Глобальная автоматизация. В чем роботам не обскакать человека
Президент и генеральный директор Колледжа Фаундри, основатель Minerva Schools Минервы в Институте выпускников Кека Стивен Косслин на страницах Harvard Business Review развеял страхи людей перед роботами, отбирающими у них работу.
Многим будущее трудоустройства представляется в мрачном свете. Согласно свежему исследованию, проведенному Forrester, в этому году в США будет автоматизировано 10% рабочих мест. А в другом исследовании, которое провела McKinsey, отмечается, что в следующие десять лет автоматизирована может быть примерно половина всех рабочих мест в Соединенных Штатах.
Автоматизированы могут быть те рабочие задачи, которые являются рутинными и повторяющимися: от изучения рентгеновских снимков (участие людей-радиологов вскоре может стать куда более скромным), до управления фурой и погрузки. И хотя уже много было написано о тех профессиях, которые, вероятно, исчезнут, так же подробно не рассматривалась другая точка зрения, которая состоит в том, что необходимо задаться вопросом не о том, какие профессии исчезнут, а о том, какие аспекты профессий, которые сохранятся, также возьмут на себя машины.
К примеру, взглянем на работу врача: ясно, что диагностику заболеваний в скором времени (если уже не сегодня) лучше выполнять будут машины, нежели люди. Обучение машин чрезвычайно эффективно само по себе при наличии баз данных, доступных для обучения и испытаний, что актуально для широкого спектра заболеваний. Но что же с тем, чтобы сесть и обсудить вместе с семьей варианты лечения? Маловероятно, что это в обозримом будущем можно будет автоматизировать.
Или взять профессию иного статуса - баристы. В Сан-Франциско Cafe X заменил всех барист роботизированными руками, которые развлекают клиентов своими движениями, когда готовят горячие напитки. Однако даже в Cafe X работает человек, который показывает клиентам, как использовать эту технологию для заказа напитков, и устраняет проблемы, возникающие с роботом-баристой.
С профессией баристы еще больше контрастирует работа барменом. С ним люди очень часто любят поболтать. Эта работа явно нечто большее, чем просто смешивание напитков. Как и в случае с врачом, мы можем легко разделить эту работу на две составляющие: повторяющуюся и рутинную (смешивание и подача напитков) и более интерактивную, непредсказуемую, которая включает в себя выслушивание и общение с клиентами.
Поразмыслив об особенностях множества рабочих мест и профессий, мне кажется очень трудно будет автоматизировать две нестандартных составляющих такой работы, встречающихся очень часто:
Во-первых, эмоции. Эмоции играют важную роль в общении между людьми (вспомните о том, как врач встречается с семьей или о том, как бармен общается с клиентами). Они есть практически во всех формах невербального общения и эмпатии. Но более того, они также помогают нам расставить приоритеты касательно того, что мы делаем. Например, помогают нам решить, что нужно сделать прямо сейчас, а не позже вечером. Эмоции не только сложны и разнообразны, но также оказывают влияние на наши процессы принятия решений. Функционал эмоций для научного понимания оказался слишком сложным (хотя определенный прогресс имеется), и иго сложно встроить в автоматизированную систему.
Во-вторых, контекст. Люди могут легко учитывать контекст при принятии решений или взаимодействии с другими людьми. Контекст особенно интересен, потому что не имеет завершения: например, каждый раз, когда появляется новая новость, она меняет контекст (сильно или слегка), с которым мы сталкиваемся. Кроме того, изменения в контексте (например, избрание президента-индивидуалиста) могут изменить не только взаимосвязь различных факторов, но и добавить новые и фундаментально изменить конфигурацию факторов. И это проблема для обучения машин, которые работают с наборами данных, сформированными ранее и в другом контексте. Таким образом, понимание контекста (что с легкостью может делать бармен) - проблема для автоматизации.
Наша способность управлять эмоциями и использовать их, а также принимать во внимание особенности контекста - это ключевые составляющие критического мышления, творческого решения проблем, эффективного общения, адаптивного обучения и здравого смысла. Очень сложно запрограммировать машины подражать этим человеческим навыкам и знаниям, и неясно, когда прилагаемые усилия принесут (и принесут ли) свои плоды.
На самом же деле, именно эти навыки указывают работодатели при поиске работников. Например, в рамках одного соцопроса 93% работодателей сообщили, что "способность соискателя критически мыслить, четко выражать мысли и решать сложные проблемы важнее, чем его или ее диплом". Кроме того, работодатели ищут работников, обладающих другими "гибкими навыками", такими как способность быстро обучаться, принимать правильные решения и работать с другими коллегами. Эти востребованные навыки, конечно же, прекрасно сочетаются с тем, что люди могут делать хорошо, но их трудно автоматизировать.
Все это говорит о том, что наши системы образования должны концентрироваться не только на том, как люди взаимодействуют с технологиями (например, обучая студентов программированию), но и на том, как они могут делать то, что в ближайшее время не смогут еще делать машины. Это новый подход к пониманию основополагающей природы "гибких навыков", название которых не очень верно: это навыки, которые сложнее всего понять и систематизировать, а также навыки, которые дают - и будут давать - людям преимущество над роботами.
