Nuo pirmojo mobilaus telefono skambučio praėjo kiek daugiau nei 45-eri metai ir šiandieną šis įrenginys tapo mūsų visų neatskiriama kasdienybe. Inovacijos ir automatizacija gerina mūsų gyvenimo kokybę, tačiau tai tik viena medalio pusė.
Kaip manote, kiek prireiks laiko, kol mašinos perims iš jūsų darbą ir atliks jį geriau, produktyviau negu jūs? Automatizacija šiandieną nebėra didelės kvailos mašinos įtaisytos fabrikuose, kurios atlieka pasikartojančius darbus. Technologijos šiandieną geba nutupdyti lėktuvą, nustatyti vėžį, numatyti eismo kamščius ar parinkti tinkamiausią maršrutą, jos geba pirkti parduoti akcijas, ieškoti gyvybės kitose planetose. Mes įžengėme į naują automatizacijos amžių. 2030 studija teigia, jog per ateinantį dešimtmetį 20 - 25 % visų darbų JAV bus automatizuoti, dar per dešimtmetį šis skaičius padvigubės ir pasieks apytiksliai 50 %.
McKinsey institutas prognozuoja, jog 2030 metais vienas penktadalis viso pasaulio darbo jėgos t. y. apie 800 mln. dirbančiųjų praras savo darbus, o juos pakeis robotai. Iki 2030 metų JAV įmonės investuos apytiksliai 8 trln. dolerių į automatizaciją. Pasak „US Census Bureau“ ir „US Labor Statistics“ JAV vykusios automatizacijos nuolatos keitė gyvąją darbo jėgą: 1900 - 1940 perėjimo iš agrokultūros į industrializaciją stadijoje per 40 metų automatizacija pakeitė 40% gyvosios darbo jėgos, 1970 - 1990 apdirbamojoje pramonėje per 20 metų buvo automatizuota-pakeista 13% gyvosios darbo jėgos, 2007 - 2010 statybos sektoriuje atitinkamai pakeista 0,5% ir nuo 2020 metų per ateinančius dešimtmečius bus automatizuota-eliminuota 20 - 25% gyvosios darbo jėgos.
Automatizacija vyko dešimtmečius, tai nėra naujovė, tačiau kas šį kartą bus kitaip? Tam, kad rastume atsakymą į užduotą klausimą turime pažvelgti į inovaciją vykusią praeityje.
Elementarios inovacijos, tokios kaip prieš tūkstančius metų išrastas ratas palengvino žmonių darbą, didindamas produktyvumą. Per tą patį laiko tarpą, tas pats kiekis individų galėjo atlikti daugiau darbo t.y. būdavo produktyvesni. Ši elementari technologija eliminavo atgyvenusius metodus ir suteikė vietos naujiems amatams, darbams vystytis ir tenkino augančios populiacijos poreikius ir užimtumą. Trumpai tariant viena nauja inovacija sukūrė didžiulę terpę naujiems darbams ir kitoms inovacijoms vystytis.
Žiūrint į žmonijos istoriją, dižiąją laiko dalį žmonija praleido žemdirbystėje, po žemdirbystės įvyko pramonės revoliucija ir žmonija perėjo į gamybos darbus. Kai darbai tapo pakankamai automatizuoti įvyko popramoninė revoliucija žmonija persiorientavo į aptarnavimo sferos darbus. Vos prieš kelias akimirkas žmonijos istorijoje įvyko informacijos revoliucija. Šį kartą pasikeitė ir žaidimo taisyklės. Mūsų darbus mašinos šiandieną perima daug greičiau nei tai vyko praeityje. Stebėdami įvykius praeityje galime bandyti save guosti, jog ir dabar mus išgelbės naujos inovacijos, tačiau ar tikrai taip ir bus? Atsakymą sufleruoja konkretūs skaičiai ir tradingeconomics.com esantys surinkti statistiniai duomenys.
1979 „General Motors“ įdarbino beveik 800 tūkst. darbuotojų ir uždirbo 11 mld. JAV dolerių. 2012 „Google“ uždirbo beveik 14 mld. JAV dolerių įdarbinusi 58 tūks. darbuotojų. Skeptikai turbūt sakys, jog lyginti automobilių kompaniją su „Google“ ar „Amazon“ yra blogas pavyzdys, tačiau šioje vietoje jums siūlau pažvelgti giliau. „Google“ yra puikus pavyzdys siekiant suprasti praeitį, tiksliau vykusį reiškinį: „inovacija generuoja inovacijas ir naujas darbo vietas“. Prieš gerą šimtmetį atsiradusi automobilių inovacija, sukūrė milijonus tiesiogiai ir netiesiogiai naujų darbo vietų ir tūkstančius kitų inovacijų. Atsirado išvystyta sudėtinga infrastruktūra su degalinėmis, pakelės užeigomis, autoplovyklomis, servisais, eismo stebėjimo ir reguliavimo sistemomis ir t. t. Susikūrė tokios darbo vietos kaip degalinės operatorius/operatorė, seviso mechanikas, padangų montuotojas, eismo priemonių reguliavimo specialistas, tiltų ir kelių inžinieriai. Atsirado aibė inžinerinių specialybių mokymosi įstaigose, susikūrė papildomos infrastruktūros, naftos gavybos ir perdirbimo gamyklos papildančios kelių ir automobilių infrastruktūrą. Automobiliai pakeitė mūsų miestus ir mūsų pačių gyvenimo būdą, tačiau inovacija automobilių industrijoje išsikvėpė ir nebesukuria tiek darbo vietų, kiek sukurdavo ankščiau. To priežastis yra ta, jog automobilių gamybos procesas yra išdirbtas ir aiškus.
Didžioji dalis automobilių gamybos proceso yra automatizuota. Išsikvėpusią automobilių inovaciją bando prikelti nauja elektromobilių pramonė, tačiau ir čia nereikėtų tikėtis tokio didelio naujų darbo vietų sukūrimo stebuklo, nes visa pagrindinė infrastruktūra reikalinga elektromobiliams, jau egzistuoja. Taip pat ir elektromobilių gamybos procesas nuo pat pradžių jau yra automatizuotas ir ateityje gyvosios darbo jėgos šiam procesui reikės dar mažiau. Užtenka pažvelgti į Elon Musc „Tesla Gigafactory“ ir tampa aišku, kad gyvoji darbo jėga užima tik menką nišą visame robotizuotame fabrike.
Kaip yra su interneto technologija? Internetas yra tiesioginis elektrifikacijos inovacijos palikuonis. Vadovaudamiesi principu, jog inovacija generuoja naujas inovacijas ir aibę naujų darbo vietų stipriai prašausime pro šalį. Veiksmas yra priešingas. Interneto industrija sukūrė daug naujų darbo vietų, tačiau tas kiekis yra per mažas augančiai žmonių populiacijai patenkinti. Maža to, interneto inovacija net nesukūrė tiek darbo vietų, kad kompensuotų prarastas darbo vietas industrijose, kurias jis žudo. Šioje vietoje ir pamatome akivaizdų skirtumą tarp senosios ir moderniosios inovacijos.
2004 „Blockbuster LLC“ (videokasečių ir žaidimų nuomos įmonė) turėjo 84 tūkst. darbuotojų ir uždirbo 6 mld. JAV dolerių, tuo tarpu 2016 „Netflix“ turėdama 4,5 tūkst. darbuotojų uždirbo 9 mld. JAV dolerių. Servisas su paslaugomis tas pats, tačiau vartotojui praktiškai nebereikia pakelti užpakalio nuo sofos, norint išsinuomoti filmą. Nebereikalingi tapo ir griozdiški DVD/CD ar VHS kasečių leistuvai, kurie namuose papildomai renka dulkes. Automatiškai tapo nebereikalingos ir gamybos linijos masiškai gaminančios šiuos įrenginius. Filmų nuoma tapo tokia paprasta, kad užtenka kelių mygtukų spustelėjimo ir jūs jau savo išmaniuosiuose televizoriuose žiūrite pasirinktą filmą namie nekeldami kojos iš jų.
Taivano technologijų kompanija „Foxconn“, dar žinoma kaip viena dižiausių kinų darbdavių, turinti 1,3 mln. darbuotojų praeitais metais robotizavo vieną iš savo fabrikų. Automatizacijos dėka šiame fabrike robotais buvo pakeista 60 tūkst. darbuotojų t.y. darbo neteko 55% darbuotojų dirbančių šiame fabrike.
Suprasti kas ir kodėl taip atsitiko, turime pažvelgti į pačius save. Žmonijos progresas yra paremtas darbų skaidymu ir konkrečių specializacijų pasiskirtymu juos atlikti. Bėgant laikui mūsų darbai tapo vis labiau ir labiau specializuoti. Toje pačioje automobilių pramonėje seniau būdavo viena automechaniko specializacija. Vienas automechanikas sugebėdavo suremontuoti jūsų automobilį visapusiškai. Šiandieną turime automechaniką-elektriką, automechaniką-montuotoją, variklių, važiuoklių diagnostikos specialistus ir t.t. Tai vyksta visur. Paimkite bet kurią sritį, ar tai bus programuotojas, ar medikas, visi iki vieno bus specializuoti savo srities specialistai. Sąvoka: „visų galų meistras“ pamažu nyksta iš konteksto. Mašinos yra per kvailos susidoroti su sudėtingomis užduotimis, tačiau, jos puikiai tvarkosi su detalizuotomis, nuspėjamomis užduotimis.
Atidžiau pažvelgus į sudėtingas užduotis išryškėja šablonas, jog jos sudarytos iš aibės mažų, specializuotų ir nuspėjamų užduočių, sujungtų į tam tikrą seką. Čia į pagalbą ateina neuroniniai tinklai (angl. „neural networks“) ir giliojo mokymosi (angl. „deep learning“) algoritmai. Kažkada Geoffrey Hinton - neuroninių tinklų tėvo idėja, jog kompiuterius galima priversti mokytis kaip ir žmones, buvo išjuokta ir skeptikų pasmerkta žlugti. Praėjus 30 metų, tai, kas seniau atrodė neįmanoma, šiandieną tapo realybe ir Geoffrey Hinton Kanadoje ir visame pasaulyje klausosi tūkstantinės auditorijos klausytojų, jo idėjas realizuoja ir naudoja „Google“, „Amazon“, „Apple“ ir kitos kompanijos.
Giliojo mokymosi esmė yra ta, jog mašinos pačios geba mokytis. Viskas, ko joms reikia yra duomenys. Iš kur jos tuos duomenis gauna? Tuos duomenis duodame mes, naudodamiesi „Facebook“, užsisakydami „Uber“, naršydami internete, klausydamiesi muzikos „Yuotub„“ ar „Spotify“ platformose, apsipirkinėdami internetu, naudodamiesi navigacija ir t.t. Turbūt retas, kuris iš jūsų žino, jog prieš pamatydami reklamą „Youtube“ platformoje įvyksta tam tikras aukcionas. Neuroniniai tinklai pagal jūsų ankstesnes paieškas yra išanalizavę jūsų profilį ir sugeneruoja sąrašą reklamų, kurios jums gali būti aktualios, per tam tikrą sekundės dalį įvyksta aukcionas ir didžiausią prioritetą gavusi reklama iš sąrašo pasirodo jums ekrane. Žinau, jog ir jūs, kaip ir aš kuo greičiau spaudžiate mygtuką „Skip add“, tam, kad pamatytumėte, išgirstumėte savo mėgiamą dainą ar videoklipą.
Kiekvienu savo veiksmu, mes generuojame tūkstančius petabaitų informacijos, kuri nugula debesyje (angl. „cloud computing“). Ši informacija yra neuroninių tinklų maistas, kuo daugiau duomenų šie tinklai turės, tuo protingesni ir tikslesni jie bus. Kitą kartą važiuodami savo maršrutu, GPS navigacinėje sistemoje gausite alternatyvų maršrutą, kuris sutrumpins jūsų kelionę 10 minučių. Apsipirkinėdami internetinėje parduotuvėje gausite nuorodą, jog tas pats pirkinys kitoje internetinėje parduotuvėje kainuoja 20% pigiau. Rinkdamiesi maistą restorane, gausite patarimą, kokį maistą reikėtų pasirinkti šiandieną, tam, kad organizme būtų tinkamas vitaminų ir mineralų balansas.
Mašinos neperims jūsų darbų per vieną naktį. Tai vyksta palaipsniui, tačiau jei dirbate biure prie kompiuterio yra didesnė tikimybė, jog jūs darbą prarasite greičiau, nei darbuotojas dirbantis fabrike. Tą iliustruoja konkretūs jau egzistuojantys pavyzdžiai pasaulyje. Kompanija „X“ teikianti sistemų kūrimo paslaugas nusprendžia eliminuoti vidurinį menedžmento sluoksnį įdiegdama sudėtingą projektų valdymo sistemą. Pirmoje stadijoje sistema nusprendžia, kurie darbai gali būti automatizuoti ir kuriems darbams reikia gyvosios darbo jėgos. Ši terpė suteikia aibę naujų darbų laisvai samdomiems programuotojams (angl. „freelancer“). Sistema paskirsto darbus darbuotojams, kontroliuoja projekto eigą, stebi ir renka duomenis apie kiekvieno darbuotojo individualų progresą tol, kol projektas užbaigiamas.
Atrodo, nieko blogo nevyksta, atsiranda aibė naujų darbų laisvai samdomiems programuotojams, tačiau ši situacija turi antrą kardo ašmenų pusę. Kol „freelanceriai“ daro savo darbą, šalia jų duomenis renka sistema ir progresą tyliai analizuoja giliojo mokymosi algoritmai. Neuroniniai tinklai gauna visą informaciją apie projekto eigą ir iš kokių konkrečių užduočių susideda projekto sukūrimas. Kas konkrečiai vyksta? Programuotojai moko mašiną tam, kad juos pakeistų. Įvyksta antra stadija ir laisvai samdomi programuotojai tampa nebereikalingi. Pirmais metais ši sistema vidutiniškai sumažina kompanijos kaštus 50%, kitais metais dar apie 25%. Darbuotojų kiekis sumažėja, pelnas padidėja. Tai tik vienas iš daugelio pavyzdžių. Šiandieną mašinos sugeba atlikti daugumą darbų geriau, nei žmogus. 1984 metais pasirodęs legendinis James Cameron kūrinys „Terminatorius“ atrodė visiška mokslinė fantastika. Pažiūrėkite, ką šiandieną išdarinėja „Boston Dynamics“ ir suprasite, kiek nedaug laiko reikėjo priartinti mokslinę fantastiką prie realybės.
Nuo 1973 m. JAV sukurtų naujų darbo vietų kasmet katastrofiškai mažėjo ir XXI amžiaus pirmajame dešimtmetyje pirmą kartą JAV istorijoje bendras egzistuojančių darbo vietų suminis skaičius praktiškai neaugo. Šalyje, kurioje norint patenkinti didėjančią populiaciją reikalinga sukurti apie 150 tūkst. naujų darbo vietų kas mėnesį yra liūdnos naujienos.
1998 m. JAV darbuotojai dirbo 194 mld. darbo valandų. Per 15 metų šalis pagamino 42% daugiau produkcijos, tačiau 2013 m. JAV darbuotojai dirbo tas pačias 194 mld. darbo valandas. Ką tai reiškia? Šalyje produktyvumas per 15 metų padidėjo 42%, susikūrė tūkstančiai naujų įmonių ir populiacija padidėjo beveik 40 mln., išdirbtų darbo valandų kiekis liko tas pats. 2030 metais automatizacijai pasiekus 20% - 25%, produktyvumas dar padidės, o paslaugų kainos turėtų kristi 10 - 15%. Kas vyks po to tampa neaišku. Šioje vietoje atsiranda terpė spekuliacijai. Optimistai teigs, jog žiūrint istoriškai, kada su mažesnėmis sąnaudomis gaunamas didesnis kiekis naudos, didins bendrą individų ekonominę gerovę. Turbūt nėra priežasties su jais nesutikti ir manyti, jog bus kitaip, tačiau ši analizė apima laikotarpį tik iki ketvirtojo dešimtmečio pabaigos, t.y. 15 - 20 metų nuo dabar.
Žiūrint į šį laikotarpį iš esmės turės pasikeisti ir pajamų nelygybės klausimas siekiant išvengti disbalanso tarp tų, kurie išleis daugiau negu uždirbs. Čia atsiras daugybė iššūkių šalių vyriausybėms, konfrontacijos su stambiomis korporacijomis ir kiekviena šalis su savita ekonomika, valdymo struktūra ir socialine sistema turės pasirinkti individualų kelią kaip su tuo susitvarkyti. Šalys turės apsispręsti, kaip skirstyti gautą ekonominę nauda savo piliečiams, kovoti su nedarbu bei socialine nelygybe.
„Bain Company“ atlikta analizė rodo, jog per ateinančius kitus du dešimtmečius automatizacija tiesiogiai palies apie 80% dirbančiųjų.