De robotrevolutie draait niet om banen, maar om taken. Wel komen werknemers met middeninkomens op korte termijn het meest onder druk te staan, omdat taken naar zowel lager- als hogerbetaalde werknemers verschuiven.
Dat stellen onderzoekers van het MIT-IBM Watson AI Lab in het onlangs gepubliceerde The Future of Work: How New Technologies are Transforming Tasks. Voor dit onderzoek zijn gedurende zeven jaar 170 miljoen vacatures geanalyseerd. Het onderzoek had als doel erachter te komen hoe taakverantwoordelijkheden verschuiven van mensen naar algoritmen en onder werknemers met verschillende beloningsgraden.
Impact van automatisering
Volgens Martin Fleming, hoofdeconoom bij IBM en hoofdauteur van het onderzoeksrapport, helpt het onderzoek overheden, bedrijven en werknemers zich voor te bereiden op de impact van automatisering. Uitgaande van het onderzoek zal er, ondanks de robotrevolutie, nog steeds veel vraag zijn naar ontwerpers op álle loonniveaus. Bovendien blijven ook werknemers met diepgaande kennis van de industrie geliefd.
De uitgevoerde taken en rollen die we hebben, zullen veranderen.
“Het voordeel van dit soort onderzoek is dat we kunnen zien dat er veranderingen plaatsvinden, die nog steeds doorgaan. Zie het als een vroeg waarschuwingssignaal. Dit gaat over de transformatie van hoe werk wordt gedaan in tegenstelling tot de transformatie van het volume van het werk of het aantal betrokken werknemers. We hebben geconstateerd dat de uitgevoerde taken en de rollen die we hebben, zullen veranderen”, zegt Fleming tegen TechRepublic.
Fleming vindt dat er niet gedacht moet worden over automatisering in termen van banen die worden vernietigd. Dat is volgens hem de verkeerde manier om naar toekomstige veranderingen te kijken.
Geschikt voor machine learning
Tijdens het onderzoek zijn er onder meer veranderingen in functie-eisen geanalyseerd. De periode van zeven jaar waarop het onderzoek zich richt, is de vroege fase waarin de technologie voor het eerst werd aangenomen. De onderzoekers zochten naar taken die ‘geschikt zijn voor machine learning’ (Suitable for Machine Learning, SML). Het gaat dan om taken die waarschijnlijk geautomatiseerd zullen gaan worden.
Het onderzoeksrapport stelt dat:
- De meeste beroepen in de meeste industrieën enkele taken hebben die SML zijn.
- Weinig tot geen beroepen alleen maar SML-taken hebben.
- Het ontsluiten van het potentieel van machine learning een aanzienlijk herontwerp van de taakinhoud van beroepen zal vereisen. Dat komt omdat SML- en niet-SML-taken binnen beroepen worden ontbundeld en weer opnieuw gebundeld.
Menselijke vaardigheden onmisbaar
Er zijn nog steeds heel veel vaardigheden die alleen door mensen uitgevoerd kunnen worden en die (vooralsnog) niet door robots kunnen worden overgenomen. Denk dan aan fysieke flexibiliteit, gezond verstand, beoordelingsvermogen, intuïtie, creativiteit en gesproken taal. Dat soort taken zal op termijn ook beter gecompenseerd worden.
Taken die minder snel zullen worden geautomatiseerd en wellicht hoger gecompenseerd, zijn onder meer taken op het gebied van administratie, ontwerp, kennis van de industrie en persoonlijke verzorging en services. Taken die weer minder goed worden gecompenseerd, richten zich met name op business, human resources en verkoop.
Taakverschuiving
Een van de vragen die de onderzoekers zichzelf stelden, was: ‘Hoe veranderen taakverantwoordelijkheden op taakniveau? Welke taken worden geautomatiseerd en welke verschuiven onder werknemers?’ Ze concludeerden dat ongeveer vier taken van werknemers met een middenloon verschuiven naar werknemers met lage lonen.
Daarnaast verschuift gemiddeld één taak van werknemers met een middenloon naar werknemers met een hoog loon. Beide groepen met nieuwe taken kunnen een loonsverhoging tegemoet zien ten koste van werknemers met een middenloon. Over wat precies de verschuivende taken inhouden, doet het onderzoek verder geen uitspraak.
Omscholing sleutel behoud middenklasse
Fleming ziet de transformatie van het personeelsbestand als een kans voor werkgevers om omscholings- en onderwijsprogramma’s te verbeteren. Hij ziet omscholing dan ook “als sleutel tot het behoud van het loon van de middenklasse.”
“Door deze routinetaken niet uit te voeren, kunnen werknemers zich concentreren waar ze zelf meer waarde kunnen creëren en meer inkomen kunnen verdienen. We zien dat de vraag naar arbeid wereldwijd blijft groeien”, aldus de onderzoeker, die laat weten dat het een kortetermijnuitdaging voor werknemers met een middelzware baan is. Trainen en omscholen is volgens hem de sleutel om jezelf aan te passen naarmate de taakvereisten veranderen.
We zien dat de vraag naar arbeid wereldwijd blijft groeien.
IBM
Om de automatiseringstrends beter te visualiseren en te laten zien hoe deze werknemers beïnvloeden, neemt Fleming de ruim 381.000 werknemers van IBM als voorbeeld. Zo zet IBM vandaag de dag machine learning in om prijstaken te automatiseren. Volgens hem is het voorspellen van een optimale prijs een goede opdracht voor machine learning. Dat geldt voor zowel de behoeften van de klant als de financiële doelstellingen van IBM.
“Medewerkers in verkooprollen kunnen nu productiever zijn, omdat ze beter kunnen voldoen aan verzoeken van klanten. Medewerkers die dit eerst handmatig deden, kunnen zich nu concentreren op complexere prijstransacties”, aldus Fleming.
De onderzoeker besluit dat de volgende fase van automatisering zal verschillen van de eerste golf, aangedreven door robotica die enkel de ‘als-dan’-taken overnamen, terwijl machine learning en artificiële intelligentie zijn ontworpen voor taken die leren, redeneren en begrijpen vereisen.