Hvordan AI kan hjælpe med at vælge din næste karriere og være på forkant med automatisering

Den typiske australier vil efter nogle skøn skifte karriere fem til syv gange i løbet af deres professionelle levetid. Og dette vil sandsynligvis stige, efterhånden som nye teknologier automatiserer arbejdskraft, produktionen flyttes til udlandet, og økonomiske kriser udspiller sig.

Jobs, der forsvinder, er ikke et nyt fænomen – har du set en elevator for nylig? – men tempoet i forandringen stiger og truer med at efterlade et stort antal arbejdere arbejdsløse og arbejdsløse.

Nye teknologier skaber også nye job, men de kompetencer, de kræver, matcher ikke altid de gamle jobs. Succesfuld flytning mellem job kræver, at du får mest muligt ud af dine nuværende færdigheder og tilegner dig nye, men disse overgange kan vakle, hvis kløften mellem gamle og nye færdigheder er for stor.

Vi har bygget et system til at anbefale karriereovergange, ved at bruge maskinlæring til at analysere mere end 8 millioner online jobannoncer for at se, hvilke træk der sandsynligvis vil blive en succes. Detaljerne er offentliggjort i PLOS ONE .

Vores system starter med at måle ligheder mellem de færdigheder, der kræves af hver beskæftigelse. For eksempel kan en revisor blive finansanalytiker, fordi de nødvendige færdigheder ligner hinanden, men en talepædagog kan have sværere ved at blive finansanalytiker, da færdighedssættene er ret forskellige.

Dernæst så vi på et stort sæt karriereovergange i den virkelige verden for at se, hvilken vej rundt om disse overgange normalt går:revisorer er mere tilbøjelige til at blive finansanalytikere end omvendt.

Endelig kan vores system anbefale et karriereskift, der sandsynligvis vil lykkes – og fortælle dig, hvilke færdigheder du muligvis skal bruge for at få det til at fungere.

Mål ligheden mellem erhverv

Vores system bruger et mål, økonomer kalder "revealed comparative advantage" (RCA) til at identificere, hvor vigtig en individuel færdighed er for et job, ved hjælp af online jobannoncer fra 2018. Kortet nedenfor visualiserer ligheden mellem de 500 bedste færdigheder. Hver markør repræsenterer en individuel færdighed, farvet i henhold til en af ​​13 klynger af meget lignende færdigheder.

Når vi ved, hvor ens forskellige færdigheder er, kan vi vurdere, hvor ens forskellige professioner er baseret på de nødvendige færdigheder. Nedenstående figur visualiserer ligheden mellem australske erhverv i 2018.

Hver markør viser en individuel besættelse, og farverne viser den risiko, hver besættelse står over for fra automatisering i løbet af de næste to årtier (blå viser lav risiko og rød viser høj risiko). Synligt lignende erhverv er grupperet tæt sammen, med medicinske og højt kvalificerede erhverv, der står over for den laveste automatiseringsrisiko.

Kortlægning af overgange

Vi tog derefter vores mål for ligheden mellem erhverv og kombinerede det med en række andre arbejdsmarkedsvariabler, såsom beskæftigelsesniveauer og uddannelseskrav, for at opbygge vores jobovergangsanbefalingssystem.

Vores system bruger maskinlæringsteknikker til at "lære" af reelle jobovergange i fortiden og forudsige jobbevægelser i fremtiden. Det opnår ikke kun høje niveauer af nøjagtighed (76 %), men det tager også højde for asymmetrier mellem jobovergange. Ydeevne måles ved, hvor nøjagtigt systemet forudsiger, om en overgang fandt sted, når det anvendes på historiske jobovergange.

Det fulde overgangskort er stort og kompliceret, men du kan se, hvordan det fungerer nedenfor i en lille version, der kun inkluderer overgange mellem 20 erhverv. På kortet er "kilde"-besættelsen vist på den vandrette akse og "mål"-besættelsen på den lodrette akse.

Hvis du ser på en given beskæftigelse nederst på kortet, viser kolonnen med kvadrater sandsynligheden for at flytte fra det pågældende erhverv til det, der er anført i højre side. Jo mørkere firkanten er, jo større er sandsynligheden for at lave overgangen.

Jobbanbefalinger baseret på kunstig intelligens

Nogle gange kræver en ny karriere udvikling af nye færdigheder, men hvilke færdigheder? Vores system kan hjælpe med at identificere dem. Lad os tage et kig på, hvordan det fungerer for "husvaskere", et erhverv, hvor beskæftigelsen er skrumpet alvorligt under COVID-19 i Australien.

Først bruger vi overgangskortet til at se, hvilke erhverv det er nemmest for en rengøringsassistent at skifte til. Farverne opdeler erhverv efter deres status under COVID-19-krisen - blå erhverv er "essentielle" job, der kan fortsætte med at fungere under lockdown, og rød er "ikke-essentielle."

Vi identificerer top anbefalede erhverv, som det ses på højre side af flowdiagrammet (nederste halvdel af billedet), sorteret i faldende rækkefølge efter overgangssandsynlighed. Bredden af ​​hvert bånd i diagrammet viser antallet af ledige åbninger for hver besættelse. Segmentfarverne repræsenterer, om efterspørgslen er steget eller faldet sammenlignet med samme periode i 2019 (præ-COVID).

De første seks overgangsanbefalinger for er alle "ikke-essentielle" tjenester, som ikke overraskende har oplevet en faldende efterspørgsel. Den syvende er dog "aldre og handicappede plejere", som er klassificeret som "essentiel" og voksede betydeligt efterspurgt i begyndelsen af ​​COVID-19-perioden.

Da dine udsigter til at finde arbejde er bedre, hvis du skifter til et erhverv, hvor der er stor efterspørgsel, vælger vi "aldre og handicappede plejere" som målbeskæftigelse for dette eksempel.

Hvilke færdigheder skal udvikles til nye erhverv

Vores system kan også anbefale færdigheder, som arbejdere skal udvikle for at øge deres chancer for en vellykket overgang. Vi argumenterer for, at en arbejder bør investere i at udvikle de færdigheder, der er vigtigst for deres nye profession, og som er mest forskellige fra de færdigheder, de har i øjeblikket.

For en "husvasker" er de bedst anbefalede færdigheder, der er nødvendige for at gå over til "aldre og handicappede plejere", specialiserede patientplejefærdigheder, såsom "patienthygiejnehjælp."

På den anden side er der mindre behov for at udvikle uvæsentlige færdigheder eller dem, der i høj grad ligner færdigheder fra dit nuværende erhverv. Færdigheder som "forretningsanalyse" og "økonomi" er af lav betydning for en "ældre og handicappet plejer", så de bør ikke prioriteres. Tilsvarende kræves færdigheder som "strygning" og "tøjvask" til det nye job, men det er sandsynligt, at en "husvasker" allerede besidder disse færdigheder (eller nemt kan erhverve dem).

Fordelen ved smidigere jobovergange

Selvom fremtiden for arbejdet forbliver uklar, er forandring uundgåelig. Nye teknologier, økonomiske kriser og andre faktorer vil fortsætte med at flytte efterspørgslen efter arbejdskraft, hvilket får arbejdere til at flytte mellem job.

Hvis arbejdsomlægninger sker effektivt, er der betydelige produktivitets- og egenkapitalfordele for alle. Hvis overgange er langsomme, eller mislykkes, vil det have betydelige omkostninger for både enkeltpersoner og staten og den enkelte. De metoder og systemer, vi fremlægger her, kan forbedre opnåelsen af ​​disse mål væsentligt.