The future of work

According to a leading business <strong>consultancy</strong>, 3-14% of the global workforce will need to switch to a different occupation within the next 10-15 years, and all workers will need to adapt as their occupations evolve alongside increasingly capable machines.
بر اساس یک <strong>مشاور</strong> تجاری پیشرو، 3 تا 14 درصد از نیروی کار جهانی باید طی 10 تا 15 سال آینده به شغل دیگری روی آورند، و همه کارمندان باید با تکامل مشاغلشان همراه با ماشین‌های دارای توانایی رو به رشد، خود را وفق دهند.

Automation – or ‘embodied artificial intelligence’ (AI) – is one aspect of the <strong>disruptive</strong> effects of technology on the labour market. ‘Disembodied AI’, like the algorithms running in our smartphones, is another.
اتوماسیون - یا "هوش مصنوعی تجسمی" (AI)  یکی از جنبه های اثرات <strong>مخرب</strong> فناوری بر بازار کار است. «هوش مصنوعی غی  تجسمی»، مانند الگوریتم‌هایی که در گوشی‌های هوشمند ما اجرا می‌شوند، جنبه دیگری است.

Dr Stella Pachidi from Cambridge Judge Business School believes that some of the most <strong>fundamental</strong> changes are happening as a result of the ‘algorithmication’ of jobs that are dependent on data rather than on production – the so-called knowledge economy.
دکتر استلا پاچیدی از دانشکده Cambridge Judge Business معتقد است که برخی از <strong>اساسی‌ترین</strong> تغییرات در نتیجه «الگوریتم‌سازی» مشاغلی اتفاق می‌افتد که به‌جای تولید، به داده‌ها وابسته هستند - که به اصطلاح دانش اقتصادی نامیده می شود.

Algorithms are capable of learning from data to undertake tasks that previously needed human judgement, such as reading legal contracts, analysing medical scans and gathering <strong>market</strong> intelligence.
الگوریتم‌ها می‌توانند از داده‌ها یاد بگیرند تا کارهایی را انجام دهند که قبلاً به قضاوت انسانی نیاز داشتند، مانند خواندن قراردادهای قانونی، تجزیه و تحلیل اسکن‌های پزشکی و جمع‌آوری اطلاعات <strong>بازار</strong>.

‘In many cases, they can <strong>outperform</strong> humans,’ says Pachidi.
پاچیدی می گوید: «در بسیاری از موارد، آنها می توانند از انسان ها <strong>بهتر عمل کنند.</strong>

 ‘Organisations are attracted to using algorithms because they want to make choices based on what they consider is “perfect information”, as well as to reduce costs and enhance <strong>productivity</strong>.’
سازمان‌ها به استفاده از الگوریتم‌ها جذب می‌شوند زیرا می‌خواهند بر اساس آنچه که «اطلاعات کامل» در نظر می‌گیرند، انتخاب کنند و همچنین هزینه‌ها را کاهش و <strong>بهره‌وری</strong> را افزایش دهند.»

‘But these enhancements are not without <strong>consequences</strong>,’ says Pachidi.
پاچیدی می گوید: «اما این پیشرفت ها بدون <strong>عواقب</strong> نیست.

 ‘If routine <strong>cognitive</strong> tasks are taken over by AI, how do professions develop their future experts?’ she asks.
او می‌پرسد: «اگر وظایف <strong>شناختی</strong> روتین توسط هوش مصنوعی انجام شود، چگونه مشاغل، متخصصان آینده خود را توسعه می‌دهند؟»

 ‘One way of learning about a job is “legitimate peripheral participation” – a novice stands next to experts and learns by <strong>observation</strong>.
«یکی از روش های آموزشی برای یک شغل، «مشارکت مستمر در محیط کار» است - یک تازه کار در کنار متخصصان می‌ایستد و با <strong>مشاهده کردن </strong>کار آنها، می‌آموزد.

If this isn’t <strong>happening</strong>, then you need to find new ways to learn.’
اگر این <strong>اتفاق</strong> نمی افتد، پس باید راه های جدیدی برای یادگیری پیدا کنید.

Another issue is the extent to which the technology <strong>influences</strong> or even controls the workforce.
موضوع دیگر میزان <strong>تأثیرگذاری</strong> یا حتی کنترل این فناوری بر نیروی کار است.

For over two years, Pachidi <strong>monitored</strong> a telecommunications company.
پاچیدی بیش از دو سال یک شرکت مخابراتی را <strong>تحت نظر داشت.</strong>

 ‘The way telecoms salespeople work is through personal and frequent contact with clients, using the benefit of experience to <strong>assess</strong> a situation and reach a decision.
«روش کار فروشندگان مخابرات از طریق تماس شخصی و مکرر با مشتریان، استفاده از مزایای تجربه کاری برای <strong>ارزیابی</strong> موقعیت و تصمیم گیری است.

However, the company had started using a(n) … algorithm that defined when account managers should contact certain <strong>customers</strong> about which kinds of campaigns and what to offer them.’
با این حال، شرکت شروع به استفاده از الگوریتم .... کرده بود که تعیین می‌کرد مدیران حسابداری چه زمانی باید با <strong>مشتریان</strong> خاصی تماس بگیرند و در مورد نوع کمپین‌ها و آنچه که به آن‌ها ارائه دهند، صحبت کنند.

The algorithm – usually build by external <strong>designers</strong> – often becomes the keeper of knowledge, she explains.
او توضیح می دهد که این الگوریتم - که معمولاً توسط <strong>طراحان</strong> خارجی ساخته می شود – اغلب به حافظ دانش تبدیل می شود.

In cases like this, Pachidi believes, a short-sighted view begins to creep into working practices whereby workers learn through the ‘algorithm’s eyes’ and become dependent on its <strong>instructions</strong>.
پاچیدی معتقد است در مواردی مانند این، یک دیدگاه کوته بینانه شروع به خزش در شیوه های کاری می کند که در آن کارمندان از «دید الگوریتم» هر چیزی را یاد می گیرند و به <strong>دستورالعمل های آن </strong>وابسته می شوند.

Alternative explorations – where experimentation and human instinct lead to <strong>progress</strong> and new ideas – are effectively discouraged.
اکتشافات جایگزین - که در آن آزمایش و غریزه انسانی منجر به <strong>پیشرفت</strong> و ایده های جدید می شود – دیگر به طور موثر تشویق نمی شوند.

Pachidi and colleagues even observed people developing strategies to make the algorithm work to their own <strong>advantage</strong>.
پاچیدی و همکارانش حتی افرادی را مشاهده کردند که در حال توسعه استراتژی هایی برای کارکرد الگوریتم به <strong>نفع</strong> خودشان بودند.

 ‘We are seeing cases where workers feed the algorithm with false data to reach their <strong>targets</strong>,’ she reports.
او گزارش می دهد: «ما شاهد مواردی هستیم که کارمندان، الگوریتم را با داده های نادرست تغذیه می کنند تا به <strong>اهداف</strong> خود برسند.

It’s scenarios like these that many researchers are working to <strong>avoid</strong>.
سناریوهایی مانند این است که بسیاری از محققان در تلاش برای <strong>اجتناب</strong> از آنها هستند.

Their objective is to make AI technologies more trustworthy and transparent, so that organisations and <strong>individuals</strong> understand how AI decisions are made.
هدف آنها این است که فناوری‌های هوش مصنوعی قابل اعتمادتر و شفاف‌تر شوند، به طوری که سازمان‌ها و <strong>افراد</strong> درک کنند که چگونه تصمیم‌های هوش مصنوعی گرفته می‌شود.

In the meantime, says Pachidi, ‘We need to make sure we fully understand the dilemmas that this new world raises regarding expertise, <strong>occupational</strong> boundaries and control.’
پاچیدی می‌گوید: «ما باید مطمئن شویم که معضلاتی را که این دنیای جدید در مورد تخصص، مرزهای <strong>شغلی</strong> و کنترل ایجاد می‌کند، کاملاً درک می‌کنیم.»

Economist Professor Hamish Low believes that the future of work will involve major transitions across the whole life course for everyone: ‘The traditional trajectory of full-time education followed by full-time work followed by a pensioned <strong>retirement</strong> is a thing of the past,’ says Low.
پروفسور همیش لو، اقتصاددان معتقد است که آینده کار شامل تحولات اساسی در کل دوره زندگی برای همه خواهد شد: "مسیر سنتی آموزش تمام وقت و به دنبال آن کار تمام وقت و به دنبال آن <strong>بازنشستگی</strong> مستمری بگیر متعلق به گذشته است." کم می گوید.

Instead, he envisages a multistage <strong>employment</strong> life: one where retraining happens across the life course, and where multiple jobs and no job happen by choice at different stages.
در عوض، او یک زندگی <strong>کاری</strong> چند مرحله‌ای را در نظر می‌گیرد: زندگی‌ای که در آن بازآموزی در طول زندگی اتفاق می‌افتد و چند شغله بودن یا بدون شغل بودن به انتخاب خود فرد در مراحل مختلف اتفاق می‌افتد.

On the subject of job losses, Low believes the predictions are founded on a fallacy: ‘It <strong>assumes</strong> that the number of jobs is fixed.
در مورد از دست دادن شغل، لو معتقد است که پیش‌بینی‌ها بر اساس یک اشتباه انجام می شود: «<strong>فرض می شود</strong> که تعداد مشاغل ثابت است.

If in 30 years, half of 100 jobs are being carried out by robots, that doesn’t mean we are left with just 50 jobs for humans.
اگر طی 30 سال، نیمی از 100 شغل توسط روبات ها انجام می شود، به این معنی نیست که فقط 50 شغل برای انسان باقی می ماند.

The number of jobs will increase: we would <strong>expect</strong> there to be 150 jobs.’
تعداد مشاغل افزایش خواهد یافت: ما <strong>انتظار داریم </strong>150 شغل وجود داشته باشد.

Dr Ewan McGaughey, at Cambridge’s Centre for Business Research and King’s College London, agrees that ‘apocalyptic’ views about the future of work are <strong>misguided</strong>.
دکتر ایوان مک گاگی، در مرکز تحقیقات بازرگانی کمبریج و کینگز کالج لندن، موافق است که دیدگاه‌های «آخرالزمانی» درباره آینده کار <strong>نادرست</strong> هستند.

 ‘It’s the laws that restrict the supply of capital to the job market, not the advent of new technologies that causes <strong>unemployment</strong>.’
"این قوانین است که عرضه سرمایه به بازار کار را محدود می کند، نه ظهور فناوری های جدید که باعث <strong>بیکاری</strong> می شود."

His recently <strong>published</strong> research answers the question of whether automation, AI and robotics will mean a ‘jobless future’ by looking at the causes of unemployment.
تحقیقات او که اخیراً <strong>منتشر شده</strong> با نگاهی به علل بیکاری به این سؤال پاسخ می دهد که آیا اتوماسیون، هوش مصنوعی و روباتیک به معنای «آینده بیکاری» است.

‘History is clear that change can mean <strong>redundancies</strong>.
«در تاریخ روشن است که تغییر می‌تواند به معنای <strong>تعدیل کار</strong> باشد.

But social <strong>policies</strong> can tackle this through retraining and redeployment.’
اما <strong>سیاست‌های</strong> اجتماعی می‌توانند از طریق بازآموزی و استقرار مجدد با این مشکل مقابله کنند.

He adds: ‘If there is going to be change to jobs as a result of AI and robotics then I’d like to see <strong>governments</strong> seizing the opportunity to improve policy to enforce good job security.
او می‌افزاید: «اگر قرار است در نتیجه هوش مصنوعی و روباتیک در مشاغل تغییری ایجاد شود، مایلم <strong>دولت‌ها</strong> از این فرصت برای بهبود سیاست‌ها و اعمال امنیت شغلی مناسب استفاده کنند.

We can “reprogramme” the law to prepare for a fairer future of work and <strong>leisure</strong>.’
ما می‌توانیم قانون را «برنامه‌ریزی مجدد کنیم» تا برای آینده عادلانه‌تری از کار و <strong>اوقات فراغت </strong>آماده شود.»

McGaughey’s findings are a call to arms to leaders of organisations, governments and banks to pre-empt the coming changes with bold new policies that guarantee full employment, fair incomes and a thriving <strong>economic</strong> democracy.
یافته‌های مک‌گاگی فراخوانی برای مجهز کردن رهبران سازمان‌ها، دولت‌ها و بانک‌ها است تا با سیاست‌های جدید جسورانه‌ای که اشتغال کامل، درآمد منصفانه و دموکراسی <strong>اقتصادی</strong> پررونق را تضمین می‌کند، از تغییرات آتی جلوگیری کنند.

‘The promises of these new technologies are <strong>astounding</strong>.
وعده‌های این فناوری‌های جدید <strong>شگفت‌انگیز</strong> است.

They deliver humankind the capacity to live in a way that nobody could have once <strong>imagined</strong>,’ he adds.
او می افزاید: آنها ظرفیتی را برای زندگی کردن به بشر می دهند که هیچ کس نمی توانست <strong>تصورش</strong> را بکند.

 ‘Just as the industrial revolution brought people past subsistence <strong>agriculture</strong>, and the corporate revolution enabled mass production, a third revolution has been pronounced.
درست همانطور که انقلاب صنعتی، به مردم کمک کرد از <strong>کشاورزی</strong> معیشتی گذشته عبور کنند و انقلاب شرکتی، تولید انبوه را امکان پذیر کرد، انقلاب سوم نیز اعلام شده است.

But it will not only be one of technology. The next revolution will be <strong>social</strong>.’
اما این تنها یک فناوری نخواهد بود. انقلاب بعدی <strong>اجتماعی</strong> خواهد بود.»