کار-خانواده، توسعه‌ی شغلی، آموزش و غیره)  را به متقاضیان، به‌خصوص خانم‌ها، پیشنهاد می‌کنند.

    ۱۸% دیگر از پاسخ‌دهندگان نیز معتقدند سوگیری نسبت به زنان در محیط کار نسبت به ۵ سال گذشته کاهش یافته است. با این‌که همچنان سوگیری‌ علیه زنانی که وارد حوزه‌ علم داده و هوش مصنوعی می‌شوند به چشم می‌خورد، سوگیری منفی نسبت به ۴-۵ سال گذشته کمتر شده است. این موضوع نشان می‌دهد با ورود بیشتر زنان به این مشاغل، ذهنیت افراد نسبت به این موضوع در حال تغییر در جهت مثبت است.

    ۱۰ درصد از شرکت‌کنندگان دلیل نظر خود را مبتنی بر وجود فرصت‌های بیشتر برای حضور زنان در عرصه‌های مذکور، وجود الگوهای بیشتر برای زنان در این نقش‌ها و مشاغل دانسته‌اند. این امر پیامد مستقیم حضور بیشتر زنان در نقش‌های مهم، نه‌تنها در حوزه‌های علم داده و هوش مصنوعی، بلکه به‌طورکلی IT و تکنولوژی است. خانم‌هایی که سمت‌های عالی و مدیریتی در حوزه‌های علوم داده و فناوری اطلاعات بر عهده دارند الگوی خانم‌هایی هستند که تمایل دارند وارد این مشاغل شوند.


    چرا گروهی از مشارکت‌کنندگان معتقدند نسبت به ۵ سال گذشته فرصت‌های بیشتری برای ورود به علم داده و هوش مصنوعی در اختیار زنان قرار ندارد؟

    علم داده و هوش مصنوعی

    از بین آن دسته از مشارکت‌کنندگانی که به سؤال اول پاسخ منفی دادند، یعنی معتقد بودند نسبت به ۵ سال گذشته فرصت‌های بیشتری در اختیار زنان قرار نگرفته است، ۲۶% معتقد بودند که دلیل آن سوگیری بیشتر علیه زنان است.

    این افراد معتقدند سوگیری منفی در محیط کار علیه زنان همچنان وجود دارد و این سوگیری در همه‌ عوامل از جذب و گزینش گرفته تا نقش‌هایی که به افراد منتسب می‌شود، و حتی در بحث پرداخت، ارزیابی عملکرد و حمایت کلی در محیط کار به چشم می‌خورد.

    ۲۴ درصد از این گروه نیز بر این باورند که الگوهای کمی برای زنان در علم داده و هوش مصنوعی وجود دارد. با این‌که در دیدگاه مثبت بیان شد زنانی وجود دارند که سمت‌های رده‌بالایی در علوم داده و بخش IT بر عهده دارند و به‌عنوان الگو عمل می‌کنند، هنوز جای پیشرفت و بهبود زیادی در این زمینه وجود دارد.

    شبکه‌سازی توسط الگوها یکی از زمینه‌های مهمی است که باید بهبود یابد. این امر می‌تواند با مشارکت متخصصین علوم داده‌ی خانم در جلسات تعاملی، کنفرانس‌ها و کارگاه‌ها در مؤسسات آموزشی و سازمان‌ها محقق شود. طی این رویدادها و شبکه‌سازی و توسعه (فراخوانی و دعوت)، زمینه‌ آشنایی و تعامل افراد فراهم می‌شود.

    ۲۱ درصد معتقد بودند سیاست‌ها و رویه‌های سازمانی به نفع خانم‌ها نیستند و این موضوع فرصت‌ها را کاهش داده است. با این‌که سیاست‌ها طی چند سال گذشته بهبود یافته‌اند، هنوز هم جای پیشرفت دارند. سازمان‌ها می‌توانند در گزینش برای مشاغل هوش مصنوعی و تحلیل داده، به زنان بیشتری فرصت حضور دهند.

    بدین منظور باید به نمایشگاه‌های کاریابی و بازاریابی وسیع‌تر توجه داشت. ۲۱% از افرادی که به سؤال اول پاسخ منفی دادند نیز بیان کرده‌اند نبود سیاست‌های سازمانی در مورد محیط و ساعات کاری انعطاف‌پذیر نقش تأثیرگذاری دارد. در این مورد باید گفت با این‌که سیاست‌های مثبتی در سازمان‌ها پیاده‌سازی شده‌اند، سازمان‌های فراوانی هستند که این سیاست‌ها را اجرا نمی‌کنند. درنتیجه بخش صنعتی باید مداخله کند تا بر تغییرات سازمان‌ها و شرکت‌ها تأثیر بگذارد.

    ۹ درصد از پاسخ‌دهندگان معتقدند در میان متقاضیان مشاغل مذکور، تعداد زنان کمتری حضور دارند و این باعث شده در فرآیند استخدام زنان فرصت کمتری داشته باشند. ۱۲% دیگر نیز بر این باورند که دلایل دیگری در کاهش فرصت‌ حضور زنان نسبت به ۵ سال گذشته نقش دارند.


    عواملی که زنان را برای حضور بیشتر در عرصه‌ی علم داده و هوش مصنوعی تشویق می‌کنند

    علم داده و هوش مصنوعی

    افرادی که در این نظرسنجی مشارکت داشته‌اند معتقدند چندین عامل می‌تواند زنان را برای ورود به حوزه‌ی علم داده و هوش مصنوعی تشویق کند. ۲۷% افراد این عامل را فرصت رشد و پرداخت برابر برای زنان و مردانی می‌دانند که سطح تجربه و تحصیلات یکسانی دارند. در حال حاضر، نبود فرصت رشد و پرداخت برابر برای زنانی که در هوش مصنوعی مشغول هستند یکی از عواملی است که تعداد زیادی از زنان باتجربه و باکفایت را از ورود به این حوزه‌ها باز می‌دارد.

    ۲۴ درصد افراد معتقدند اگر آگاهی بیشتری در مورد مشاغل موجود و حمایتی که سازمان‌های امروزی (از نظر سیاست‌های تعادل کار-خانواده، آموزش و حمایت‌های کلی) فراهم می‌کنند وجود داشته باشد، زنان بیشتری برای ورود به این حوزه‌ها ترغیب می‌شوند. ارتباطات وسیع‌تر و افزایش این آگاهی نقشی کلیدی در تغییر ذهنیت زنانی ایفا می‌کند که قصد دارند وارد حوزه‌ علوم داده شوند و به دنبال فرصت‌های بهتر هستند.

    ۱۷ درصد از پاسخ‌دهندگان نیز بیان داشتند حمایت به شکل مربی‌گری، از مدرسه تا دانشگاه و سپس تا شرکت‌ها، می‌تواند زنان بیشتری را برای ورود به این نقش‌ها تشویق کند. این حمایت می‌تواند از مدارس و دانشگاه‌ها، به‌صورت ارائه‌ی برنامه‌ها و برگزاری دوره‌های آموزشی مناسب آغاز شود. حمایت در سطح سازمانی نیز از طریق مربی‌گری یک متخصص هوش مصنوعی و تحلیل داده فراهم می‌شود.

    از آن‌جایی که همگام با پیشرفت تجهیزات و فناوری (همچون بینایی ماشین، یادگیری ماشین، پردازش زبان طبیعی و هوش مصنوعی)، حوزه‌ علم داده و هوش مصنوعی هم در حال تغییر و تحولاتی سریع و عظیم است، افراد باید به کمک مربی‌گری برای ورود و پیش‌روی در مسیر شغلی آماده شوند. علاوه بر این، مربی‌گری می‌تواند فرصت‌هایی که برای بهبود توانایی‌ها و مهارت‌ها مهیا می‌شود (از قبیل دریافت گواهینامه‌ها و شرکت در دوره‌ها و برنامه‌های آموزشی موجود) را به افراد معرفی کند. بنابراین می‌توان گفت با توسعه‌ بیشتر مربی‌گری و فراهم آوردن حمایت از مدارس تا شرکت‌ها، زنان بیشتری برای ورود به حوزه‌های هوش مصنوعی و تحلیل داده تشویق خواهند شد.

    ۱۶ درصد از مشارکت‌کنندگان معتقد بودند دو عامل یعنی دسترسی بیشتر به تحصیلات در حوزه‌ تحلیل داده و حضور بیشتر بانوان در سمت‌های مدیریتی، می‌تواند باعث تشویق متقاضیان خانم شود. درست است که دوره‌ها و برنامه‌های آموزشی زیادی برگزار می‌شوند، اما دسترسی بیشتر به تحصیلات می‌تواند به مؤسسات و دانشگاه‌هایی اشاره داشته باشد که با فراهم آوردن امکاناتی همچون بورسیه‌ها و برنامه‌های حمایتی، فرصت رشد شغلی را در اختیار زنان قرار می‌دهند. برای افزایش این دسترسی می‌توان روی بازاریابی، تبلیغات و ارتباطاتی تمرکز کرد که گروه هدفشان، مخاطبانی با ویژگی‌های دموگرافیک خاص هستند.

    عامل دیگری هم در این میان نقش دارد که نباید از اهمیت آن غافل شد و آن حضور زنان بیشتر در سمت‌های مدیریتی است. ۱۶% افراد معتقد بودند حضور زنان در این سمت‌ها و جایگاه‌ها در حوزه‌ علوم داده می‌تواند الهام‌بخش زنان دیگری باشد که تمایل دارند وارد حوزه‌ علم داده و هوش مصنوعی شوند.


    نابرابری پرداخت بین زنان و مردان در عرصه‌ علم داده و هوش مصنوعی

    علم داده و هوش مصنوعی

    حدود سه‌چهارم، یعنی ۷۲% از مشارکت‌کنندگان معتقد بودند که نابرابری پرداختی وجود دارد؛ یعنی زنان نسبت به مردانی که همان نقش و دسته‌ کاری را بر عهده دارند، حقوق کمتری دریافت می‌کنند.

    ۲۸ درصد دیگر بر این باور بودند که نابرابری پرداختی وجود ندارد. در این دسته هم زنان و هم مردان وجود داشتند. زنانی که این پاسخ را انتخاب کردند، احتمالاً حقوقی برابر یا بیشتر از مردان در مشاغل هم‌رده (در علم داده و هوش مصنوعی) دریافت می‌کنند.

    در بخش بعدی نظر مشارکت‌کنندگان را در مورد میزان این نابرابری پرداختی بررسی خواهیم کرد.


    میزان نابرابری پرداختی

    علم داده و هوش مصنوعی

    از بین پاسخ‌دهندگانی که معتقد بودند نابرابری پرداختی وجود دارد، ۳۹% بیان کردند مقدار این نابرابری ۵۰% یا بیشتر است و ۳۸% از افراد باور داشتند این مقدار بین ۳۰-۵۰% است. این آمار می‌تواند بینشی عمیق از میزان نابرابری پرداختی در عرصه‌ علوم داده و هوش مصنوعی ارائه دهد.

    بخش کمتری از افراد یعنی ۱۷% آن‌ها معتقد بودند میزان نابرابری پرداختی بین ۱۵-۳۰% است و ۶% دیگر این مقدار را بین ۵-۱۵% برآورد کردند.

    در کل می‌توان گفت ۷۷% از مشارکت‌کنندگان بر این باورند که میزان نابرابری پرداختی بالاتر از ۳۰% است؛ این امر حاکی از مشکلاتی سیستماتیک و بنیادین است که می‌تواند ازجمله موانع اصلی ورود زنان به حوزه‌های تحلیل داده باشند.


    سیاست‌هایی برای دستیابی به پرداخت برابر

    علم داده و هوش مصنوعی

    همه‌ مشارکت‌کنندگان، فارغ از نظرشان در مورد وجود یا عدم وجود نابرابری پرداخت، بر این باور بودند که می‌توان کارهای بیشتری در مورد سیاست‌ها انجام داد تا به برابری جنسیتی نزدیک‌تر شد.

    با این‌که برخی از سازمان‌ها به کارکنان خود حقوق مساوی پرداخت می‌کنند، مؤسسات دولتی و سازمان‌های بزرگ، تنظیم و عملیاتی کردن سیاست‌های قدرتمندتر و جامع‌تری را برای برابری پرداخت مدنظر قرار داده‌اند. هدف از این سیاست‌ها این است که نگاهی اساسی و ریشه‌ای به مشکل نابرابری پرداخت داشته باشیم.

    فعالین حوزه‌های صنعتی و سیاست‌گذاران تلاش می‌کنند سیاست‌هایی قوی به‌کارگیرند، کارکنان و سازمان‌های ذینفع را از این سیاست‌ها آگاه کنند، و درعین‌حال راهکارهای دیگری (همچون مربی‌گری و آموزش) در سطح سازمانی پیاده‌سازی کنند تا زنان بیشتری برای حضور در نقش‌ها و مشاغل علم داده و هوش مصنوعی تشویق شوند.


    راهکارهایی که سازمان‌‌ها برای تشویق حضور زنان در حوزه‌های علم داده و هوش مصنوعی می‌توانند به‌کارگیرند

    علم داده و هوش مصنوعی

    سازمان‌ها و انجمن‌های صنعتی به‌منظور تشویق زنان به حضور در مشاغل علم داده و هوش مصنوعی باید اقداماتی انجام دهند. ۲۳ درصد از مشارکت‌کنندگان معتقد بودند فراهم آوردن پرداخت و فرصت رشد برابر عاملی کلیدی است، اما عوامل دیگری نیز در این میان نقش دارند.

    ۲۳ درصد دیگر از مشارکت‌کنندگان بر این باور بودند که توسعه‌ مربی‌گری در محل کار روی حضور زنان در نقش‌ها و مشاغل حوزه‌ علوم داده تأثیر خواهد گذاشت؛ این مورد به برنامه‌های مربی‌گری اشاره دارد که برای زنان و توسط زنان برگزار می‌شود.

    ۱۷ درصد از افراد معتقد بودند افزایش مشارکت و درگیری زنان می‌تواند زنان بیشتری را برای ورود به علم داده و هوش مصنوعی تشویق کند. منظور از مشارکت و درگیری مواردی از این قبیل است: برگزاری جلسات منظم  ارائه بازخورد، کارگاه‌هایی در مورد برنامه‌های متنوع آموزش و توسعه، جلسات برگزار شده در تالار شهر در مورد مسیر شغلی در عرصه‌ی علوم داده، معرفی و شفاف‌سازی اهداف شرکت از لحاظ قابلیت‌ها و رشد علوم داده. مخاطب همه‌ این اقدامات باید زنان بوده و هدف افزایش مشارکت آن‌ها در سازمان‌ها باشد.

    ۱۵ درصد از پاسخ‌دهندگان بر این باور بودند که اختصاص دادن پشتیبان برای دختران و زنانی که در دوره‌ها و برنامه‌های آموزشی علوم داده شرکت می‌کنند، می‌تواند باعث تشویق زنان برای ورود به این عرصه‌ها شود. زیرا از این طریق، حوزه‌های علوم داده به تعداد بیشتری از زنان معرفی می‌شوند. این مورد راهکاری ریشه‌ای است و می‌تواند تعداد افراد بالقوه‌ای که از برنامه‌های آموزشی مربوطه فارغ‌التحصیل می‌شوند را افزایش دهد.

    نظر ۱۵ درصد دیگر از مشارکت‌کنندگان مبنی بر اهمیت افزایش استخدام زنان از مؤسسات فناوری و آموزشی بود.


    شهرهایی که فرصت‌های بیشتری برای زنان در عرصه‌ علم داده و هوش مصنوعی فراهم می‌کنند

    علم داده و هوش مصنوعی

    در میان همه‌ شهرهای برتر این لیست، بنگلور در رتبه‌ نخست قرار می‌گیرد (۳۱% مشارکت‌کنندگان این شهر را انتخاب کرده‌اند). دهلی (NCR) و بمبئی نیز توسط ۱۰% از مشارکت‌کنندگان و حیدرآباد و پونا توسط ۹% انتخاب شدند. تعداد افرادی که سایر شهرها را انتخاب کردند نیز زیر ۶% بود.

    فاصله‌ زیاد بین بنگلور و سایر شهرها حاکی از اهمیت سیلیکون ولی هند است. این شهر با جذب شرکت‌های فناوری، استارتاپ‌ها، سازمان‌های مهندسی، شرکت‌های مشاوره‌ و شرکت‌های IT، به‌عنوان قطب فرصت‌های پیشرفت در حوزه‌های هوش مصنوعی، بینایی کامپیوتری، NLP و تحلیل داده شناخته می‌شود. علاوه بر این، اکوسیستم این شهر (مؤسسات آموزشی، مربی‌گری، و وضعیت مسکن) نیز نقش مهمی در فرصت‌دهی به زنان ایفا می‌کنند.


    مشاغل علم داده و هوش مصنوعی و فرصت‌های موجود در بخش‌های مختلف

    علم داده و هوش مصنوعی

    ۳۶ درصد مشارکت‌کنندگان بخش‌های IT و ITES را به‌عنوان حوزه‌هایی که بیشترین فرصت را برای مشاغل و نقش‌های علم داده و هوش مصنوعی دارند، انتخاب کردند. در رده‌ بعدی، بخش فناوری (هم نرم‌افزاری و هم سخت‌افزاری) با میزان رأی ۶ درصدی قرار دارد.

    ۱۲ درصد صنایع نوپای دارویی و بهداشت و سلامت را انتخاب کردند. بخش‌های زیرساخت/ صنعتی/ خودروسازی نیز توسط ۹% افراد انتخاب شدند.

    سایر بخش‌ها، از قبیل بانکداری، خدمات مالی و بیمه، تجارت الکترونیک، کالاهای تندمصرف، لوازم برقی، صنعت گردشگری، شبکه‌های اجتماعی دیجیتالی، عدد کوچک‌تر اما معناداری به خود اختصاص دادند. بنابراین می‌توان گفت بیش از نیمی از پاسخ‌دهندگان (۵۲%) از بخش‌های IT و تکنولوژی هستند و ۴۸% باقیمانده نماینده‌ صنایع و قسمت‌های مختلفی هستند؛ این موضوع نشان می‌دهد علوم داده حوزه‌ای است که صنایع و بخش‌های گوناگونی را پوشش می‌دهد.


    مسیر ورود به مشاغل عرصه‌ علم داده و هوش مصنوعی

    علم داده و هوش مصنوعی

    از افرادی که در این نظرسنجی شرکت کردند پرسیدیم مسیر حرفه‌ای خود در حوزه‌ علم داده و هوش مصنوعی را از کجا شروع کرده‌اند. بخش عمده یعنی ۳۱% از افراد از یک شاخه‌ غیرمرتبط با فناوری وارد این حوزه شده و آموزش‌های لازم را دریافت کرده‌اند.

    ۲۶ درصد از یک حوزه‌ مرتبط با هوش مصنوعی و تحلیل داده‌ها آمده و مهارت‌های خود را برای ورود به این مشاغل ارتقاء داده بودند. درنتیجه ۵۷% از پاسخ‌دهندگان به‌صورت غیرمستقیم وارد عرصه‌ علم داده و هوش مصنوعی شده‌ بودند. این امر نشان‌ می‌دهد فرصت‌های زیادی برای افراد علاقه‌مند به این حوزه وجود دارد.

    ۲۳ درصد از پاسخ‌دهندگان بعد از فارغ‌التحصیلی از دانشگاه در مقاطع کارشناسی یا تحصیلات تکمیلی، در شغلی از علوم داده استخدام شده یا به‌عنوان کارآموز مشغول به کار شده بودند. این پاسخ فارغ از نوع سازمان یا صنعت، صرفاً به خود شغل اشاره داشت.

    ۱۱ درصد دیگر در برنامه‌های مربی‌گری تحت نظارت مدیران حوزه‌های علوم داده قرار داشتند. این برنامه‌ها در مقطع زمانی تعیین‌کننده‌ای (مثل دانشگاه) از مسیر تحصیلی و شغلی افراد برگزار شده بود و محتوای آن شامل مربی‌گری و راهنمایی برای اعضای سازمان‌ها در بخش‌ها، حوزه‌ها و شرکت‌های مختلف می‌شد.

    ۹ درصد از پاسخ‌دهندگان نیز در حوزه‌ علم داده و هوش مصنوعی مشغول نبودند ولی به خاطر ارتباط با این حوزه‌ها (از طریق پروژه‌های بین‌رشته‌ای و علائق شخصی یا آکادمیک) به این نظرسنجی پاسخ دادند.

    نتیجه‌گیری

    بازار کار علوم و تحلیل داده به‌منظور سازگاری با شرایط کسب‌وکار در حال تغییر و تحول است، و به همین دلیل مهم است که سازمان‌ها، ادارات و صنایع ذهنیت خود را در مورد حضور زنان در عرصه‌ علم داده و هوش مصنوعی عوض کنند. برای دستیابی به این مهم می‌توان از این اقدامات شروع کرد:

    • تغییر ذهنیت در مورد حضور زنان در علم داده و هوش مصنوعی؛
    • ارتباطات وسیع‌تر با زنان طی مقاطع حساس رویه‌های استخدامی و آموزش‌های سازمانی؛
    • فراهم آوردن حمایت گسترده‌تر برای زنانی که وارد حوزه‌ علوم داده می‌شوند؛ با شروع از مؤسسات آموزشی تا مشاغل واقعی در سازمان‌ها؛
    • ارائه‌ی حلقه‌های مربی‌گری و حمایت همه‌جانبه به‌منظور ارتقای علائق (انگیزش) زنان شاغل در حوزه‌ علوم داده.

    تحصیلات و مربی‌گری نقشی کلیدی در رسیدن به پرداخت برابر و مهیا کردن فرصت‌های برابر برای زنان حاضر در حوزه‌ هوش مصنوعی ایفا می‌کنند. اختصاص بورسیه‌ها و کمک‌هزینه برای زنانی که در مدرسه و دانشگاه در برنامه‌های هوش مصنوعی و علوم شرکت می‌کنند، رویکردی ریشه‌ای و بنیادی به این مسئله را نشان می‌دهد. در سطح سازمانی نیز، فراهم آوردن برنامه‌های مربی‌گری فردی و ویژه‌ آنلاین می‌تواند زنان بیشتری را تشویق کند که علاوه بر به عهده گرفتن مشاغل حوزه‌ علم داده و هوش مصنوعی، مسیر شغلی خود را به سوی رسیدن به پُست‌های مدیریت تثبیت کنند.

    پرداخت برابر نیز عاملی مهم است که می‌تواند در انگیزه‌ زنان برای ورود به این حوزه نقشی اساسی ایفا کند. همه‌ پاسخ‌دهندگان این نظرسنجی معتقد بودند که سیاست‌های لازم برای حمایت از پرداخت برابر بین زنان و مردان وجود ندارد. این نکته بر اهمیت مداخلات وزارت کار و انجمن‌های صنعتی، همچون FICCI و Nasscom می‌افزاید.

    شرکت‌ها و سازمان‌های زیادی هستند که با این انجمن‌ها و واحدها ارتباط نزدیکی دارند و اقدامات خوبی نیز در راستای تشویق زنان برای ورود به عرصه‌ علوم داده و رسیدن به پرداخت برابر اجرا می‌کنند. بااین‌حال، همچنان لازم است یک همکاری بین سازمانی و بین اداری داشته باشیم تا تصویب و اجرای سیاست‌های لازم برای پرداخت تضمین شود. برخی از اقداماتی که می‌توان بدین منظور انجام داد، بازبینی قوانین و سیاست‌های فعلی و اصلاح سیاست‌های اجرایی است. علاوه بر این باید به فعالیت‌های عینی نیز توجه داشت تا از پرداخت برابر پشتیبانی شده و با اقدامات تبعیض‌آمیز در سیستم‌های پرداختی مبارزه شود. ازجمله گام‌هایی که می‌توان برداشت می‌توان به شفاف‌سازی سیستم‌ پرداخت، افشای اطلاعات مربوط به سرپیچی از قوانین و سیاست‌ها به مسئولین مربوطه، و افزایش تلاش‌های اجرایی (از طریق بازبینی منظم و مستقل درآمدهای اعضای سازمان و بررسی سیاست‌های منابع انسانی شرکت) اشاره کرد.

     

    جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

    «خطر وجودی» و ابَرهوش مصنوعی ؛ آیا نسل بشر منقرض می‌شود؟

    مقاله قبلی

    عجیب اما واقعی: داستان مقاله جعلی هوش مصنوعی و نویسنده‌ای که واقعی نبود

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *