هوش مصنوعی کدام مشاغل را نشانه رفته است؟

گزارش پیش‌رو به بررسی جامع تاثیر هوش مصنوعی مولد بر مشاغل مختلف بر اساس تحقیقات جدید شرکت مایکروسافت (Microsoft Research) می‌پردازد. این گزارش با تحلیل بیش از ۲۰۰ هزار مکالمه ناشناس کاربران با سرویس «Microsoft Bing Copilot» در بازه زمانی ژانویه تا سپتامبر ۲۰۲۴ تهیه شده است.

هوش مصنوعی چگونه مشاغل را ارزیابی می‌کند؟

مایکروسافت برای تعیین میزان در معرض قرار گرفتن مشاغل در برابر هوش مصنوعی، از سه شاخص کلیدی استفاده کرده است:

• پوشش (Coverage): فراوانی تکرار وظایف مرتبط با یک شغل در مکالمات با هوش مصنوعی.
• اتمام (Completion): نرخ موفقیت هوش مصنوعی در به پایان رساندن آن وظایف.
• نمره کاربردپذیری کلی (Overall AI Applicability Score): معیار ترکیبی که نشان می‌دهد هوش مصنوعی چقدر برای پشتیبانی یا انجام وظایف یک نقش شغلی مناسب است.

رتبه‌بندی مشاغل با بیشترین میزان تاثیرپذیری

مشاغلی که با زبان، تحقیق، خلاصه‌سازی و ارتباطات سر و کار دارند، در صدر این لیست قرار گرفته‌اند. بر اساس داده‌های ارائه شده، رتبه‌های برتر به شرح زیر است:

در این میان، مترجمان با نمره پوشش ۰.۹۸ نشان می‌دهند که وظایف آن‌ها تقریباً به طور کامل در محیط هوش مصنوعی قابل طرح است و نرخ موفقیت ۰.۸۸ تایید می‌کند که هوش مصنوعی در حال حاضر ابزاری بسیار قدرتمند در این حوزه است.

رسانه و ارتباطات: تحلیلگران اخبار و روزنامه‌نگاران (رتبه ۱۷) و ویراستاران (رتبه ۲۱) به ترتیب نمرات کاربردپذیری ۰.۳۹ و ۰.۳۷ را دریافت کرده‌اند.

توسعه و تحلیل داده: دانشمندان داده (رتبه ۲۷) و توسعه‌دهندگان وب (رتبه ۳۵) با نمره کاربردپذیری ۰.۳۶ و ۰.۳۵ نشان‌دهنده تاثیر متوسط رو به بالای هوش مصنوعی در حوزه‌های تخصصی تکنولوژی هستند.

میانگین نرخ اتمام موفق وظایف توسط هوش مصنوعی در میان ۴۰ شغل برتر، ۰.۸۷ است. این نشان می‌دهد Copilot در اکثر وظایفی که به آن محول می‌شود موفق عمل می‌کند.

تحقیقات مایکروسافت تاکید می‌کند که قرار گرفتن در معرض هوش مصنوعی (Exposure) به معنای حذف کامل شغل نیست. در بسیاری از نقش‌ها، هوش مصنوعی نقش یک مکمل را ایفا کرده و باعث افزایش بهره‌وری فردی می‌شود.

مشاغلی که نیازمند تلاش فیزیکی، قضاوت انسانی در لحظه و حضور میدانی هستند (مانند اپراتورهای ماشین‌آلات، تعمیرکاران و مراقبان سلامت)، کمترین میزان تاثیرپذیری را دارند، چرا که خودکارسازی این وظایف همچنان دشوار است.

به طور کلی، مشاغلی که بر پایه اطلاعات و متن هستند، سریع‌ترین تحولات را تجربه خواهند کرد، در حالی که مشاغل مهارتی و فیزیکی در برابر موج فعلی هوش مصنوعی مولد مقاوم‌تر به نظر می‌رسند.