Победители и проигравшие в цифровой трансформации работы

Победители и проигравшие в цифровой трансформации работы

Достижения в области искусственного интеллекта и машинного обучения снова вызывают опасения по поводу масштабной потери рабочих мест. И хотя адаптация рынка труда, вероятно, предотвратит постоянный высокий уровень безработицы, нельзя рассчитывать на то, что она предотвратит резкий рост неравенства.

МИЛАН. Возможно, ни один аспект цифровой революции не получил большего внимания, чем влияние автоматизации на рабочие места, работу, занятость и доходы. Для этого есть, по крайней мере, одна очень веская причина, но, вероятно, не та, на которую многие будут ссылаться.

В использовании машин для увеличения производительности нет ничего нового. Поскольку любой инструмент является машиной, люди использовали его на протяжении большей части нашей короткой истории на этой планете. Но после первой промышленной революции, когда паровая энергия и механизация привели к значительному и устойчивому увеличению производительности, этот процесс стал ускоряться.

Не все приветствовали этот переход. Многие опасались, что снижение спроса на человеческий труд приведет к неизменно высокому уровню безработицы. Но этого не произошло. Напротив, рост производительности и доходов стимулировал спрос и, следовательно, экономическую активность. Со временем рынки труда адаптировались с точки зрения навыков, и в конечном итоге продолжительность рабочего времени сократилась, поскольку изменился баланс доходов и досуга.

И все же по мере того, как увеличение человеческого труда уступает место автоматизации — машины, автономно выполняющие все больше задач в сегментах информации, управления и транзакций, — снова усиливаются опасения по поводу крупномасштабной потери рабочих мест. В конце концов, рабочие места для белых и синих воротничков, связанные в основном с рутинными, то есть легко кодируемыми задачами, исчезают ускоренными темпами, особенно с 2000 года. Поскольку многие из этих рабочих мест занимали середину распределения доходов, этот процесс подпитывал поляризация работы и доходов.

Однако, как и в XIX веке, рынки труда адаптируются. Сначала перемещенные работники могут искать новую работу на рабочих местах, требующих их ранее существовавших навыков. Но, столкнувшись с ограниченными возможностями, они вскоре начинают искать работу с более низкими (или легко достижимыми) требованиями к квалификации, включая работу с частичной занятостью в гиг-экономике с поддержкой Интернета, даже если это означает согласие с более низким доходом.

Со временем все большее число работников начинают вкладывать средства в приобретение навыков, востребованных в нестандартных, высокооплачиваемых категориях работы. Как правило, это более трудоемкий процесс, хотя в некоторых странах, в том числе в Соединенных Штатах, он был ускорен за счет инициатив с участием правительства, бизнеса и образовательных учреждений.

Но даже при наличии институциональных механизмов поддержки доступ к развитию навыков обычно далеко не справедливый. Только те, у кого достаточно времени и финансовых ресурсов, могут сделать необходимые инвестиции, а в крайне неравноправном обществе многие работники исключены из этой группы. На этом фоне нам, вероятно, следует меньше беспокоиться о масштабной постоянной безработице, а больше о росте неравенства и его социальных и политических разветвлениях.

Безусловно, технологическая адаптация может уменьшить масштаб проблемы приобретения навыков. В конце концов, рынки вознаграждают за инновации, которые упрощают использование цифрового оборудования и систем. Например, графический пользовательский интерфейс, который позволяет нам взаимодействовать с электронными устройствами с помощью визуальных индикаторов, теперь настолько распространен, что мы принимаем это как должное. По мере того как такие интуитивные подходы применяются ко все более сложным технологическим процессам, необходимость в переобучении — и, таким образом, влияние цифровой революции на распределение — будет уменьшаться.

Прогресс в области искусственного интеллекта также окажет влияние. Примерно десять лет назад автоматизация основывалась на кодификации задач: машины запрограммированы с помощью набора инструкций, воспроизводящих логику принятия решений человеком.

Но как насчет задач, которые нельзя разделить на серию логических заранее определенных шагов? От понимания естественного языка до визуального распознавания объектов — в эту категорию попадает удивительно большое количество видов деятельности — даже якобы простых. Благодаря этому многие рабочие места были «защищены» от автоматизации, но ненадолго благодаря достижениям в области машинного обучения.

Машинное обучение — это, по сути, очень сложное распознавание образов. Используя большие пулы данных и огромные вычислительные мощности, машины учатся делать то, что мы не можем кодировать. Они делают это, используя примеры, а не логику, основанную на правилах. Достижения в области машинного обучения открыли новые обширные области автоматизации: робототехника, автономные транспортные средства и сканирование технической медицинской литературы для поиска ключевых статей.

Во многих областях — таких как распознавание образов в генетике и биомедицине — машины не только становятся способными заменять людей; в некоторых отношениях их возможности затмевают возможности любого человека.

Это лучшая новость, чем может показаться. Да, гораздо больше задач и подзадач будет перераспределено между машинами. Но целью и конечной точкой цифровой революции должно быть превращение автоматизации работы в цифровое расширение. А когда машины выполняют задачи, недоступные людям, мы получаем именно аугментацию.

Хотя на этой ранней стадии невозможно сказать наверняка, есть основания полагать, что переходные издержки этого нового раунда сбоев, связанных с работой, будут ощущаться более широко по всему спектру доходов, чем первый. В нижней части диапазона доходов во всем мире достижения в области искусственного интеллекта и робототехники нарушат и в конечном итоге вытеснят трудоемкое производство и модели развития, которые от него зависят. В конечном итоге возможности машинного обучения будут иметь большое влияние на научные исследования и технологическое развитие, а также на профессиональные услуги высокого уровня.

Однако факт остается фактом: мы имеем дело с очень сложными переходами, а не с равновесиями: и мы не можем ожидать, что естественная адаптация рабочих и рынков труда приведет к справедливым результатам, особенно с огромными различиями в ресурсах домохозяйств в качестве отправной точки. Вот почему директивные органы (в партнерстве с бизнесом, профсоюзами и школами) должны сосредоточить внимание на мерах по сокращению неравенства доходов и благосостояния, включая обеспечение широкого доступа к высококачественным социальным услугам, таким как образование и профессиональная подготовка. При отсутствии такого рода вмешательства существует значительный риск того, что цифровая трансформация работы оставит многих людей позади, что влечет за собой долгосрочные неблагоприятные последствия для социальной сплоченности.

 

Майкл Спенс
— лауреат Нобелевской
премии по экономике

 

 

Источник.


 

Вы можете оставить комментарий, или ссылку на Ваш сайт.

Оставить комментарий