چگونه هوش مصنوعی در حال خشکاندن ریشه متخصصان آینده است؟

به گزارش ادیان نیوز، به نقل از تک اکسپلور؛ انجام کارهای روتین توسط هوش مصنوعی، «قرارداد نانوشته» میان کارمندان تازه‌وارد و کارفرماها را از بین برده است؛ اتفاقی که منجر به حذف فرصت‌های یادگیری در حین کار و ایجاد یک «سیاه‌چاله مهارتی» برای نسل جدید می‌شود. برای دهه‌ها، مسیر شغلی ساده بود، نیروهای تازه‌وارد کارهای تکراری و خسته‌کننده را انجام می‌دادند و در عوض، فرصت یادگیری، مربی‌گری و تبدیل شدن به متخصص را پیدا می‌کردند. اما اکنون هوش مصنوعی دقیقاً همان «کارهای مقدماتی» را هدف گرفته است و در نتیجه طبق آمار، استخدام نیروهای تازه‌وارد در حوزه‌های حساس به هوش مصنوعی (مانند برنامه نویسی و خدمات مشتریان) بین سال‌های ۲۰۲۲ تا ۲۰۲۵ حدود ۲۰ درصد کاهش یافته است، در حالی که تقاضا برای نیروهای باسابقه رشد کرده است.

محققان مسیر شغلی را به یک درخت تشبیه می‌کنند. مهارت‌های عمومی (ارتباطات، تفکر انتقادی و حل مسئله) تنه این درخت را می‌سازند و مهارت‌های تخصصی، شاخه‌های آن هستند. ارزش مادی مهارت‌های تخصصی، کاملاً به قدرتِ «تنه درخت» یا همان مهارت‌های پایه بستگی دارد. اگر هوش مصنوعی کارهای سطح پایین را انجام دهد، نیروهای جوان دیگر فرصتی برای ساختن این «تنه» نداشته باشند، در مسیرهایی با قابلیت ارتقای محدود، موسوم به «تله مهارتی»، زندانی می‌شوند.

وقتی هوش مصنوعی کارهای تازه‌واردها را بهتر و سریع‌تر انجام می‌دهد، مدیران ارشد دیگر تمایلی به واگذاری کار به انسان‌ها ندارند. این پدیده «کسری آموزش» نامیده می‌شود؛ زنجیره انتقال تجربه قطع می‌شود و در آینده کسی وجود نخواهد داشت که جایگزین متخصصان بازنشسته شود. این بحران برای زنان جدی‌تر است، زیرا آن‌ها سه برابر بیشتر از مردان در نقش‌های اداری و دفتری (که بیشترین آسیب را از هوش مصنوعی می‌بینند) حضور دارند.

برای نجات این زنجیره، راه‌کارهای زیر پیشنهاد شده است:

– وارونه‌سازی مربی‌گری: جوانان می‌توانند ابزارهای جدید هوش مصنوعی را به قدیمی‌ها بیاموزند و قدیمی‌ها، «قضاوت و ظرافت‌های انسانی» را به جوانان آموزش دهند.
– مقاومت در برابر حذف: کارفرمایان باید حتی زمانی که هوش مصنوعی سریع‌تر است، کارها را به نیروهای جوان واگذار کنند تا فرآیند یادگیری متوقف نشود.
– تمرکز بر قضاوت: تخصص فقط ذخیره اطلاعات نیست، بلکه اعمال قضاوت دقیق در موقعیت‌های پیچیده است؛ چیزی که هوش مصنوعی هنوز در آن ضعف دارد.