{"id":13472,"url":"\/distributions\/13472\/click?bit=1&hash=4a05616fb570ab538ab8c04fa1f08afa00a090b2c2700fcd6146507f1b1658df","title":"\u041a\u0430\u043a \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0431\u043e\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u0431\u0435\u0441\u0438\u0442\u044c \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432","buttonText":"","imageUuid":"","isPaidAndBannersEnabled":false}
Анна Арндт

Какие профессии будут автоматизированы и почему? Взгляд из прошлого : 2013 год

Исследование с прогнозами автоматизации ряда профессий было опубликована в 2013 году. Авторы задались вопросом, сколько и какие профессии будут автоматизированы в результате применения компьютеров? 47% профессий в США в течении десяти лет.

Публикация 2013 года интересна по следующим причинам:

(а) авторы не просто в общем сказали: столько-то % профессий будут делать роботы, а объяснили, почему именно эти профессии на их взгляд будут автоматизированы,

(б) посмотреть, что сбылось, так как прошло 8 лет,

(в) это исследование часто цитируют современные ученые, блогеры и писатели футурологи,

(г) исследователи сравнили свою работу с исследованием других ученых, которые прогнозировали, сколько профессий в США будет вынесено за ее пределы. Это было в период бума аутсорсинга американских и не только рабочих мест в Китай и другие страны. Как мы знаем, США сейчас сменили стратегию по аутсорсингу работы и активно возвращают рабочие места в США. Посмотрим, чем закончится применение алгоритма в работе человека.

Пару слов об ученых

Карл Бенедикт Фрей - шведско-немецкий экономист. Он - научный сотрудник Оксфордской школы Мартина, где руководит программой «Будущее работы».

Майкл Осборн – профессор дисциплины Машинное обучение в Оксфордском Университете и со-основатель компании Mind Foundry, которая разрабатывает ИИ решения.

В чем «фишка» исследования?

Фрей и Осборн выяснили, что до них много кто говорил и писал про автоматизацию труда, но вот посчитать в цифрах, сколько же конкретно рабочих мест автоматизируется пока никто не решился.

Изначально исследователи предположили, что хотя автоматизируются все рутинные задачи: и требующие когнитивных (умственных) усилий и физического труда, но есть нерутинные задачи, которые автоматизировать тоже получится. Но не все.

Какие нерутинные задачи пригодны для автоматизации: составление договоров, написание заключений юристов, вождение грузовиков, постановка медицинского диагноза. А вот, например, работы, требующие умения убеждать человека, автоматизировать не получится совсем.

Какие профессии и в какой степени будут перенесены за пределы США

Задумавшись о методологии исследования, Фрей и Осборн вспомнили работу, которую опубликовали другие американские ученые в далеком 2009 году.

A. Binder и A. Krueger из Принстонского университета решили спрогнозировать, какие профессии и в какой степени могут быть перенесены из США в другие страны. Они определили, что от 22 до 29% рабочих мест в США будут перенесены за пределы США или попросту «аутсорсены» в течение следующего десятилетия или даже двух.

Исследователи определили два ключевых параметра профессии, которые затруднят аутсорсинг: (а) работа должна выполняться в определенной локации, (б) работа требует личной коммуникации.

Автоматизация-это не аутсорсинг рабочих мест

Такие параметры работ, очевидно, не подходят для выявления, какие профессии могут быть автоматизированы.

Например, работа операциониста в банке. Операционист должен физически находиться в отделении и общаться с клиентом. Но появились технологии- например терминалы самообслуживания, и работу операциониста можно заменить машиной.

Поэтому Фрей и Осборн стали искать другие параметры, определяющие будет ли профессия автоматизирована.

Для этого им пришлось покопаться в истории автоматизации труда.

Что такое «дескиллинг»

Для начала стоит объяснить термин «дескиллинг», который является крайне важным, если речь заходит об автоматизации труда.

«Дескиллинг» ( “deskilling”) впервые был упомянут в 19м веке. Он означает декомпозицию сложных профессиональных навыков на простые шаги. «Дескиллинг» впервые применили на фабриках, когда заменили ремесленный труд, и ускорили выпуск товаров за счет механизации труда.

Работа, которая изначально выполнялась ремесленниками, была разделена на мелкие, специализированные, последовательные операции, требующие наличия у работника меньших профессиональных навыков.

Примером дескиллинга является производственная линия на заводах Форда, спроектированная в 1913 году таким образом, чтобы на ней могли работать сотрудники, не обладающие сложными профессиональными навыками. Скорость сборки автомобиля, разбитая на простые операции, увеличилась на 34%.

Стоит заметить, что «дескиллинг» на заводе Форда никакой пользы высококвалифицированным рабочим не принес.

Электрификация сформировала потребность в управленческом персонале

Автоматизация на заводах того же Форда состоялась только тогда, когда электрификация стала доступна для повсеместного внедрения на заводах. Потом еще транспортная революция удешевила перевозки.

Это все привело к росту потребности в работниках, которые могли бы управлять сложными процессами производства товаров и их доставки к потребителю, то есть понадобились профессиональные управленцы.

Компьютерная революция «вымыла» с рынка труда телефонисток

Компьютерная революция, которую относят к 1960-м годам, автоматизировала работу многих профессий. Первыми пострадали телефонистки.

Потом в тех же 60-х GeneralMotors представил первого индустриального робота, а в 70-х авиакомпании начали использовать автоматизированную систему бронирования билетов.

Новые методы обработки информации в офисе вызвали рост образовательных программ и рост заработных плат «белых воротничков»

Как только появились печатные машинки, диктофоны, калькуляторы- все, что ускоряло обработку информации о производственных и управленческих процессах компании, сразу возникло огромное количество соответствующих программ образования, что привело к появлению офисных клерков. Платить им стали больше, чем рабочим на производственных линиях заводов.

С 1915 по 1980 обозначился серьезный разрыв в заработных платах «белых воротничков» и рабочих.

Результат компьютерной революции - поляризация заработных плат

Работник, использующий компьютер, зарабатывал от 10 до 15% больше, чем те, кто работал без компьютера.

Применение компьютеров поспособствовало переносу работников, выполняющих физическую работу, в индустрию оказания услуг.

Между 1980 и 2005 количество трудочасов физического труда в индустрии оказания услуг в США выросло на 30%. Увеличилось и количество работ, требующих высококвалифицированного труда.

Рост высококвалифицированного труда связан с тем, что компьютеры позволили получать данные легче и быстрее, что облегчило выполнение более абстрактных и креативных задач.

Рынок труда поляризовался. На нем стали преобладать высокооплачиваемые профессии, требующие когнитивных навыков, и низкооплачиваемые- требующие физического труда.

Такая поляризация на рынке труда оказалась не только в США, но и в других развитых странах.

Точно ли образование помогает работникам перейти в категорию высокооплачиваемых при автоматизации труда?

Авторы раскопали работу 2013 года, выполненную группой исследователей из Университета Британской Колумбии (Канада), которые выяснили, что хотя последние десятилетия наблюдается рост спроса на высококвалифицированных работников, но они переходят на более низкооплачиваемые должности, которые традиционно выполняют менее квалифицированные работники. Это способствует тому, что менее квалифицированные работники спускаются еще ниже по карьерной лестнице или совсем выпадают из профессии.

Это исследование заставляет подумать о двух вопросах: (а) способности человека выиграть гонку с автоматизацией за счет образования, (б) возникновение и рост технологической безработицы, если будет наблюдаться технологический прогресс, который вызовет большую текучку работников, а она- безработицу.

Прогноз Давида Рикардо от 1819 года о технологической безработицы не сбылся

Радует то, что не сбывается прогноз английского экономиста и оппонента Кейнса Давида Рикардо.

В своей знаменитой работе 1819 года «The principles of political economy and taxation», он предположил, что применение технологий для автоматизации труда снизит спрос на рутинную работу, и это приведет к технологической безработице.

Этого пока не произошло.

Однако, все экономисты осознали, что применение машин, которые заменяют труд человека тем или иным способом, меняет рынок. Например, увеличение эффективности производства снизит цену одного товара, приведет к росту реальной стоимости и к росту спроса на другие товары.

Как технологический прогресс влияет на рынок труда?

Если технология заменяет труд человека, то мы обычно видим два эффекта:

1) Деструктивный эффект: работникам надо искать спрос на свои навыки где-то в другом месте.

2) Эффект капитализации: больше компаний входят в индустрии, где производительность труда выше, и в этих индустриях наблюдается рост занятости.

Что конкретно может быть автоматизировано в работе?

Фрей и Осборн заглянули в 2003 год и нашли удобную модель классификации профессий для анализа реальности угрозы автоматизации. Это матрица Дэвида Аутора (D.Autor), профессора экономики Массачусетского технологического университета. Трудится он там и по сей день.

Термины

Рутинные операции - это операции, которые выполняются по заданным правилам и могут быть выполнены машиной.

Нерутинные операции невозможно структурировать таким образом, чтобы перевести в программный код.

Ручные операции выполняются физически, а когнитивные- с помощью знаний.

Как Дэвид Аутор видел эффект компьютеризации на работу в своей модели:

Исследователи отмечают, что только последние достижения в технологиях позволили автоматизировать нерутинные задачи. Например, в 2003 году управление машиной в городе или расшифровка почерка человека являлись нерутинными задачами, которые невозможно автоматизировать.

Но уже с 2009 года эти задачи может выполнять машина.

Распознавание речи долгое время считалось непостижимой для машины задачи, но сегодня владельцы девайсов Apple и ПО Google коммуницируют с виртуальными помощниками.

Выводы Дэвида Аутора:

(а) автоматизация более подходит для рутинных операций, (б) чем интенсивнее становятся рутинные операции, тем более эффективными становятся нерутинные операции.

Следовательно, компьютеризация приведет к замене рутинных операций машиной и будет дополнением к человеческому труду в нерутинных операциях когнитивных задач.

Прогнозы McKinsey 2013 года об автоматизации работы

В 2013 году McKinsey Global Institute предположил, что 140 миллионов работников умственного труда, могут быть заменены алгоритмами в ближайшем будущем. Каких именно работников заменят -не уточнили.

Автоматизация нерутинного ручного труда

Роботы уже выполняют простые задачи: уборка пылесосом, мытье пола, стрижка газона, чистка канав.

McKinsey Global Institute: рынок роботов для дома растет на 20% ежегодно.

General Electric уже внедрил робота, который способен подниматься и обслуживать ветряные турбины.

Австралийская горно-металлургическая компания Rio Tinto заменила частично рабочих на своих шахтах на машины.

Испанская компания El Dulze, производитель питания, использует роботов, которые собирают латук с ленты и отбраковывают тот, который не соответствует стандарту.

«Узкие места» в технологиях, способствующих автоматизации труда

Фрей и Осборн выделили «узкие места» в профессиях, которые помешают их автоматизации

1) Распознавание среды и манипуляции с объектами

Роботы пока не научились человеческому восприятию объектов с точным определением глубины и широты расстояния. Задачи, связанные с анализом неструктурированной информации, будут автоматизированы в меньшей степени.

Производитель индустриальных роботов Kiva Systems, которого Амазон приобрел в 2012 году, решил проблему ориентации роботов на складе, сделав наклейки с штрих-кодами на полу. Роботы распознавали штрих-коды и идентифицировали местонахождение наклеек.

2) Интеллектуальные задачи, требующие креативности

Человеческую креативность очень сложно разбить на процессы. Идеи, в широком смысле, -это стихи, концепции, музыкальные композиции, научные теории, рецепты блюд и шутки.

Креативность — это новое сочетание знакомых идей, предметов. Креативность требует глубоких знаний.

Компьютер шутку не придумает.

3) Интеллектуальные задачи, требующие понимания социального контекста.

Социальный интеллект человека – это широкий набор задач, таких как переговоры, убеждение, проявление заботы. Попытки компьютеризации таких задач предпринимались, но безуспешно.

Роботы могут имитировать человеческое взаимодействие, но понимать человеческие эмоции -задача недоступная машине, также как и задача отвечать адекватно на человеческие эмоциональные реакции.

Пример- как профессии распределяются по шкале вероятность автоматизации и выявленных «узких мест».

Как проводилась оценка профессий в исследовании Фрея и Осборн

Ученые взяли за основу базу данных Департамента труда (ДТ) США, которая включала в себя 902 профессии, каждая из которых детально описана. База данных ДТ США регулярно обновляется и соответствует ситуации на рынке труда США.

Каждая профессия в базе данных ДТ имеет ряд стандартизированных и измеряемых показателей и набор операций, который входит в каждую профессию. Это позволило исследователям провести классификацию профессий:

(а) профессии были проранжированы на основе сочетания знаний, навыков и способностей, необходимых для выполнения работы; (б) также профессии проранжировали субъективно на предмет наличия в них «узких мест».

Профессии объединили в 70 групп.

По каждой группе субъективно отвечали на такой вопрос: «Можно описать эту работу детально, чтобы передать ее на выполнение машине?».

Эти группы также разложили по трем «узким местам»:

· Распознавание среды и манипуляции с объектами

· Интеллектуальные задачи, требующие креативности

· Интеллектуальные задачи, требующие понимания социального контекста

Чтобы объяснить свой уровень «субъективности», ученые показали пример своей классификации профессий:

Ученые использовали метод регрессии гауссовского процесса (метод машинного обучения) для оценки вероятности автоматизации выделенных групп профессий.

Вот такое распределение профессий получилось:

47% профессий на американском рынке труда могут быть автоматизированы в периоде десятилетие или два.

Прогнозы авторов подробно:

1) Темп автоматизации профессий будет зависеть от того, как быстро технологии смогут преодолеть «узкие места».

2) Профессии в сфере услуг, продаж, транспорта и строительства особенно подвержены риску автоматизации.

Фрей и Осборн задумались, почему профессии в сфере продаж могут быть легко автоматизированы, ведь в этих профессиях важно социальное взаимодействие. Причина, по их мнению, в том, что эти профессии содержат множество мелких действий, которые не требуют высокого уровня социального интеллекта.

Примером может служить применение рекомендательных алгоритмов на сайтах продажи одежды и товаров.

3) Автоматизация в сфере услуг также требует последующего анализа. В последние десятилетия в США наблюдается рост занятости именно в сфере услуг. Косвенным подтверждением верности прогноза может служить прогнозы MGI о росте рынка роботов для домашнего хозяйства и производства.

4) Профессии в сфере строительства содержат в себе много специальностей из категории «плавка металла». Этим и объясняется, что эти профессии оказались под угрозой автоматизации.

5) Профессии, оказавшиеся на «плато» автоматизации (19%) – это профессии, где много «узких мест»: распознавание среды и манипуляции с объектами

6) Профессии, которые оказались в зоне минимального риска автоматизации, требуют креативности и социального интеллекта.

Что может помешать автоматизации профессий?

Любопытно, что среди ограничений для реализации своих прогнозов ученые отметили регуляторные ограничения. Например, государство может ввести законодательные ограничения автоматизации в некоторых профессиях.

Ошибочное предположение об объективности алгоритма в когнитивных задачах

Как и многие исследователи тех лет, Фрей и Осборн ошибочно предположили, что алгоритм более объективен, чем человек в когнитивных задачах. И эта объективность является огромным преимуществом машины.

Как мы знаем, сегодня современные ИИ разработчики и исследователи обсуждают, как избежать предвзятых суждений алгоритма, которые появляются всегда, так как алгоритм создает человек, и тренировка алгоритма также происходит на данных, полученных от людей и о людях.

Как мне кажется, главное в этой дилемме не прийти к мысли, что люди всегда субьективны и лучше их убрать из процесса решения… А то окажемся в мире планеты Шедар, куда прибыли школьники в советском фантастическом фильме 1975 года (!) «Отроки во Вселенной» и нашли там сильно осчастливленных роботами людей.

Ссылка на исследования Фрей и Осборн: https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

Ссылка на статью Дэвида Аутора 2003 года: https://economics.mit.edu/files/11574

0
Комментарии
Читать все 0 комментариев
null