Proč na trhu „nejsou lidi“ ani v éře umělé inteligence?

Obecná míra nezaměstnanosti je u nás za první kvartál 2,4 %. Zatímco poptávka po práci je silná, dle slov personálních agentur „už není kde brát“. Tento fenomén lze pozorovat napříč mnoha profesemi. Pro obory, jako jsou finanční a kapitálové trhy, kde působí i naše společnost, tvoří core-business ekonomové, analytici, dealeři, makléři a poradci, ti jsou dnes na trhu zvlášť nedostatkové zboží. Jak je to možné, když jejich práci usnadňují stále výkonnější počítače, chytřejší programy a aplikace, v našem prostředí například různé automatizované systémy, obchodní platformy a sociální algoritmy, které umí dokonale kopírovat chování vybraných sujektů na trhu dle požadavku klienta.

Přitom pracovní doba se nijak významně za posledních pár let nemění. Při konstantním počtu pracovníků a při zvyšující se efektivitě práce, díky zmíněným technologiím, musí stejný tým zvládnout větší díl práce. Jak je tedy možné, že firmy shání stále nové a nové ekonomy, analytiky, tradery či projektové manažery? Při stejném objemu práce by měl počet zaměstnanců v těch profesích klesat. To, co dnes dělá deset lidí by za dva tři roky mohlo zvládnout lidí osm devět. Zaměstnanost i v těchto profesích ale neklesá. Naopak. Logicky tak lze usoudit, že roste objem práce. Je to samozřejmě způsobeno ekonomickým růstem. Je to ale ta jediná odpověď?

Praxe ovšem nasvědčuje tomu, že dalším z faktorů je tzv. komplementární efekt. Tedy růst prodeje jednoho produktu podporuje růst zájmu o druhý produkt. Učebnicovým příkladem je káva a cukr. Čím více se vypije kávy, tím více se spotřebuje cukru. A to je i případ technologie a lidí v byznysu. Stroje a technologie tak nejen „berou“ práci, ale práci lidem zase i vytváří. I při zběžném pohledu je pak zřejmá komplementarita mezi lidským přístupem k analýze, rozpoznávání vzorů, heuristiky, analogie a AI/IT přístupem, precizností a logikou. Více kávy (technologie) – více cukru (lidské práce).

Jako příklad lze použít pokrok v big data. Dnes jsme schopni nashromáždit víc a komplexnějších dat, rychleji a levněji, než tomu bylo dříve. Relativně tak klesá náročnost získávání dat. Čím více ale existuje dat, tím více je třeba je interpretovat. Sesbíraná data bez správné interpretace jsou bezcenná. Zde přichází na řadu zmíněný ekonom, analytik nebo projektový manažer. Více dat – více expertů k práci s nimi. A firma bude data analyzovat, protože ta, která nebude, skončí rozdupaná konkurencí, která vzácné informace sbírá a správně využívá. Není to ale jen o interpretaci dat, ale i o schopnosti klást otázky a dalších projevů kritického myšlení. Pro to vytváří technologie prostor, a tam vytváří poptávku po lidské práci.

„Usnadnění“ a zvýšení efektivity práce, které přináší např. umělá inteligence tak v byznyse zároveň vytváří poptávku po dalších profesích, které jsou svěřeny lidem, nikoli počítačům. Neříkám, že to tak musí platit navždy, ale zatím to vypadá tak, že si kávu opět osladíme o trochu více.