چرا ۲۰۲۶ ممکن است نقطه عطف هوش مصنوعی در بازار کار باشد

نگرانی‌ نسبت به هوش مصنوعی و تأثیرات آن بر اشتغال در حالی افزایش یافته که موجی از ابزارهای جدید هوش مصنوعی وعده خودکارسازی بیشتر و افزایش تولید را می‌دهند. مطالعات اخیر، گزارش‌های رسانه‌ای و نشانه‌های ذهنیت سرمایه‌گذاران نشان می‌دهد این دغدغه‌ها بی‌پایه نیستند و احتمالاً سال ۲۰۲۶ می‌تواند نقطه‌ای کلیدی در تغییر ساختار نیروی کار باشد. این مقاله تلاش می‌کند شواهد، تحلیل‌ها و راهکارهای عملی برای کارگران، مدیران و سیاست‌گذاران را به‌صورت جامع و مبتنی بر شواهد اولیه توضیح دهد تا درک بهتری از آینده اشتغال و اتوماسیون (خودکارسازی) فراهم آورد.

شواهد در حال انباشتن: مطالعات و نشانه‌های اولیه

یک مطالعه نوامبر از پژوهشگران موسسه فناوری ماساچوست (MIT) نشان داد که حدود 11.7٪ از مشاغل فعلی با توانایی‌های کنونی هوش مصنوعی قابل خودکارسازی است. این آمار به‌تنهایی توجه‌ها را جلب می‌کند، زیرا نشان می‌دهد میلیون‌ها نقش شغلی در سطح جهان ممکن است در معرض جایگزینی یا تغییرات ساختاری جدی قرار گیرند. توجه داشته باشید که این رقم نمایانگر مشاغلی است که از نظر تکنیکی قابل اتوماسیون‌اند، نه لزوماً اینکه در کوتاه‌مدت یا بدون مقابله اجتماعی و اقتصادی حذف خواهند شد.

نظرسنجی‌ها و گزارش‌های TechCrunch نیز نشان می‌دهد کارفرمایان در حال واکنش نشان دادن هستند. برخی شرکت‌ها با پذیرش ابزارهای هوش مصنوعی، موقعیت‌های سطح پایین‌تر را حذف یا بازتعریف کرده‌اند و در بیانیه‌های رسمی شرکت‌ها، پذیرش هوش مصنوعی zunehmend به‌عنوان یکی از دلایل کاهش نیروی کار ذکر می‌شود. این واکنش‌ها بخشی از یک روند وسیع‌تر است که شامل تدوین بودجه‌ها و استراتژی‌های رسمی برای هوش مصنوعی می‌شود؛ روندی که می‌تواند به بازنگری دقیق‌تر در نیازهای نیروی انسانی منجر شود.

چرا سرمایه‌گذاران انتظار دارند ۲۰۲۶ نقطه عطف باشد

در یک نظرسنجی از سرمایه‌گذاران توسط TechCrunch، چندین سرمایه‌گذار جسور (VC) پیش‌بینی کردند که سال ۲۰۲۶ تأثیر هوش مصنوعی بر تعداد کارکنان شرکت‌ها را تشدید خواهد کرد — حتی اگر پرسشنامه به‌صراحت از آن‌ها درباره هوش مصنوعی نپرسیده باشد. اظهارنظرهای آن‌ها نشان‌دهنده یک تغییر گسترده‌تر است: زمانی که سازمان‌ها بودجه‌ها و استراتژی‌های هوش مصنوعی را رسمی می‌کنند، بازنگری در ساختار منابع انسانی و هزینه‌ها اجتناب‌ناپذیر می‌شود و این بازنگری می‌تواند شتاب بیشتری به خودکارسازی و جایگزینی برخی نقش‌ها بدهد.

• Eric Bahn, هم‌بنیان‌گذار و شریک کلی در Hustle Fund، گفته است انتظار دارد تأثیرات قابل‌مشاهده‌ای بر بازار کار در سال ۲۰۲۶ پدیدار شود، گرچه شکل دقیق این تغییرات هنوز نامشخص است. تحلیل او بر این مبناست که با افزایش سرمایه‌گذاری در محصولات و پلتفرم‌های هوش مصنوعی، شرکت‌ها فرصت و انگیزه بیشتری برای بازنگری در ساختار نیروی انسانی خود خواهند یافت.
• Marl Evans, مؤسس و شریک مدیریتی Exceptional Capital، هشدار داده است که شرکت‌هایی که سرمایه بیشتری در هوش مصنوعی می‌گذارند، احتمالاً منابعی را که قبلاً برای جذب و پرداخت حقوق نیروی انسانی اختصاص داده می‌شد، بازتخصیص می‌کنند. او پیش‌بینی می‌کند این جابه‌جایی بودجه‌ای منجر به کاهش بیشتر تعداد کارکنان و فشار مستمر بر نرخ اشتغال در ایالات متحده و بازارهای مشابه خواهد شد.
• Rajiv Dam, مدیرعامل Sapphire، موافق است که در بودجه‌های سال ۲۰۲۶ منابع به‌تدریج از نیروی انسانی به سمت ابزارها و پلتفرم‌های هوش مصنوعی منتقل خواهد شد. این نوع تغییر در تخصیص سرمایه می‌تواند ساختار هزینه‌ای شرکت‌ها را برای همیشه تغییر دهد و تقاضای جدیدی برای مهارت‌های مرتبط با مدیریت و نظارت هوش مصنوعی ایجاد کند.
• Jason Mandel, سرمایه‌گذار در Battery Ventures، اضافه کرده است که در سال ۲۰۲۶ هوش مصنوعی فراتر از افزایش بهره‌وری کارکنان موجود عمل خواهد کرد و کارکرد جایگزینی برای نقش‌های کامل را آغاز می‌کند. به عبارت دیگر، هوش مصنوعی می‌تواند نقش‌هایی را نه تنها تکمیل، بلکه به‌مرور جایگزین نماید که این موضوع پیامدهای مهمی برای طراحی شغل و سیاست‌های اشتغال دارد.

کدام نوع مشاغل در معرض بیشترین خطر هستند؟

هر شغلی ناپدید نخواهد شد. عدد مربوط به MIT بخش خاصی از نقش‌ها را برجسته می‌کند که از منظر فنی قابل اتوماسیون در وضعیت کنونی هستند — عمدتاً وظایف تکراری و مبتنی بر قواعد. نقش‌هایی که شامل جریان‌های کاری قابل پیش‌بینی، پردازش داده‌های معمولی یا تعاملات اولیه و ساده با مشتریان هستند، در معرض بیشترین خطر قرار دارند. به عبارت دیگر، کارهایی مانند ورود داده، پردازش تراکنش‌های استاندارد، پاسخ‌دهی به پرسش‌های پایه‌ای مشتری و برخی عملیات پشتیبانی اداری جزو اولین دسته‌هایی هستند که می‌توانند خودکار شوند.

در مقابل، مشاغلی که نیازمند قضاوت پیچیده انسانی، همدلی عمیق، مهارت‌های میان‌فردی ظریف یا سنتز خلاقانه اطلاعات هستند، جایگزینی برای آن‌ها دشوارتر خواهد بود. این شامل نقش‌هایی در مشاوره تخصصی، مدیریت تغییر سازمانی، پژوهش پیچیده، و تولید خلاقانه محتوا با ارزش افزوده بالا می‌شود. بنابراین نگاشت بین قابلیت‌های فناوری و مهارت‌های انسانی نشان می‌دهد که آینده اشتغال احتمالاً شاهد بازتعریف نقش‌ها به‌نفع نقش‌های ترکیبی انسان+هوش مصنوعی (hybrid human+AI) خواهد بود.

تأثیرات عملی که شرکت‌ها هم‌اکنون مشاهده می‌کنند

برخی شرکت‌ها در حال ساده‌سازی تیم‌ها هستند، در حالی که سامانه‌های مبتنی بر هوش مصنوعی را برای وظایفی مانند غربالگری اولیه مشتریان، بازبینی اسناد حقوقی، طبقه‌بندی ایمیل‌ها و تحلیل‌های پایه اجرا می‌کنند. در بخش خدمات مالی، سیستم‌های خودکار می‌توانند پردازش درخواست‌های ساده و بررسی اسناد را انجام دهند؛ در بخش خرده‌فروشی، چت‌بات‌ها و سیستم‌های پاسخگویی خودکار بار اولیه پاسخ‌گویی به مشتری را کاهش می‌دهند؛ و در تولید، روبات‌ها و سیستم‌های بینایی ماشینی کیفیت و بازرسی را خودکار می‌کنند.

دیگر شرکت‌ها با بازتعریف بودجه‌های فناوری، برنامه‌های استخدام را کاهش داده یا نیروی انسانی را مجدداً تخصیص می‌دهند تا نقش‌های جدید نظارتی و مدیریتی برای هوش مصنوعی ایجاد شود. برای کارکنان، این به معنای افزایش نقش‌هایی است که بازمهندسی شده‌اند: برخی مشاغل به‌صورت کامل اتوماسیون می‌شوند، برخی به نقش‌های هیبرید تبدیل می‌شوند که در آن انسان‌ها نقش ناظری، تصمیم‌گیرنده نهایی یا مدیر کیفیت را ایفا می‌کنند و برخی دیگر به‌کلی بازطراحی شده و مهارت‌های جدیدی می‌طلبند.

کارگران و رهبران چه کار باید بکنند؟

برای کارکنان، مسیر پیش‌رو سازگاری مهارتی است: تمرکز بر قابلیت‌های با ارزش‌تر که مکمل هوش مصنوعی هستند — حل مسائل پیچیده، خلاقیت، تفکر استراتژیک، مدیریت تغییر و مهارت‌های میان‌فردی. آموزش‌های فنی نیز اهمیت دارد، به‌ویژه در مهارت‌هایی مانند فهم داده‌ها، نظارت بر سیستم‌های هوش مصنوعی، تفسیر نتایج مدل‌ها و تضمین کیفیت خروجی‌های خودکار. ترکیب مهارت‌های «انسانی» و «فنی» می‌تواند نقش فرد را در بازار کار آینده مقاوم‌تر سازد.

برای مدیران و سیاست‌گذاران، شفافیت و مسیرهای بازآموزی (reskilling) ضروری خواهد بود تا اختلالات اجتماعی و اقتصادی کاهش یابد. شرکت‌ها می‌توانند برنامه‌های بازآموزی هدفمند اجرا کنند که شامل آموزش‌های عملی در زمینه نظارت بر هوش مصنوعی، کنترل کیفیت داده‌ها، تحلیل داده و خدمات مشتری پیچیده باشد. از منظر سیاست‌گذاری، حمایت از برنامه‌های آموزش شغلی، اعتبارسنجی مهارت‌ها و ایجاد چارچوب‌هایی برای انتقال شغلی می‌تواند به کاهش هزینه‌های اجتماعی ناشی از جایگزینی شغل کمک کند.

یک سناریوی ملموس: شرکتی که نقش‌های سطح ورود مربوط به ورود داده را با هوش مصنوعی جایگزین می‌کند، می‌تواند هم‌زمان در بازآموزی کارکنان سرمایه‌گذاری کند تا آن‌ها در نقش‌های نظارت بر هوش مصنوعی، کنترل کیفیت یا موفقیت مشتری (customer success) مشغول شوند. این مدل نه‌تنها به کاهش آسیب اجتماعی کمک می‌کند، بلکه از تجربه و دانش ضمنی کارکنان برای بهبود و تطبیق سیستم‌های هوش مصنوعی بهره می‌برد. البته اجرای چنین برنامه‌هایی نیازمند برنامه‌ریزی دقیق، بودجه‌گذاری و مشارکت فعال مدیریت ارشد است.

با بالغ‌تر شدن ابزارهای هوش مصنوعی، سال ۲۰۲۶ ممکن است سالی باشد که بسیاری از سازمان‌ها از مرحله آزمایشی و پایلوت به اتخاذ تصمیمات قاطع درباره ساختار نیروی کار برسند. گفت‌وگو دیگر صرفاً درباره افزایش بهره‌وری نیست؛ بلکه درباره نحوه تأمین مالی آن افزایش‌ها، توزیع هزینه‌ها و کسانی است که بهای تغییرات را خواهند پرداخت. در سطح کلان، این موضوع می‌تواند بازتابی بر سیاست‌های مالیات بر سود سرمایه، حمایت اجتماعی و چارچوب‌های مقرراتی درباره اخلاق و شفافیت هوش مصنوعی داشته باشد.