مهارت‌های غیرقابل اتوماسیون: کلید بقا در عصر تحول دیجیتال و صنعت ۴.۰

مهارت‌های غیرقابل اتوماسیون: کلید بقا در عصر تحول دیجیتال و صنعت ۴.۰

آینده اشتغال برای بسیاری نگران‌کننده به نظر می‌رسد. بر اساس مطالعه فورستر (Forrester) (۲۰۱۹)، ۱۰ درصد مشاغل ایالات متحده در این سال اتوماتیک می‌شوند، و گزارش مک‌کینزی (McKinsey) تخمین می‌زند که نزدیک به نیمی از مشاغل تا دهه آینده خودکار شوند. به نظر کاسلین (Kosslyn) (۲۰۱۹)، تمرکز نباید فقط بر مشاغلی باشد که کاملاً حذف می‌شوند، بلکه باید بر جنبه‌های روتین مشاغل باقی‌مانده که ماشین‌ها جایگزین آن‌ها خواهند شد، توجه کرد.

مشاغل روتین در معرض خطر اتوماسیون

مشاغل تکراری مانند خواندن تصاویر اشعه ایکس (که نقش رادیولوژیست‌ها را محدود می‌کند)، رانندگی کامیون و انبارداری، بیشترین تهدید را دارند. اما حتی مشاغل پیچیده مانند پزشکی نیز تحت تأثیر قرار می‌گیرند. تشخیص بیماری‌ها با یادگیری ماشین (Machine learning)، که با کلان‌داده‌ها (Big Data) عالی عمل می‌کند، به زودی بهتر از انسان‌ها انجام خواهد شد. با این حال، برخی از بخش‌ها مثل نشستن با خانواده برای بحث درباره گزینه‌های درمانی که در واقع بخش انسانی ماجراست، کمتر قابل اتوماسیون است.

در مثال دیگری، کافه X در سان‌فرانسیسکو باریستاهای خود را با بازوهای رباتیک جایگزین کرده، اما همچنان یک انسان برای آموزش مشتریان به استفاده از فناوری و رفع مشکلات ربات استخدام کرده است. بارتندری نیز مشابه است: مخلوط کردن نوشیدنی‌ها روتین است، اما گفتگو با مشتریان و تعامل انسانی، نه.

دو نوع کار غیرروتین که اتوماسیون را به چالش می‌کشد

به نظر کاسلین، دو ویژگی کلیدی در مشاغل وجود دارد که اتوماتیک کردن آن‌ها بسیار دشوار است:

۱. عواطف (Emotions)

عواطف در ارتباطات انسانی حیاتی هستند. مانند همدلی پزشک با خانواده یا بارتندر با مشتریان. این‌ها در ارتباطات غیرکلامی، اولویت‌بندی تصمیم‌ها و تعاملات پیچیده نقش دارند. مدل‌سازی علمی عواطف چالش‌برانگیز است و ادغام آن در سیستم‌های اتوماتیک، به دلیل تعامل با فرآیندهای تصمیم‌گیری انسانی، بسیار سخت است.

۲. زمینه (Context)

انسان‌ها به راحتی زمینه را در نظر می‌گیرند، اما زمینه پایان بازی (Open ended) دارد یعنی هر خبر جدید (مانند انتخاب یک رئیس‌جمهور غیرمتعارف) آن را تغییر می‌دهد، عوامل جدید معرفی می‌کند و ساختار را بازآرایی می‌نماید. یادگیری ماشین بر داده‌های گذشته عمل می‌کند که زمینه متفاوتی دارند، بنابراین مدیریت زمینه (مانند بارتندر خوش‌برخورد) برای اتوماسیون چالشی بزرگ است.

شایستگی‌های انسانی: تفکر انتقادی، خلاقیت و ارتباطات

به عقیده کاسلین، توانایی مدیریت عواطف و زمینه، پایه تفکر انتقادی، حل خلاقانه مسائل، ارتباطات مؤثر، یادگیری تطبیقی و قضاوت خوب است. تقلید این‌ها توسط ماشین‌ها دشوار است و زمان موفقیت تلاش‌های فعلی نامعلوم.

این شایستگی‌ها دقیقاً همان‌هایی هستند که کارفرمایان جستجو می‌کنند. در یک نظرسنجی، ۹۳ درصد کارفرمایان گزارش دادند که ظرفیت تفکر انتقادی، ارتباطات واضح و حل مسائل پیچیده مهم‌تر از رشته تحصیلی است. آن‌ها به مهارت‌های نرم مانند یادگیری تطبیقی، تصمیم‌گیری و همکاری نیز نیاز دارند – مهارت‌هایی که انسان‌ها در آن‌ها برترند.

جمع‌بندی: آموزش برای آینده، تمرکز بر شایستگی‌های غیرقابل اتوماسیون

کاسلین پیشنهاد می‌کند سیستم‌های آموزشی نباید فقط بر تعامل با فناوری (مانند کدنویسی) تمرکز کنند، بلکه بر کارهایی باید تمرکز کند که ماشین‌ها به زودی نمی‌توانند انجام دهند. این موضوع، دیدگاه جدیدی از مهارت‌های نرم ارائه می‌دهد: مهارت‌هایی که در واقع دیگر “نرم” نیستند، بلکه سخت‌ترین برای سیستماتیک‌سازی و برتری انسان بر ربات‌ها در عصر تحول دیجیتال و صنعت ۴.۰ هستند.

توجه به رویکردکاسلین، تمرکز بر مهارت‌ها و شایستگی‌هایی را ضرورت می‌بخشد که در عصر جدید کارآمد بوده و برای موفقیت در زندگی و همچنین بازار کار آینده حیاتی است. این مهارت‌ها و شایستگی‌ها به افراد امکان می‌دهند تا با چالش‌های پیچیده مواجه شوند، نوآوری کنند و روابط معناداری در محیط کار برقرار سازند، که این امر انسان را از ماشین متمایز می‌سازد.

منبع

Kasselien, S. M. (2019, September 25). Are you developing skills that can’t be automated? . Retrieved from https://hbr.org/2019/09/are-you-developing-skills-that-wont-be-automated