نردبان شکسته: هوش مصنوعی و حذف پله اول ترقی شغلی، سنیورهای فردا از کجا بیایند؟

اولین کار جدی‌ام را با بانک رفتن شروع کردم؛ تقریبا پادو بودم.

در یکی از چاپخانه‌های پیشرفته آن روزها در خیابان ظهیرالاسلام کار می‌کردم و مدیر بسیار سخت‌گیری داشتم. صبح‌ها چند چک دستم می‌داد که به حساب بخوابانم. بعد نوبت بیمه بود، با لیست بیمه بچه‌ها، و بعد اداره مالیات، با پرونده‌ای که از آن سر در نمی‌آوردم.

فکر می‌کردم این‌ها ربطی به کار اصلی ندارد. ولی همان کسی که مرا به بانک می‌فرستاد، اولین کسی بود که دنیای تبلیغات را نشانم داد. با همان رفت‌وآمدها هم یادم داد یک کسب‌وکار چطور سرپا می‌ماند.

پله اول من همین بود: کاری که کسی برایش کلاس نمی‌گذاشت، کنار دست کسی که سخت می‌گرفت.

امروز کارهایی که همکاران جونیور را سنیور می‌کرد، هوش مصنوعی در چند دقیقه انجام می‌دهد. اسم این وضعیت را گذاشته‌ام «نردبان شکسته»: پله اول رشد در مسیر شغلی از این نردبان برداشته شده، ولی هنوز انتظار داریم آدم‌ها به پله‌های بالا برسند.

جواب کوتاه این است: پله اول این نردبان سه چیز به نیروی کار جونیور می‌داد؛ چالش، دیدن کل ماجرا و کار کنار دست یک سنیور. هوش مصنوعی هر سه را ضعیف می‌کند، مگر اینکه نقش جونیور را از «سازنده» به «بازبین» عوض کنیم.

نردبان شکسته یعنی چه؟

در آژانس‌های دیجیتال مارکتینگ، پله اول همیشه کارهای تکراری بوده است: تهیه لیست کلمه کلیدی، نوشتن چند نسخه متن آگهی و یا آماده کردن گزارش هفتگی برای مشتری.

این کارها خسته‌کننده بود، ولی تازه‌واردهای بازار کار با تکرارشان کم‌کم می‌فهمیدند چرا یک کمپین جواب می‌دهد و دیگری نه. (هیچ‌کس هم این را در شرح شغل نمی‌نوشت!)

حالا هوش مصنوعی همین کارها را در چند دقیقه و با کیفیتی که برای خیلی‌ها کافی است انجام می‌دهد. پله اول برداشته شده، ولی پله‌های بالا سر جایشان مانده‌اند و هنوز کسی باید از آن‌ها بالا برود.

داده‌ها درباره تاثیر هوش مصنوعی بر بازار کار چه می‌گویند؟

این فقط برداشت من نیست. اریک برینیولفسون و همکارانش در آزمایشگاه اقتصاد دیجیتال استنفورد، داده حقوق و دستمزد میلیون‌ها شاغل آمریکایی را بررسی کرده‌اند.

در آخرین نسخه این پژوهش (مرداد ۱۴۰۵)، اشتغال افراد ۲۲ تا ۲۵ ساله در شغل‌های در معرض هوش مصنوعی، ۱۹ درصد از هم‌سن‌هایشان در شغل‌های دیگر عقب افتاده است.

• برای باتجربه‌های همان شغل‌ها، چنین فاصله‌ای دیده نمی‌شود.
• این فاصله بیشتر از استخدام نکردن جوان‌ها می‌آید و نه از اخراج.
• افت در شغل‌هایی است که هوش مصنوعی جای کار آدم را می‌گیرد. جایی که هوش مصنوعی بیشتر کمک‌دست آدم است، اشتغال ثابت مانده یا بیشتر شده.
• این فاصله از اولین گزارش، در تابستان ۱۴۰۴، مدام بیشتر شده است.

خود نویسنده‌ها این‌ها را نشانه‌های اولیه می‌دانند، نه اثبات علت آن. ولی یک مدیر منتظر اثبات نمی‌ماند؛ همین نشانه‌ها برایش کافی است.

پله اول چه چیزی به جونیور می‌داد؟

مت بین، پژوهشگر دانشگاه کالیفرنیا در سانتا باربارا، کتابی دارد به اسم The Skill Code. حرف اصلی‌اش این است که مهارت از رابطه استاد و شاگرد ساخته می‌شود، و این رابطه سه جزء دارد.

پله اول این نردبان، مثل کار کردن من در آن چاپخانه، هر سه جزء را داشت: کار در لبه توانم، دیدن چرخه چک و بیمه و مالیات یک کسب‌وکار واقعی، و مدیری که کنار دستم سخت می‌گرفت.

بین همین را در اتاق عمل هم دیده است. در جراحی رباتیک، جراح اصلی پشت کنسول کار می‌کند و دستیار بیشتر تماشا می‌کند، چون این‌طور سریع‌تر است و خطا کمتر.

دستیاری که مهارت گرفت، ۱۰ تا ۵۰ برابر بیشتر از هم‌دوره‌اش عمل کرده بود؛ بخشی از آن با «یادگیری سایه»، یعنی تمرین بیرون از قاعده‌ها.

مایکل پولانی سال ۱۹۶۶ این را در یک جمله گفته بود: ما بیشتر از آنچه می‌توانیم بگوییم، می‌دانیم. «چرای» یک کمپین خوب هم از همین جنس است؛ با تکرار و کنار دست یک همکار سنیور منتقل می‌شود، نه با کتاب.

چرا نردبان شکسته در ایران سخت‌تر است؟

داده استنفورد مال آمریکاست. در ایران، مسئله دو لایه دیگر هم دارد.

اول، به تجربه من بیشتر همکاران خوب این صنف کار را پشت میز آژانس‌ها یاد گرفتند، نه در دانشگاه. اگر این پله در آژانس‌ها از بین برود، جای دیگری برای یاد گرفتنش نیست.

دوم، بالای نردبان هم خالی می‌شود. تعدادی از همکاران سنیور این صنف مهاجرت کرده‌اند، و دانشی که در سرشان بود با آن‌ها رفته است.

چند وقت پیش مدیر پرفورمنس یک برند با من تماس گرفت و با تندی پرسید چرا تبلیغاتشان نمایش ندارد. نگاه کردیم و دیدیم ادگروپ‌ها را متوقف کرده‌اند و کمپین را فعال گذاشته‌اند!

گفتم از همکاری که آنجا بود بخواهید اکانت را چک کند؛ گفتند از ایران رفته. تقصیر فقط آن مدیر نبود؛ کسی که می‌توانست کار را یادش بدهد، رفته بود.

یعنی نردبان ما از دو سر می‌شکند: پایینش با هوش مصنوعی و بالایش با مهاجرت. آژانسی که امروز نیروی جونیور نمی‌گیرد، فردا سنیوری ندارد که جای رفته‌ها بنشیند.

پله تازه را کنار هوش مصنوعی چطور بسازیم؟

داده استنفورد یک سرنخ مهم هم دارد: جایی که هوش مصنوعی بیشتر کمک‌دست آدم است تا جانشینش، اشتغال نیفتاده. پس سوال این نیست که هوش مصنوعی بیاید یا نه؛ سوال این است که کجای نردبان بنشیند.

من به هر مدیر آژانس و صاحب کسب‌وکاری این چهار تصمیم را پیشنهاد می‌کنم:

1. همکار جونیور را از سازنده به بازبین تبدیل کنید. هوش مصنوعی لیست کلمه کلیدی و متن آگهی را آماده کند و جونیور کنار یک سنیور ایرادهایش را پیدا کند (که معمولا کم هم نیست!). همکار سنیور نقد او را بررسی کند، نه خروجی هوش مصنوعی را؛ این‌طوری چالش و پیوند سر جایشان می‌مانند.
2. «چرا» را بنویسید. هر ایرادی که همکار جونیور پیدا می‌کند، با دلیلش ثبت شود. بخشی از همان دانش ناگفتنی که پولانی می‌گفت، کم‌کم نوشته می‌شود و به دفترچه آژانس تبدیل می‌شود، نه حافظه یک نفر.
3. پول واقعی بدهید، ولی کم. یادگیری بی‌ریسک، یادگیری نیست. یک کمپین کوچک با بودجه واقعی را زیر نظر یک سنیور به همکار جونیور بسپارید تا اشتباه کم‌هزینه را خودش تجربه کند.
4. دانش همکاران سنیور را از خودشان جدا کنید. مرور اکانت‌ها را ضبط کنید و تصمیم‌های مهم را با دلیلشان بنویسید. در بازاری که مهاجرت بالای نردبان را خالی می‌کند، این بیمه آژانس و یا سازمان شماست.

در حساب هزینه، نیروی جونیور همیشه گران به نظر می‌رسد، چون هزینه‌اش امروز است و سودش چند سال بعد. ولی نبودنش هم هزینه دارد؛ فقط دیرتر و یک‌جا خودش را نشان می‌دهد.

جونیوری که امروز استخدام نمی‌کنید، سنیوری است که فردا نمی‌توانید بخرید.