Come competere con i robot
 
Studiosi di Robotica ed economisti hanno sviluppato un metodo per stimare la probabilità che i lavori vengano automatizzati da futuri robot intelligenti e suggerendo transizioni di carriera con rischi inferiori e minimo sforzo di riqualificazione.
 
Quando si parla del futuro dei robot intelligenti, la prima domanda che le persone si pongono spesso è: quanti lavori faranno scomparire? Qualunque sia la risposta, è probabile che la seconda domanda sia: come posso assicurarmi che il mio lavoro non sia tra questi?

In uno studio appena pubblicato su Science Robotics , un team di robotici dell’EPFL ed economisti dell’Università di Losanna offre risposte a entrambe le domande. Combinando la letteratura scientifica e tecnica sulle abilità robotiche con le statistiche sull’occupazione e sui salari, hanno sviluppato un metodo per calcolare quali dei lavori attualmente esistenti sono più a rischio di essere eseguiti dalle macchine nel prossimo futuro. Inoltre, hanno escogitato un metodo per suggerire le transizioni di carriera verso lavori meno a rischio e che richiedono sforzi minimi di riqualificazione.

“Ci sono diversi studi che prevedono quanti lavori saranno automatizzati dai robot, ma si concentrano tutti su robot software, come riconoscimento vocale e di immagini, consulenti finanziari finanziari, chatbot e così via. Inoltre, queste previsioni oscillano selvaggiamente a seconda di come vengono valutati i requisiti di lavoro e le capacità del software. Qui, prendiamo in considerazione non solo i software di intelligenza artificiale, ma anche veri e propri robot intelligenti che svolgono lavoro fisico e abbiamo sviluppato un metodo per un confronto sistematico delle abilità umane e robotiche utilizzate in centinaia di lavori”, afferma il prof. Dario Floreano, Direttore del Laboratorio del Sistema Intelligente dell’EPFL, che ha condotto lo studio all’EPFL.

L’innovazione chiave dello studio è una nuova mappatura delle capacità dei robot sui requisiti del lavoro. Il team ha esaminato la H2020 Robotic Multi-Annual Roadmap (MAR), un documento strategico della Commissione europea che viene periodicamente rivisto da esperti di robotica. Il MAR descrive dozzine di abilità che sono richieste dal robot attuale o potrebbero essere richieste da quelli futuri, che vanno, organizzate in categorie come manipolazione, percezione, rilevamento, interazione con gli esseri umani. I ricercatori hanno esaminato documenti di ricerca, brevetti e descrizioni di prodotti robotici per valutare il livello di maturità delle abilità robotiche, utilizzando una scala ben nota per misurare il livello di sviluppo tecnologico, il “livello di preparazione tecnologica” (TRL).

Per le abilità umane, si sono affidati al database O*net, un database di risorse ampiamente utilizzato sul mercato del lavoro statunitense, che classifica circa 1.000 occupazioni e scompone le abilità e le conoscenze più cruciali per ciascuna di esse

Dopo aver abbinato selettivamente le abilità umane dall’elenco O*net alle abilità robotiche del documento MAR, il team ha potuto calcolare la probabilità che ogni occupazione esistente venga svolta da un robot. Supponiamo, ad esempio, che un lavoro richieda che un essere umano lavori con una precisione millimetrica dei movimenti. I robot sono molto bravi in ​​questo e il TRL dell’abilità corrispondente è quindi il più alto. Se un lavoro richiede abbastanza competenze di questo tipo, sarà più probabile che sia automatizzato rispetto a uno che richiede abilità come il pensiero critico o la creatività.

Il risultato è una classifica dei 1.000 posti di lavoro, con i “fisici” che hanno il rischio più basso di essere sostituiti da una macchina e “macellatori e confezionatori di carne”, che corrono il rischio più alto. In generale, i lavori nei settori della trasformazione alimentare, dell’edilizia e della manutenzione, dell’edilizia e dell’estrazione sembrano avere i rischi più elevati.

“La sfida chiave per la società odierna è come diventare resilienti contro l’automazione”, afferma il Prof. Rafael Lalive. che ha co-diretto lo studio presso l’Università di Losanna. “Il nostro lavoro fornisce consigli di carriera dettagliati per i lavoratori che affrontano alti rischi di automazione, che consente loro di assumere lavori più sicuri riutilizzando molte delle competenze acquisite sul vecchio lavoro. Attraverso questo consiglio, i governi possono aiutare la società a diventare più resiliente contro l’automazione.”

Gli autori hanno quindi creato un metodo per trovare, per un determinato lavoro, lavori alternativi che presentano un rischio di automazione significativamente inferiore e sono ragionevolmente vicini a quello originale in termini di capacità e conoscenze richieste, riducendo così al minimo lo sforzo di riqualificazione e rendendo il passaggio di carriera fattibile. Per testare le prestazioni di quel metodo nella vita reale, hanno utilizzato i dati della forza lavoro statunitense e simulato migliaia di spostamenti di carriera sulla base dei suggerimenti dell’algoritmo, scoprendo che consentirebbe effettivamente ai lavoratori nelle occupazioni a rischio più elevato di passare a quelli a rischio medio occupazioni, pur subendo uno sforzo di riqualificazione relativamente basso.

Il metodo potrebbe essere utilizzato dai governi per misurare quanti lavoratori potrebbero affrontare i rischi dell’automazione e adeguare le politiche di riqualificazione, dalle aziende per valutare i costi dell’aumento dell’automazione, dai produttori di robotica per adattare meglio i loro prodotti alle esigenze del mercato; e dal pubblico per individuare la via più facile per riposizionarsi sul mercato del lavoro.

Infine, gli autori hanno tradotto i nuovi metodi e dati in un algoritmo che prevede il rischio dell’automazione per centinaia di lavori e suggerisce transizioni di carriera resilienti con uno sforzo di riqualificazione minimo, accessibile pubblicamente su https://lis2.epfl.ch/resiliencetorobots .
 

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi