Više od tri godine od lansiranja ChatGPT‑a, utjecaj umjetne inteligencije (AI) na zapošljavanje i dalje je uglavnom nevidljiv u agregiranim statistikama. Ipak, počinje se nazirati na rubovima tržišta rada, osobito u početnim (entry‑level) pozicijama unutar najranjivijih sektora. Ova zajednička studija Coface i Opservatorija za ugrožena i nova zanimanja (OEM), kroz jedinstveno mapiranje izloženosti automatizacije zadataka pogonjenoj umjetnom inteligencijom, pokazuje pomicanje granice automatizacije.
S razvojem AI‑ja, sve su češće kognitivne, složene i visokokvalificirane aktivnosti te koje se pojavljuju kao rizične, što otvara mogućnost dubinskih promjena u strukturi zaposlenosti.
Inovativna metodologija za mjerenje potencijala automatizacije zadataka i zanimanja
Cilj ove studije jest pružiti detaljno mapiranje područja u kojima će se širenje AI‑ja najvjerojatnije odraziti na način rada. Takva granularna analiza otkriva ranjivosti koje agregirane statistike još uvijek u velikoj mjeri zanemaruju, s obzirom na to da se izloženost znatno razlikuje među zadacima, zanimanjima, sektorima, državama i regijama.
Metodologija koju je razvio OEM rješava tri česta ograničenja postojećih analiza: nedostatak granularnosti pri analizi zanimanja, nisku ponovljivost procjena temeljenih na stručnim mišljenjima ili procjenama koje generira AI, izostanak stvarne buduće perspektive u odnosu na faze razvoja umjetne inteligencije.
Svako od 923 analizirana zanimanja podijeljeno je na pojedinačne zadatke, koji su dodatno rastavljeni na elementarne radnje opisane pomoću trojke (glagol, objekt, kontekst). Takav pristup omogućuje precizniju procjenu razine izloženosti svakog zadatka automatizaciji. Elementarne radnje zatim se boduju prema jasno definiranim i ponovljivim pravilima.
Ova metoda pruža konkretan odgovor na tri utvrđena ograničenja. Prvo, značajno pročišćava analizu zanimanja razlikovanjem ocjene prema generičkoj osnovnoj radnji, bez obzira na dotično zanimanje. Drugo, poboljšava ponovljivost procjena putem eksplicitnih i revizibilnih pravila. Konačno, uvodi istinsku dimenziju usmjerenu na budućnost, omogućujući projekciju izloženosti zadataka kroz nekoliko faza razvoja umjetne inteligencije – pet u kontekstu ove studije – umjesto da se samo pruži snimka u jednom trenutku.
Uz OEM, Coface je pomogao proširiti ovaj okvir razvojem metode za ponderiranje zadataka na temelju njihove važnosti i učestalosti, usavršavanjem scenarija usmjerenih na budućnost i pravila bodovanja te proširivanjem empirijskog opsega analize na gotovo trideset zemalja.
Ova procjena izloženosti automatizaciji namjerno je gruba i usmjerena na stranu ponude: mjeri tehničku izloženost zadataka automatizaciji i stoga ni na koji način ne prejudicira obujam neto gubitka radnih mjesta.
Naime, metodologija namjerno ne uzima u obzir dinamiku potražnje, potencijalno stvaranje novih zadataka niti prepreke koje bi mogle usporiti ili ograničiti stvarnu implementaciju umjetne inteligencije.
Različita izloženost po zanimanjima: AI prvenstveno cilja kognitivne i informacijski povezane aktivnosti
Studija naglašava jasan prekid u odnosu na prethodne valove automatizacije: AI nije nastavak tehnologija poput robotike ili klasičnog softvera, već pomiče fokus prema kognitivnim zadacima koji su složeni i nerutinski. Njegov je utjecaj izrazito neujednačen: prvo se očituje na razini pojedinih zadataka, a tek potom neujednačeno djeluje na zanimanja, skupine zanimanja i, posljedično, sektore u kojima su ta zanimanja koncentrirana.
U glavnom analiziranom scenariju, koji se odnosi na primjenu AI‑ja temeljene na agentima, otprilike jedno od osam zanimanja prelazi prag od 30% automatiziranih zadataka. Studija taj prag identificira kao granicu dubinske transformacije struke, koja otvara prostor za potencijalno značajnu preraspodjelu zaposlenika, ali ne nužno i nestanak samog zanimanja.
Najizloženija zanimanja koncentrirana su u područjima s visokim udjelom kognitivnog i informacijskog rada: inženjerstvo, IT, administrativne funkcije, financije, pravo, kao i određene kreativne i analitičke profesije.
Broj zanimanja s ≥ 30% zadataka koji se mogu automatizirati, po zanimanjima, scenarij specijalnog agenta
Podaci za grafikon u .xlsx formatu
S druge strane, najmanje ranjiva zanimanja u velikoj su mjeri manualna ili uključuju ljudske interakcije koje je teško standardizirati: proizvodnja, građevina, održavanje, promet, ugostiteljstvo, čišćenje te određene djelatnosti skrbi i podrške.
Studija također mjeri stvarni udio radnog sadržaja koji je izložen riziku u svakom analiziranom tržištu rada, uspoređujući udio automatizabilnih zadataka unutar svakog od 923 zanimanja s njegovim obujmom zaposlenosti. Grupiranjem u osam širokih kategorija identificiraju se skupine zanimanja koje su najizloženije riziku.
Ključni rezultati su jasni: više od četvrtine radnog sadržaja moglo bi se automatizirati u upravljačkim i administrativnim poslovima, kreativnim profesijama, pravu i financijama, kao i u sektorima inženjerstva i IT‑ja. Nasuprot tome, osobne usluge licem u lice te tehnička, obrtnička i industrijska proizvodna zanimanja ostaju ispod praga od 10 %. Poslovi u skrbi, obrazovanju, prodaji i općenito u professions orijentiranima na rad s ljudima zauzimaju srednju poziciju: dio njihovih zadataka jest ugrožen, ali ljudska komponenta i dalje djeluje kao zaštitni faktor.
Značajne razlike među državama
Studija pokazuje da se izloženost država automatizaciji pogonjenoj AI‑jem znatno razlikuje – od oko 12% izloženog radnog sadržaja u Turskoj do gotovo 20% u Ujedinjenom Kraljevstvu. Te su razlike u velikoj mjeri posljedica gospodarske strukture, koja određuje strukturu zaposlenosti i, posljedično, udio zadataka koje je moguće automatizirati.
Najrazvijenija gospodarstva i ona snažno usmjerena prema kognitivnim uslugama pokazuju veću izloženost automatizaciji. Uz Ujedinjeno Kraljevstvo, Nizozemska, Irska i Luksemburg imaju visoku koncentraciju informacijskih zanimanja. Nasuprot tome, zemlje u kojima je zaposlenost više usmjerena na trgovinu, osobne usluge, građevinu, promet ili druge fizički intenzivnije djelatnosti bilježe umjereniju izloženost. Studija pritom identificira pet skupina zemalja sa sličnim profilima.
Osim zaposlenosti: raspodjela vrijednosti, socijalna zaštita, obrazovanje, nove ovisnosti… brojna otvorena pitanja
Potencijalni učinci šire primjene AI‑ja nadilaze samo pitanje zapošljavanja. Budući da cilja kvalificirana i relativno dobro plaćena zanimanja, AI bi dugoročno mogao narušiti postojeće ekonomske i društvene ravnoteže.
Automatizacijom nekih zadataka koji se obavljaju u najkvalificiranijim profesijama, mogao bi se značajno preusmjeriti značajan dio dodane vrijednosti s rada na kapital. Za zemlje čiji se porezni sustavi uvelike oslanjaju na izravno i/ili neizravno oporezivanje rada, ovaj bi razvoj predstavljao dvostruki proračunski izazov, smanjujući porezne prihode (doprinosi za socijalno osiguranje, porez na dohodak, PDV itd.), a istovremeno povećavajući javne rashode (osiguranje za slučaj nezaposlenosti, osposobljavanje).
Studija nas također poziva da šire razmotrimo vrijednost obrazovanja i kvalifikacija koje se trenutno dodjeljuju na kraju različitih obrazovnih putova. Ako neki od zadataka za koje se pripremaju dugi studijski programi postanu lakše automatizirani, veza između obrazovnih postignuća, plaće i sigurnosti posla mogla bi oslabiti. Bez (još) zaključka da visoko obrazovanje više nije potrebno, ovi nalazi sugeriraju da bi poslodavci mogli manje naglašavati samo kvalifikacije, a umjesto toga usredotočiti se na vještine koje ostaju komplementarne umjetnoj inteligenciji, poput prosudbe, prilagodljivosti ili sposobnosti nadzora njezine upotrebe.
Konačno, širenje umjetne inteligencije moglo bi dovesti do novih geopolitičkih, logističkih i operativnih ranjivosti zbog koncentracije njezine najkritičnije imovine (poluvodiči, jezični modeli, podatkovnih centara) među ograničenim brojem tvrtki i zemalja koje kontroliraju tehnologije.
Zaključak: transformacija sposobna preoblikovati rad
Iako točna putanja ovih transformacija ostaje neizvjesna i iako prijelaz s tehničke izloženosti zadataka na njihove neto učinke na zaposlenost nipošto nije automatski, jedna se točka ipak jasno ističe:
Umjetna inteligencija se ne primjenjuje na rubovima rada, već u dijelu njegovih kognitivnih, nerutinskih i kvalificiranih funkcija, koje su se dugo smatrale najsigurnijima. Budući da te funkcije čine dio zanimanja koja igraju glavnu ulogu u stvaranju prihoda, dodane vrijednosti i poreznih prihoda, čini se malo vjerojatnim da bi se takva transformacija mogla dogoditi bez preoblikovanja, u različitim stupnjevima, prirode poslova i ravnoteže koja ih podupire.
> Preuzmite studiju (.pdf) ili poslušajte izlaganje autora tijekom Coface Country Risk konferencije
