آیندهٔ کار ۲۰۲۷ تا ۲۰۳۰

وقتی از آیندهٔ کار حرف می‌زنیم، پرسش رایج این است که چه مشاغلی حذف می‌شوند؛ اما این پرسش به تصمیم امروز کمکی نمی‌کند. تغییر معمولاً در سطح شغل رخ نمی‌دهد، در سطح وظیفه رخ می‌دهد. هر شغل مجموعه‌ای از ده‌ها وظیفه است و آنچه در چند سال آینده جابه‌جا می‌شود، سهم وظایفی است که ماشین می‌تواند بردارد.

نتیجهٔ عملی این تفکیک روشن است: شغل‌ها بیشتر از آنکه حذف شوند، بازچیده می‌شوند. کارمندی که بخش عمدهٔ وقتش به گردآوری و مرتب کردن داده می‌گذشت، همان عنوان را حفظ می‌کند اما محتوای روزش عوض می‌شود. مدیری که این را می‌بیند، به‌جای پرسیدن از حذف شغل، از نو تعریف می‌کند که هر نقش قرار است چه ارزشی بیفزاید.

وظیفه‌هایی که سهمشان کم می‌شود

• گردآوری و انتقال داده: استخراج از یک سامانه و وارد کردن در سامانهٔ دیگر، یا ساختن گزارش تکراری.
• پیش‌نویس نخست: نگارش نسخهٔ اولیهٔ متن، کد، طرح یا خلاصهٔ جلسه.
• پاسخ به پرسش تکراری: آنچه پاسخش در مستندات موجود است و فقط باید پیدا شود.

آنچه گران‌تر می‌شود

• تعریف درست مسئله: ماشین در پاسخ دادن توانمند است و در تشخیص اینکه پرسش اشتباه است، ناتوان.
• داوری در شرایط مبهم: تصمیم‌هایی که داده در آن‌ها کامل نیست و مسئولیت پیامد بر گردن یک انسان می‌ماند.
• اعتماد و رابطه: مذاکره، مدیریت مشتری ناراضی و هم‌راستا کردن آدم‌ها؛ حوزه‌هایی که بهره‌وری ابزار در آن‌ها معنای چندانی ندارد.
• سنجش کیفیت برونداد: کسی که تشخیص می‌دهد پاسخ روان و مطمئنِ ماشین غلط است، از کسی که سریع‌تر پاسخ می‌گیرد ارزشمندتر است.

نقش مدیر عوض می‌شود، حذف نمی‌شود

بخشی از کار مدیر میانی تاکنون انتقال و تجمیع اطلاعات بوده است؛ همان بخشی که بیش از همه خودکارشدنی است. آنچه می‌ماند سنگین‌تر است: تعیین اولویت، پذیرش مسئولیت تصمیمی که سامانه پیشنهاد داده و نگه‌داشتن انسجام تیمی که ابزارهای تازه ترتیب کارش را به هم زده‌اند. سازمان‌هایی که این را نمی‌بینند، لایهٔ میانی را حذف می‌کنند و بعد کشف می‌کنند چه چیزی را از دست داده‌اند.

واقعیت بازار کار ایران

دو نیروی متضاد در ایران هم‌زمان عمل می‌کنند. از یک سو مهاجرت نیروی متخصص، دسترسی به تجربهٔ ارشد را دشوار کرده و همین، ابزارهایی که بهره‌وری تیم کوچک را بالا می‌برند از انتخاب به ضرورت تبدیل می‌کند. از سوی دیگر نیروی کار جوان و تحصیل‌کرده فراوان است و هزینهٔ نسبی کار انسانی، انگیزهٔ خودکارسازی را کم می‌کند. حاصل این دو، گذاری کندتر اما ناگزیر است؛ و شرکتی که مهارت‌افزایی را به تعویق بیندازد، چند سال بعد ناچار است هم ابزار بخرد و هم نیروی تازه.

یک نمونهٔ عملی

سازمانی را در نظر بگیرید که بخش زیادی از وقت تیم مالی‌اش به تهیهٔ گزارش‌های ماهانه می‌گذشت. پس از خودکار شدن گردآوری داده، نه کسی برکنار شد و نه ساعت کار کم شد؛ همان تیم شروع کرد به پاسخ دادن به پرسش‌هایی که پیش‌تر وقتی برایشان نمی‌ماند، مثل اینکه حاشیهٔ سود کدام محصول در حال آب رفتن است. تفاوت در این بود که مدیر پیش از شروع، مقصد آن ساعت‌های آزادشده را تعیین کرده بود.

مسیر ۹۰ روزهٔ شروع

• ماه نخست: در یک تیم، وظایف را فهرست کنید و سهم زمانی هر یک را تخمین بزنید؛ همین فهرست، تصویر واقعی نقش را نشان می‌دهد.
• ماه دوم: یک وظیفهٔ پرتکرار و کم‌ریسک را انتخاب کنید و پیش از هر ابزاری بنویسید ساعت آزادشده به چه کاری می‌رسد.
• ماه سوم: نتیجه را با تیم بازبینی کنید و شرح نقش را به‌روز کنید؛ نقشی که روی کاغذ به‌روز نشود، در ذهن کارمند هم عوض نمی‌شود.

خطاهای رایج

• گرفتن ابزار پیش از تعیین مقصد ساعت‌های آزادشده؛ نتیجه، بهره‌وری بیشتر در کاری بی‌ارزش است.
• معرفی خودکارسازی به‌عنوان طرح کاهش نیرو؛ در آن صورت تیم داده و همکاری واقعی را دریغ می‌کند.
• آموزش عمومی و یک‌بار برای همیشه، به‌جای تمرین در جریان کار روزانه.
• حذف نقش‌های ورودی؛ اگر کارشناس تازه‌کار تجربهٔ عملی نکند، کارشناس ارشد سال‌های بعد ساخته نمی‌شود.

پرسش‌های پرتکرار

• کدام مهارت را باید نخست آموزش داد؟
  توان سنجیدن برونداد؛ استفاده از ابزار در چند ساعت یاد گرفته می‌شود، تشخیص پاسخ غلط نه.
• با تیمی که مقاومت می‌کند چه کنیم؟
  مقاومت معمولاً ترس از جایگزینی است؛ با روشن کردن مقصد ساعت‌های آزادشده کم می‌شود، نه با بخشنامه.
• نیروی تازه با مهارت هوش مصنوعی استخدام کنیم؟
  در بیشتر موارد ارتقای تیم موجود که کسب‌وکار را می‌شناسد، از استخدام بیرونی سریع‌تر نتیجه می‌دهد.

جمع‌بندی

تا پایان این دهه، تفاوت میان سازمان‌ها کمتر به ابزارهایشان مربوط می‌شود و بیشتر به سرعت بازچیدن نقش‌ها. آماده شدن هم کار دشواری نیست: از یک تیم و یک وظیفه شروع کنید و پیش از خودکار کردن، مقصد ساعت آزادشده را بنویسید.

واژه‌نامه

• مهارت‌افزایی: ارتقای مهارت کارکنان فعلی برای نقش‌های تازه.
• بازآموزی: آماده کردن فرد برای نقشی متفاوت با نقش کنونی‌اش.
• نقش ترکیبی: نقشی که در آن بخشی از کار را ابزار انجام می‌دهد و داوری نزد انسان می‌ماند.
• انسان در حلقه: ماندن تصمیم نهایی نزد فردی مسئول، حتی وقتی اجرا خودکار است.
• سواد هوش مصنوعی: فهم کافی از توان و محدودیت ابزار، برای استفادهٔ درست از آن.