راهنمای بازآموزی نیروی کار در عصر هوش مصنوعی

نشان تجارت - انقلاب هوش مصنوعی در جهان کار، سرعت و عمقی متفاوت از تمام موج‌های فناوری پیشین ایجاد کرده است؛ موجی که نه‌تنها مدل‌های کسب‌وکار را دگرگون کرده، بلکه ماهیت مهارت‌های مورد نیاز در بازار کار را نیز کاملاً تغییر می‌دهد. در چنین شرایطی، بازآموزی و ارتقای توانمندی نیروی کار به یک ضرورت استراتژیک تبدیل شده است. کشور‌ها و شرکت‌ها در سال‌های اخیر با درک این تحول، برنامه‌های گسترده‌ای را برای توانمندسازی نیرو‌ها آغاز کرده‌اند؛ برنامه‌هایی که بر داده، تحلیل نیاز‌های مهارتی و تکنیک‌های نوین یادگیری مبتنی است.

تغییر سطح تقاضا برای مهارت‌ها در بازار جهانی

گزارش‌های بین‌المللی در سال‌های اخیر نشان می‌دهد که سرعت تغییر تقاضا برای مهارت‌ها در دوره هوش مصنوعی به‌طور بی‌سابقه‌ای افزایش یافته است. طبق برآورد‌های بانک جهانی و مک‌کنزی، تا سال ۲۰۳۰ حدود ۳۰ درصد وظایف شغلی در جهان قابل خودکارسازی خواهند بود و دست‌کم ۳۷۵ میلیون نفر نیازمند بازآموزی جدی هستند. همچنین داده‌های مجموعه لینکدین نشان می‌دهد که ۷۵ درصد مهارت‌های مورد نیاز آگهی‌های شغلی طی پنج سال گذشته تغییر کرده است.

به‌طور مشخص، مهارت‌هایی همچون تحلیل داده، کار با مدل‌های یادگیری ماشین، طراحی فرآیند‌های هوش مصنوعی، مهارت‌های حل مسئله و سواد دیجیتال با رشدی تصاعدی در حال افزایش است. در مقابل، مشاغلی که بر تکرار، پردازش دستی داده یا تصمیم‌گیری‌های ساده تکیه دارند، بیشترین ریسک اتوماسیون را تجربه می‌کنند.

بازآموزی به‌عنوان سرمایه‌گذاری، نه هزینه

داده‌های تحقیقات موسسه Deloitte نشان می‌دهد که شرکت‌هایی که برنامه‌های بازآموزی ساختارمند دارند، ۲۴ درصد بهره‌وری بالاتر و ۳۴ درصد ریسک ترک نیروی انسانی کمتر تجربه کرده‌اند. این نشان می‌دهد بازآموزی نه یک هزینه اضافی، بلکه بخشی از استراتژی حفظ سرمایه انسانی و مزیت رقابتی است.

در همین راستا، شرکت‌هایی مانند IBM و Amazon برنامه‌های گسترده و چندساله بازآموزی طراحی کرده‌اند. آمازون اعلام کرده که در فاصله ۲۰۲۰ تا ۲۰۲۵ بیش از ۷۰۰ میلیون دلار برای آموزش داخلی کارکنان سرمایه‌گذاری کرده و هدفش آموزش ۱۰۰ هزار کارمند در حوزه‌های پردازش ابری، امنیت سایبری و تحلیل داده بوده است. تحلیل روند اشتغال در این شرکت نشان می‌دهد که بیش از ۵۵ درصد نقش‌های داخلی در پنج سال گذشته دستخوش تغییرات مهارتی شده‌اند.

بیشتر بخوانید: پرپلکسیتی چیست؟ نگاهی به موتور جستجوی مبتنی بر هوش مصنوعی

نقش مدل‌های آموزشی کوتاه مدت

تحولات هوش مصنوعی نشان داده که مدل‌های سنتی آموزش—مثل دوره‌های بلندمدت دانشگاهی—پاسخگوی نیاز فعلی بازار نیستند. بازآموزی باید سریع، کاربردی و مبتنی بر نیاز‌های شغلی باشد. به همین دلیل، دوره‌های کوتاه‌مدت مبتنی بر مهارت (Bootcamp) رشد کم‌نظیری داشته‌اند.

در سال ۲۰۲۳ تعداد شرکت‌کنندگان در Bootcamp‌های مرتبط با هوش مصنوعی و علم داده در سطح جهان نسبت به ۲۰۱۹ چهار برابر شده است. شرکت‌هایی مانند Coursera و Udemy گزارش داده‌اند که ثبت‌نام در دوره‌های مهارت‌محور مبتنی بر پروژه—به‌خصوص آموزش ابزار‌های هوش مصنوعی مولد—بیش از ۱۵۰ درصد رشد سالانه داشته است.

این آمار‌ها نشان می‌دهد رویکرد جهانی به سمت یادگیری سریع و مبتنی بر پروژه رفته است؛ زیرا بازار کار به‌جای مدرک، خروجی و مهارت عملی را ارزیابی می‌کند.

بازآموزی در صنایع مختلف

ماهیت بازآموزی در هر صنعت متفاوت است و داده‌ها نشان می‌دهد که شدت تأثیر هوش مصنوعی نیز در هر بخش یکسان نیست.

در صنعت خدمات مالی مثلاً ۴۵ درصد وظایف قابل خودکارسازی شناسایی شده است. بانک‌ها بیشترین تمرکز را بر آموزش تحلیل داده، تشخیص تقلب مبتنی بر هوش مصنوعی و برنامه‌نویسی پایتون گذاشته‌اند. بانک‌های بزرگ اروپا گزارش داده‌اند که بازآموزی نیرو‌ها در این سه حوزه باعث ۴۰ درصد کاهش خطای پردازش داده شده است.

در بخش تولید، اتوماسیون فیزیکی و دیجیتال هم‌زمان رخ می‌دهد. شرکت‌های صنعتی چین و آلمان طی سال‌های اخیر بیش از ۵۰ درصد کارکنان خطوط تولید را در دوره‌های کار با ربات‌های هوشمند و سیستم‌های کنترل مجهز به AI آموزش داده‌اند. داده‌های منتشر شده توسط زیمنس نشان می‌دهد این آموزش‌ها توانسته ۲۰ درصد زمان توقف خط تولید را کاهش دهد.

در بخش رسانه و محتوا نیز بازآموزی به سمت یادگیری ابزار‌های تولید متن و تصویر با هوش مصنوعی رفته است. بر اساس گزارش PWC، ۶۵ درصد خبرنگاران در اروپا طی ۱۸ ماه گذشته آموزش کار با ابزار‌های تولید محتوا مثل GPT، Midjourney یا ابزار‌های تحلیل داده خبر را گذرانده‌اند.

نقش دولت‌ها در بازآموزی ملی

کشور‌هایی که در انقلاب هوش مصنوعی پیشرو هستند، بازآموزی را یک پروژه «ملی» در نظر گرفته‌اند. سنگاپور از سال ۲۰۱۹ برنامه‌ای به نام SkillsFuture ایجاد کرده که به هر شهروند بالای ۲۵ سال اعتبار آموزشی سالانه ۵۰۰ دلاری برای یادگیری مهارت‌های مرتبط اعطا می‌کند. داده‌ها نشان می‌دهد بیش از ۲.۵ میلیون نفر از این اعتبار استفاده کرده‌اند و مهارت‌های دیجیتال و AI جزو سه اولویت اول بوده است.

در اروپا، اتحادیه اروپا طرح Digital Europe را ایجاد کرده که هدفش آموزش مهارت‌های پیشرفته دیجیتال به ۵۰۰ هزار متخصص تا سال ۲۰۲۷ است. بخش بزرگی از این بودجه صرف دوره‌های تخصصی هوش مصنوعی در دانشگاه‌ها و شرکت‌ها شده است.

در کنار این سیاست‌ها، بسیاری از کشور‌ها مدل‌های مبتنی بر داده برای تحلیل شکاف مهارتی طراحی کرده‌اند. بر اساس استاندارد‌های جدید OECD، کشور‌ها باید هر سه سال یک بار نقشه مهارت‌های نیروی انسانی را بر اساس داده‌های واقعی بازار کار به‌روزرسانی کنند تا بتوانند برنامه‌های بازآموزی را دقیق تنظیم کنند.

بازآموزی درون‌سازمانی و نقش کارفرمایان

کارفرمایان در خط مقدم بازآموزی قرار دارند، زیرا بیش از هر نهاد دیگری نیاز واقعی به مهارت‌ها را می‌شناسند. داده‌های پژوهشی Accenture نشان می‌دهد شرکت‌هایی که برنامه‌های بازآموزی داخلی دارند دو برابر سریع‌تر از رقبا می‌توانند نقش‌های جدید مبتنی بر AI را پوشش دهند.

کارفرمایان موفق معمولاً چهار کار انجام می‌دهند:

• ۱. تحلیل داده‌محور از وظایف شغلی و پیش‌بینی مهارت‌های آینده
• ۲. ایجاد مسیر‌های شغلی جدید مبتنی بر AI
• ۳. اتصال آموزش به پروژه‌های واقعی داخل شرکت
• ۴. ارزیابی مداوم خروجی‌ها با شاخص‌های عملکرد

داده‌های صنعت فناوری نشان می‌دهد افرادی که از طریق برنامه‌های داخلی بازآموزی در شرکت‌ها مهارت یاد گرفته‌اند، ۶۰ درصد سریع‌تر از کسانی که آموزش بیرونی دیده‌اند وارد نقش‌های جدید شده‌اند.

نقش هوش مصنوعی در بازآموزی

خود هوش مصنوعی اکنون بخشی از فرآیند آموزش است. پلتفرم‌های یادگیری مبتنی بر AI با تحلیل عملکرد فردی می‌توانند مسیر یادگیری شخصی‌سازی‌شده ارائه دهند. این راهکار باعث شده «زمان لازم برای یادگیری یک مهارت متوسط» در برخی برنامه‌ها از ۶ ماه به کمتر از ۸ هفته برسد.

علاوه بر این، ابزار‌های مولد مثل مدل‌های زبانی امکان تمرین مداوم، شبیه‌سازی محیط کار و ساخت محتوای آموزشی سفارشی را فراهم کرده‌اند. دانشگاه‌های آنلاین گزارش داده‌اند که استفاده از این ابزار‌ها نرخ تکمیل دوره‌ها را ۲۰ تا ۳۰ درصد افزایش داده است.