هوش مصنوعی می‌تواند کار تحلیلگران اقتصادی را سریع‌تر و ارزان‌تر انجام دهد، اما اقتصاددان‌های باسابقه آمریکا درباره پیامد دیگری هشدار می‌دهند: اگر سازمان‌ها برای صرفه‌جویی، نیروهای جوان را کنار بگذارند، نسل بعدی متخصصان و مدیران از کجا خواهد آمد؟
به گزارش عصر ایران به نقل از آکسیوس، بحث بر سر جایگزینی نیروی انسانی با هوش مصنوعی به یکی از محافل تخصصی اقتصاد آمریکا رسیده است؛ جایی که گروهی از اقتصاددانان باسابقه هشدار می‌دهند اتکای بیش از حد به ابزارهای هوش مصنوعی ممکن است به‌تدریج توان کارشناسی نهادهای اقتصادی را تضعیف کند.
ماجرا از اظهارنظر جیسون فورمن، اقتصاددان دانشگاه هاروارد، آغاز شد. او به آکسیوس گفت اگر امروز دوباره ریاست شورای مشاوران اقتصادی کاخ سفید را بر عهده بگیرد، برای بخش بزرگی از کارهای تحلیلی روزمره بیش از اقتصاددانان مجموعه، به ابزارهای هوش مصنوعی تکیه خواهد کرد.
این شورا وظیفه دارد رئیس‌جمهور آمریکا را درباره وضعیت اقتصاد، اشتغال، تورم و سیاست‌های اقتصادی راهنمایی کند. اظهارنظر فورمن بحثی فراتر از سرعت و دقت ماشین‌ها به راه انداخت: اگر هوش مصنوعی بتواند کار کارشناسان جوان را انجام دهد، آیا سازمان‌ها همچنان برای تربیت اقتصاددانان نسل بعد سرمایه‌گذاری خواهند کرد؟
جرد برنستین، رئیس پیشین شورای مشاوران اقتصادی در دولت جو بایدن، با دیدگاه فورمن موافق نیست. او می‌گوید کار این شورا فقط تحلیل داده‌های اقتصادی یا پیش‌بینی واکنش بازار به آمار تورم و اشتغال نیست.
به گفته برنستین، مشاوران اقتصادی باید بتوانند یافته‌های خود را با دستور کار دولت، شرایط سیاسی و تصمیم‌هایی که رئیس‌جمهور در همان روز با آنها روبه‌روست، پیوند بزنند. گاهی مسئله فقط این نیست که یک گزارش اقتصادی چه می‌گوید؛ مهم این است که آن گزارش در چه شرایطی منتشر شده و چگونه باید بر اساس آن تصمیم گرفت.
برنستین بر مهارتی تأکید می‌کند که به‌سختی می‌توان آن را در قالب داده و دستورالعمل خلاصه کرد: توانایی درک فضای جلسه، شناخت مخاطب و تشخیص اینکه چه چیزی را، چگونه و در چه زمانی باید به تصمیم‌گیران گفت.
از نظر او، هوش مصنوعی در این زمینه ضعف دارد؛ چون مشاوره به مقام‌های ارشد فقط به داشتن اطلاعات درست وابسته نیست، بلکه به فهم شرایط و روابط انسانی نیز نیاز دارد.
اما شاید مهم‌ترین نگرانی، نه توانایی فعلی هوش مصنوعی، بلکه تأثیر آن بر تربیت نسل بعدی متخصصان باشد.
کلودیا سام، اقتصاددان پیشین فدرال رزرو آمریکا، به این مسئله اشاره کرده است. او یادآوری می‌کند که نیروهای جوانی که در تیم فورمن کار می‌کردند، بعدها به موقعیت‌های مهمی رسیدند: برخی آزمایشگاه بودجه دانشگاه ییل را راه‌اندازی کردند، برخی در سیاست‌گذاری اقتصادی وزارت خزانه‌داری و نهادهای فدرال نقش گرفتند و برخی دیگر پژوهش‌های مهمی درباره تجارت، محیط زیست و مالیات منتشر کردند.
استدلال سام روشن است: این افراد در ابتدای مسیر شغلی خود فقط گزارش تهیه نمی‌کردند؛ آنها تجربه‌ای به دست می‌آوردند که بعدها به توانایی تصمیم‌گیری و مدیریت تبدیل شد.
اگر هوش مصنوعی بیشتر کارهای ابتدایی را انجام دهد و سازمان‌ها استخدام نیروهای جوان را کاهش دهند، این مسیر آموزشی چه سرنوشتی پیدا می‌کند؟
برای مثال، یک اقتصاددان ارشد ممکن است با کمک هوش مصنوعی بتواند به‌تنهایی کاری را انجام دهد که پیش‌تر به یک تیم نیاز داشت. این اتفاق بهره‌وری او را افزایش می‌دهد، اما اگر دیگر نیازی به استخدام تحلیلگران تازه‌کار نباشد، چند سال بعد چه کسانی جای اقتصاددانان باتجربه را خواهند گرفت؟
این همان خطری است که در مشاغل دیگری مانند مشاوره مدیریت و بانکداری سرمایه‌گذاری نیز مطرح شده است: حذف کارهای ابتدایی می‌تواند فرصت یادگیری در محیط واقعی کار را از بین ببرد.
البته همه اقتصاددانان درباره پیامدهای هوش مصنوعی بدبین نیستند.
کیسی مالیگان، اقتصاددان ارشد وزارت بهداشت و خدمات انسانی آمریکا که در دولت نخست ترامپ نیز در شورای مشاوران اقتصادی فعالیت داشت، می‌گوید تجربه خودش نتیجه متفاوتی نشان داده است. او با ساخت ابزارهای هوش مصنوعی در دو نهاد فدرال به این نتیجه رسیده که افزایش سرعت و کیفیت پژوهش اقتصادی لزوماً نیاز به اقتصاددانان را کاهش نمی‌دهد؛ حتی ممکن است تقاضا برای خدمات آنها را بیشتر کند.
این دیدگاه با مفهومی اقتصادی به نام «پارادوکس جوونز» ارتباط دارد. بر اساس این ایده، افزایش بهره‌وری و کاهش هزینه استفاده از یک منبع ممکن است به‌جای کاهش مصرف آن، تقاضا برایش را افزایش دهد.
برای نمونه، اگر هوش مصنوعی انجام تحلیل اقتصادی را ارزان‌تر کند، ممکن است شرکت‌ها و نهادهای بیشتری به سراغ تحلیل‌های تخصصی بروند. در این صورت، تقاضا برای اقتصاددانان نیز افزایش می‌یابد؛ حتی اگر هر اقتصاددان با کمک ابزارهای جدید بتواند کار بیشتری انجام دهد.
با این حال، نتیجه به نحوه استفاده سازمان‌ها از فناوری بستگی دارد. اگر هدف فقط کاهش هزینه نیروی انسانی باشد، احتمال حذف برخی مشاغل وجود دارد. اما اگر سازمان‌ها از افزایش بهره‌وری برای گسترش فعالیت خود استفاده کنند، ممکن است فرصت‌های شغلی تازه‌ای نیز ایجاد شود.
آنا وونگ، اقتصاددان ارشد آمریکا در بلومبرگ، به احتمال دیگری اشاره کرده است: اگر نسل فعلی متخصصان با کمک هوش مصنوعی کار کند، اما نسل تازه‌ای از کارشناسان انسانی تربیت نشود، در آینده چه کسی جای آنها را خواهد گرفت؟
این پرسش هنوز پاسخی قطعی ندارد. با این حال، نشان می‌دهد بحث هوش مصنوعی فقط به این محدود نیست که کدام شغل‌ها حذف می‌شوند و کدام شغل‌ها باقی می‌مانند. مسئله این است که سازمان‌ها چگونه تجربه، قضاوت حرفه‌ای و دانش تخصصی را به نسل بعد منتقل خواهند کرد.
نیل ماهونی، اقتصاددان دانشگاه استنفورد، راه‌حل را نه کنار گذاشتن هوش مصنوعی، بلکه طراحی سازمان‌هایی می‌داند که در آنها انسان و ماشین مکمل یکدیگر باشند. به اعتقاد او، متخصصان باسابقه باید محیط‌هایی بسازند که در آن نیروهای جوان بتوانند در کنار ابزارهای هوشمند یاد بگیرند و برای آینده‌ای آماده شوند که هوش مصنوعی در آن توانمندتر خواهد شد.
پرسش اصلی این نیست که آیا هوش مصنوعی می‌تواند بخشی از کار اقتصاددانان را انجام دهد؛ شواهد نشان می‌دهد که می‌تواند. پرسش دشوارتر این است که اگر سازمان‌ها امروز برای کاهش هزینه، نیروهای تازه‌کار را کنار بگذارند، فردا چه کسی تجربه و قضاوت لازم برای هدایت همان سازمان‌ها را خواهد داشت؟