به گزارش سیتنا، حیدر ربیعی، استاد دانشگاه و مشاور راهبردهای مالی، اقتصادی و سرمایه گذاری در نگاه ماه شماره 123 ماهنامه نسل چهارم آورده است:

تحولات اخیر در معماری مدل‌های زبانی و سامانه‌های یادگیری ماشینی، نشانه‌هایی روشن از عبور تدریجی اقتصاد جهانی به دوره‌ای نوین است که در آن، مرز میان توانایی‌های انسانی و ظرفیت‌های فناورانه به سرعت بازتعریف می‌شود. این دوره، نه صرفاً یک تحول تکنولوژیک، بلکه تغییر در منطق تولید، توزیع مهارت، و سازماندهی بازار کار است؛ تغییری که پیامدهای آن از صنایع دانش‌بر تا مدیریت دولتی و از آموزش عالی تا خدمات مالی امتداد می‌یابد.

در گام اول، پیشرفت‌های مبتنی بر مدل‌های مولد باعث شده است که بسیاری از فعالیت‌های تحلیلی، برنامه‌نویسی، پردازش اسناد و حتی تحلیل‌های اولیه مالی و حقوقی، از حالت کاملاً انسانی به حالت انسان‌پلاس یا انسان‌به‌اضافه هوش مصنوعی تبدیل شوند. این وضعیت بدان معناست که در یک افق زمانی کوتاه، بخش قابل توجهی از وظایفی که زمانی به‌عنوان فعالیت‌های تخصصی محسوب می‌شد، اکنون توسط سامانه‌هایی انجام می‌شود که توانایی یادگیری، بازخوردگیری و تکمیل خودکار دارند. انتظار می‌رود که در سال‌های آتی، ترکیب مهارت‌ها تغییر کرده و نقش نیروی انسانی بیشتر به سمت طراحی، کنترل کیفیت، نظارت، اخلاق حرفه‌ای و تحلیل نهایی سوق پیدا کند.

در افق میان‌مدت، ظرفیت‌های استدلالی و برنامه‌ریزی بلندمدت در مدل‌های پیشرفته سبب می‌شود که حوزه‌هایی مانند تحلیل ریسک بیمه‌ای، مدیریت دارایی، توسعه نرم‌افزار، طراحی فرایندهای سازمانی و برنامه‌ریزی کلان اقتصادی، دچار بازآرایی عمیق شوند. صنعت بیمه، نظام مالی و حسابداری، و حتی مدیریت دولتی با وضعیتی مواجه خواهند شد که بخش قابل توجهی از ارزیابی‌ها، سنجش‌ها و تصمیم‌های اولیه توسط الگوریتم‌ها انجام می‌شود و انسان‌ها نقش تنظیم‌گر، تعیین‌کننده ارزش‌ها و مسؤول نهایی پیامدها را بر عهده خواهند داشت. رشد این سامانه‌ها، نیازمند نیروی انسانی با مهارت‌هایی درک‌محور است؛ مهارت‌هایی که تفکر انتقادی، ترکیب دانش تجربی و قواعد اخلاقی را در مرکز قرار می‌دهد.

در افقی بلندتر، مساله‌ای که بیش از خودِ توانایی‌های فنی اهمیت دارد، مقیاس این فناوری و اثرات بیرونی آن است. هرچه توان محاسباتی، زیرساخت‌های داده‌ای و مدل‌های خودبهبوددهنده گسترش یابد، ظرفیت تأثیرگذاری هوش مصنوعی بر ساختارهای اجتماعی و اقتصادی نیز افزایش خواهد یافت. جوامع، پیش از آنکه زبان یا چارچوب حقوقی کاملی برای مواجهه با این تغییرات پیدا کنند، در حال ورود به مرحله‌ای هستند که در آن رابطه میان هوش انسانی و هوش مصنوعی باید مجدداً تعریف شود. بر همین اساس، پدیده آینده‌کاری نه صرفاً جایگزینی برخی مشاغل، بلکه بازتعریف مفهوم شغل، ارزش کار انسانی و مدل‌های جبران خدمات در اقتصاد دانش‌بر است.

با این حال، این روند نه یک تهدید قطعی و نه یک فرصت خودبه‌خود تحقق‌یابنده است. توانایی نظام‌های اقتصادی در سازگاری با فناوری، به کیفیت سیاست‌گذاری، تنظیم‌گری متوازن، توسعه مهارت‌های جدید و ایجاد زیرساخت‌های داده‌ای امن و قابل اعتماد بستگی دارد. ضروری است که سازمان‌ها و بنگاه‌های اقتصادی، از جمله صنایع حساس مانند بیمه، مالی و بخش عمومی، از هم‌اکنون استراتژی‌هایی برای یکپارچه‌سازی تدریجی فناوری، بازآموزی نیروی انسانی، بازنگری در شرح وظایف و توسعه خطوط جدید ارزش‌آفرینی تدوین کنند. هر سازمانی که این تغییرات را نادیده بگیرد، در معرض واگرایی تدریجی از الگوی بهره‌وری جدید قرار خواهد گرفت.
به بیان دیگر، آینده مشاغل نه حذف گسترده نیروی انسانی است و نه تداوم مدل‌های سنتی؛ بلکه ورود به ساختاری ترکیبی است که در آن، انسان و ماشین در قالب یک نظام مشارکتیِ مبتنی بر شایستگی عمل می‌کنند.

ارزش‌افزوده جدید دقیقاً در نقطه هم‌نشینی این دو قرار دارد: جایی که نیروی انسانی نقش چارچوب‌ساز، قاعده‌گذار و تحلیل‌گر را ایفا می‌کند و هوش مصنوعی نقش تقویت‌کننده، پردازشگر و توسعه‌دهنده را.

چنین تصویری از آینده، برای سیاست‌گذاران، مدیران منابع انسانی، دانشگاه‌ها و صنایعی مانند بیمه و مالی، نه‌تنها یک هشدار منطقی است بلکه فرصتی برای بازتعریف راهبردها و ساختن مزیت رقابتی در دوره‌ای است که سرمایه دانشی و قدرت محاسباتی هم‌زمان ساختار اقتصاد را تغییر می‌دهند. اگر این تحول به‌درستی مدیریت شود، می‌تواند به ارتقای بهره‌وری، بهبود کیفیت تصمیم‌گیری، کاهش خطاهای انسانی و توسعه مشاغل جدید منجر شود؛ و اگر نادیده گرفته شود، شکاف مهارتی و ناکارآمدی ساختاری می‌تواند پیامدهای گسترده‌ای ایجاد کند.

انتهای پیام