Nieuwe beroepen, Yeah!
In mijn blog ‘Een wereld zonder (betaald) werk’ gaf ik al aan dat er naast het verdwijnen van banen ook nieuwe banen bij zouden komen. De vraag is natuurlijk: welke dan? En hoeveel?
Zoals we in het verleden bij elke nieuwe innovatiegolf hebben gezien komen er altijd weer nieuwe beroepen. Dat was al zo bij de eerste, tweede en derde industriële revolutie en dat lijkt zich nu bij de 4e Industriële revolutie (Smart Industrie) ook voor te doen. Althans voorlopig, voor pak ‘m beet de komende 10 à 15 jaar.
Hoe zat het ook weer met die industriële revoluties? Zie daarvoor het beknopte overzicht aan het einde van deze blog.
Interessant voor nu is welke nieuwe beroepen en banen we komende tijd, als gevolg van Smart Industrie, kunnen verwachten. En dan dus echt NIEUWE beroepen. Een aantal bekende beroepen blijven voorlopig nog wel bestaan, vooral in de ambachtelijke en kunstzinnige sfeer, die stip ik slechts kort aan. De nadruk ligt op de nieuwe beroepen.
Geen glazen bol nodig
Om vooruit te kijken in de toekomst is geen glaz
en bol nodig. Het is eerder een zaak van logische denken in mogelijke scenario’s op basis van innovaties en ontwikkelingen die zich nu voordoen. Verbeeldingskracht en creativiteit is ook een voorwaarde om de nieuwe beroepen te kunnen zien en beschrijven. Dat kan ieder voor zich natuurlijk ook wel proberen, maar je kunt ook kijken hoe anderen daarover recent hebben nagedacht en gepubliceerd.
Zo heeft de Amerikaanse onderzoeksorganisatie MIT Sloan[1] onderzoek verricht en discussies en gesprekken gevoerd met vooraanstaande wetenschappers en bedrijfsleiders. Dat gaf inzichten in de mogelijke nieuwe beroepen die, als regel in samenhang met AI en robots, al hun schaduw vooruit werpen. Op laboratoriumschaal zijn ze er al, in de werkelijkheid van alledag zullen ze komende tijd hun plaats innemen. In deze blog zijn de resultaten hiervan verwerkt. Een samenvatting van deze discours vind je hier: http://sloanreview.mit.edu/article/will-ai-create-as-many-jobs-as-it-eliminates/
Verder geeft Andrew McAfee[2] een inkijkje in de economische structuur van de toekomst, waarin hij stelt dat we op weg zijn naar een sciencefictioneconomie. McAfee: “Dat leidt tot een geavanceerde, welvarende, productieve, overvloedige maatschappij die veel minder menselijke arbeid nodig heeft dan nu. We hebben nu nog tijd om te bedenken hoe we onze maatschappij dan willen inrichten.” Daarbij wijst hij ook op een nieuw systeem om de aldus vergaarde rijkdom en overvloed te verdelen. De verdeelsleutel was voorheen voornamelijk de factor ‘arbeid’, maar dat gaat veranderen, aldus McAfee. Zie: https://www.nrc.nl/nieuws/2015/07/25/we-krijgen-een-sciencefiction-economie-1517840-a1230670 Ook daarover valt nog wel meer te berichten! Denk aan de discussie over ‘gratis geld’ of ‘negatieve belastingen’. Wellicht ga ik daar in een van mijn volgende blog’s verder op in. Maar nu eerst de focus op nieuwe beroepen.
Nieuwe beroepen
Bij het denken in scenario’s over nieuwe beroepen gaat het er om dat in beeld komt wat mensen kunnen doen om toegevoegde waarde te houden ten opzichte van robots en AI-systemen. Het lijkt logisch om je te richten op vaardigheden waarbij je iets toevoegt aan wat machines en computers kunnen doen, vaardigheden die typisch menselijk zijn. Zorgen dat je vasthoudend bent, consciëntieus, een originele denker, een goede onderhandelaar. Dat je goed in een team werkt, mensen weet te overtuigen, goede ideeën krijgt uit de mensen met wie je werkt. Die vaardigheden zijn de komende jaren belangrijk, naast de meer voor de hand liggende vaardigheden: met digitale data kunnen omgaan en computers kunnen programmeren.
In de huidige discussie gaat het vooral over minder fysieke arbeid, en meer kenniswerk. Dat lijkt meer en meer een grote vergissing. AI-systemen en robots lopen nog heel ver op ons achter wat betreft een huis bouwen, haren knippen of een machine repareren. Dat geeft zeker kansen voor de ambachtelijke beroepen en vaklieden.
Ook fysiek voortbewegen door de wereld is iets wat wij goed kunnen, en robots voorlopig nog niet. Een verpleegster die bij je thuis komt; die moet trappen op en af, door gangen lopen en de weg vinden. Dat doen mensen probleemloos. In deze categorieën blijft het werk zeker nog lang bestaan. Zeg maar de meer ambachtelijke werkzaamheden. Dat is echter behoud wegens gebrek aan mogelijkheden van smart- machines, robots en AI-systemen. Mooi voor nu, maar het lijkt toch een kwestie van tijd voordat ook hier robots en smart-machines beter in zijn.
Welke nieuwe beroepen kunnen we de komende tijd dan verwachten?
Dat zijn beroepen die aansluiten bij de ontwikkeling en inzet van robots, smart-machines en AI-systemen en waar mensen zeker voorlopig nog een goede toegevoegde waarde kunnen hebben. Op enkele plekken is daar al over voorgedacht, o.a. Singularity University en ook bij MIT SLoan.
De discours bij MIT Sloan leverde een aantal nieuwe inzichten op die vervolgens hebben geleid tot drie nieuwe categorieën van unieke menselijke beroepen, afgestemd of in aanvulling op AI-systemen en robots. Ter toelichting het volgende.
Nodig zijn in ieder geval beroepengroepen als ‘trainers’ (bewustwording, ontwikkelen en oefenen met AI-systemen), ‘explainers’ (uitleggen wat het is en welke impact iets heeft) en ‘sustainers’ (wat werkt goed).
Meer concreet:
Trainers
Hierbij moeten we vooral denken aan de trainers die zicht richten op de AI-systemen, op de smart-machines en de algoritmes die hierin operationeel zijn. De trainer traint dus smart-machines en niet de mensen er omheen. Voorbeelden zijn het trainen van AI-systemen die communiceren met mensen die bijvoorbeeld hun bagage zijn kwijtgeraakt. Trainers leren deze systemen om met meer empathie te reageren. Doelstelling is om mensen te helpen met meer begrip, troost en zelfs humor in bepaalde situaties. Een drietal verschillende soorten trainers zijn te onderscheiden.
- De taal- en betekenis trainer traint kunstmatige intelligentie systemen, AI-systemen. Hij leert deze systemen verder te kijken dan de letterlijke betekenis van een mededeling door, bijvoorbeeld, het opsporen van sarcasme.
- De interactie-trainer modelleert het gedrag van smart machines naar het voorbeeld van menselijk gedrag van bijvoorbeeld werknemers. Zo kan een AI-systeem leren van een voorbeeldacties van een financieel controler zodat betalingen worden afgestemd op de facturen.
- Een wereldbeeld-trainer helpt AI systemen te ontwikkelen die vanuit een mondiaal perspectief opereren, zodat verschillende culturele perspectieven worden beschouwd, bijvoorbeeld bij het bepalen of een algoritme wel “eerlijk” is.
Explainers (uitleggers, verklaarders)
De explainers richten zich op de omgeving van de smart-machines en AI-systemen. Ze geven tekst en uitleg en hulp bij het begrijpen en interpreteren van deze systemen aan leidinggevenden en niet-technische managers en bij het optimaliseren van AI-systemen bij hun aanpassing aan de omgeving. Ook bij de explainers zijn verschillende typen te onderscheiden.
- De context-ontwerper helpt de smart-machines bij het ontwerpen van slimme beslissingen rekening houdend met de betreffende zakelijke context, met het doel van het proces en verdere persoonlijke, professionele en culturele factoren. Het verklaren van AI systemen die gebruikmaken van beslisbomen is relatief eenvoudig. Het uitleggen hoe een algorithme, gebaseerd op machine-leren werkt en tot resultaat komt is een stuk minder eenvoudig. De gebruiker zal een dergelijk systeem wellicht als een black-box zien, maar een verklaring van het resultaat moet zeker mogelijk zijn.
- De transparantie-analist classificeert de verschillende soorten informatie binnen de algoritmen van de kunstmatige intelligentie (AI), hij geeft de impact hiervan aan en de gevolgen voor het bedrijf of de organisatie. Hij inventariseert en onderhoudt deze informatie. Een voorbeeld is een AI-systeem voor werving en selectie van kandidaten: de wijze waarop opleiding en ervaring worden meegewogen in de besluitvorming kan door een transparatie-analyst worden achterhaald en aangegeven.
- De AI-nuttigheids strateeg bepaalt of het toepassen en implementeren van AI beter is dat het gebruik van traditionele algoritmes en scripts voor bepaalde specifieke toepassingen.
Sustainers
Sustainers, je zou ze ook duurzaamheidscoaches kunnen noemen, richten zich op het economische en verdere resultaten zoals het rendement van smart-machines en AI-systemen.
- De ethische duurzaamheidscoach is een op automatisering gerichte ethicus die de economische impact van slimme machines evalueert, zowel de positieve, resultaat-bevorderende gevolgen als en de mogelijke risico’s en negatieve gevolgen.
- De automatiserings-econoom evalueert de economische resultaten van slimme machines: wat is de werkelijke economische bijdrage van slimme machines aan het bedrijfsresultaat.
- De machine relatie-manager is gericht op de wijze waarop de mens-machine interactie verloopt alsook de verbeteringen die de machines via leerprocessen bereiken. Hij bevorderd het gebruik van goed presterende algoritmen in het bedrijf en ontmoedigd algoritmes die minder goed of matig presteren.
Verder geldt voor alle beroepen in meer of mindere mate dat gezocht moet worden naar de typisch menselijke toevoegingen aan de AI-systemen en robots: elk beroep krijgt (heeft al) hiermee te maken.
Belangrijke eigenschappen zij, naast reeds eerder genoemde zaken als vasthoudendheid, consciëntieus zijn, een originele denker, een goede onderhandelaar etc. de meer voor de hand liggende vaardigheden zoals goed met digitale data kunnen omgaan en computers kunnen programmeren.
Echter, we leren helaas onze kinderen iets heel anders op scholen. De eerste tekenen van innovatie zijn inmiddels wel zichtbaar, zie de aandacht voor 21e eeuwse vaardigheden. Maar daarover een volgende keer meer.
De industriële revoluties op een rijtje
Overzicht gevolgen industriële revoluties
Het whitepaper van RoboJob geeft een mooi beknopt overzicht. Dit whitepaper kun je hier downloaden: https://www.robojob.eu/voordelen-referenties/industrie-4-0-in-de-maakindustrie
In short:
De eerste industriële revolutie komt op gang in de tweede helft van de achttiende eeuw. Hoofdpunt was het gebruik van stoommachines. Dankzij de mechanisering en het gebruik van water- en stoomkracht schieten de eerste fabrieken als paddenstoelen uit de grond. De ambachtelijke beroepen aan huis worden omgevormd naar een industrie met fabrieken. Deze vorm zal bijna een eeuw blijven bestaan. Nieuwe beroepen waren die van machinist, stoker, machinebediener en mechanisatie monteur.
De tweede industriële revolutie vindt plaats vanaf de tweede helft van de negentiende eeuw. Stoom wordt geleidelijk aan vervangen door elektriciteit en geeft tevens meer mogelijkheden op gebied van aansturing en automatisering. Hierdoor ontstaan fabrieken met productielijnen en is massaproductie mogelijk. Mooi voorbeeld is de autofabriek van Ford: de werknemers krijgen een plaats aan de lopende band en voeren een beperkt aantal handelingen uit. Zo bouwen ze een auto en al spoedig rollen duizenden identieke T-Fords van de band. Nieuwe beroepen hebben betrekking op het ontwerpen van auto’s, en ook andere producten, die stap-voor-stap geproduceerd kunnen worden via de lopende band methode. Ontwerpers, bouwers, mecaniciens en monteurs zijn de nieuwe beroepen, naast productiemedewerkers.
De derde industriële revolutie vindt plaats vanaf de jaren 60 en 70 van de vorige eeuw en kenmerkt zich door de overschakeling van analoge techniek naar digitale technologie. Zo werd een industriële productiemachine voor kousen analoog aangedreven door een nokkentrommel en een aantal ‘piefjes en palletjes’ en vormde het patroon van de nokken eigenlijk het patroon van de kous. Voor metaalproducten gebruikte men bijvoorbeeld draai- en freesmachines die met handels en handwielen, inclusief een afleesschaal (nonius) konden worden ingesteld. De overgang van analoog naar digitale technologie betekende dat de aansturing van de machine werd geregeld via een computer. Deze moest geprogrammeerd worden, vaak ‘aan de machine’ in een programmeertaal zodat de machine de juiste handelingen verrichtte. Nieuwe beroepen waren programmeur, informatie-technoloog (ICT-er), CNC[3]-verspaner en machinebediener.
En nu is er dan de vierde Industriële revolutie, ook wel Industrie 4.0 of Smart Industrie genoemd.
Eigenlijk is deze beschrijving nog te beknopt omdat de kenmerken en impact hiervan véél verder reiken dan de industrie. Deze revolutie betreft de invoering van internet (IoT[4]), verregaande digitalisering van alle informatie en processen, Artificial Intelligence (AI) en het gebruik van Big Data[5].
Zoals ik in mijn vorige blog al aangaf gaan alle beroepen veranderen onder invloed van deze digitalisering! Sterker nog: dat is al het geval. De impact van de verregaande digitalisering maakt dat alle beroepen in meer of nog meer mate gaan veranderen. Vaak zal het zo zijn dat de mens samen met robots in teamverband tot de beste prestaties komt.
Het kenmerkende verschil met de vorige industriële revoluties is dat bij deze ontwikkeling in toenemende mate te maken krijgen met intelligente machines. Machines die ons ‘begrijpen’, die spraak verstaan en die de omgeving waarin ze functioneren (context) kunnen begrijpen en daarnaar kunnen handelen. Machines die kunnen leren en die van elkaar kunnen leren.
Definities/toelichtingen:
Machine learning: Machine learning komt in principe neer op het vermogen om zich aan te passen aan nieuwe situaties. Iedere situatie brengt informatie voort en machine learning wordt gebruikt om hier patronen in te ontdekken en te gebruiken. De machine stelt door middel van algoritmes zelf bepaalde regels op, om bepaalde input te koppelen aan bepaalde output. Machine learning is hierdoor een onmisbaar onderdeel van het onderzoeksgebied van kunstmatige intelligentie, omdat dit ervoor zorgt dat een machine kan evolueren.
Deep learning: Het deep learning-algoritme is een bijzondere. Het algoritme kan, zelfstandig, nieuwe vaardigheden leren. De werking ervan is geïnspireerd op de werking van het menselijk brein. Met als gevolg dat het leerproces van het algoritme niet onderworpen is aan theoretische limitaties. Hoe meer ‘computation’-tijd je het geeft, hoe beter het algoritme wordt
[1] MIT Sloan Management Review leidt het discours tussen academische onderzoekers, bedrijfsleiders en andere invloedrijke denkers over vooruitgang, met name de invloed van technologie op de veranderingen in innovatie en leiderschap.
[2] McAfee schreef vorig jaar met Erik Brynjolfsson, ook hoogleraar digitale economie aan MIT, een van de invloedrijkste economische boeken van de laatste tijd: The Second Machine Age.
[3] CNC staat voor Computer Nummerical Controled ofwel aangestuurd door een computer mbv een programmeertaal.
[4] IoT staat voor Internet of Things waarbij steeds meer (alle?) apparatuur via internet met elkaar verbonden is.
[5] Big Data gaat om het gebruiken van veel gegevens ofwel ‘data’ om op basis van inzicht in de relaties tussen de gegevens zaken te verbeteren. Hiervoor gebruikt men extreem grote hoeveelheden data om zo diep verstopte relaties te kunnen vinden.