.jpg){kind=small}
Stadige fremskritt i utviklingen av maskinlæring, automatiseringsverktøy og tale- og bildegjenkjenning gjør at flere yrker med spesialiserte og høyt utdannede arbeidere står i fare for å bli automatisert.
Om du er bekymret for at roboter snart skal ta over jobben din, kan du teste et splitter nytt verktøy som skal gi deg en pekepinn på hvor robot-utsatt jobben din er.
Forskere ved EPFL-universitetet i Lausanne har nemlig utviklet en modell for å beregne automatiseringsrisiko og hvilke tryggere karrierevalg som ligger nærmest din erfaring og kompetanse. Det melder Science Daily.
Forskerne kombinerte eksisterende forskning og tekniske beskrivelser av roboter og kunstig intelligens med sysselsettings- og lønnsstatistikk og en stor database med jobbeskrivelser.
Så sammenlignet de kvalifikasjonskravene i de utsatte yrkene med kravene til mindre utsatte yrker for å kunne foreslå tryggere karrierevalg.
Verktøyet er tilgjengelig på en egen nettside.
Advarer mot ny trend: Nå brukes AI-skapte mennesker til å søke på jobber
Sammenligner mennesker og roboter
– Det er nok av studier som forutser hvor mange jobber som kommer til å bli automatisert av roboter, men de fokuserer på programvareroboter, som tale- og bildegjenkjenning, finansrådgivingsroboter, chatbots og så videre. Slike prediksjoner varierer veldig avhengig av hvordan jobbkrav og programvaremuligheter vurderes. Her vurderer vi ikke bare AI-programvare, men også intelligente roboter som kan gjøre fysisk arbeid, og vi har utviklet en metode for systematisk å sammenligne menneskelige og teknologiske ferdigheter brukt i hundrevis av jobber, sier professor Dario Floreano, som ledet studien ved EPFL.
Forskerne tok utgangspunkt i en amerikansk database, O*net, som klassifiserer rundt tusen yrker og lister opp ferdighetene og kunnskapen som kreves i hver jobb.
Så sammenlignet forskerne disse ferdighetene med AI- og robot-teknologien og gjorde vurderinger av hvor moden teknologien er på ulike områder. Sammenligningen ble utgangspunkt for algoritmer som skal kalkulere sannsynligheten for at en jobb blir automatisert.
Oppgaver som krever millimeternøyaktighet ble det for eksempel sett på som mer sannsynlig at en robot kunne gjøre, mens kreativitet og kritisk tenkning ble sett på som menneskenes styrke.
Etter å har rangert tusen jobber kom forskerne frem til at det var minst sannsynlig at fysikere mister jobben til roboter, mens slaktere snart bør se seg om etter noe annet å gjøre. Bygningsarbeid, vedlikehold og matvareforedling er bransjer der vi vil se økende grad av automatisering, tror forskerne bak studien.
Innsikten skal kunne brukes til planlegging, både på makro- og mikronivå.
Mer motstandsdyktige mot automatisering
– En nøkkelutfordring for samfunnet i dag er å bli motstandsdyktig mot automatisering. Vårt arbeid gir detaljerte karriereråd for ansatte som er utsatt for å få jobben sin automatisert. Så kan de skaffe seg sikrere jobber mens de gjenbruker mange av ferdighetene de brukte i den forrige jobben, sier professor Rafael Lalive, en av forskerne bak studien, til Science Daily.
Metoden forskerne har utviklet, skal nemlig kunne finne alternative jobber med vesentlig lavere automatiseringsrisiko, men forholdsvis nær jobben i kompetansekrav.
Metoden kan være nyttig for myndigheter som ønsker å måle hvor mange og hva slags arbeidere som risikere å stå uten jobb og så tilrettelegge omskoleringsplaner etter faktisk behov, for firmaer som planlegger automatisering og for trygghetssøkende arbeidstakere som vil planlegge karrieren sin.
Sjekk selv
Når Digi.no tester verktøyet, kan det se ut til at karriereveiledere er blant arbeidstakere som vil få beholde jobben sin litt lenger.
Er søkene Digi.no gjorde representative og mange tar rådene bokstavelig, ville vi ganske raskt drukne i matematikere og fysikere.
Både programmere, prosjektledere, advokater, barnehagelærere og journalister får disse to forslagene på topp tre.
Er du nysgjerrig på hvordan din egen jobb kommer ut og hvilke jobber du kunne omskolert deg til, kan du sjekke nettsiden selv.
Det finnes andre løsninger enn bare å finne ny grønn energi til KI-datasentre
