‏پیش‌بینی تأثیر هوش مصنوعی روی مشاغل: کاری که نمی‌شه کرد

این روزها خیلی‌ها مشغولن که با داده‌های سرشماری، نمودارهای رادار و جداول رتبه‌بندی بسازن تا بگن کدوم شغل‌ها بیشتر در معرض هوش مصنوعی‌ان. بندیکت اوانز، تحلیلگر فناوری، می‌گه این کار اساساً اشتباهه — نه به خاطر کمبود داده، بلکه چون ماهیت تغییر فناوری اجازه نمی‌ده چنین پیش‌بینی دقیقی بشه کرد.

مثال حسابداران یکی از محکم‌ترین شواهد اوانزه. ما یک قرن روی اتوماسیون حسابداری کار کردیم؛ از ماشین‌های محاسباتی و کارت‌های پانچ گرفته تا صفحه‌گسترده و ERP و ابر. با این حال تعداد حسابداران (CPA) نه‌تنها کم نشد، بلکه بیشتر هم شد. دو دلیل مهم داره: اول، متغیرهای دیگه مثل تغییر مقررات می‌تونن خودشون موج استخدام ایجاد کنن. دوم، پارادوکس جوونز (Jevons Paradox): وقتی کاری ارزون‌تر می‌شه، معمولاً بیشتر ازش استفاده می‌کنن — اگه یه تحلیل مالی از یه هفته به ۳۰ ثانیه برسه، احتمالاً صد برابر بیشتر تحلیل انجام می‌دن.