یافته‌های اقتصادی درباره احیای مشاغل: هوش مصنوعی چگونه وظایف را خودکار می‌کند، نه کل مشاغل را

در سال ۲۰۲۵، پژوهشگران موسسه فناوری ماساچوست (ام‌آی‌تی) که روند پذیرش نرم‌افزارهای سازمانی را دنبال می‌کردند، متوجه یک ناهنجاری در بخش‌های حسابداری شرکت‌هایی شدند که هوش مصنوعی را مستقر کرده بودند. زمانی که شرکت‌ها پلتفرم‌های حسابداری مبتنی بر هوش مصنوعی را ادغام کردند، کارکنان مالی خود را اخراج نکردند. در عوض، حدود ۹ درصد از زمان حسابداران از ورود تکراری داده‌ها به وظایف باارزشی مانند ارتباطات تجاری و تضمین کیفیت بازتوزیع شد. این نرم‌افزار پر کردن صفحات گسترده را خودکار کرد، اما نتوانست کار مشاوره به مشتریان را که بر اساس همان صفحات گسترده انجام می‌شد، خودکار کند.[5]

این مشاهده، سازوکار اصلی پدیده‌ای را به تصویر می‌کشد که اقتصاددانان کار آن را «اثر احیا» می‌نامند. این چارچوب که برای اولین بار در مقاله سال ۲۰۱۹ توسط دارون عجم‌اوغلو و پاسکوال رسترپو، اقتصاددانان ام‌آی‌تی، در مجله چشم‌اندازهای اقتصادی فرمول‌بندی شد، عنوان شغلی را از وظایف مجزایی که آن را تشکیل می‌دهند، تفکیک می‌کند. با ورود یک فناوری جدید، «اثر جایگزینی» ایجاد می‌شود که به سرمایه اجازه می‌دهد در وظایف خاصی جایگزین نیروی کار شود. اما همزمان، وظایف جدیدی خلق می‌کند که در آن‌ها نیروی کار انسانی دارای مزیت نسبی است و در نتیجه تقاضا برای کارگران را احیا می‌کند.[1]

تمایز بین خودکارسازی یک وظیفه و خودکارسازی یک شغل، تعیین می‌کند که آیا یک فناوری نقشی را از بین می‌برد یا آن را گسترش می‌دهد. بر اساس تحلیل سال ۲۰۲۵ ام‌آی‌تی اسلون، زمانی که هوش مصنوعی بتواند اکثریت قریب به اتفاق وظایف تشکیل‌دهنده یک شغل خاص را اجرا کند، سهم کارگران در آن نقش تقریباً ۱۴ درصد کاهش می‌یابد. با این حال، زمانی که فناوری تنها زیرمجموعه کوچکی از وظایف تکراری را جذب می‌کند، نتیجه عکس رخ می‌دهد. کارگران ظرفیت تمرکز بر ایده‌پردازی و تفکر انتقادی را به دست می‌آورند و استخدام برای آن نقش اغلب افزایش می‌یابد.[5]

لارنس اشمیت، دانشیار ام‌آی‌تی اسلون، می‌گوید: «یکی از نقش‌های مهم شرکت‌ها در به حداقل رساندن جابه‌جایی‌های ناشی از هوش مصنوعی، تکیه جدی بر بازتوزیع وظایف است: نیروی کار فعلی خود را در نظر بگیرید، با هوش مصنوعی کار کنید و مطمئن شوید که زمان به سمت وظایفی بازتوزیع می‌شود که افراد در آن‌ها مزیت نسبی دارند.»[5]

داده‌های اقتصاد کلان در حال حاضر از این بازتوزیع درون‌نقشی در برابر جابه‌جایی انبوه حمایت می‌کند. یک گزارش سیاستی در جولای ۲۰۲۶ از موسسه تحقیقات سیاست اقتصادی استنفورد (SIEPR)، روندهای بیکاری را در سطوح مختلف مواجهه با هوش مصنوعی اندازه‌گیری کرد. از سال ۲۰۲۲، نرخ بیکاری برای دهک بالای کارگرانی که در معرض هوش مصنوعی قرار داشتند، ۰.۷۷ واحد درصد افزایش یافت. در دقیقاً همان دوره، نرخ بیکاری برای کارگرانی که کمترین مواجهه را داشتند، ۰.۸۵ واحد درصد افزایش یافت. کارگرانی که بیشترین مواجهه را دارند، با نرخ اندکی بالاتر از کسانی که کمترین مواجهه را دارند، مشاغل خود را حفظ می‌کنند.[2]

شرکت‌هایی که به طور گسترده از هوش مصنوعی استفاده می‌کنند، در واقع نیروی کار خود را سریع‌تر از همتایانشان گسترش می‌دهند. تحقیقات ام‌آی‌تی اسلون نشان داد که افزایش چشمگیر در استفاده از هوش مصنوعی با حدود ۶ درصد رشد اشتغال بالاتر و ۹.۵ درصد رشد فروش بالاتر در یک بازه پنج ساله همبستگی دارد. حتی در موقعیت‌های با دستمزد بالا که به شدت در معرض این فناوری قرار دارند، سهم کل اشتغال در طول پنج سال حدود ۳ درصد رشد کرده است.[5]

ناظران بین‌المللی کار نیز الگوهای مشابهی را ثبت کرده‌اند. سازمان همکاری و توسعه اقتصادی (OECD) در چشم‌انداز اشتغال سال ۲۰۲۳ خود نتیجه گرفت که هیچ نشانه‌ای از کاهش تقاضا برای نیروی کار به دلیل هوش مصنوعی وجود ندارد. در حالی که این فناوری حجم عظیمی از وظایف در معرض خطر خودکارسازی را گسترش می‌دهد، این سازمان دریافت که هنوز برای تشخیص تغییرات منفی معنادار در اشتغال زود است و در عوض خاطرنشان کرد که کارگران دارای مهارت‌های هوش مصنوعی دستمزدهای بسیار بالاتری دریافت می‌کنند.[3]

دفتر بودجه کنگره (CBO) نیز در گزارش دسامبر ۲۰۲۴ خود درباره تأثیرات اقتصادی و مالی این فناوری به نتیجه مشابهی رسید. این آژانس تعیین کرد که هوش مصنوعی مولد می‌تواند به عنوان یک مکمل مستقیم برای کارگران کم‌مهارت در یک شغل خاص عمل کرده و بازده آن‌ها را افزایش دهد. دفتر بودجه کنگره خاطرنشان کرد: «هوش مصنوعی می‌تواند جامعه را به همان روشی متحول کند که پیشرفت‌های تکنولوژیکی مانند موتور بخار و برق‌رسانی در گذشته‌های دور انجام دادند»، در حالی که اذعان داشت تأثیر نهایی بر درآمدهای فدرال و هزینه‌های الزامی هنوز نامشخص است.[4]

اگر این فناوری بازده اقتصادی و درآمدهای فردی را افزایش دهد، دفتر بودجه کنگره پیش‌بینی می‌کند که هزینه‌های فدرال برای برنامه‌های حمایت از درآمد ممکن است کاهش یابد. برعکس، اگر کسب‌وکارها از هوش مصنوعی برای کاهش بدهی‌های مالیاتی خود استفاده کنند، یا اگر کارگران جابه‌جاشده به کمک‌های فدرال طولانی‌مدت نیاز داشته باشند، هزینه‌های الزامی ممکن است افزایش یابد. این آژانس تأکید کرد که استفاده خود دولت فدرال از این فناوری برای حسابرسی انطباق مالیاتی یا کاهش پرداخت‌های متقلبانه در برنامه‌های مدیکر و تامین اجتماعی می‌تواند تعادل مالی را تغییر دهد.[4]

آسیب‌پذیری اصلی در مدل احیا، در سطح پایه ظاهر می‌شود. در حالی که نقش‌های ارشد از خودکارسازی وظایف تکراری سود می‌برند، نقش‌های تازه‌کار از نظر تاریخی تقریباً به طور کامل از همین وظایف تشکیل شده‌اند. تحلیل سال ۲۰۲۶ موسسه استنفورد (SIEPR) بازار کار چالش‌برانگیزی را برای فارغ‌التحصیلان اخیر برجسته کرد، به طوری که نرخ بیکاری برای دارندگان مدارک جدید در اوایل سال ۲۰۲۶ به ۵.۶ درصد رسید؛ افزایشی معادل ۱.۶ واحد درصد نسبت به سه سال قبل.[2]

موقعیت‌های تازه‌کار در زمینه‌هایی مانند توسعه نرم‌افزار و پژوهش، اغلب به عنوان دوره‌های کارآموزی عمل می‌کنند که در آن‌ها کارگران با اجرای تحلیل‌های تکراری و نوشتن، مهارت می‌آموزند. از آنجا که هوش مصنوعی اکنون این عملکردها را به طور کارآمدی انجام می‌دهد، شواهد تجربی نشان می‌دهد که این فناوری ممکن است تقاضا برای استخدام‌های جدید را کاهش دهد. پژوهشگران استنفورد خاطرنشان کردند که استخدام کارگران سطح پایه در مشاغل در معرض هوش مصنوعی در حوالی سال ۲۰۲۲ به طور قابل‌توجهی کاهش یافت، اگرچه عوامل اقتصاد کلان مانند افزایش نرخ بهره، ریشه‌یابی دقیق این موضوع را پیچیده می‌کند.[2]

دوام اثر احیا زمانی آزمایش خواهد شد که پذیرش سازمانی از طرح‌های آزمایشی به زیرساخت‌های اصلی منتقل شود. نقطه بررسی قابل‌تأیید بعدی در اوایل سال ۲۰۲۷ فرا می‌رسد، زمانی که اداره آمار کار پیش‌بینی‌های شغلی اصلاح‌شده خود را برای دهه ۲۰۲۶-۲۰۳۶ منتشر کند. اگر نرخ بیکاری برای دهک بالای کارگران در معرض هوش مصنوعی از آستانه ۱.۰ واحد درصد عبور کند، یا اگر نرخ بیکاری ۵.۶ درصدی برای فارغ‌التحصیلان جدید با وجود کاهش نرخ بهره بهبود نیابد، اثر جایگزینی رسماً بر احیای وظایف غلبه کرده است.[2][6]