در حالی که بریتانیا با بحران افزایش جمعیت جوانان NEET (خارج از تحصیل، اشتغال و آموزش) دست و پنجه نرم می‌کند، صنایع تولیدی و مهندسی این کشور نیز با یک «صخره بازنشستگی» عظیم مواجه‌اند. اما این دو بحران به‌ظاهر مجزا، در واقع دو روی یک سکه‌اند که با به‌کارگیری هوش مصنوعی به عنوان ابزار انتقال دانش، قابل حل هستند.
چالش اصلی: فرار دانش ضمنی و فروپاشی انتقال تجربه
تحلیل‌های مرکز آمار ملی نشان می‌دهد که حدود ۱۳ درصد از جوانان ۱۶ تا ۲۴ ساله بریتانیایی در وضعیت NEET قرار دارند. در همین حال، انتظار می‌رود تا پایان سال جاری میلادی، نزدیک به یک پنجم نیروی کار مهندسی و تولیدی بازنشسته شوند که به معنای خروج نیم میلیون متخصص با دهه‌ها تجربه است. مشکل اینجاست که صنعت تنها با «کمبود نیرو» مواجه نیست، بلکه با «کمبود دانش» دست و پنجه نرم می‌کند. هنگامی که یک مدیر فنی با ۳۰ سال سابقه بازنشسته می‌شود، آنچه از دست می‌رود تنها جایگاه شغلی نیست؛ بلکه فرآیندهای استدلال غیرمستند و دانش ضمنی است که هیچ‌گاه در کتابچه‌های راهنما ثبت نشده‌اند.
هوش مصنوعی به مثابه پلی برای بازسازی منحنی تجربه
استفاده از هوش مصنوعی صرفاً به عنوان یک چت‌بات، ساده‌انگاری این فناوری است. پتانسیل واقعی در قابلیت هوش مصنوعی برای اتصال داده‌های ساختاریافته (مانند شماره قطعات و سفارشات خرید) به داده‌های غیرساختاریافته (مانند ایمیل‌ها، یادداشت‌های حاشیه‌ای و تصمیمات غیررسمی) نهفته است. با نقشه‌برداری از این تعاملات، شرکت‌ها می‌توانند تجربه چند دهه‌ای متخصصان را به یک دارایی عملیاتی تبدیل کنند.
- استخراج بافت (Contextualization): تبدیل ایمیل‌ها و مستندات غیررسمی به راهنمای تصمیم‌گیری هوشمند.
- کاهش منحنی یادگیری: جایگزینی آموزش‌های طولانی‌مدت با دستیاران هوشمند که تصمیمات تاریخی و استدلال‌های تخصصی را به نیروهای تازه‌وارد منتقل می‌کنند.
- پایین آوردن ریسک استخدام: کاهش هزینه پذیرش نیروهای کم‌تجربه از طریق سیستم‌های هدایت‌گر که فرآیندهای پیچیده را به زبان ساده برای اپراتورهای جوان تشریح می‌کنند.
تغییر پارادایم: استخدام به مثابه سرمایه‌گذاری با ریسک کنترل‌شده
بسیاری از سازمان‌ها از فناوری تنها برای «حذف» نیروی انسانی استفاده می‌کنند، در حالی که رویکرد صحیح، استفاده از آن برای «ارزش‌آفرینی» است. برای جوانی که برای اولین بار وارد محیط صنعتی می‌شود، سیستم‌های هوشمند می‌توانند به عنوان یک «مربی در محل» عمل کنند. این ابزارها اجازه می‌دهند که عدم وجود سابقه کار، دیگر به عنوان یک فیلتر حذفی عمل نکند، بلکه محیطی فراهم شود که در آن فرد با تکیه بر هدایت سیستم، بهره‌وری خود را از روز اول به حداکثر برساند.
نتیجه‌گیری و آینده‌نگری
بحران NEET و صخره بازنشستگی نباید در دو دپارتمان مجزا مدیریت شوند. صنعت باید با مستندسازی هوشمندِ دانشِ در حال خروج، راه ورود را برای نسل جدید هموار کند. اگر این دانش پیش از خروج متخصصان ثبت نشود، بازسازی آن غیرممکن خواهد بود. هوش مصنوعی فرصتی طلایی برای تبدیل یک تهدید ساختاری به یک مدل آموزشی نوین است.
