اخراج های دسته جمعی را فراموش کنید – انجمن DEV

قرار بود ربات ها شغل ما را بگیرند. در عوض، آنها ما را به دو دسته برنده و بازنده دسته بندی می کنند، در حالی که ما در مورد سؤال اشتباه کاملاً بحث می کنیم.

در بخش بهتری از سه سال، نگرانی غالب در مورد هوش مصنوعی در محل کار دوتایی بوده است: آیا این هوش مصنوعی جایگزین ما خواهد شد یا نه؟ دولت ها هیئت هایی تشکیل داده اند. اتاق های فکر پیش بینی هایی را منتشر کرده اند. مدیران عامل تعهداتی در مورد “استقرار مسئولانه” داده اند. و از طریق همه اینها، گفتگو در مدار یک سناریوی واحد و دراماتیک قرار گرفته است: جابجایی دسته جمعی، موجی از تعدیل نیروها، توخالی شدن طبقه متوسط ​​یقه سفید.

اما در مارس 2026، آنتروپیک، شرکت هوش مصنوعی مستقر در سانفرانسیسکو که پشت سر خانواده مدل‌های زبان بزرگ کلود قرار دارد، بخشی از تحقیقات بازار کار را منتشر کرد که بی‌سر و صدا کل بحث را بازخوانی کرد. مطالعه آنها با عنوان «تأثیرات بازار کار هوش مصنوعی: معیاری جدید و شواهد اولیه»، معیار جدیدی به نام «مشاهده قرار گرفتن» معرفی کرد و از میلیون‌ها تعامل واقعی کلود که در برابر تقریباً 800 شغل در پایگاه داده O*NET ترسیم شده بود، استفاده کرد تا نه آنچه که هوش مصنوعی می‌تواند از نظر تئوری با مشاغل انجام دهد، بلکه آنچه را که در حال حاضر انجام می‌دهد، اندازه‌گیری کند. یافته‌های سرفصل تقریباً ضد آب و هوا بود: هوش مصنوعی هنوز جایگزین مشاغل در مقیاس نشده است. هیچ افزایش سیستماتیک بیکاری در میان کارگران مشاغلی که بیشتر در معرض هوش مصنوعی هستند، وجود نداشته است.

یافته‌های کمتر راحت‌تر، که عمیق‌تر در داده‌ها مدفون شده بود، این بود: هوش مصنوعی در حال ایجاد شکاف مهارت‌های قابل اندازه‌گیری است. استخدام کارگران 22 تا 25 ساله در مشاغلی که به شدت در معرض خطر قرار دارند در مقایسه با سطوح قبل از ChatGPT تقریباً 14 درصد کاهش یافته است. محققان خاطرنشان کردند که این یافته “فقط از نظر آماری قابل توجه نیست”، اما سیگنال جهت نادیده گرفتن آن دشوار است. اولین اثر قابل اندازه گیری بازار کار هوش مصنوعی مولد یک لغزش صورتی نیست. درب بسته است.

و این ممکن است بدتر باشد.

شکاف بین می تواند و انجام می دهد

مطالعه آنتروپیک نه به خاطر آنچه پیش‌بینی می‌کند، بلکه برای اندازه‌گیری آن قابل توجه است. تلاش‌های قبلی برای سنجش تأثیر هوش مصنوعی بر اشتغال، از جمله تحقیقی که الوندو و همکارانش در سال 2023 به طور گسترده به آن اشاره کردند، مبتنی بر مواجهه نظری بود: برآورد اینکه آیا یک مدل زبان بزرگ، اصولاً می‌تواند یک کار معین را حداقل دو برابر سریع‌تر انجام دهد. با این معیار، اعداد خیره کننده به نظر می رسند. پوشش نظری هوش مصنوعی برای مشاغل رایانه و ریاضی 94 درصد است. برای نقش های اداری و پشتیبانی اداری، 90 درصد است.

اما توانایی نظری با واقعیت اقتصادی یکسان نیست. متریک نوردهی مشاهده شده Anthropic با شمارش کارهایی که استفاده کافی مرتبط با کار را در ترافیک کلود نشان می‌دهد، آنچه را که واقعاً در تنظیمات حرفه‌ای اتفاق می‌افتد، ردیابی می‌کند، سپس پیاده‌سازی‌های کاملاً خودکار را با ارزش کامل و استفاده افزایشی (جایی که انسان‌ها در حلقه باقی می‌مانند) با نصف وزن وزن می‌کنند. نتیجه یک تصویر بسیار هوشیارتر است. در نقش های کامپیوتری و ریاضی، کلود در حال حاضر تنها 33 درصد از وظایف را پوشش می دهد. برای مشاغل فردی که بیشتر در معرض خطر قرار دارند، این ارقام بالاتر است اما هنوز بسیار پایین تر از سقف است: برنامه نویسان با 74.5 درصد، نمایندگان خدمات مشتری با 70.1 درصد و کارمندان ورود اطلاعات با 67.1 درصد.

در سمت دیگر طیف، پوشش نظری هوش مصنوعی در تعمیر و نگهداری زمین با تنها 3.9 درصد، پس از آن حمل و نقل با 12.1 درصد، کشاورزی با 15.7 درصد، غذا و خدمات با 16.9 درصد و ساخت و ساز با 16.9 درصد کمترین. این شکاف صرفاً بین کارگران دارای هوش مصنوعی و همه افراد دیگر نیست. بین کل دسته‌های کار است که در روابط اساساً متفاوت با فناوری وجود دارد.

شکاف بین قرار گرفتن در معرض نظری و مشاهده شده، به نوعی اتاق تنفسی است که بازار کار در حال حاضر از آن برخوردار است. اما همچنین معیاری برای اختلال پنهان است. همانطور که محققان Anthropic خاطرنشان می کنند، ردیابی اینکه چگونه این شکاف در طول زمان کاهش می یابد، یک شاخص در زمان واقعی از دگرگونی اقتصادی در حین آشکار شدن ارائه می دهد. سوال این نیست که آیا هوش مصنوعی می تواند این مشاغل را تغییر دهد یا خیر. این است که چقدر سریع خط مشاهده شده به خط نظری می رسد.

گزارش قبلی شاخص اقتصادی آنتروپیک که در ژانویه 2026 منتشر شد، زمینه بیشتری را فراهم می کند. این مطالعه که بر اساس تجزیه و تحلیل حفظ حریم خصوصی از دو میلیون مکالمه هوش مصنوعی تقسیم شده بین مصرف کننده و استفاده سازمانی انجام شد، نشان داد که در اوایل سال 2025، 36 درصد مشاغل حداقل برای یک چهارم از وظایف خود از کلود استفاده می کردند. در زمان جمع آوری داده ها در گزارش های بعدی، این رقم به 49 درصد افزایش یافته بود. مسیر مشخص است. چیزی که یک سال پیش رفتاری خاص بود در حال تبدیل شدن به یک روش استاندارد برای تقریباً نیمی از مشاغل ردیابی شده است. و برای کارگران طرف اشتباه شکاف در حال ظهور، سرعت این همگرایی بسیار مهم است.

Power Users و حلقه مرکب

اگر تحقیقات آنتروپیک به ما بگوید که هوش مصنوعی در مجموع با بازار کار چه می‌کند، مجموعه‌ای از شواهد نشان می‌دهد که هوش مصنوعی چه کارهایی را با کارگران انجام می‌دهد. و در اینجا تصویر واضح تر، نابرابرتر و به طور قابل توجهی نگران کننده تر است.

گزارش هوش مصنوعی OpenAI در سال 2025، شکاف بهره وری شش برابری را بین کاربران قدرتمند و همه افراد دیگر ثبت کرد. کارگرانی که در صدک 95 پذیرش هوش مصنوعی قرار دارند، شش برابر بیشتر از میانگین کارکنان همان شرکت ها به ChatGPT پیام ارسال می کنند. به طور خاص برای کارهای کدنویسی، سنگین ترین کاربران 17 برابر بیشتر از همتایان معمولی خود درگیر هستند. در میان تحلیلگران داده، فعال ترین کاربران از ابزارهای تجزیه و تحلیل داده های هوش مصنوعی 16 برابر بیشتر از میانگین استفاده می کنند. در طول سال گذشته، پیام‌های هفتگی در ChatGPT Enterprise تقریباً هشت برابر شده است و میانگین کارگران 30 درصد بیشتر از سال قبل پیام ارسال می‌کنند. هفتاد و پنج درصد از کاربران سازمانی گزارش می دهند که می توانند کارهای کاملا جدیدی را انجام دهند که قبلاً نمی توانستند انجام دهند.

اعداد مستقیماً به زمان ترجمه می شوند. کارگرانی که از هوش مصنوعی برای هفت یا بیشتر کار مجزا استفاده می کردند، بیش از 10 ساعت در هفته صرفه جویی کردند. کسانی که از آن برای کمتر از سه کار استفاده می کردند، گزارش دادند که اصلاً در زمان صرفه جویی نکرده اند. این یک شیب ملایم نیست. لبه صخره است.

چیزی که این امر را به ویژه اهمیت می دهد ماهیت ترکیبی مزیت است. کارگرانی که به طور گسترده با هوش مصنوعی آزمایش می‌کنند، کاربردهای بیشتری را کشف می‌کنند، که منجر به افزایش بهره‌وری و بررسی عملکرد بهتر می‌شود، که منجر به تکالیف جالب‌تر و پیشرفت سریع‌تر می‌شود، که به نوبه خود فرصت و انگیزه بیشتری برای تعمیق بیشتر استفاده از AI فراهم می‌کند. وبلاگ داده Debevoise در ژانویه 2026 این پویایی را به عنوان یک چرخه خودتقویت کننده توصیف کرد: “موفقیت هوش مصنوعی منجر به موفقیت بیشتر در هوش مصنوعی می شود” با استفاده کنندگان اولیه شهود و عادات گردش کار ایجاد می کنند که به سادگی نمی توان با آموزش فشرده در مراحل پایانی میانبر کرد. تحلیل استدلال می‌کند که سازمان‌هایی که تا سال 2027 منتظر می‌مانند تا شکاف مهارت‌های هوش مصنوعی خود را برطرف کنند، خود را در حال رقابت برای کاهش استعدادهای آموزش‌پذیر در برابر شرکت‌هایی می‌بینند که در سال‌های 2024 و 2025 شروع به ایجاد قابلیت کرده‌اند. آن دسته از شرکت‌هایی که اکنون جلوتر هستند، ماندن در پیشرو بودن نسبتا آسان خواهند بود، به خصوص اگر بتوانند از شرکت‌هایی که استعداد جذب می‌کنند دور شوند.

نظرسنجی جهانی محل کار Gensler در سال 2026، که از 16459 کارمند اداری تمام وقت در 16 کشور نظرسنجی کرد، بعد دیگری می افزاید. حدود 30 درصد از کارمندان در حال حاضر به عنوان کاربران قدرتمند هوش مصنوعی واجد شرایط هستند، به عنوان افرادی که به طور منظم از ابزارهای هوش مصنوعی در زمینه های حرفه ای و شخصی استفاده می کنند. بیش از نیمی از این کاربران قدرتمند زیر 40 سال دارند و نزدیک به یک سوم مدیران هستند. این کارگران در نوآوری، مشارکت و روابط تیمی به طور قابل توجهی امتیاز بیشتری کسب می کنند. آنها زمان کمتری را صرف کار به تنهایی می کنند (37 درصد از هفته خود در مقابل 42 درصد برای کسانی که دیر پذیرفته شده اند) و زمان بیشتری را برای یادگیری (12 درصد در مقابل 8 درصد) و معاشرت (11 درصد در مقابل 9 درصد) صرف می کنند. هفتاد درصد از کاربران قدرت هوش مصنوعی می گویند یادگیری برای عملکرد شغلی آنها بسیار حیاتی است. آنها سه برابر بیشتر احتمال دارد که سازمان خود را به عنوان نوآورترین سازمان در نمونه درک کنند.

این مشخصات فردی نیست که در حال هک بهره وری است. این مشخصات فردی است که کل رابطه اش با کار حول مجموعه جدیدی از قابلیت ها بازسازی شده است، و مسیر شغلی اش با همتایانش که تغییر یکسانی انجام نداده اند، متفاوت است.

چه کسی عقب می افتد و چرا تصادفی نیست

جمعیت شناسی قرار گرفتن در معرض هوش مصنوعی هر روایت ساده ای را در مورد کمک فناوری به پسر کوچک پیچیده می کند. تحقیقات آنتروپیک نشان داد که کارگران در مشاغلی که بیشتر در معرض خطر قرار دارند «احتمالاً مسن‌تر، زن، تحصیل‌کرده‌تر و دستمزد بالاتری دارند». این الگوی معمول اختلالات فناوری را وارونه می کند، جایی که کارگران کم مهارت و با دستمزد پایین سنگین ترین هزینه ها را متحمل می شوند. اولین اهداف هوش مصنوعی کف کارخانه یا پیشخوان خرده فروشی نیست. آنها مشاغل دانش-کار هستند که در طول تاریخ مشاغل پایدار و با جبران خوبی را ارائه کرده اند.

در عین حال، کاهش سرعت استخدام جوانان نشان می دهد که نقاط ورود به آن مشاغل در حال باریک شدن است. اگر سازمان ها بتوانند 33 درصد از کار یک تحلیلگر جوان را از طریق یک سیستم هوش مصنوعی انجام دهند، محاسبات مربوط به استخدام یک فارغ التحصیل جدید تغییر می کند. شما لزوماً تحلیلگر ارشد را اخراج نمی کنید. شما به سادگی کارآموز را جایگزین نمی کنید. نتیجه یک انقباض نامرئی است: بدون اخراج، بدون تیتر، فقط نازک شدن بی‌صدا فرصت در انتهای نردبان حرفه‌ای. همانطور که محققان آنتروپیک هشدار دادند، کارگران جوانی که استخدام نمی شوند ممکن است در مشاغل فعلی خود باقی بمانند، مشاغل مختلفی را انتخاب کنند یا به تحصیل بازگردند. جابجایی، اگر حتی کلمه درست باشد، پراکنده است و ردیابی آن از طریق آمارهای معمول بیکاری دشوار است.

این مهم است زیرا تجربه اولیه شغلی همیشه مکانیزمی بوده است که از طریق آن کارگران مهارت‌ها، شبکه‌ها و دانش سازمانی را ایجاد می‌کنند که باعث پیشرفت بعدی می‌شود. یک جوان 22 ساله که دو سال را صرف پاکسازی داده ها، شرکت در جلسات و یادگیری ریتم های یک محیط حرفه ای می کند، سرمایه انسانی را انباشته می کند که هیچ دوره آنلاین نمی تواند آن را تکرار کند. اگر هوش مصنوعی مجموعه این نقش‌های سازنده را کاهش دهد، پیامدهای بلندمدت فراتر از تعداد استخدام فوری خواهد بود. این یک گلوگاه نسلی ایجاد می کند: نه یک رویداد واحد، بلکه یک باریک شدن تدریجی خط لوله ای که از طریق آن استعدادهای جوان وارد می شوند و در نهایت در حرفه های دانش-کار افزایش می یابند.

گزارش آینده مشاغل مجمع جهانی اقتصاد در سال 2025 پیش‌بینی می‌کند که تا سال 2030، 170 میلیون شغل جدید در سطح جهان ایجاد می‌شود، در حالی که 92 میلیون شغل جابجا می‌شوند و سود خالص 78 میلیون شغل را به همراه خواهد داشت. اما همان گزارش هشدار داد که 59 درصد از نیروی کار جهانی تا سال 2030 نیاز به مهارت آموزی یا ارتقاء مهارت خواهند داشت و اگر سیستم های آموزشی نتوانند سرعت خود را حفظ کنند، 120 میلیون کارگر با خطر اخراج میان مدت مواجه خواهند شد. این گزارش خاطرنشان کرد که شکاف مهارتی تنها مهم‌ترین مانع برای تحول کسب‌وکار است که 63 درصد از کارفرمایان به آن اشاره کرده‌اند. تا سال 2030، 77 درصد از کارفرمایان قصد دارند مهارت مجدد و ارتقای مهارت نیروی کار خود را برای تقویت همکاری با سیستم های هوش مصنوعی در اولویت قرار دهند. نیت آنجاست. این که آیا این اجرا با جاه طلبی مطابقت دارد یا خیر، کاملاً یک سؤال دیگر است.

سوال این است که آیا کارگرانی که بیش از همه به مهارت آموزی نیاز دارند همان کسانی هستند که برای دریافت آن موقعیت دارند؟ شواهد نشان می دهد که آنها نیستند.

پارادوکس آموزش

آموزش هوش مصنوعی شرکتی در حال رونق است. همچنین، طبق اکثر معیارها، شکست می خورد.

نظرسنجی DataCamp و YouGov در فوریه 2026 از 517 رهبر تجاری در ایالات متحده و بریتانیا نشان داد که 82 درصد از رهبران سازمانی می گویند که سازمان آنها نوعی آموزش هوش مصنوعی را ارائه می دهد. با این حال، 59 درصد از همین رهبران، شکاف مهارت‌های هوش مصنوعی را در نیروی کار خود گزارش می‌کنند. فقط 35 درصد می گویند که یک برنامه ارتقاء مهارت بالغ و در سطح سازمان را در دست اجرا دارند. دسترسی وجود دارد. قابلیت نیست.

بر اساس تحلیل DataCamp، مشکل ساختاری است. بیشتر آموزش‌های هوش مصنوعی شرکتی هنوز از یک مدل منفعل و مبتنی بر دوره پیروی می‌کنند: سخنرانی‌های ویدیویی، ارزیابی‌های چند گزینه‌ای، گواهی‌های تکمیل. 23 درصد از رهبران مورد بررسی گفتند که دوره های مبتنی بر ویدئو، به کارگیری مهارت ها در دنیای واقعی را برای کارمندان دشوار می کند. آموزش در خلاء وجود دارد و از جریان های کاری واقعی که در آن ابزارهای هوش مصنوعی استفاده می شود، جدا است. کارگران ماژول‌ها و جعبه‌های تیک را تکمیل می‌کنند، اما شکاف بین دانستن اینکه یک مدل زبان بزرگ چیست و دانستن اینکه چگونه کار روزانه‌تان را در یک مورد بازسازی کنید، بسیار زیاد است.

این یافته با نظرسنجی EY 2025 Work Reimagined Survey همخوانی دارد که از 15000 کارمند و 1500 کارفرما در 29 کشور نظرسنجی کرد و نشان داد که سازمان ها تا 40 درصد از دستاوردهای بالقوه بهره وری هوش مصنوعی را به دلیل شکاف در استراتژی استعداد از دست می دهند. در میان سازمان‌هایی که بهبود بهره‌وری مبتنی بر هوش مصنوعی را تجربه می‌کنند (96 درصد از کسانی که روی هوش مصنوعی سرمایه‌گذاری می‌کنند)، تنها 17 درصد گزارش کردند که این دستاوردها منجر به کاهش تعداد کارمندان می‌شود. سرمایه گذاری مجدد در قابلیت های جدید هوش مصنوعی (42 درصد)، امنیت سایبری (41 درصد)، تحقیق و توسعه (39 درصد) و ارتقای مهارت کارکنان (38 درصد) بسیار بیشتر بود.

الگوی آشکار است. سازمان ها برای آموزش هوش مصنوعی هزینه می کنند. آنها مردم را به دلیل هوش مصنوعی اخراج نمی کنند. اما آنها همچنین در تبدیل نیروی کار موجود خود به کاربران ماهر هوش مصنوعی با سرعتی نزدیک به سرعت مورد نیاز موفق نیستند. نتیجه یک سیستم دو مسیره در سازمان‌ها است: اقلیتی از کاربران قدرت خودانگیخته که در حال پیشرفت هستند و اکثریتی که در کارگاه‌ها شرکت کرده‌اند اما اساساً نحوه کار خود را تغییر نداده‌اند.

گزارش McKinsey در ژانویه 2025 در مورد “ابر سازمان در محل کار” این قطع ارتباط را به طور واضح بیان کرد. در حالی که 92 درصد از شرکت‌ها قصد دارند سرمایه‌گذاری‌های هوش مصنوعی را طی سه سال آینده افزایش دهند، تنها 1 درصد گزارش می‌دهند که به بلوغ هوش مصنوعی رسیده‌اند. این گزارش همچنین نشان داد که احتمال استفاده از هوش مصنوعی مولد برای حداقل 30 درصد از کار روزانه کارکنان، سه برابر بیشتر از انتظار رهبران است. تقریبا نیمی از رهبران C-suite معتقدند که شرکت‌هایشان در توسعه هوش مصنوعی بسیار کند پیش می‌روند و از عدم همسویی رهبری و کمبود استعداد به عنوان موانع اصلی یاد می‌کنند. شکاف فقط بین کارگران و هوش مصنوعی نیست. بین آنچه که سازمان ها فکر می کنند با پذیرش هوش مصنوعی اتفاق می افتد و آنچه که در واقع روی زمین اتفاق می افتد است.

تحقیقات DataCamp نشان داد که سازمان‌هایی که دارای برنامه‌های ارتقای مهارت‌های بالغ و گسترده هستند، تقریباً دو برابر بیشتر احتمال دارد که بازده سرمایه‌گذاری مثبت چشمگیر هوش مصنوعی را گزارش کنند. مفهوم واضح است: خود آموزش گلوگاه نیست. کیفیت، ساختار و ادغام آموزش در کار روزانه چیزی است که سازمان‌هایی را که ارزش هوش مصنوعی را از آن‌هایی که این کار را نمی‌کنند جدا می‌کند. و این تمایز به خوبی به نابرابری های موجود در منابع شرکت، کیفیت مدیریت و فرهنگ سازمانی نشان می دهد.

حق بیمه دستمزد و گسترش خلیج فارس

فشارسنج جهانی مشاغل هوش مصنوعی PwC در سال 2025، که نزدیک به یک میلیارد آگهی شغلی از شش قاره را تجزیه و تحلیل کرد، ابعاد مالی تقسیم مهارت‌های هوش مصنوعی را کمیت کرد. مشاغلی که نیاز به مهارت‌های هوش مصنوعی دارند، اکنون 56 درصد حق بیمه نسبت به مشاغل مشابه دارند که بیش از دو برابر 25 درصد حق بیمه ثبت شده در سال گذشته است. نیاز به مهارت در مشاغلی که در معرض هوش مصنوعی قرار دارند، 66 درصد سریعتر از سایر مشاغل تغییر می کند، در مقایسه با 25 درصد در سال قبل. و مشاغلی که به مهارت‌های هوش مصنوعی نیاز دارند، سال به سال 7.5 درصد رشد می‌کنند، حتی با وجود کاهش 11.3 درصدی کل آگهی‌های شغلی.

این اعداد یک واگرایی شتاب دهنده را توصیف می کنند. کارگرانی که مهارت هوش مصنوعی را کسب می کنند و حفظ می کنند، فقط سرعت خود را حفظ نمی کنند. آنها در شرایط اقتصادی قابل اندازه گیری از مجموعه دور می شوند. حق بیمه 56 درصدی دستمزد یک مزیت حاشیه ای نیست. این نوعی تفاوت است که در طول یک حرفه ترکیب می شود، نتایج اساساً متفاوتی از زندگی ایجاد می کند: مسکن متفاوت، مدارس مختلف برای کودکان، مسیرهای متفاوت بازنشستگی.

شتاب به همان اندازه قابل توجه است. هنگامی که تقاضای مهارت در یک مجموعه از مشاغل 66 درصد سریعتر از سایر مشاغل تغییر می کند، نیمه عمر هر سرمایه گذاری آموزشی معین بر این اساس کاهش می یابد. کارگری که دوره سواد هوش مصنوعی را در سال 2026 به پایان می رساند، ممکن است تا سال 2027 محتوای آن را تا حدی منسوخ ببیند. این یک اثر تردمیل ایجاد می کند که به طور نامتناسبی بار کارگران را با زمان کمتر، منابع کمتر و حمایت کمتر نهادی برای یادگیری مداوم تحمیل می کند. همچنین یک مارپیچ استخدام ایجاد می کند. کارگرانی که مهارت‌های هوش مصنوعی دارند حقوق بیشتری دریافت می‌کنند، به این معنی که آنها به سمت سازمان‌هایی که قبلاً دارای فرهنگ هوش مصنوعی قوی هستند، جذب می‌شوند، که این امر توانایی‌ها را در شرکت‌هایی که از قبل پیشرو هستند متمرکز می‌کند.

داده‌های PwC همچنین حاوی یک یافته غیرمعمول است: رشد بهره‌وری در صنایعی که بیشتر در معرض هوش مصنوعی هستند تقریباً چهار برابر شده است و از 7 درصد در دوره 2018 تا 2022 به 27 درصد طی سال‌های 2018 تا 2024 در بخش‌هایی مانند خدمات مالی و انتشارات نرم‌افزار افزایش یافته است. مشاغل حتی در نقش‌هایی که به راحتی خودکار می‌شوند نیز به رشد خود ادامه می‌دهند. به عبارت دیگر، هوش مصنوعی افراد را با ارزش تر می کند، نه کمتر. اما ارزش به‌طور نابرابر افزایش می‌یابد، و توزیع آن ارزش با توزیع شایستگی هوش مصنوعی همراه است.

سوال پنج و نیم تریلیون دلاری

IDC، شرکت تحقیقاتی فناوری، قیمتی را برای شکاف مهارت‌های هوش مصنوعی تعیین کرده است: 5.5 تریلیون دلار ضرر اقتصادی جهانی پیش‌بینی شده تا سال 2026، که ناشی از تاخیر در محصولات، مشکلات کیفیت، درآمد از دست رفته و کاهش رقابت است. بر اساس برآورد IDC، بیش از 90 درصد از شرکت‌های جهانی با کمبود مهارت‌های هوش مصنوعی مواجه خواهند شد. نود و چهار درصد از مدیران اجرایی و CHRO ها هوش مصنوعی را به عنوان مهارت مورد نیاز خود معرفی می کنند، اما تنها 35 درصد احساس می کنند که به اندازه کافی کارمندان خود را آماده کرده اند. تنها یک سوم از کارمندان گزارش می دهند که در سال گذشته آموزش های هوش مصنوعی دریافت کرده اند، حتی نیمی از کارفرمایان در پر کردن موقعیت های مرتبط با هوش مصنوعی مشکل دارند.

مقیاس عدم تطابق خیره کننده است. در حال حاضر 1.6 میلیون موقعیت باز هوش مصنوعی در سراسر جهان وجود دارد، در مقابل تقریباً 518000 نامزد واجد شرایط، نسبت تقاضا به عرضه تقریباً 3.2 به 1 است. آنها موقعیت‌های کاربردی و سطح متوسطی هستند که ابزارهای هوش مصنوعی با عملیات تجاری مطابقت می‌کنند: مهندسان سریع، متخصصان اتوماسیون، تحلیلگرانی که می‌توانند شکاف بین قابلیت‌های یک مدل و نیازهای یک سازمان را پر کنند.

موانع رفع این شکاف مرموز نیست. تحقیقات IDC موانع اصلی را شامل کمبود استعداد (46 درصد)، نگرانی در مورد حفظ حریم خصوصی داده ها (43 درصد)، کیفیت پایین داده ها (40 درصد)، هزینه های اجرایی بالا (40 درصد)، و بازگشت نامشخص سرمایه گذاری برای برنامه های هوش مصنوعی (26 درصد) شناسایی کرده است. اینها چالش های عجیب و غریب نیستند. آنها اصطکاک های عادی تغییرات سازمانی هستند که با سرعت پیشرفت قابلیت های هوش مصنوعی تقویت می شوند.

IDC پیش‌بینی می‌کند که فناوری‌های هوش مصنوعی در نهایت تا سال 2027 حدود یک تریلیون دلار از دست دادن شکاف مهارت را کاهش خواهند داد، زیرا ابزارهای هوش مصنوعی بصری‌تر و خودسرویس‌تر می‌شوند. اما هنوز تریلیون ها ارزش غیرقابل تحقق باقی می گذارد و سطحی از آمادگی سازمانی را فرض می کند که نظرسنجی های DataCamp و EY نشان می دهد که تضمین شده نیست.

کنایه به سختی از دست می رود. ابزاری که قرار است کار دانش را دموکراتیزه کند، در مرحله استقرار فعلی آن، تمرکز مزیت در میان کسانی است که از قبل مهارت ها، منابع و پشتیبانی نهادی برای یادگیری نحوه استفاده از آن را دارند. وعده هوش مصنوعی برای توانمندسازی جهانی همچنان واقعی است. واقعیت فعلی آن قشربندی است.

تغییر ساختاری یا دردهای رشد

سوال مهمی که در همه این داده‌ها نهفته است این است که آیا تقسیم مهارت‌های هوش مصنوعی یک تعدیل موقت، یک اصطکاک انتقالی است که با بهبود ابزارها و فرا رسیدن آموزش برطرف می‌شود یا یک ویژگی ساختاری دائمی در بازار کار.

مورد خوش بینی بر چندین فرض معقول استوار است. ابزارهای هوش مصنوعی با هر نسلی کاربر پسندتر می شوند. رابط های زبان طبیعی به طور چشمگیری مانع ورود را در مقایسه با امواج قبلی فناوری کاهش داده اند. شرکت ها سرمایه گذاری زیادی روی آموزش می کنند، حتی اگر برنامه های فعلی ناقص باشند. داده های PwC نشان می دهد که هوش مصنوعی شغل ایجاد می کند و بهره وری را به طور گسترده افزایش می دهد، نه فقط برای تعداد کمی از نخبگان. و 85 درصد از سازمان‌ها قصد دارند سرمایه‌گذاری خود را برای ارتقای مهارت کارکنان در دوره بین سال‌های 2025 تا 2030 افزایش دهند، طبق بررسی‌های متعدد صنعت.

اما مورد نگرانی ساختاری قوی‌تر است و بر دینامیک ترکیبی استوار است که مطالعات مستقل متعددی اکنون مستند کرده‌اند. تجزیه و تحلیل Debevoise یک چرخه خود-تقویت‌کننده را شناسایی کرد که در آن پذیرندگان اولیه هوش مصنوعی قابلیت‌هایی را توسعه می‌دهند که پذیرش بیشتر آنها را تسریع می‌کند و شکاف بزرگ‌تری ایجاد می‌کند که افرادی که دیرتر وارد می‌شوند نمی‌توانند به راحتی آن را ببندند. داده‌های OpenAI یک تفاوت بهره‌وری شش برابری را نشان می‌دهد که بر روی شدت استفاده ترسیم می‌کند. متریک نوردهی مشاهده‌شده Anthropic نشان می‌دهد که حتی در مشاغلی که از لحاظ نظری با قابلیت هوش مصنوعی اشباع شده‌اند، پذیرش واقعی به‌طور نابرابر توزیع می‌شود.

گزارش OECD در سال 2025 در مورد پر کردن شکاف مهارت‌های هوش مصنوعی اذعان داشت که سیستم‌های آموزشی فعلی بزرگسالان «اغلب به نفع کسانی است که قبلاً از آموزش عالی بهره‌مند شده‌اند و شکاف‌های فرصت را افزایش می‌دهند». این گزارش توصیه می‌کند که دولت‌ها مشوق‌های خود را برای آموزش هوش مصنوعی، بهبود دسترسی و فراگیری، و سرمایه‌گذاری در اعتبارنامه‌های مدولار و به رسمیت شناختن یادگیری قبلی افزایش دهند. اینها پیشنهادات سیاست معقولی هستند. آنها همچنین از نوع توصیه هایی هستند که اجرای آنها سال ها و دهه ها طول می کشد تا نتایج را نشان دهند.

در همین حال، حلقه ترکیبی با سرعت بررسی عملکرد سه ماهه و چرخه های ارتقای سالانه اجرا می شود. هر ماه که یک کاربر قدرتمند جلوتر می‌رود، ماهی است که بسته شدن شکاف را سخت‌تر می‌کند. هر نقش جوانی که تکمیل نمی شود، زیرا هوش مصنوعی بخشی از عملکرد آن را بر عهده می گیرد، یک مسیر شغلی است که کمی باریک تر می شود. بحث ساختاری این نیست که این روندها برگشت ناپذیر هستند. این است که آنها خود را تقویت می کنند و هر ربع که می گذرد پنجره مداخله باریک می شود.

چه سازمان هایی اشتباه می کنند

متداول ترین پاسخ شرکتی به شکاف مهارت های هوش مصنوعی این است که آن را به عنوان یک مشکل آموزشی در نظر بگیریم. این نیست. این یک مشکل مدیریتی، یک مشکل فرهنگی و به طور فزاینده ای یک مشکل استراتژیک است.

همانطور که بررسی DataCamp مشخص می کند، آموزش شرط لازم اما ناکافی برای ایجاد قابلیت هوش مصنوعی است. آنچه سازمان‌هایی را که با موفقیت هوش مصنوعی را در جریان کاری خود قرار می‌دهند از سازمان‌هایی که این کار را انجام نمی‌دهند، جدا می‌کند، در دسترس بودن دوره‌ها نیست، بلکه ادغام ابزارهای هوش مصنوعی در فرآیندهای کاری واقعی، با پشتیبانی مدیریت، مشوق‌های عملکرد، و تحمل آزمایش است. گزارش سوپرآژانس مک کینزی نشان داد که 48 درصد از کارمندان آموزش را به عنوان مهمترین عامل برای پذیرش هوش مصنوعی رتبه بندی می کنند، اما آموزش به تنهایی، بدون داربست سازمانی برای پشتیبانی از کاربرد آن، فارغ التحصیلانی را ایجاد می کند که این نظریه را می دانند اما نمی توانند آن را اجرا کنند.

نظرسنجی EY نشان داد که 96 درصد از سازمان‌هایی که روی هوش مصنوعی سرمایه‌گذاری می‌کنند، برخی از دستاوردهای بهره‌وری را گزارش می‌کنند. اما توزیع این دستاوردها در سازمان‌ها به شدت نابرابر است، با تعداد انگشت شماری از کاربران قدرتمند که اکثریت ارزش را به خود اختصاص داده‌اند در حالی که نیروی کار گسترده‌تر تا حد زیادی بدون تغییر باقی می‌ماند. این نشان می‌دهد که این مانع تکنولوژیکی نیست، بلکه سازمانی است: ابزارها کار می‌کنند، اما بیشتر سازمان‌ها نقش‌ها، گردش‌کارها و انگیزه‌هایی را بازسازی نکرده‌اند تا پذیرش گسترده را ممکن کنند.

طبق گزارش سازمانی OpenAI، شرکت‌هایی که در پذیرش هوش مصنوعی پیشرو هستند، از رشد درآمد 1.7 برابری، بازده کل سهامداران 3.6 برابر و حاشیه سود EBIT 1.6 برابر بیشتر در مقایسه با عقب مانده‌ها برخوردار هستند. نادیده گرفتن ارتباط بین پذیرش هوش مصنوعی و عملکرد مالی غیرممکن است. و با این حال مکانیسم‌های گسترش مهارت هوش مصنوعی عمدتاً به صورت موقتی باقی می‌مانند و به ابتکار فردی به جای طراحی سازمانی سیستماتیک وابسته هستند.

این پارادوکس در قلب شکاف مهارت های هوش مصنوعی است. این فناوری در پتانسیل خود واقعاً دموکراتیک می شود. هرکسی که به یک مدل زبان بزرگ دسترسی دارد، از نظر تئوری، می‌تواند تحلیل‌ها، پیش‌نویس اسناد و گردش‌های کاری را که قبلاً به تخصص متخصص نیاز داشت، خودکار کند. اما “در تئوری” انجام کارهای سنگین سنگین است. در عمل، کارگرانی که بیشترین ارزش را از هوش مصنوعی می‌گیرند، کسانی هستند که از مهارت‌ها، اعتماد به نفس و پشتیبانی سازمانی برای آزمایش مؤثر برخوردارند. ابزار برابری طلبانه است. زمینه ای که در آن مستقر شده است نیست.

خلاء سیاست

پاسخ‌های دولت به شکاف مهارت‌های هوش مصنوعی، به استثنای برخی موارد، کند و افزایشی بوده است. OECD خواستار گسترش مشوق‌های آموزشی هوش مصنوعی، بهبود دسترسی و سرمایه‌گذاری در مسیرهای یادگیری مرتبط شده است که به کارگران اجازه می‌دهد بین مسیرهای حرفه‌ای و دانشگاهی حرکت کنند. پارلمان اروپا تحقیقاتی را در مورد نقش هوش مصنوعی در تغییر شکل نیروی کار اروپا سفارش داده است. مجمع جهانی اقتصاد به انتشار گزارش‌های فوری و فزاینده درباره مقیاس مهارت‌های مجدد مورد نیاز ادامه می‌دهد.

اما شکاف بین آرمان سیاست و اجرا همچنان گسترده است. اکثر کشورهای OECD هنوز برنامه های جامع سواد هوش مصنوعی برای بزرگسالان شاغل ندارند. بودجه برای مهارت آموزی مجدد از طریق کانال های نهادی موجود جریان می یابد، که، همانطور که خود OECD اذعان می کند، “اغلب به نفع کسانی است که قبلاً از آموزش عالی بهره مند شده اند.” کارگرانی که بیشتر در معرض خطر عقب افتادن هستند دقیقاً همانهایی هستند که کمترین خدمت را در چارچوب سیاست های فعلی ارائه می دهند: آنهایی که مدرک تحصیلی ندارند، بدون آموزش توسط کارفرمایان، بدون زمان یا منابع برای یادگیری خودگردان.

عدم تطابق سرعت شاید مهم ترین مسئله باشد. قابلیت‌های هوش مصنوعی بر اساس جدول زمانی که در ماه‌ها اندازه‌گیری می‌شود، در حال پیشرفت هستند. پاسخ‌های خط‌مشی بر اساس یک جدول زمانی عمل می‌کنند که در سال‌ها و گاهی دهه‌ها اندازه‌گیری می‌شود. تا زمانی که یک کمیسیون دولتی بررسی خود را تکمیل کند، توصیه های خود را منتشر کند، بودجه ای را تامین کند، برنامه ای را طراحی کند و اولین گروه یادگیرندگان خود را ثبت نام کند، چشم انداز هوش مصنوعی زیر پای آنها تغییر خواهد کرد. مهارت های آموزش داده شده در سال 2026 ممکن است تا سال 2028 تا حدی منسوخ شود. توصیه خود OECD برای “مدارک مدولار و تشخیص یادگیری قبلی” به طور ضمنی این مشکل را تصدیق می کند: برنامه های آموزشی طولانی مدت برای فناوری که هر چند ماه یک بار قابلیت های خود را بازنویسی می کند بسیار کند هستند.

این بدان معنا نیست که سیاست بیهوده است. یعنی سیاست به تنهایی نمی تواند مشکل را حل کند. پاسخ‌های مؤثر مستلزم هماهنگی بین دولت‌ها، کارفرمایان، مؤسسات آموزشی و خود شرکت‌های هوش مصنوعی است. آنها به تمایل به آزمایش با مدل های جدید ارائه آموزش، تأیید اعتبار و پشتیبانی نیروی کار نیاز دارند. و آنها نیاز به محاسبه صادقانه با این واقعیت دارند که تقسیم مهارت های هوش مصنوعی صرفاً یک چالش فنی نیست که با دوره های بهتر حل شود. این یک چالش توزیعی است که ساختارهای موجود نابرابری را منعکس می‌کند و تهدید به تقویت آن می‌کند.

بعد چه می آید

مطالعه مارس 2026 آنتروپیک یک بینش نهایی و نادیده ارائه داد. شکاف بین قرار گرفتن در معرض هوش مصنوعی نظری و مشاهده شده در بین مشاغل به طور یکسان بسته نمی شود. در برخی زمینه ها، پذیرش به سرعت در حال افزایش است. در برخی دیگر، به سختی شروع شده است. مسیر این همگرایی، بیش از هر عامل واحد دیگری، تعیین خواهد کرد که هوش مصنوعی تا چه حد بازار کار را در پنج سال آینده تغییر می دهد.

اگر قرار گرفتن در معرض مشاهده به آرامی همگرا شود، زمان برای سیستم‌های آموزشی، پاسخ‌های خط‌مشی و شیوه‌های سازمانی برای انطباق وجود دارد. کارگران می توانند مهارت ها را به صورت تدریجی ایجاد کنند. موسسات می توانند تعدیل کنند. انتقال، اگرچه دردناک است، اما همچنان قابل کنترل است.

اگر به سرعت همگرا شود، همانطور که پیشرفت‌ها در قابلیت هوش مصنوعی، جریان‌های کاری نمایندگی‌ها و یکپارچگی سازمانی نشان می‌دهند که ممکن است، پنجره انطباق منظم به‌طور چشمگیری کاهش می‌یابد. کاهش 14 درصدی در استخدام جوانان که آنتروپیک ثبت کرد می تواند 30 درصد یا 50 درصد شود. شکاف بهره وری شش برابری بین کاربران قدرتمند و هر کس دیگری می تواند بیشتر شود. حق بیمه 56 درصدی دستمزد برای کارگران ماهر هوش مصنوعی می‌تواند به یک ویژگی دائمی بازار کار تبدیل شود، به همان اندازه که هر بعد موجود نابرابری اقتصادی ریشه‌دار و دشوار است.

پاسخ صادقانه به موقت یا ساختاری بودن تقسیم مهارت‌های هوش مصنوعی این است که هر دو به طور همزمان هستند و تعادل بین این دو احتمال بستگی به انتخاب‌هایی دارد که در حال حاضر در اتاق‌های هیئت مدیره و ادارات دولتی و بخش‌های آموزشی در سراسر جهان انجام می‌شود. تکنولوژی نتیجه را از پیش تعیین نمی کند. اما دینامیک ترکیب واقعی است، ساعت در حال اجرا است، و کارگرانی که امروز عقب مانده‌اند، معایبی را جمع‌آوری می‌کنند که به تدریج برگشت آن سخت‌تر می‌شود.

ربات ها کارها را قبول نکردند. آنها سلسله مراتب جدیدی را در درون خود ایجاد کردند. و اگر چیزی تغییر نکند، این سلسله مراتب به سرعت در حال سخت شدن است.

مراجع و منابع

1. Anthropic، “تأثیرات بازار کار هوش مصنوعی: یک معیار جدید و شواهد اولیه”، Anthropic Research، مارس 2026. https://www.anthropic.com/research/labor-market-impacts

2. Anthropic، “گزارش شاخص اقتصادی آنتروپیک: اقتصادی اولیه”، ژانویه 2026. https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

3. فورچون، «آنتروپیک به‌تازگی مشخص کرد که هوش مصنوعی چه مشاغلی را می‌تواند جایگزین کند. «رکود بزرگ برای کارگران یقه‌سفید» کاملاً ممکن است،» 6 مارس 2026.

4. فورچون، 10 مارس 2026، “آیا هوش مصنوعی کار شما را می گیرد؟ تحقیقات جدید Anthropic نشان می دهد که پاسخ پیچیده تر از آن چیزی است که فکر می کنید.” https://fortune.com/2026/03/10/will-ai-toke-your-job-this-chart-in-an-economic-study-by-anthropic-may-give-you-a-hint-but-the-answer-is-complicated/

5. OpenAI، “The State of Enterprise AI: 2025 Report”، 2025. https://openai.com/index/the-state-of-enterprise-ai-2025-report/

6. VentureBeat، «گزارش OpenAI شکاف بهره‌وری 6 برابری را بین کاربران قدرت هوش مصنوعی و دیگران نشان می‌دهد»، 2025. https://venturebeat.com/ai/openai-report-reveals-a-6x-productivity-gap-between-ai-power-users-and

7. وبلاگ داده Debevoise، “مزایای هوش مصنوعی تمایل به ترکیب، افزایش خطرات ناشی از سقوط بیش از حد به عقب،” 7 ژانویه 2026.

8. موسسه تحقیقاتی Gensler، “Global Workplace Survey 2026″، 2026. https://www.gensler.com/gri/global-workplace-survey-2026

9. جنسلر، “وجهه انسانی هوش مصنوعی: کاربران قدرتمند در مورد محل کار به ما چه می گویند”، 2026. https://www.gensler.com/blog/what-ai-power-users-tell-us-about-the-workplace

10. DataCamp و YouGov، “شرکت ها روی هوش مصنوعی سرمایه گذاری می کنند، اما نیروی کار آنها آماده نیستند”، فوریه 2026. https://www.datacamp.com/blog/the-ai-skills-gap-in-2026-why-most-ai-training-isn-t-translating-capability-to-work

11. EY، “بهره وری مبتنی بر هوش مصنوعی به سرمایه گذاری مجدد بر کاهش نیروی کار دامن می زند”، دسامبر 2025. https://www.ey.com/en_us/newsroom/2025/12/ai-driven-productivity-is-fueling-reinvestment-over-workforce-reductions

12. EY، “نظرسنجی EY نشان می دهد که شرکت ها تا 40٪ از دستاوردهای بهره وری هوش مصنوعی را به دلیل شکاف در استراتژی استعدادها از دست می دهند”، نوامبر 2025. https://www.ey.com/en_gl/newsroom/2025/11/ey-survey-reveals-companies-are-missing-out-on-up-to-40-percent-of-ai-productivity-gains-due-to-gaps-in-talent-strategy

13. PwC، “آینده بی باک: 2025 جهانی AI Jobs Barometer”، 2025. https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html

14. IDC از طریق CIO Dive، “هزینه شکاف مهارت های فناوری اطلاعات چقدر است؟ IDC می گوید تا سال 2026 به 5.5 تریلیون دلار می رسد”، 2025. https://www.ciodive.com/news/tech-talent-skills-gaps-cost-trillions-idc/716523/

15. مجمع جهانی اقتصاد، “گزارش آینده مشاغل 2025″، ژانویه 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/

16. OECD، “Bridging the AI ​​skills gap,” 2025. https://www.oecd.org/en/publications/bridging-the-ai-skills-gap_66d0702e-en.html

17. مک‌کینزی، «ابر آژانس در محل کار: توانمندسازی افراد برای باز کردن پتانسیل کامل هوش مصنوعی در محل کار»، ژانویه 2025.

18. HR Dive، “Anthropic: نفوذ هوش مصنوعی بر بازار کار تازه شروع به احساس می شود،” مارس 2026. https://www.hrdive.com/news/anthropic-ai-influence-over-the-labor-market-jobs/814670/

19. TechCrunch، شرکت هوش مصنوعی می‌گوید: «شکاف مهارت‌های هوش مصنوعی اینجاست، و کاربران قدرتمند در حال پیشرفت هستند»، 25 مارس 2026. https://techcrunch.com/2026/03/25/the-ai-skills-gap-is-here-says-ai-company-ers-and-power-ing

20. رسیور، “مطالعه جدید Anthropic نشان می دهد که هوش مصنوعی به هیچ وجه به پتانسیل تئوری اختلال شغلی خود نزدیک نیست.” https://the-decoder.com/anthropics-new-study-shows-ai-is-nowhere-near-its-theoretical-job-disruption-potential/

21. Workera، «شکاف مهارت ۵.۵ تریلیون دلاری: آنچه گزارش جدید IDC درباره آمادگی نیروی کار هوش مصنوعی نشان می‌دهد،» ۲۰۲۵.

تیم گرین
نظریه‌پرداز سیستم‌ها و نویسنده مستقل فناوری مستقر در بریتانیا

تیم به بررسی تقاطع های هوش مصنوعی، شناخت غیرمتمرکز و اخلاق پساانسانی می پردازد. کار او که در smarterarticles.co.uk منتشر شده است، روایت‌های غالب پیشرفت فناوری را به چالش می‌کشد و در عین حال چارچوب‌های بین رشته‌ای را برای هوش جمعی و مباشرت دیجیتال پیشنهاد می‌کند.

نوشته های او در Ground News نمایش داده شده و توسط محققان مستقل در جوامع دانشگاهی و فناوری به اشتراک گذاشته شده است.

ORCID: 0009-0002-0156-9795
ایمیل: tim@smarterarticles.co.uk