دادههای پژوهشی سالهای ۲۰۲۵ و ۲۰۲۶ نشان میدهد بحث اثر هوش مصنوعی بر بازار کار از مرحله پیشبینی عبور کرده است. حالا تصویر مشخصتری پیشرو است. اثر هوش مصنوعی هنوز به شکل بیکاری گسترده و عمومی ظاهر نشده، اما در نقطه حساس ورود نیروهای تازهکار، بهویژه در مشاغل دانشی و فنی به بازار کار خود را نشان میدهد.
به گزارش پیوست، تحقیقات دانشگاه استنفورد نشان میدهد در ایالات متحده، اشتغال توسعهدهندگان نرمافزار ۲۲ تا ۲۵ ساله تا سپتامبر ۲۰۲۵ نسبت به اوج سال ۲۰۲۲ نزدیک به ۲۰ درصد کاهش یافته است. در حالی که تعداد نیروهای مسنتر در همین حوزه همچنان رشد کرده است. این شکاف نسلی، یکی از نخستین نشانههای قابل اندازهگیری از اثر هوش مصنوعی بر بازار کار حرفهای است.
میتوان اینطور تفسیر کرد کارهایی که پیشتر به نیروهای تازهکار سپرده میشد، اکنون بیش از هر زمان دیگری در معرض واگذاری به ابزارهای هوش مصنوعی قرار گرفتهاند. این یعنی شاید اولین قربانی بازار کار هوش مصنوعی نه شغلهای سطح پایین به معنای سنتی، بلکه همان پلههای ابتدایی یادگیری حرفهای باشند.
بهرهوری بالا رفت، اما برای چه کسانی؟
هوش مصنوعی مولد در بسیاری از مطالعات، اثر مثبت بر بهرهوری نشان داده است. در خدمات مشتری، استفاده از دستیارهای گفتوگومحور باعث شده کارکنان مسائل بیشتری را در هر ساعت حل کنند. در برنامهنویسی، ابزارهایی مانند گیتهاب کوپایلوت و مدلهای کدنویسی توانستهاند سرعت انجام برخی وظایف را افزایش دهند. در بازاریابی و تولید محتوا نیز برخی آزمایشها از افزایش محسوس خروجی به ازای هر کارمند خبر میدهند.
گزارش استنفورد این یافتهها را در یک چارچوب کلی قرار میدهد. طبق جمعبندی این گزارش، مطالعات مختلف افزایش بهرهوری بین ۱۴ تا ۱۵ درصد در پشتیبانی مشتری و حدود ۲۶ درصد در برخی وظایف توسعه نرمافزار را نشان دادهاند. اما همین گزارش تاکید میکند که این اثرها یکنواخت نیستند. هوش مصنوعی در کارهای ساختاریافته، قابل اندازهگیری و دارای بازخورد روشن بهتر عمل میکند اما در وظایفی که به قضاوت، درک زمینه، تجربه عمیق یا مسئولیت حرفهای نیاز دارند، اثر آن محدودتر و گاهی حتی منفی است.
هوش مصنوعی بیش از همه بر «وظایف» اثر میگذارد، نه الزاما بر کل «شغلها». یک شغل معمولا مجموعهای از وظایف است: بخشی تکراری، بخشی تحلیلی، بخشی ارتباطی، بخشی خلاقانه و بخشی مبتنی بر قضاوت.
این تفاوت برای بازار کار حیاتی است. هوش مصنوعی بیشترین اثر را دقیقا روی همان کارهایی میگذارد که معمولا به نیروهای تازهکار سپرده میشد.
این کارها ممکن است از بیرون ساده به نظر برسند، اما در بازار کار نقش آموزشی دارند. بسیاری از متخصصان، مهارت حرفهای خود را از همین وظایف به ظاهر ساده آغاز کردهاند. اگر هوش مصنوعی این مرحله را فشرده یا حذف کند، مشخص نیست نسل بعدی متخصصان چگونه ساخته خواهد شد.
برنامهنویسان جوان در خط مقدم تغییر
برنامهنویسی یکی از نخستین حوزههایی است که اثر هوش مصنوعی در آن به شکل جدی دیده میشود. اما همین حوزه، تناقض بازار کار هوش مصنوعی را بهتر از هر جای دیگری نشان میدهد. از یک سو، شرکتها میگویند بهرهوری مهندسان با کمک هوش مصنوعی افزایش یافته است. از سوی دیگر، دادهها نشان میدهد استخدام و اشتغال نیروهای جوان در برخی بخشهای نرمافزار تحت فشار قرار دارد.
مطالعهای از اریک برینیولفسون الگوی «قناریها در معدن زغالسنگ» را برای توضیح این وضعیت به کار میگیرد. منظور این است که نیروهای جوان در مشاغل در معرض هوش مصنوعی شاید اولین گروهی باشند که تغییرات عمیق بازار کار را زودتر از بقیه تجربه میکنند. در دادههای این مطالعه، کاهش اشتغال برای گروه سنی ۲۲ تا ۲۵ سال در مشاغل در معرض هوش مصنوعی شدیدتر از گروههای دیگر است، در حالی که نیروهای باتجربهتر هنوز چنین افتی را تجربه نکردهاند.
نیروهای جوان در مشاغل در معرض هوش مصنوعی شاید اولین گروهی باشند که تغییرات عمیق بازار کار را زودتر از بقیه تجربه میکنند.
این الگو با منطق اقتصادی شرکتها هم سازگار است. اگر یک ابزار هوش مصنوعی بتواند بخشی از وظایف یک کارمند تازهکار را انجام دهد، شرکت ممکن است به جای استخدام چند نیروی جونیور، از تعداد کمتری نیروی باتجربهتر استفاده کند که بتوانند خروجی مدلها را هدایت، بررسی و اصلاح کنند. در این مدل، ارزش نیروی کار ارشد کاهش نمییابد حتی ممکن است افزایش یابد. اما نقش نیروی تازهکار مبهمتر میشود.
پژوهشهای جدید درباره برنامهنویسی با هوش مصنوعی نیز تصویر سادهای ارائه نمیکنند. برخی مطالعات میگویند ابزارهای هوش مصنوعی میتوانند سرعت توسعه را بالا ببرند، اما مطالعه METR روی توسعهدهندگان باتجربه متنباز نشان داد استفاده از ابزارهای هوش مصنوعی در برخی پروژههای پیچیده، برخلاف انتظار خود برنامهنویسان، زمان انجام کار را افزایش داده است. پژوهش دیگری درباره پروژههای متنباز نشان داده افزایش تولید کد با هوش مصنوعی میتواند بار بازبینی و نگهداری را بر دوش توسعهدهندگان باتجربهتر بیشتر کند.
شرکتها چگونه ساختار کار را تغییر میدهند؟
نشانههای تغییر فقط در مطالعات دانشگاهی دیده نمیشود. مدیرعامل مایکروسافت، گفته است سهم قابل توجهی از کدهای جدید در برخی بخشها با کمک هوش مصنوعی نوشته میشود پس برنامهنویسان حذف نشدهاند اما کدنویسی دیگر همان فرایند سابق نیست. ارزش اصلی از «نوشتن خط به خط» به سمت طراحی مساله، ارزیابی خروجی، یکپارچهسازی و نظارت فنی حرکت میکند.
مدیرعامل اسپاتیفای، در یادداشتی داخلی که بعدا عمومی شد، استفاده از هوش مصنوعی را به «انتظار پایه» از کارکنان تبدیل کرد.
مدیرعامل Salesforce، بارها از اثر هوش مصنوعی بر بهرهوری مهندسی و خدمات مشتری سخن گفته است. این شرکت استخدام مهندسان نرمافزار را در دورهای متوقف کرد و همزمان سرمایهگذاری روی ابزارهای عاملمحور را افزایش داد. این شرکت همچنین از کاهش نیاز به برخی نقشهای پشتیبانی مشتری در اثر استفاده از هوش مصنوعی صحبت کرده است. این روند بیش از آنکه نشانه یک جایگزینی کامل باشد، نشانه تغییر طراحی سازمان است. بخشی از کار به عاملهای هوش مصنوعی منتقل میشود و انسانها بیشتر در جایگاه نظارت، فروش، حل موارد پیچیده و مدیریت استثناها قرار میگیرند.
شاپیفای نمونه دیگری از این تغییر است. توبی لوتکه، مدیرعامل شاپیفای، در یادداشتی داخلی که بعدا عمومی شد، استفاده از هوش مصنوعی را به «انتظار پایه» از کارکنان تبدیل کرد. مدیریت انتظار دارد پیش از درخواست نیروی انسانی یا منابع بیشتر، تیمها باید نشان دهند که مساله با هوش مصنوعی قابل حل نیست.
کلارنا شاید یکی از جنجالیترین نمونهها باشد. این شرکت اعلام کرد دستیار هوش مصنوعی آن، با پشتیبانی Openهوش مصنوعی، کاری معادل صدها نیروی تماموقت خدمات مشتری انجام میدهد و بخش بزرگی از گفتوگوهای پشتیبانی را پوشش میدهد. بعدتر گزارشهایی منتشر شد که نشان میداد کیفیت خدمات و رضایت مشتری در برخی موارد چالشبرانگیز شده و شرکت دوباره به جذب نیروی انسانی در بخشهایی از پشتیبانی نیاز پیدا کرده است. درس کلارنا نشان میدهد هوش مصنوعی میتواند حجم بزرگی از کار را جذب کند، اما جایگزینی سریع نیروی انسانی در خدماتی که با اعتماد و تجربه مشتری سروکار دارد، بدون هزینه نیست.
دولینگو نیز با اعلام رویکرد «هوش مصنوعی-first» نشان داد که تغییر فقط محدود به شرکتهای نرمافزاری سازمانی نیست. این شرکت گفت به تدریج استفاده از پیمانکاران را برای کارهایی که هوش مصنوعی میتواند انجام دهد کاهش میدهد. مدیرعامل دولینگو بعدا توضیح داد که هدف شرکت اخراج کارکنان تماموقت نیست، بلکه تغییر نقشها و حذف بخشی از کارهای تکراری است. اما همین توضیح نیز پیام اصلی را تغییر نمیدهد: در اقتصاد جدید، بخشی از کارهایی که پیشتر به پیمانکاران، فریلنسرها یا نیروهای تازهکار داده میشد، حالا نخستین نامزدهای واگذاری به هوش مصنوعی هستند.
در بیشتر کارکردهای سازمانی، کاهش نیروی کار مورد انتظار در سال آینده بیشتر از کاهش واقعی سال گذشته است.
بازار کار دوپاره میشود؟
پژوهشهای اقتصادی هنوز به یک پاسخ قطعی درباره اثر نهایی هوش مصنوعی بر اشتغال نرسیدهاند. این طبیعی است. فناوری تازه است، دادهها هنوز کامل نیستند و اثرهای بزرگ معمولا با تأخیر ظاهر میشوند. با این حال، چند الگو به تدریج روشنتر شده است.
نخست اینکه هوش مصنوعی بیش از همه بر «وظایف» اثر میگذارد، نه الزاما بر کل «شغلها». یک شغل معمولا مجموعهای از وظایف است: بخشی تکراری، بخشی تحلیلی، بخشی ارتباطی، بخشی خلاقانه و بخشی مبتنی بر قضاوت. بنابراین پرسش درست این نیست که «آیا شغل من از بین میرود؟» پرسش دقیقتر این است که «کدام بخشهای شغل من تغییر میکند؟«
دوم اینکه مشاغل آسیبپذیر فقط مشاغل کمدرآمد یا بدنی نیستند. برخلاف موجهای قبلی اتوماسیون که بیشتر کارخانه و کارهای فیزیکی را تحت تأثیر قرار میدادند، هوش مصنوعی مولد مستقیما وارد کارهای مانند نوشتن، تحلیل، کدنویسی، طراحی، پشتیبانی، تحقیق، آموزش و تولید محتوا شده که نیاز به دانش دارند. به همین دلیل، گروههایی که قبلا خود را نسبتا مصون از اتوماسیون میدانستند، اکنون در مرکز تغییر قرار گرفتهاند.
اثر هوش مصنوعی نه به صورت یک موج یکنواخت بیکاری، بلکه به شکل تغییر در تقاضای مهارت، کاهش برخی مسیرهای ورود، افزایش ارزش تجربه و جابهجایی وظایف درون شغلها ظاهر میشود.
سوم اینکه هوش مصنوعی میتواند همزمان تهدید و تقویتکننده باشد. برای نیرویی که مهارت کافی برای هدایت، ارزیابی و اصلاح هوش مصنوعی دارد، این ابزار میتواند بهرهوری را افزایش دهد. برای نیرویی که هنوز در حال یادگیری اصول پایه است، ممکن است همان ابزاری که کار را سریعتر میکند، فرصت یادگیری را نیز کاهش دهد. این همان پارادوکس اصلی برای نیروهای تازهکار است.
مجمع جهانی اقتصاد در گزارشهای آینده مشاغل خود بارها تاکید کرده که فناوریهای جدید همزمان برخی نقشها را کاهش و برخی دیگر را ایجاد میکنند، اما مهارتها با سرعتی بیسابقه در حال تغییرند. سازمان توسعه و همکاری اقتصادی نیز در تحلیلهای خود درباره هوش مصنوعی و بهرهوری نشان میدهد اثر این فناوری بر رشد اقتصادی میتواند قابل توجه باشد، اما توزیع منافع آن به آموزش، سیاست بازار کار و توان سازمانها در بازطراحی فرایندها بستگی دارد.
NBER و پژوهشهای مرتبط با اقتصاد کار نیز تصویر مشابهی ارائه میکنند. اثر هوش مصنوعی نه به صورت یک موج یکنواخت بیکاری، بلکه به شکل تغییر در تقاضای مهارت، کاهش برخی مسیرهای ورود، افزایش ارزش تجربه و جابهجایی وظایف درون شغلها ظاهر میشود.
چالش مسیر ورود به حرفه
بازار کار حرفهای همیشه بر پایه نوعی زنجیره آموزشی غیررسمی عمل کرده است. کارمند تازهکار وارد میشود، کارهای سادهتر را انجام میدهد، از خطاهای خود میآموزد، به تدریج مسئولیت میگیرد و در نهایت به نیروی باتجربه تبدیل میشود. اگر حلقه اول این زنجیره ضعیف شود، اثر آن چند سال بعد ظاهر خواهد شد؛ زمانی که شرکتها به نیروی باتجربه نیاز دارند، اما افراد کمتری فرصت تجربهاندوزی پیدا کردهاند.
این خطر فقط برای برنامهنویسان نیست. در روزنامهنگاری، تولید محتوا، ترجمه، طراحی، تحلیل داده، پشتیبانی مشتری، حقوق، حسابداری، مشاوره و بسیاری از مشاغل دانشی، بخش مهمی از یادگیری از انجام کارهای اولیه آغاز میشود. هوش مصنوعی اگر این کارها را بگیرد، باید راه تازهای برای آموزش حرفهای ساخته شود.
بنابراین آینده بازار کار فقط به این بستگی ندارد که هوش مصنوعی چقدر قدرتمند میشود. به این هم بستگی دارد که شرکتها، دانشگاهها و افراد چگونه مسیر یادگیری را بازطراحی میکنند.
منبع
