در ۲۱ مه ۲۰۲۶ (۳۱ اردیبهشت ۱۴۰۵)، نتایج یک نظرسنجی بزرگ از ۱۲,۰۰۰ کسبوکار در ۱۸ کشور که توسط «مؤسسه تحقیقات سیاست اقتصادی» (EPI) و با همکاری دانشگاه MIT منتشر شد، یک یافتهٔ پارادوکسیکال و عمیقاً امیدبخش را آشکار کرد: کسبوکارهایی که به طور فعال از هوش مصنوعی مولد و عاملهای خودمختار استفاده میکنند، تقریباً سه برابر بیشتر از سایر کسبوکارها به دنبال افزایش استخدام در سطوح پایه و ورودی (Entry-Level) هستند. این یافته، روایت غالب «نابودی مشاغل توسط هوش مصنوعی» را به چالش میکشد و نشان میدهد که رابطهٔ میان هوش مصنوعی و اشتغال، بسیار پیچیدهتر از یک «جایگزینی ساده» است: هوش مصنوعی مشاغل تحلیلی پیچیده را خودکار میکند، اما با کاهش هزینهٔ عملیات، تقاضا برای نیروی کار انسانی در بخشهای اجرایی، خدماتی و خلاقانه را افزایش میدهد.
۱. کالبدشکافی یافته: سه برابر بیشتر، اما چرا؟
بر اساس این نظرسنجی، ۷۴٪ از کسبوکارهایی که «استفادهٔ بالا» (High Adoption) از هوش مصنوعی دارند، اعلام کردهاند که قصد دارند در ۱۲ ماه آینده، استخدام در سطوح پایه را افزایش دهند. این رقم برای کسبوکارهایی که «استفادهٔ پایین» (Low Adoption) دارند، تنها ۲۶٪ است — یعنی تقریباً یکسوم. این شکاف ۴۸ واحدی، یکی از چشمگیرترین همبستگیهای مثبت میان پذیرش فناوری و ایجاد اشتغال در تاریخ مدرن است.
تحلیل عمیقتر دادهها نشان میدهد که سه سازوکار اصلی در پس این پدیده قرار دارند:
- اثر مقیاس (Scale Effect): هوش مصنوعی هزینهٔ عملیات — بهویژه در حوزههای تحلیل داده، تولید محتوا، کدنویسی و خدمات مشتری — را به طور چشمگیری کاهش میدهد. این کاهش هزینه به کسبوکارها امکان میدهد که «بیشتر» و «سریعتر» رشد کنند. یک استارتاپ که پیشتر با ۱۰ نفر میتوانست ۱۰۰ مشتری را خدمات دهد، با هوش مصنوعی میتواند با همان ۱۰ نفر، ۵۰۰ مشتری را خدمات دهد — اما برای مدیریت این ۵۰۰ مشتری، به کارکنان بیشتری در بخشهای لجستیک، پشتیبانی فیزیکی، فروش میدانی و کنترل کیفیت نیاز دارد. این یعنی هوش مصنوعی، «کیک اقتصاد» را بزرگتر میکند و سهم نیروی کار انسانی از این کیک بزرگتر، هرچند به نسبت کوچکتر، در عدد مطلق افزایش مییابد.
- اثر مکملبودن (Complementarity Effect): هوش مصنوعی در انجام وظایف تحلیلی-شناختی (مانند نوشتن گزارش، تحلیل داده، کدنویسی) عالی است، اما در انجام وظایف فیزیکی-تعاملی (مانند تحویل کالا، نصب تجهیزات، تعامل حضوری با مشتری، مراقبت از سالمندان، یا تعمیرات میدانی) ناتوان است. با خودکار شدن وظایف دستهٔ اول، نیروی انسانی از پشت میزها آزاد میشود و میتواند بر وظایف دستهٔ دوم متمرکز شود. به بیان ساده، هوش مصنوعی «فکر کردن» را خودکار میکند، اما «انجام دادن» همچنان به انسان نیاز دارد — و با رشد کسبوکار، «انجام دادن» بیشتر میشود.
- اثر ورود (Entry Effect): کاهش هزینهٔ راهاندازی و عملیات کسبوکار، موانع ورود به بازار را برای کارآفرینان جدید کاهش میدهد. یک کارآفرین که پیشتر نمیتوانست هزینهٔ استخدام یک تحلیلگر داده یا یک تیم بازاریابی را بپردازد، اکنون با یک عامل هوش مصنوعی میتواند این وظایف را انجام دهد و کسبوکار خود را راه بیندازد. این یعنی «کارآفرینان جدید» بیشتری وارد بازار میشوند، و هر یک از آنها — حتی اگر با حداقل نیروی انسانی شروع کنند — در بلندمدت استخدامکننده خواهند بود.
۲. تغییر ساختار اشتغال، نه کاهش آن
پروفسور دیوید آتور (David Autor)، اقتصاددان برجسته MIT و از نویسندگان این گزارش، در تفسیر یافتهها گفت: «ما شاهد یک “تغییر ساختار اشتغال” (Job Restructuring) هستیم، نه یک “کاهش خالص اشتغال” (Net Job Loss). هوش مصنوعی، مشاغل تحلیلی سطح متوسط را — که پیشتر “امن” تصور میشدند — خودکار میکند، اما همزمان تقاضا برای مشاغل پایه و مشاغل سطح بالای راهبردی را افزایش میدهد. نتیجه، یک “دوقطبیشدن” (Polarization) بازار کار است، نه یک “انقباض” آن.»
این تحلیل، با دادههای تاریخی همخوانی دارد. در انقلاب صنعتی، ماشینها کارگران یدی ماهر (مانند نساجان) را بیکار کردند، اما تقاضا برای کارگران ساده (برای تغذیه ماشینها) و مهندسان (برای طراحی ماشینها) را افزایش دادند. امروز نیز هوش مصنوعی، تحلیلگران داده و برنامهنویسان را «خودکار» میکند، اما تقاضا برای کارکنان خدمات میدانی، تکنسینهای تعمیرات، مراقبان سلامت، و مدیران راهبردی را افزایش میدهد.
۳. پیامدهای راهبردی برای سیاستگذاران و کارجویان
این یافتهها چهار پیامد مهم برای سیاستگذاران، مدیران و نیروی کار دارد:
- بازنگری در آموزش عالی: اگر مشاغل تحلیلی سطح متوسط بیشترین ریسک خودکارسازی را دارند، نظامهای آموزشی باید از تأکید صرف بر «مهارتهای تحلیلی» (که هوش مصنوعی در آنها بهتر عمل میکند) به سمت «مهارتهای ترکیبی» (Hybrid Skills) حرکت کنند: ترکیبی از تفکر انتقادی، خلاقیت، هوش هیجانی، و مهارتهای فیزیکی-تعاملی که هوش مصنوعی در آنها ضعیف است.
- بازتعریف «شغل پایه»: شغلهای پایه فردا، دیگر «ساده و کممهارت» نخواهند بود، بلکه «تعاملی، خلاقانه و فیزیکی» خواهند بود. تکنسین تعمیرات پهپاد، مراقب سالمند با دستیار هوش مصنوعی، یا مدیر لجستیک یک ناوگان خودران — اینها نمونههایی از «مشاغل پایه جدید» هستند که با وجود هوش مصنوعی، تقاضای بیشتری پیدا میکنند.
- سیاستهای حمایتی هدفمند: به جای «مقاومت در برابر هوش مصنوعی»، سیاستگذاران باید بر «تسهیل گذار» (Transition Facilitation) متمرکز شوند: بازآموزی نیروی کار، ایجاد پلهای شغلی از مشاغل در معرض خطر به مشاغل در حال رشد، و حمایت از کارآفرینی.
- فرصت برای کشورهای در حال توسعه: این یافته برای کشورهای در حال توسعه — که معمولاً در مشاغل «تعاملی-فیزیکی» مزیت نسبی دارند — یک فرصت راهبردی است. با کاهش هزینه تحلیل و برنامهریزی توسط هوش مصنوعی، این کشورها میتوانند بدون نیاز به ارتش تحلیلگران و برنامهنویسان، کسبوکارهای خود را با کارکنان اجرایی گسترش دهند.
۴. جدول مقایسه: کسبوکارهای با پذیرش بالا در برابر پذیرش پایین
| شاخص | پذیرش بالای هوش مصنوعی | پذیرش پایین هوش مصنوعی |
|---|---|---|
| درصد کسبوکارهایی که استخدام پایه را افزایش میدهند | ۷۴٪ | ۲۶٪ |
| میانگین رشد درآمد در ۱۲ ماه گذشته | ۲۸٪ | ۷٪ |
| درصد کاهش هزینههای عملیاتی | ۳۴٪ (میانگین) | ۵٪ (میانگین) |
| درصد ورود کارآفرینان جدید (بدون سابقه قبلی) | ۴۲٪ از کل | ۱۲٪ از کل |
| درصد سرمایهگذاری در بازآموزی کارکنان | ۶۸٪ | ۱۸٪ |
| میانگین افزایش حقوق کارکنان پایه | ۱۱٪ | ۲٪ |
منبع: EPI & MIT Survey of AI Adoption and Employment, May 2026
۵. جمعبندی: پایان «ترس از ماشین»، آغاز «همافزایی با ماشین»
یافته سه برابر بودن تمایل به استخدام در کسبوکارهای پذیرنده هوش مصنوعی، یک «نقطه عطف روایی» (Narrative Turning Point) است. برای سالها، گفتمان عمومی درباره هوش مصنوعی و اشتغال تحت سلطه «ترس از ماشین» (Fear of the Machine) بوده است: ترس از اینکه رباتها و الگوریتمها، شغلها را یکی پس از دیگری خواهند بلعید. اما دادههای واقعی اکنون نشان میدهند که این روایت، نهتنها ناقص، که گمراهکننده است.
واقعیت این است که هوش مصنوعی، «کار» را از بین نمیبرد، بلکه «ماهیت کار» را تغییر میدهد. همانطور که ماشین بخار، «قدرت عضلانی» را خودکار کرد و عصر «قدرت شناختی» را گشود، هوش مصنوعی نیز «قدرت تحلیلی» را خودکار میکند و عصر «قدرت ترکیبی-تعاملی» را میگشاید. در این عصر جدید، انسانها نه به عنوان «رقبای ماشین»، که به عنوان «همکاران ماشین» به کار گرفته خواهند شد — و دادهها نشان میدهند که این همکاری، به اشتغال بیشتر، نه کمتر، منجر میشود.
۲۰۲۶، سالی است که این حقیقت، از قلمرو نظریه به قلمرو دادههای تجربی قدم گذاشت. و این قدم، شاید مهمترین خبر سال برای میلیونها کارجو و دانشجویی باشد که آینده خود را در سایه هوش مصنوعی جستجو میکنند.
۱۲ پاسخ به “تأثیر مثبت بر اشتغال: پارادوکس هوش مصنوعی — خودکارسازی مشاغل پیچیده، رونق استخدام در سطوح پایه”
مرسی بابت محتوای ناب
مفید و کاربردی 👌
ممنون داداش
خوب بود
خیلی خفن بود
عالی بود مرسی 🔥
مرسی بابت محتوای ناب
پشمام چقدر خوب بود
خیلی خفن بود
تشکر
مفید و کاربردی 👌
جالبه