ارقام و اعدادی که محققان برای پیشبینی اینکه کدام مشاغل ممکن است به دلیل هوش مصنوعی از بین بروند استفاده کردهاند، ممکن است قابل اعتماد نباشند. یکی از مقصران این موضوع میتواند خود هوش مصنوعی باشد.
نگرانیها در مورد چگونگی تأثیر هوش مصنوعی بر بازار کار به یکی از مهمترین پرسشهای اقتصادی زمان ما تبدیل شده است و درک محدودیتهای هرگونه پیشبینی بسیار حیاتی است. سیاستگذاران میخواهند بدانند کدام کارگران ممکن است جابجا شوند و به حمایت نیاز دارند. مدارس، دانشجویان و والدین میخواهند بدانند کدام مشاغل ممکن است "مقاوم در برابر هوش مصنوعی" باشند.
برای سنجش اینکه کدام مشاغل ممکن است در معرض خطر باشند، اقتصاددانان با استفاده از یک چارچوب مبتنی بر وظیفه، "امتیازات آسیبپذیری" (exposure scores) را ایجاد کردهاند. وزارت کار آمریکا پایگاه دادهای از کارهایی که کارگران در مشاغل مختلف واقعاً انجام میدهند نگهداری میکند: نانواها باید خمیر را مخلوط کرده و در فر بگذارند، تحلیلگران مالی باید شرکتها را ارزیابی کنند و غیره. محققان سعی میکنند تعیین کنند کدام یک از این وظایف را هوش مصنوعی میتواند به طور قابل توجهی سرعت بخشد.
هرچه سهم بیشتری از وظایف را هوش مصنوعی بتواند انجام دهد، آن شغل بیشتر آسیبپذیر است. این امتیازات به طور گستردهای منتشر شدهاند و در یادداشتهای تحقیقاتی، گزارشهای سفید مشاوران و گزارشهای advocacy سیاستی ظاهر میشوند.
محققان سه روش اصلی برای ساخت امتیازات آسیبپذیری دارند: ارزیابان انسانی که به صورت دستی میزان خوب عمل کردن هوش مصنوعی در وظایف مختلف را ارزیابی میکنند؛ نظرسنجی از کارگرانی که از پلتفرمهای هوش مصنوعی استفاده میکنند؛ یا خود مدلهای هوش مصنوعی. هر کدام از این روشها دارای معایبی هستند. رتبهبندیهای انسانی میتوانند بسیار ذهنی باشند. نظرسنجیهای کارگران فقط کاربران یک پلتفرم را منعکس میکنند که ممکن است نماینده نیروی کار گستردهتر نباشند.
گزینه سوم – اینکه خود هوش مصنوعی رتبهبندی کند که کدام وظایف بیشتر در معرض خطر هوش مصنوعی هستند – مشکلات منحصر به فرد خود را دارد.
این یکی از یافتههای مطالعه جدیدی است که ماه گذشته در وبسایت دفتر ملی تحقیقات اقتصادی منتشر شد. میشل یین و هوآ وو، اقتصاددانان دانشگاه نورثوسترن، و کلودیا پرسیکو از دانشگاه آمریکن، از سه مدل هوش مصنوعی – ChatGPT-5 شرکت OpenAI، Gemini 2.5 از Google Deepmind و Claude 4.5 از Anthropic – پرسیدند که کدام مشاغل بیشتر در معرض هوش مصنوعی هستند، و اغلب پاسخهای بسیار متفاوتی دریافت کردند.
محققان دریافتند که برای مثال، Claude حسابداران را به عنوان مشاغلی بسیار آسیبپذیر در برابر هوش مصنوعی رتبهبندی کرده است، در حالی که Gemini رتبه آسیبپذیری بسیار پایینتری به آنها اختصاص داده است. مشاغل دیگری که مدلها در مورد آسیبپذیری آنها به هوش مصنوعی اختلاف نظر داشتند شامل مدیران تبلیغاتی و مدیران عامل میشد. ChatGPT و Gemini بیشترین هماهنگی را داشتند، اما همچنان در حدود یک چهارم مواقع با یکدیگر اختلاف نظر داشتند.
برخی از این تفاوتها به دلیل تفاوت در خود مدلها بود، اما اقتصاددانان شواهدی نیز یافتند که نشان میداد این نتایج تا حدی تحت تأثیر این موضوع قرار گرفتهاند که کدام کارگران در حال حاضر از هوش مصنوعی استفاده میکنند. پذیرندگان اولیه مانند تحلیلگران مالی به شدت از هوش مصنوعی استفاده میکنند و دادههای آموزشی بیشتری برای مدلهای هوش مصنوعی آینده تولید میکنند، و این به نوبه خود بر نحوه رتبهبندی مدلها در مورد آن حرفه تأثیر میگذارد.
اقتصاددانان میگویند مشکل اینجاست که برخی از سیاستگذاران و کارفرمایان ممکن است این امتیازات را با احتیاط کافی در نظر نگیرند. (مطالعه آنها، به عنوان یک مقاله کاری، هنوز تحت بررسی همتا قرار نگرفته است.)
البته، اختلاف نظر در میان نسخههای مختلف یک فناوری نوظهور سریع، لزوماً تعجبآور نیست. علاوه بر این، مشخص نیست که هوش مصنوعی در اندازهگیری آسیبپذیری بهتر یا بدتر از سایر روشهای رایج است.
به عنوان یک گام اول، اقتصاددانان معتقدند که محققان باید به جای تنها یک مدل، به مدلهای متنوعی نگاه کنند و در مورد میزان عدم قطعیت نتایج آسیبپذیری تولید شده توسط هوش مصنوعی شفاف باشند. در نهایت، محققان میگویند، نظرسنجیها در مورد چگونگی اجرای واقعی هوش مصنوعی در سراسر اقتصاد و برای چه وظایفی از آن استفاده میشود، ممکن است پاسخهای بهتری در مورد میزان آسیبپذیری مشاغل مختلف ارائه دهند.
یین، یکی از نویسندگان این مطالعه، گفت: «من شخصاً فقط به یک معیار تکیه نمیکنم تا بگویم، "اوه، من باید شغلم را تغییر دهم،" یا "من باید رشته تحصیلی فرزندم را تغییر دهم."»