מחקר MIT: האם בינה מלאכותית תיצור משרות חדשות לצעירים משכילים, או תחליף אותן?
מחקר חדש של MIT בוחן שבעה עשורים של נתוני תעסוקה בארה״ב ומראה כי טכנולוגיות חדשות יצרו היסטורית משרות בעיקר לצעירים משכילים בערים. השאלה המרכזית כעת היא האם AI ישחזר את הדפוס הזה, או יוביל לאוטומציה רחבה יותר של משימות קיימות.
האם AI ייצור עבודה חדשה, או רק יחליף משימות קיימות?
האם בינה מלאכותית תייצר דור חדש של משרות איכותיות, או תאיץ את שחיקתן של עבודות קיימות? כפי שנחשף בפרסום של MIT News מחודש מאי, מחקר חדש בהובלת כלכלן העבודה דייוויד אוטור מ-MIT מציע תשובה היסטורית זהירה: טכנולוגיה אכן נוטה ליצור עבודה חדשה, אך בעבר הנהנים המרכזיים ממנה היו בעיקר צעירים משכילים, במיוחד בסביבות עירוניות.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
המחקר, שעתיד להתפרסם ב-Annual Review of Economics תחת הכותרת “What Makes New Work Different from More Work?”, נכתב על ידי דייוויד אוטור, קרוליין צ׳ין מהמחלקה לכלכלה ב-MIT, אנה מ. סלומונס מאוניברסיטת טילבורג ואוניברסיטת אוטרכט, ובריאן סיגמילר מבית הספר קלוג לניהול באוניברסיטת נורת׳ווסטרן.
מה מלמדת ההיסטוריה של שוק העבודה האמריקאי
החוקרים בחנו נתוני מפקד אוכלוסין בארה״ב משנות 1940 ו-1950, לצד נתוני American Community Survey מהשנים 2011 עד 2023. המטרה הייתה להבין לא רק אילו מקצועות חדשים נוצרו בעקבות טכנולוגיות חדשות, אלא גם מי אייש אותם, כמה הם הרוויחו, ומה קרה לערך הכלכלי של המומחיות לאורך זמן.
המסקנה המרכזית חדה: עבודות חדשות נוצרות סביב מומחיות נדירה. בתחילת הדרך, מי שמחזיק בידע חדש, למשל בתפעול מערכות מתקדמות, הנדסה, ניתוח נתונים או שימוש בכלים טכנולוגיים ייחודיים, נהנה מפרמיית שכר. אך ככל שהידע מתפשט, ההכשרה נעשית זמינה יותר והכלים עצמם עוברים אוטומציה, היתרון נשחק. כפי שאוטור מסביר, עבודה חדשה בסופו של דבר מתיישנת.
המחקר מצא כי בשנת 1950 כ-7% מהעובדים עסקו בסוגי עבודה שנוצרו מאז 1930. בתקופה המודרנית, בין 2011 ל-2023, כ-18% מהעובדים הועסקו בתחומי עבודה שהופיעו מאז 1970. עוד נמצא כי עובדים מתחת לגיל 30 נהנו במיוחד מהמעבר לעבודות חדשות, וכי בוגרי קולג׳ היו בעלי סיכוי גבוה יותר להשתלב בהן לעומת בוגרי תיכון.
למלחמת העולם השנייה יש לקח גם לעידן ה-AI
אחד הממצאים המעניינים במחקר נוגע לתפקיד הביקוש ביצירת חדשנות. בתקופת מלחמת העולם השנייה, השקעות ממשלתיות רחבות במחקר, ייצור ותעשייה יצרו התמחויות חדשות בקנה מידה גדול. לפי החוקרים, 85% עד 90% מהעבודה החדשה בין 1940 ל-1950 הייתה מונעת טכנולוגיה, אך הטכנולוגיה עצמה התפתחה בין היתר משום שהיה צורך ממשי ותקצוב ציבורי רחב.
הנקודה הזו רלוונטית במיוחד לבינה מלאכותית גנרטיבית. מערכות כמו מודלי שפה גדולים מסוגלות לבצע משימות שבעבר דרשו מיומנות אנושית, כולל כתיבה, סיכום, קידוד, שירות לקוחות וניתוח מסמכים. אך כפי שאוטור מדגיש, שחיקת משימות אינה בהכרח שחיקת משרות. רוב המקצועות כוללים אוסף רחב של פעולות, וחלקן עשויות להפוך לאוטומטיות בזמן שאחרות דווקא יתרחבו.
הבריאות כדוגמה: אוטומציה או הרחבת יכולות?
אוטור מצביע על מערכת הבריאות כתחום שבו הבחירה החברתית והרגולטורית תהיה מכרעת. ניתן להשתמש ב-AI כדי להחליף עובדים ולצמצם עלויות, אך ניתן גם להשתמש בו כדי לאפשר לאנשים בעלי רמות הכשרה שונות לבצע משימות מורכבות יותר, לשפר אבחון, לקצר תהליכים אדמיניסטרטיביים ולהגדיל פריון.
במילים אחרות, השאלה אינה רק מה AI מסוגל לעשות, אלא כיצד ארגונים וממשלות יבחרו לפרוס אותו. אם הביקוש הציבורי וההשקעות יכוונו ליצירת מומחיות חדשה, עשויות להיווצר קטגוריות תעסוקה חדשות סביב פיקוח על מערכות AI, הנדסת תהליכים, אימות רפואי, אבטחת מידע, ניהול נתונים והטמעת מערכות חכמות.
המסר של המחקר אינו אופטימי באופן עיוור, אך גם אינו דטרמיניסטי. ההיסטוריה מלמדת שטכנולוגיה יכולה ליצור עבודה טובה, אולם היא אינה מבטיחה חלוקה שוויונית של ההזדמנויות. בעידן הבינה המלאכותית, המדיניות, ההשקעה בהכשרה והאופן שבו ארגונים יבחרו לשלב AI יקבעו אם מדובר בגל חדש של מוביליות מקצועית, או בעוד שלב של שחיקת עובדים.