پایگاه خبری فولاد ایران- شکاف میان بهره‌وری و دستمزد، دهه‌هاست که نگرانی ایجاد کرده است. این موضوع اغلب در سایه‌ی نگرانی‌ها درباره نرخ پایین رشد بهره‌وری قرار می‌گیرد، اما حتی همین رشد اندک نیز ظاهراً از افزایش دستمزدها پیشی گرفته است. به گزارش مجمع جهانی اقتصاد، اتوماسیون فزاینده در این روند نقش داشته و اکنون، با ظهور هوش مصنوعی همه‌گیر، دیگر تنها کارگران خط تولید نیستند که در حاشیه قرار می‌گیرند، بلکه تحصیل‌کرده‌های دانشگاهی در مشاغل موسوم به "دانش‌محور" نیز در معرض تهدید هستند.
این گروه، در موج قبلی تحولات فناورانه، موقعیتی نسبتاً ممتاز داشتند. اما این‌بار ممکن است خود آن‌ها نیز دچار تفکیک و تقسیم‌بندی جدیدی شوند. بسیاری از کارمندان سفیدپوش که در ساختارهای مدیریتی سنتی فعالیت می‌کنند، اگرچه این را در رزومه خود نمی‌نویسند، اکنون باید برای حفظ موقعیت شغلی و دریافت دستمزدی متناسب با ارزش افزوده‌ی واقعی‌شان مبارزه کنند.
در یک مطالعه میدانی بر روی توسعه‌دهندگان نرم‌افزار که به‌تازگی از دستیارهای هوش مصنوعی استفاده می‌کنند، مشخص شد که افراد کم‌تجربه‌تر و کم‌درآمدتر بیشترین افزایش نسبی در بهره‌وری را تجربه کرده‌اند. این نشان می‌دهد که همکاران باتجربه‌ترشان دیگر به‌راحتی نمی‌توانند دستمزد بالاتر را توجیه کنند.
در دورانی که امنیت مالی طبقه متوسط کاهش یافته، این مسئله می‌تواند بسیار جدی شود.
بهره‌برداری از فرصت‌های مادی ناشی از تحولات فناوری آن‌چنان هم ساده نیست، به‌ویژه برای کارمندان معمولی. اما پژوهش‌ها نشان می‌دهند که ایجاد احساس توانمندی در افراد (self-efficacy) می‌تواند اثرات منفی ناامنی شغلی ناشی از هوش مصنوعی را کاهش دهد. اگر مردم باور داشته باشند که می‌توانند سرنوشت شغلی خود را کنترل کنند، احتمال دارد بیشتر به سمت هم‌افزایی با هوش مصنوعی بروند تا آن‌که جای خود را به آن بدهند.
ایده‌آل آن است که تا حد ممکن، افراد به‌گونه‌ای آموزش ببینند که بتوانند "تیم‌های شخصی" از ابزارهای هوش مصنوعی را مدیریت کنند. این یعنی باید دسترسی گسترده به این فناوری و آموزش‌های مربوطه فراهم شود.
طبق نظرسنجی اخیر مجمع جهانی اقتصاد، تقریباً نیمی از اقتصاددانان ارشد معتقدند که "توانمندسازی کارگران با کمک هوش مصنوعی" یکی از بزرگ‌ترین مزایای این فناوری برای رشد اقتصادی خواهد بود. اما در مقابل، "افزایش نابرابری" نیز یکی از بزرگ‌ترین ریسک‌ها شناخته شده است.
سه چهارم اقتصاددانان گفته‌اند که سرمایه‌گذاری دولت‌ها روی "ارتقاء مهارت‌ها و بازآموزی شغلی" باید در اولویت باشد.
بر اساس نظریه‌های اقتصادی استاندارد، بهره‌وری و دستمزد باید تقریباً با هم رشد کنند (اگرچه کارل مارکس درباره‌ی همین موضوع سخنان زیادی دارد).
اما از دهه ۱۹۷۰ در آمریکا و اروپا، و از دهه ۱۹۸۰ در ژاپن، دستمزدها از بهره‌وری جدا شده‌اند.
دلایل این فاصله عبارت‌اند از:
• تمرکز افزایش دستمزد بر سطوح ارشد مدیریتی
• انتقال درآمد از نیروی کار به سهام‌داران
• پذیرش نرخ بیکاری بالاتر برای کنترل تورم
همزمان، اتوماسیون اگرچه برندگان زیادی داشته، اما بازنده‌هایی هم به‌جا گذاشته است.
بسته به نحوه‌ی محاسبه، اندازه‌ی شکاف بین بهره‌وری و دستمزد متفاوت است. اگر مدیران را کنار بگذاریم و فقط دستمزد کارگران را با بهره‌وری مقایسه کنیم، این شکاف عمیق است. اما در مقایسه‌هایی که هم‌راستاتر هستند، شکاف کمتر مشهود است.
صرف‌نظر از نحوه اندازه‌گیری، همه بر یک چیز توافق دارند: بهره‌وری باید سریع‌تر رشد کند.
برخی کارگران دانش‌محور که شغل خود را از دست داده‌اند، در پیدا کردن کار جدید با مشکل مواجه‌اند. اگر شرایط بازار باعث شود مشاغل خوب و با درآمد مناسب کمتر شوند، ممکن است شاهد تکرار همان روندی باشیم که برای کارگران صنعتی در دهه‌های قبل اتفاق افتاد — روندی که هنوز کشورها در تلاش برای جبران آن هستند.
یکی از پیشگامان هوش مصنوعی گفته است که کسانی که کارشان صرفاً "تصمیم‌گیری" است، ممکن است بهتر باشد به شغل‌هایی فکر کنند که مهارت‌های منحصربه‌فرد انسانی مانند شست و استفاده از ابزار دستی را درگیر می‌کنند — مثلاً لوله‌کشی.
اما دیگران می‌گویند نیازی نیست چنین شود. همیشه زمینه‌هایی از تخصص انسانی وجود خواهد داشت که ارزش‌افزوده بالایی ایجاد می‌کنند و حتی می‌توانند باعث احیای طبقه متوسط شوند.
ChatGPT برای مقابله با رکود دستمزدها چند پیشنهاد ارائه داده است:
• سرمایه‌گذاری دوباره در آموزش مهارت‌ها
• اجرای سیاست‌های دستمزد منصفانه
• ایجاد شبکه‌های ایمنی اجتماعی قوی برای کارگران
در نهایت، این ما هستیم که انتخاب می‌کنیم با فناوری چه کنیم. مسئله خودِ فناوری نیست، بلکه نحوه‌ی استفاده ما از آن است.
منبع: مجمع جهانی اقتصاد