Robotember

Az új kolléga nagyon rendes, udvarias, segítőkész és precízen dolgozik. Sose okoz problémát. Ha nem tud valamit, kérdez, és elsőre megtanulja. Bárcsak mind ilyenek lennének!

Igen, és éjt nappallá téve dolgozik, sose pihen, mindig szorgoskodik az új robot kolléga. Milyen vele együtt dolgozni? Elveszi majd az én munkámat is? Egy-két lusta és ügyetlen kollégát már elküldtek, mert ő jobban csinálja. Rám is sor kerül majd?

A múlt héten a vezető szempontjából írtam a munka világáról, annak megváltozásáról. Az értékes fiatal szakemberek bevonzása és megtartása mellett maguknak a csúcsvezetőknek a megváltozott munkájáról volt szó.

Ma visszatérek arra, hogy az új technológiák (mesterséges intelligencia, gépi tanulás, robotok) milyen változást idéznek elő a munkahelyeken. Hogy alakul az alkalmazottak száma? Tömeges lesz az elbocsátás? Csökken vagy nő az alkalmazottak száma?

Általában csökkenést várnak, de abban nagyon nincs egyetértés az elemzők körében, hogy a munkahelyek számában mekkora változás (csökkenés) várható. Akik növekedést jósolnak, azok ezt pusztán a történelemre alapozzák (eddig egyik ipari forradalom se csökkentette a munkahelyek számát).

Lássunk néhány jóslatot (nem nevezném becslésnek őket):

• A munkakörök 47%-a van erős veszélyben az automatizálás miatt (Carl Benedikt Frey and Michael A. Osborne, The future of employment: How susceptible are jobs to computerisation? Oxford Martin School, September 17, 2013)
• Az OECD átlagában a munkahelyek 57%-át érinti az automatizálás, de Indiában 69%, Kínában 77% az arány. (Technology at Work v2.0: The future is not what it used to be, Citibank, January 2016)
• Az OECD-ben a munkahelyek 9%-a automatizálható teljes mértékben, de nagyok a különbségek, pl.: Koreában 6%, Ausztriában 12%. (Melanie Arntz, Terry Gregory, and Ulrich Zierahn, The risk of automation for jobs in OECD countries: A comparative analysis, OECD Social, Employment and Migration working paper number 189, OECD, May 2016)
• 2015 és 2020 között az automatizálás és a technológiai fejlődés 7,1 millió munkahely eltűnését és 2 millió új munkahelyet jelentheti a 15 legnagyobb fejlett és fejlődő országban. Az eltűnő munkahelyek kétharmada az irodai és adminisztratív területen várható. (The future of jobs: Employment, skills, and workforce strategy for the fourth Industrial Revolution, World Economic Forum, January 2016)
• A jelenlegi technológia mellett a munkahelyi tevékenységek közel fele automatizálható. A foglalkozások kevesebb mint 5%-a automatizálható teljes mértékben. Az automatizálható tevékenységek 1,1 milliárd dolgozót érintenek (ennek fele Indiában, Japánban, Kínában és az USA-ban van). A termelékenységet évente 0,8-1,4%-kal növelheti az automatizálás évtizedekig. (McKinsey Global Institute analysis)

Miért ekkora a különbség a számok és a százalékok között? Nem csak azért, mert mások és máskor írták. Mást és másképp vizsgáltak, az egyikben az érintett munkakörökről, a másikban a megszűnő munkahelyekről, a harmadikban foglalkozásokról van szó. Az sem mindegy, hogy a tevékenységek egy része, vagy a teljes munkakör automatizálható.

Lesznek olyan munkahelyek, amelyek teljesen megszűnnek – sőt, nem csak lesznek, már meg is szűntek. Tavasszal írtam arról a nagy biztosítóról, ahol az RPA (robotic process automation) segítségével 81%-kal csökkentették az egyik osztályon a dolgozók számát. A Deutsche Bank vezére nemrég nyilatkozta, hogy nagyon sok dolgozójuk munkája szűnik meg az automatizálás miatt. Ezeken a helyeken olyan tevékenységeket végeznek, amelyek nem igényelnek emberi intelligenciát, hanem jórészt egyszerű szabályok követését – így valóban nincs szükség az emberre. Egy darabig még kell ember a szokatlan helyzetek és a kivételek kezelésére, de várhatóan azokat is meg lehet tanítani a gépnek. Ez a további fázis már kezdi elérni a mesterséges intelligencia határát, és ezért IPA (intelligent process automation, intelligens folyamatautomatizálás, vagy csak intelligent automation) a neve. Az RPA és az IPA egyik legfontosabb jellemzője, hogy nem igényel változtatást a cég folyamataiban. Egyszerűen csak „beültetik” a gépet az ember helyére. Ez, persze, azt is jelenti, hogy korántsem aknázzák ki technológia összes lehetőségét. Miért csinálják mégis így? Nem kell hozzányúlni a folyamatokhoz, minden mehet a régi, jól bevált módon. Csak annyi a változás, hogy a gép gyorsabban és pontosabban végzi a rutin munkát. Ha egy speciális helyzetben emberi beavatkozás kell, az ember a megszokott programokat és képernyőket használja. A robot tanítása is egyszerű: csak másolnia kell az emberi kolléga tevékenységét.

Ugyan sokat írnak erről az RPA-ról, de talán nem mindenki tudja, miről van szó. Aki szokott internetes üzletben vásárolni, nyilván észrevette, hogy bármely nap, bármely napszakban is adja fel a rendelését, azonnal megkapja a visszaigazoló levelet. A kártyás fizetés után szintén azonnal jön arról is a levél. Ezeket nem ember küldi, mint ahogy a csomag feladásáról szólót sem. Egyszerű, automatizált folyamatok vannak a háttérben. Nos, ez nem RPA. Másrészt, olyan üzlettel is lehet találkozni, amelyik csak munkaidőben, és jókora késéssel küldi a leveleket. Ezek elsősorban a boltban árusítanak, és az internetes (és telefonos vagy papíron történő) rendelés csak kiegészítő lehetőség, és a boltban (vagy a raktárban) dolgozzák fel a megrendelést. Ha átutalással fizetünk, akkor a beérkezett összeg és a megrendelés párosítása egy külön folyamat, ez sem automatikus.

Miért így csinálják, miért nem alakították ki az internetes rendelés sajátos és gyorsabb folyamatát? Egy új folyamat kialakítása pénzbe kerül, be kell tanítani a dolgozókat, két párhuzamos folyamat ugyanarra a tevékenységre nem gazdaságos, és kockázatos is. Na, itt léphet be a robot, az RPA! Nem kell hozzányúlni egyik folyamathoz sem, csak be kell ültetni egy „robotot”. Nem kell különösen okosnak lennie, hiszen az internetes rendelés és fizetés számítógépes folyamatokon keresztül történik, nem lehet félreértés, nem kell intelligencia a megértéséhez.

Miben különbözik ettől az IPA? Képzeljük el, hogy papíron érkezett megrendelést kell bevinni a rendszerbe! Meg kell érteni a levelet, meg kell benne találni a megrendelő nevét, a szállítási és a számlázási címet, a kért határidőt, a fizetési módot, és persze a megrendelt árucikkeket. Észre kell venni azt is, ha valami külön kívánságot is írt a megrendelő. Itt még nincs vége! Az átutalással érkezett pénzt össze kell hozni a megrendeléssel. Azt is kezelni kell, ha több részletben érkezik a pénz. Amikor megvan minden megrendelt áru, össze kell állíttatni a csomagot stb. Ugye el tudjuk képzelni, mennyi kisebb-nagyobb probléma és kérdés merülhet fel ezekben a folyamatokban? Itt már kell intelligencia, kell gondolkozni, nem teljesen automatikus a munka. Ez az IPA (intelligens folyamatautomatizálás) területe. Az ember szerepét részben vagy teljesen átvevő robotot be kell tanítani erre a munkára.

Ha már tanítás: Hogyan is tanul a gép, a mesterséges intelligencia?

Az egyik tanítási módszer a „felügyelt” tanítás (supervised learning): megmutatjuk a gépnek, hogy mit kell tennie, ha egy-egy adott helyzetbe kerül. Például: ha a bejövő átutalásban tudja azonosítani a megrendelőt és stimmel az összeg, akkor fogadja el a fizetést akkor is, ha nem adta meg a vevő a megrendelés számát. A megrendelő azonosítása sem azt jelenti, hogy betűről betűre megegyezik a megrendelésen és az átutalásban a név, lehetnek rövidítések, ismerhetjük már korábbi vásárlásokból a vevő számlaszámát, stb. Ezeket a dolgokat az ügyintézők jól tudják, a munkájuk során kitapasztalják, tapasztalt kollégáiktól megtanulják, és ugyanígy tovább is adhatják a gépnek (ami majd elveszi az ő munkájukat), vagyis az emberek között is szokásos tanulási formáról van szó.

A megszerzett tudás átvitele egy másik területre (transfer learning vagy inductive transfer) se valami új csoda. Itt arról van szó, hogy új helyzetekben alkalmazzuk a már megszerzett ismereteket, például: megtanultuk egy képen felismerni az személyautókat, és ennek alapján a teherautókat is megtanuljuk felismerni. A daganatos betegségek diagnózisában használt okos gépet is szokták egyéb (nem orvosi) képeken tanítani.

Szintén ismerjük a saját emberi világunkból a jutalmazással és büntetéssel való megerősítést a tanulásban (reinforcement learning). Itt nem sokat magyarázunk a gépnek, hanem az elvégzett munka után plusz vagy mínusz pontokat adunk neki – ebből tanul. Erre nagyon jó példa, ahogy az alkudozást tanították meg a gépeknek a Facebook egyik kísérletében. Mesterséges intelligenciával felruházott robotok kapták azt a feladatot, hogy alkudozzanak egymással néhány tárgy elosztása ügyében. Mindenképpen egyezségre kellett jutniuk, a saját maguk számára legjobb eredményt kellett elérniük, és – természetesen – nem ismerték egymás céljait (kinek, melyik tárgy, mennyire értékes). Azt vették észre, hogy előre be nem programozott viselkedési módokra jöttek rá a robotok, pl.: félrevezetés. Az alku elején úgy tettek, mintha valamelyik tárgy megszerzése nagyon fontos lenne, pedig az nem is kellett, csak az értékét akarták felverni. Ez már emberi viselkedés, ugye? Majd, amikor robotokkal kötünk üzletet, nem leszünk könnyű helyzetben, hiszen ők sokkal gyorsabban elemeznek, sokkal több lehetőséget tudnak elemezni, és se fizikailag, se mentálisan nem fáradnak el.

Most már tudjuk, hogy miképpen tanul a mesterségesen intelligens gép vagy robot, és közben arra is láttunk példákat, hogy milyen munkakörökben és milyen tevékenységekben helyettesíthetik az embert. Egyelőre (a technika mai szintje mellett) viszonylag kevés olyan foglalkozás van, amiben teljesen kiváltható az ember robottal, de a munkahelyek többségét érintheti valamilyen mértékben.

Folytatás: Mi a feladat?

(A cikkben jelentősen támaszkodtam a McKinsey Global Institute, A future that works: Automation, employment, and productivity című 2017. januári tanulmányára).