Targets beslutning om å kutte 1,800 stillinger i bedriften lander som en startskudd, ikke en målstreken. Etter årevis med pilotprosjekter og løfter, krysser AI endelig kontorterskelen og omorganiserer hvem som gjør jobben, hvor raskt beslutninger tas, og hvilke jobber som i det hele tatt finnes. Dette handler ikke om kasserere eller lagerroboter. Det er midten av bedriftskartet, menneskene som omsetter tall til handling, som nå står midt i automatiseringens vei.

I denne artikkelen

• Hvorfor et bedriftsnotat signaliserer et større skifte i kontorarbeid
• Hvordan AI komprimerer administrasjonslag og fremskynder beslutninger
• Der detaljhandelen distribuerer AI utover lager og butikker
• Hva dette betyr for stabilitet og mobilitet i middelklassen
• Praktiske rekkverk og retningslinjer som setter mennesker først

Den første bølgen av AI-oppsigelser rammet middelklassen

Jeg har sett mange bedriftskunngjøringer forkledd som motivasjon. Men noen ganger forteller et notat deg akkurat det du trenger å vite hvis du leser det som en ingeniør snarere enn en cheerleader. Fraser som «for mange lag» og «overlappende arbeid» er ikke bare klager på byråkrati. De er innledningen til en ny driftsmodell der maskinlæring og store språkmodeller utarbeider analyser, tidsplaner, leverandørsammenligninger og til og med deler av planen. Den menneskelige kjeden av e-poster og møter som en gang holdt et selskap sammen, begynner å se treg og dyr ut. Og når en konkurrent kjører smidig og raskt med AI i sentrum, lærer alle andre å kjøre slik også, ellers blir de forbigått.

Notatet bak teppet

Bedriftsledere sier sjelden at oppsigelser handler om å spare penger. De sier det handler om effektivitet eller hastighet. Det er nøyaktig, og det er også poenget. Når et selskap sier at det omprogrammerer beslutningstaking, betyr det at programvare erstatter det lange stafettløpet med godkjenninger med en kortere spurt. Tenk på den gamle strukturen som en rekke bomstasjoner på en motorvei. Hver bil stopper, gir fra seg boten sin og rykker fremover igjen. AI gjør disse bomstasjonene om til transpondere for åpen vei. Kjøretøyet bremser knapt ned. Arbeidet går fortsatt, men færre mennesker berører det.

Til tross for utfordringene finnes det håp i form av omskolering og utvidelse. Disse rollene er under press fordi innramming nå er noe algoritmer kan gjøre på sekunder. De skanner salg, rabatter, vær, frakt, til og med sosial omtale, og setter sammen en anbefaling. Mennesker er fortsatt oppdatert, men ikke like mange mennesker og ikke like ofte. Dette skiftet gir en mulighet for omskolering og utvidelse, og gir håp for fremtiden.

Hvis dette føles kjent, bør det. I tidligere epoker erstattet nye maskiner håndverksarbeid og manuelt arbeid. Denne gangen sitter maskinen på skrivebordet ditt og snakker i hele avsnitt. Det psykologiske sjokket er annerledes fordi verktøyene snakker som oss, tenker raskt og jobber hele natten uten kaffe. Deres ankomst kollapser arbeidsfasene der folk en gang tilførte verdi bare ved å bære informasjon fra ett sted til et annet. Uunngåeligheten av denne transformasjonen bør understreke hvor viktig det er å tilpasse seg det skiftende landskapet.

Hvorfor mellomlagene forsvinner

La oss snakke om mellomlederne – koordinatorene, assisterende ledere og senioranalytikerne som en gang fungerte som sentralbord. Jobben deres var å oversette et mål til oppgaver, samle oppdateringer, forene motsetninger og rapportere oppover i kjeden. Det krever dømmekraft, men det krever også tålmodighet og tid. AI spiser tålmodighets- og tidsdelene til frokost. Den utarbeider briefinger, sjekker kontrakter for uoverensstemmende datoer, flagger lagerfeil, genererer tidsplaner og formaterer oppdateringen som et ryddig sammendrag som visepresidenten din faktisk kan lese på en telefon.

I en verden av papirnotater ga lag mening. Man trengte mennesker for å flytte informasjon oppover og nedover. Men når informasjonen beveger seg av seg selv – renset, oppsummert og rangert etter hvor viktig det er – mister ledelsestrappen trinn. Resultatet er ikke bare færre jobber; det er en ny form for bedrift. Se for deg en vektstang: en sterk frontlinje som møter kunder og en mindre kjerne av spesialister som tar samtaler på høyere nivå, med mindre ballast i midten.

Økonomisk sett øker denne omplasseringen av oppgaver produktiviteten. Bedriften får gjort mer med færre folk. Sosialt sett skaper det et hull der de midterste trinnene på karrierestigen pleide å være. Disse trinnene var hvordan en butikkmedarbeider ble innkjøper, hvordan en vikar ble prosjektleder, hvordan en talentfull kommunikator fant en stabil vei inn i middelklassen. Hvis vi drar ut disse trinnene uten å bygge nye, bør vi ikke bli overrasket når mobiliteten stopper opp og frustrasjonen øker. Det finnes imidlertid potensielle løsninger på disse utfordringene, som å investere i utdannings- og opplæringsprogrammer som forbereder arbeidere på de nye rollene som AI skaper.

Det finnes også en ubehagelig sannhet om insentiver. Offentlige markeder belønner kvartalsvise gevinster. La oss si at AI hjelper ledere med å nå tall ved å komprimere kostnader og akselerere gjennomføring. I så fall vil den bli tatt i bruk selv når omskolering ville være klokere på lang sikt. Det gjør ikke ledere til skurker. Det gjør dem til deltakere i et system som måler feil ting for ofte. Vi er flinke til å telle lønnsbesparelser; vi er tregere til å telle de sosiale kostnadene ved ledig talent, som refererer til underutnyttelse av faglærte arbeidere på grunn av jobbflytting av AI, og den skjulte prisen for at lokalsamfunn mister stabile lønninger.

Hvordan AI stille omprogrammerer detaljhandelen

De fleste kunder ser for seg AI i detaljhandelen som roboter på et lager. Det er den synlige delen. Den usynlige delen er hjernearbeidet som pleide å foregå i konferanserom. I dag skanner AI en flom av signaler og anbefaler handlinger: flytt fokuset til kjøkkenartikler neste uke, trekk tilbake den private label-en, tidfest neste kampanje til lønningsuker og lokalt vær, rute lastebiler rundt en motorveisperring, eller lanser et begrenset opplag knyttet til en netttrend. Den skriver til og med produktteksten og opplæringsplanen for butikkteamene. Disse systemene erstatter ikke kreativitet, men de begrenser beslutningsrommet så tett at færre personer er nødvendige for å navigere det.

Forsyningskjeden får overskriftene, men det er innen varehandel og prissetting at kunstig intelligens i stillhet omformer bemanningstallet. En håndfull mennesker med god intuisjon og sterke verktøy kan nå gjøre det som pleide å kreve en avdeling. Når dataprosessen går i sanntid, blir det ukentlige møtet en daglig justering. Når den økonomiske modellen oppdateres hver time, blir den en gang så hellige månedlige pakken et dashbord som ser på seg selv. Det er vanskelig å rettferdiggjøre det samme antallet hender på dekk når sjøen er roligere og instrumentene styrer båten.

Kundeservice og HR er også i endring. Virtuelle agenter håndterer nå den første kontakten for returer, forsinkelser og grunnleggende spørsmål om fordeler. De eskalerer mindre og løser mer, delvis fordi kundene også lever i denne nye verdenen og aksepterer et raskt svar fra en maskin hvis det er korrekt og vennlig. Samtidig rangerer rekrutteringsprosesser søkere etter ferdighetene de har lært på nettet, ikke bare etter grader. Onboarding-innholdet tilpasser seg den lærende og sporer om en veileder faktisk så sikkerhetsmodulen eller bare klikket seg videre. Hver av disse forbedringene virker små. Sammen erstatter de arbeidstimer spredt over mange roller.

Vi bør være ærlige om fordelene. Bedre tilgjengelighet, færre lageruttak, raskere leveranser og færre feil er reelle gevinster. Men vi bør være like ærlige om avveiningen. Effektivitet er ikke et nøytralt ord. Det spør: effektiv for hvem? Anta at resultatet er høyere fortjeneste og lavere priser, men en uthulet middelklasse. I så fall har vi optimalisert butikken og neglisjert byen rundt den.

Den menneskelige kostnaden og muligheten

De umiddelbare menneskelige kostnadene dukker opp i innbokser som kalenderinvitasjoner fra HR. Folk som planla den påfølgende sesongen, trente lag eller administrerte kampanjer, vil få beskjed om at selskapet må bli raskere. De vil forstå ironien. De bidro til å bygge systemene som nå gjør dem overflødige. Rimelige sluttvederlag myker opp landingen; det endrer ikke terrenget. Boliglånsbetalinger og skolepenger godtar ikke løfter om fremtidige jobber i en AI-økonomi.

Likevel finnes det en mulighet i denne omveltningen hvis vi hevder den. De samme verktøyene som komprimerer lag kan løfte talent når de brukes som utvidelse i stedet for erstatning. En butikkmedarbeider, som jobber med en intelligent assistent, kan oppdage mønstre og foreslå endringer. En merchandiser med en modell kan teste fem ideer før lunsj og argumentere for den beste med bevis. Trikset er å gjøre utvidelse til policyen, ikke et høflig forslag. Det betyr reelle opplæringsbudsjetter, bærbare kvalifikasjoner og forfremmelsesmuligheter som belønner arbeidere som mestrer verktøyene i stedet for bare å belønne de som kjøper dem.

For enkeltpersoner er de praktiske rådene ikke glamorøse, men de er effektive. Lær hvordan instruksjoner omsettes til resultater. Behandle AI-verktøy som et elektroverktøy du oppbevarer i lastebilen din – ordentlig, men bare hvis du kjenner tennene og momentet. Øv på å gjøre rotete data om til et rent beslutningsnotat. Bli komfortabel med å snakke begge språk: forretningsmål og modellbegrensninger. Personen som kan si: «Her er hva systemet anbefaler, her er hvor det er sprøtt, og her er min beslutning» vil forbli viktig. Denne vurderingen, støttet av praktisk dyktighet, er det nye håndverket for middelklassen.

Lokalsamfunn har også valgmuligheter. Regioner som investerer i arbeidsstyrkelaboratorier og arbeidsgiverpartnerskap vil få nye roller innen dataforvaltning, modelltilsyn, arbeidsflytdesign og feltopplæring. Regioner som venter på markedsmagi vil se talenter forsvinne. Den gamle strategien med å rekruttere et lager med skattelettelser vil ikke være nok. Vi må rekruttere muligheter til å øve med verktøyene og få kvalifikasjoner som følger med arbeideren, ikke bare bedriften.

Hva en folkefokusert økonomi krever

Hvis vi ønsker en økonomi som er rask og rettferdig, trenger vi regler og vaner som tar hensyn til begge deler. For det første, gjør åpenhet til en standard. Når en avgjørelse som påvirker jobber hviler på en algoritme, fortjener arbeidstakere å kjenne målet og rekkverket. For det andre, koble adopsjon til opplæring. Enhver offentlig subsidie ​​eller skattefradrag for AI-investeringer bør kreve bevis på at ansatte i frontlinjen og mellomnivå fikk betalt tid til å lære seg systemene som endret arbeidet deres.

For det tredje, gjenoppbygg trinnene. Lærlingplasser, betalte prosjektrotasjoner og forfremmelser basert på autorisasjon kan gjenopprette veiene som automatisering eroderer. Bedrifter vil fortsatt få den hastigheten de ønsker, men samfunnet får de stigene det trenger. For det fjerde, moderniser arbeidsledighet og sluttvederlag til å inkludere utdanningsstipend og helseforsikring som ikke forsvinner midt i overgangen. Stabilitet gir folk tiden de trenger til å øve på nye ferdigheter og komme tilbake i spill uten panikk.

Til slutt, mål det som betyr noe. Hvis dashbordene våre bare sporer kvartalsvis inntjening og enhetskostnader, vil vi fortsette å velge den veien som ser effektiv ut men føles tom. La oss spore medianlønn i bedrifter, intern mobilitet og andelen stillinger fylt av høyere kvalifiserte arbeidere. Disse tallene forteller deg om et firma bruker AI for å forsterke folk eller bare for å trekke dem fra.

Historien er generøs med advarsler. Hver teknologibølge lovet overflod, samtidig som den ignorerte stillasene som holdt lokalsamfunnene sammen. I jernbanetiden blomstret eller visnet byene, avhengig av om en linje gikk gjennom. I motorveitiden ble sentrum tømt til kjøpesentre. I programvaretiden forsvant små bedrifter til plattformer. AI-æraen vil skrive sitt eget kapittel. Om det leses som fornyelse eller en ny runde med junkifisering, avhenger av hva vi bygger rundt verktøyene – regler, ritualer og trinn.

Så ja, et notat om lag på lag er begynnelsen på noe større. Det er den første synlige bølgen som slår inn i midten av bedriftslivet. Spørsmålet nå er ikke om AI kommer. Det er om vi velger en menneskeorientert økonomi som gjør fart til verdighet for de mange, ikke bare en uventet gevinst for de få. Verktøyene ligger på pultene våre. Resten er opp til oss.

om forfatteren

Robert Jennings er medutgiver av InnerSelf.com, en plattform dedikert til å styrke enkeltpersoner og fremme en mer tilkoblet, rettferdig verden. Robert, som er en veteran fra US Marine Corps og den amerikanske hæren, trekker på sine mangfoldige livserfaringer, fra å jobbe med eiendom og konstruksjon til å bygge InnerSelf.com med sin kone, Marie T. Russell, for å bringe et praktisk, forankret perspektiv til livets utfordringer. InnerSelf.com ble grunnlagt i 1996 og deler innsikt for å hjelpe folk til å ta informerte, meningsfulle valg for seg selv og planeten. Mer enn 30 år senere fortsetter InnerSelf å inspirere til klarhet og myndiggjøring.

 Creative Commons 4.0

Denne artikkelen er lisensiert under en Creative Commons Navngivelse-Del på samme 4.0-lisens. Egenskap forfatteren Robert Jennings, InnerSelf.com. Link tilbake til artikkelen Denne artikkelen opprinnelig dukket opp på InnerSelf.com

Anbefalte Bøker

Robotenes fremvekst: Teknologi og trusselen om en arbeidsløs fremtid

Et klart blikk på hvordan automatisering omformer arbeid og lønninger, med lærdommer for beslutningstakere og arbeidstakere som navigerer i den nye økonomien.

Kjøp på Amazon

Oppsummering av artikkel

Oppsigelser fra kunstig intelligens og press fra middelklassen møtes i detaljhandelen etter hvert som beslutningstaking flyttes til algoritmer. Bedrifter får fart mens lagene krymper; oppgaven nå er å gjenoppbygge trinnene gjennom opplæring, åpenhet og folk først-politikk som gjør automatisering til delt velstand.

#KI #Oppsigelser #Middelklasse