پیش‌بینی گارتنر: شرکت‌ها تا سال ۲۰۲۹ مجبور به استخدام مجدد ۳۰ درصد از نیروهای جایگزین‌شده با هوش مصنوعی خواهند شد

هنگامی که موج برون‌سپاری به خارج از کشور در اوایل دهه ۲۰۰۰، شرکت‌های آمریکایی را از استعدادهای مهندسی کلیدی خود محروم کرد، این شرکت‌ها دهه بعدی را صرف لغو بی‌سروصدای آن تصمیمات کردند و برای بازخرید تخصصی که دور انداخته بودند، هزینه‌های گزافی پرداختند. هجوم کنونی برای جایگزینی نیروی انسانی با هوش مصنوعی مولد نیز دقیقاً همین مسیر را طی می‌کند، با یک تفاوت ساختاری: این بازگشت تنها در عرض سه سال رخ می‌دهد. بر اساس پیش‌بینی سپتامبر ۲۰۲۶ موسسه تحقیقاتی گارتنر (Gartner)، ۳۰ درصد از کارگرانی که به دلیل اتوماسیون هوش مصنوعی کنار گذاشته شده‌اند، باید تا سال ۲۰۲۹ دوباره استخدام شوند تا دانش سازمانی از دست‌رفته جبران شود.[1][7]

مکانیسمی که این روند معکوس را هدایت می‌کند، همان چیزی است که تحلیلگران صنعت آن را «پشیمانی از تعدیل نیرو» می‌نامند. در طول سال‌های ۲۰۲۴ و ۲۰۲۵، مدیران سازمان‌ها به شدت تعداد کارکنان دانشی خود را کاهش دادند تا بودجه لازم برای هزینه‌های سرمایه‌ای عظیم در زیرساخت‌های هوش مصنوعی را تامین کنند. با این حال، این کاهش نیرو به طور سیستماتیک بستر انسانی مورد نیاز برای اجرای، مدیریت و عیب‌یابی مدل‌های تازه مستقر شده را از بین برد.[4][7]

گزارش ۹ سپتامبر گارتنر، این اثر بومرنگی را به عنوان یکی از چهار تغییر اساسی شکل‌دهنده آینده کار معرفی می‌کند. این موسسه پیش‌بینی می‌کند که صرفه‌جویی‌های اولیه حاصل از کاهش نیروی کار مبتنی بر هوش مصنوعی، برای نزدیک به یک‌سوم از موقعیت‌های شغلی حذف‌شده کاملاً از بین خواهد رفت، زیرا سازمان‌ها مجبور می‌شوند برای پر کردن شکاف‌های عملیاتی ناشی از استراتژی‌های اتوماسیون خود، دوباره وارد بازار کار شوند.[1][5]

پیامدهای مالی برای کارفرمایان سنگین است. استخدام مجدد این نیروها با همان سطح حقوق قبلی اتفاق نخواهد افتاد. از آنجا که استخر استعدادها تغییر کرده و نیاز سازمان‌ها به شدت حیاتی خواهد بود، این کارمندان بازگشتی دستمزد بالاتری طلب خواهند کرد. نشریه کامپیوترورلد (Computerworld) گزارش می‌دهد که شرکت‌ها در حال تجربه «پشیمانی شدید از تعدیل نیرو» هستند و این موقعیت‌های شغلی «تا سال ۲۰۲۹ با هزینه بالاتری احیا خواهند شد»، که این امر محاسبات بازگشت سرمایه برای استقرار هوش مصنوعی سازمانی را اساساً تغییر می‌دهد.[7]

کمبود اصلی، دانش سازمانی است. در حالی که یک مدل زبانی بزرگ می‌تواند در چند ثانیه کد بنویسد یا گزارش‌های انطباق را پیش‌نویس کند، نمی‌داند چرا یک پایگاه داده قدیمی در سال ۲۰۱۸ به شکل خاصی ساختار یافته است، و همچنین پویایی‌های سیاسی نانوشته در حساب یک مشتری بزرگ را درک نمی‌کند. وقتی کارمندانی که این بستر مستندنشده را در اختیار دارند سازمان را ترک می‌کنند، سیستم‌های هوش مصنوعی اغلب در میزان کارایی خود به یک سقف سخت برخورد می‌کنند.[3][6]

این پویایی در حال حاضر سازمان‌ها را مجبور به ارزیابی مجدد تعریف «نقش مازاد» کرده است. تک‌ریدار (TechRadar) خاطرنشان می‌کند که آینده کار به شدت تحت تاثیر نحوه مدیریت این تنش دقیق میان کارایی خودکار و نظارت انسانی توسط شرکت‌ها شکل خواهد گرفت. کارگرانی که دوباره استخدام می‌شوند احتمالاً به مشاغل قدیمی خود بازنمی‌گردند، بلکه در نقش‌های جدیدی مشغول به کار خواهند شد که به طور خاص برای مدیریت، ممیزی و اصلاح همان سیستم‌های هوش مصنوعی طراحی شده‌اند که در ابتدا جایگزین آن‌ها شده بودند.[4]

برای بازار کار، پیش‌بینی گارتنر یک جدول زمانی مشخص برای گذار به هوش مصنوعی ارائه می‌دهد. به جای نابودی دائمی تقاضا برای کار دانشی، دوره کنونی بیشتر شبیه به یک چرخه پرنوسان تخصیص مجدد است. شاخص ۳۰ درصدی استخدام مجدد نشان می‌دهد که بخش قابل توجهی از اخراج‌های ناشی از هوش مصنوعی که بین سال‌های ۲۰۲۴ تا ۲۰۲۶ ثبت شده‌اند، در نهایت به عنوان مرخصی‌های اجباری موقت، هرچند به شدت مختل‌کننده، عمل خواهند کرد.[2][5]

بار این اشتباه محاسباتی به شدت بر دوش بخش‌های منابع انسانی خواهد افتاد که اکنون باید استراتژی‌های استخدامی جدیدی را برای جذب مجدد کارمندان سابق به سازمان طراحی کنند. آی‌تی‌آنلاین (IT-Online) تاکید می‌کند که یک‌سوم از این کارمندان اخراج‌شده باید به طور فعالانه جذب شوند، که این امر نیازمند بازسازی اعتماد شرکت‌ها با نیروی کاری است که اخیراً آن‌ها را منسوخ و ناکارآمد طبقه‌بندی کرده بودند.[6]

هزینه واقعی این چرخه در گزارش‌های درآمدی سازمان‌ها در سال‌های ۲۰۲۷ و ۲۰۲۸ نمایان خواهد شد. در آن زمان، هزینه‌های سرمایه‌ای استقرار هوش مصنوعی مستقیماً با هزینه‌های عملیاتی فزاینده برای استخدام مجدد لایه نظارت انسانی برخورد خواهد کرد و مدیران ارشد مالی را مجبور می‌کند توضیح دهند که چرا افزایش حاشیه سود وعده داده شده هرگز محقق نشد.[1][7]