ونتيجة لذلك ، أمضت الشركة الكثير من الوقت في تدريب العمال الجدد المعينين ليحلوا محل أولئك الذين تركوا العمل. العديد من المهارات المطلوبة كانت ما أسماه الباحثون “المعرفة الضمنية” ، المعرفة التجريبية التي لا يمكن تقنينها بسهولة ولكن نماذج اللغة الكبيرة يمكن استيعابها من سجلات الدردشة ثم تقليدها. ساعد روبوت الشركة في كل من المهارات التقنية والاجتماعية ، حيث وجه الوكلاء إلى المستندات الفنية ذات الصلة واقترح عبارات مفيدة لتهدئة العملاء الغاضبين ، مثل “يسعدني مساعدتك في إصلاح هذا في أسرع وقت ممكن!”
بعد أن بدأ الروبوت في المساعدة ، قفز عدد المشكلات التي حلها الفريق في الساعة بنسبة 14 بالمائة. علاوة على ذلك ، انخفضت احتمالات استقالة العامل في شهر معين بنسبة 9٪ ، وتحسنت أيضًا مواقف العملاء تجاه الموظفين. كما شهدت الشركة انخفاضًا بنسبة 25 في المائة في عدد العملاء الذين يطلبون التحدث إلى أحد المديرين.
ولكن عندما قام الباحثون بتقسيم النتائج حسب مستوى المهارة ، وجدوا أن معظم فوائد برنامج الدردشة الآلي تعود إلى العمال الأقل مهارة ، الذين شهدوا زيادة في الإنتاجية بنسبة 35٪. لم يشهد العمال ذوو المهارات الأعلى أي مكاسب ، بل شهدوا تراجعًا طفيفًا في درجات رضا العملاء ، مما يشير إلى أن الروبوت قد يكون مصدر إلهاء.
وفي الوقت نفسه ، تضاعفت قيمة هذا العمل الذي يتطلب مهارات عالية ، حيث قام مساعد الذكاء الاصطناعي بتوجيه العمال ذوي المهارات المنخفضة لاستخدام نفس التقنيات.
هناك سبب للشك في أن أصحاب العمل سوف يكافئون هذه القيمة من تلقاء أنفسهم. آرون بيناناف ، مؤرخ بجامعة سيراكيوز ومؤلف الكتاب الأتمتة ومستقبل العمل، يرى تشابهًا تاريخيًا في Taylorism ، وهو نظام إنتاجي تم تطويره في أواخر القرن التاسع عشر بواسطة مهندس ميكانيكي يدعى فريدريك تايلور وتم اعتماده لاحقًا في مصانع سيارات هنري فورد.
باستخدام ساعة توقيت ، قام تايلور بتقسيم العمليات الفيزيائية إلى الأجزاء المكونة لها لتحديد الطريقة الأكثر فاعلية لإكمالها. لقد أولى اهتمامًا خاصًا للعمال الأكثر مهارة في التجارة ، كما يقول بيناناف ، “من أجل التمكن من جعل العمال الأقل مهارة يعملون بنفس الطريقة”. الآن ، بدلاً من استخدام المهندس الدقيق لساعة توقيت ، يمكن لأدوات التعلم الآلي جمع ونشر أفضل ممارسات العمال.
لم ينجح ذلك كثيرًا بالنسبة لبعض الموظفين في عصر تايلور. أصبحت أساليبه مرتبطة بانخفاض دخول العمال ذوي المهارات العالية ، لأن الشركات يمكن أن تدفع للموظفين الأقل مهارة للقيام بنفس النوع من العمل ، كما يقول بيناناف. حتى لو ظل بعض أصحاب الأداء العالي ضروريين ، فإن الشركات كانت بحاجة إلى عدد أقل منهم ، وتزايدت المنافسة بينهم.
يقول بيناناف: “حسب بعض الروايات ، لعب ذلك دورًا كبيرًا جدًا في إثارة النقابات بين كل هؤلاء العمال الأقل مهارة أو متوسطي المهارة في الثلاثينيات”. ومع ذلك ، ظهرت بعض المخططات الأقل عقابية. أنشأ أحد أتباع تايلور ، المهندس الميكانيكي هنري جانت – نعم ، صاحب الرسم البياني – نظامًا يدفع لجميع العمال حدًا أدنى للأجور لكنه قدم مكافآت لأولئك الذين حققوا أيضًا أهدافًا إضافية.
حتى إذا شعر أصحاب العمل بالحافز لدفع علاوة على تعليم أنظمة الذكاء الاصطناعي لأصحاب الأداء العالي ، أو إذا ربح الموظفون ذلك لأنفسهم ، فإن تقسيم الغنائم بشكل عادل قد يكون أمرًا صعبًا. لسبب واحد ، قد يتم تجميع البيانات من عدة أماكن عمل وإرسالها إلى شركة الذكاء الاصطناعي التي تبني نموذجًا وتبيعه مرة أخرى إلى الشركات الفردية.
