گزارش ATLAS گوگل: هوش مصنوعی در ۷۰٪ مشاغل، اما اتوماسیون واقعی زیر ۱۰٪

اخبار · هوش مصنوعی

گوگل دیپ‌مایند گزارش ATLAS را منتشر کرد: تحلیل ۱۵ میلیون مکالمه‌ی Gemini نشان می‌دهد هوش مصنوعی در ۷۰٪ مشاغل دنیا حضور دارد، اما کمتر از ۱۰٪ از این تعاملات به اتوماسیون واقعی ختم می‌شود.

۱. ATLAS چیست و چرا اهمیت دارد؟

در ۲۳ ژوئیه ۲۰۲۶، گوگل دیپ‌مایند پژوهشی را منتشر کرد که می‌توان آن را نقطه‌ی عطفی در درک واقعی ما از هوش مصنوعی در زندگی روزمره دانست. این پژوهش که «ATLAS» نام دارد — مخفف «Artificial Intelligence & The Labor market Analysis Study» — بر پایه‌ی تحلیل ۱۵ میلیون تعامل واقعی انسان با سیستم هوش مصنوعی Gemini طراحی شده است.

تا پیش از این، اکثر تحقیقات پیرامون تأثیر هوش مصنوعی بر بازار کار یا بر پایه‌ی نظرسنجی‌ها بودند یا شبیه‌سازی‌های آکادمیک. اما ATLAS از داده‌های واقعی کاربران استفاده می‌کند — مکالمه‌هایی که مردم در دنیای واقعی داشتند، نه آزمایش‌های آزمایشگاهی. این تفاوت اساسی است.

اگر می‌خواهید بدانید که هوش مصنوعی در دنیای واقعی چه توانایی‌ها و محدودیت‌هایی دارد، این پژوهش یکی از معتبرترین منابع اطلاعاتی است که تاکنون منتشر شده است.

۲. روش‌شناسی: چگونه ۱۵ میلیون مکالمه تحلیل شد؟

محققان گوگل از ابزاری به نام OCTO — که توسط تیم گوگل دیپ‌مایند توسعه یافته — برای پردازش و ناشناس‌سازی مکالمات استفاده کردند. این ابزار اطلاعات شخصی را حذف می‌کند و داده‌ها را به صورت کلی‌نگر و جمعی نگه می‌دارد تا حریم خصوصی کاربران حفظ شود.

دامنه‌ی تحقیق واقعاً چشمگیر است:

• ۱۴.۶۵ میلیون مکالمه‌ی ناشناس از آوریل ۲۰۲۶
• ۱۵۰ کشور مختلف از سراسر جهان
• ۱۴۰ زبان مختلف
• ۸۰۰ شغل تحت پوشش
• ۴۰۰۰ وظیفه‌ی کاری طبقه‌بندی‌شده

محققان مکالمات را به وظایف شغلی استاندارد (بر اساس پایگاه داده O*NET آمریکا) نگاشت کردند تا بفهمند هر تعامل با هوش مصنوعی به چه بخشی از بازار کار تعلق دارد.

۳. هوش مصنوعی در ۷۰٪ مشاغل: گستردگی بی‌سابقه

یکی از جذاب‌ترین یافته‌های ATLAS این است که هوش مصنوعی دیگر صرفاً ابزار مهندسان نرم‌افزار یا محققان دانشگاهی نیست. طبق این گزارش، هوش مصنوعی در ۷۰٪ از انواع مشاغل به‌کار گرفته می‌شود — مشاغلی که نمایانگر ۹۰٪ از اشتغال کل آمریکا هستند.

این عدد نشان‌دهنده‌ی یک انقلاب آرام است. هوش مصنوعی نه تنها در دفاتر شرکت‌های فناوری، بلکه در کارگاه‌های خودروسازی، کلینیک‌های پزشکی، مزارع کشاورزی و رستوران‌ها هم وارد شده است.

برای درک بهتر این تحول، می‌توانید بررسی کنید که چرا هوش مصنوعی برای کسب‌وکارها اهمیت دارد — مقاله‌ای که این روند را از زاویه‌ی تجاری توضیح می‌دهد.

۴. اما اتوماسیون واقعی زیر ۱۰٪ است — چرا؟

اینجاست که داستان جالب می‌شود. با وجود اینکه هوش مصنوعی در ۷۰٪ مشاغل حضور دارد، کمتر از ۱۰٪ از تعاملات کاری به اتوماسیون کامل یک وظیفه‌ی غیرروتین منجر می‌شود. در واقع درون هر شغل هم، هوش مصنوعی تنها ۲۱٪ از وظایف را پوشش می‌دهد.

اسکات استرند، اقتصاددان ارشد گوگل، این پدیده را با عبارت دقیقی توصیف کرد: «پذیرش هوش مصنوعی هم بسیار گسترده است و هم بسیار کم‌عمق.»

پس مردم با Gemini چه می‌کنند؟ تحقیق نشان می‌دهد اکثر تعاملات در این دسته‌ها قرار می‌گیرند:

• تحقیق و جستجوی اطلاعات — سریع‌تر از موتورهای جستجوی سنتی
• پیش‌نویس‌نویسی — ایمیل، گزارش، پیشنهاد
• عیب‌یابی — کد، دستگاه، فرآیند
• یادگیری سریع — درک مفاهیم جدید در لحظه
• همکاری و ایده‌پردازی — نه جایگزینی تصمیم‌گیری انسانی

این دسته‌بندی مشابه آن چیزی است که در آموزش‌های ChatGPT می‌بینیم — هوش مصنوعی یک دستیار هوشمند است، نه یک کارمند مستقل.

چرا اتوماسیون کامل هنوز به وقوع نپیوسته؟

دلایل متعددی برای پایین بودن نرخ اتوماسیون واقعی وجود دارد. اول، اکثر وظایف کاری نیازمند قضاوت انسانی، مسئولیت‌پذیری و درک متن اجتماعی هستند. دوم، سازمان‌ها هنوز در حال آموختن نحوه‌ی ادغام هوش مصنوعی در فرآیندهای خود هستند. سوم، مقررات و نگرانی‌های اخلاقی نیز جلوی اتوماسیون کامل را می‌گیرند.

۵. شگفتی بزرگ: کارگران یدی پیشتاز هستند

یکی از یافته‌های غافلگیرکننده‌ی ATLAS، پذیرش بالای هوش مصنوعی در میان کارگران یدی بود. تکنسین‌های خودرو، مکانیک‌های صنعتی و تکنسین‌های تأسیساتی از Gemini برای تشخیص بلادرنگ مشکلات، عیب‌یابی سریع و یادگیری روش‌های جدید استفاده می‌کنند.

این گروه ۲ برابر بیشتر از سایر کاربران از قابلیت‌های چندرسانه‌ای (ارسال تصویر و ویدیو به هوش مصنوعی) بهره می‌برند. یک تکنسین خودرو می‌تواند عکسی از قطعه‌ی خراب بگیرد و از Gemini بخواهد که مشکل را تشخیص دهد — این یک اتوماسیون نیست، یک ابزار همکاری قدرتمند است.

این الگو کاملاً با تصویر رایج از هوش مصنوعی به عنوان ابزار فقط برنامه‌نویسان در تضاد است. واقعیت بسیار گسترده‌تر است.

۶. ۸۶٪ مکالمات: هوش مصنوعی در زندگی شخصی

شاید باورنکردنی به نظر برسد، اما بیش از ۸۶٪ از تمام مکالمات با Gemini اصلاً ربطی به کار ندارند. مردم از هوش مصنوعی برای امور شخصی استفاده می‌کنند، مثل:

• راهنمایی مالیاتی و امور اداری
• برنامه‌ریزی سفر و تفریح
• تعمیر لوازم خانگی
• کمک در تکالیف درسی
• درک قراردادها و اسناد حقوقی
• برنامه‌ریزی تغذیه و ورزش

این داده نشان می‌دهد که هوش مصنوعی به یک «دستیار شخصی همه‌کاره» برای طیف وسیعی از مردم تبدیل شده است — نه فقط یک ابزار کاری. این موضوع درک ما از تأثیر اجتماعی هوش مصنوعی را به‌کلی تغییر می‌دهد.

اگر می‌خواهید بیاموزید که چطور از هوش مصنوعی برای زندگی شخصی خود بهتر استفاده کنید، راهنمای نوشتن پرامپت برای مبتدیان شروع خوبی است.

۷. ارتباط درآمد و پذیرش هوش مصنوعی

داده‌های ATLAS یک همبستگی جالب را نشان می‌دهند: با افزایش ۱٪ در میانگین دستمزد یک شغل، احتمال استفاده از هوش مصنوعی در آن شغل ۲.۶۸٪ افزایش می‌یابد. به عبارت دیگر، مشاغل پردرآمدتر بیشتر از هوش مصنوعی استفاده می‌کنند.

این الگو در سطح جغرافیایی هم صادق است: پذیرش هوش مصنوعی با تولید ناخالص داخلی سرانه همبستگی بالایی دارد. با این حال، استثناهایی در برخی کشورهای آمریکای جنوبی و خاورمیانه وجود دارد که بالاتر از انتظار عمل می‌کنند.

این نگرانی مهمی را مطرح می‌کند: آیا هوش مصنوعی شکاف بین کارگران ثروتمند و فقیر را بیشتر می‌کند؟ تحقیق ATLAS پاسخ قطعی نمی‌دهد، اما داده‌ها را برای بحث فراهم می‌کند.

۸. مقایسه با یافته‌های آنتروپیک و اوپن‌ای‌آی

جالب است که ATLAS از جهت کلی با تحقیقات قبلی آنتروپیک (سازنده‌ی Claude) و اوپن‌ای‌آی (سازنده‌ی ChatGPT) همخوانی دارد، اما تفاوت‌های مهمی هم وجود دارد. آنتروپیک در پژوهش جداگانه‌ای نرخ‌های بالاتری از اتوماسیون گزارش داده بود — احتمالاً چون کاربران Claude بیشتر در حوزه‌های فنی و توسعه نرم‌افزار فعال هستند.

این تفاوت یادآور می‌شود که مقایسه‌ی مدل‌های مختلف هوش مصنوعی همیشه باید با در نظر گرفتن کاربران هدف آن‌ها انجام شود. ChatGPT، Gemini و Claude مخاطبان متفاوتی دارند و استفاده‌های متفاوتی از آن‌ها می‌شود.

یک نقطه‌ی ضعف مهم گزارش ATLAS این است که داده‌های Gemini Enterprise و Google Workspace را شامل نمی‌شود. احتمالاً در محیط‌های سازمانی، نرخ اتوماسیون بالاتر از ۱۰٪ است. این را باید هنگام تفسیر نتایج در نظر گرفت.

برای پیگیری آخرین اخبار و تحقیقات در این زمینه، بخش اخبار هوش مصنوعی MrChatGPT را دنبال کنید.

۹. پرسش‌های متداول (FAQ)

ATLAS چه مدت داده جمع‌آوری کرد؟

پژوهش ATLAS نسخه‌ی ۱.۰ بر اساس داده‌های یک ماهه از آوریل ۲۰۲۶ است. گوگل اعلام کرده این تحقیق ادامه‌دار خواهد بود و نسخه‌های بعدی داده‌های بیشتری را پوشش خواهند داد.

آیا این داده‌ها حریم خصوصی کاربران را نقض می‌کند؟

گوگل از ابزار OCTO برای ناشناس‌سازی کامل مکالمات استفاده کرده است. هیچ اطلاعات شخصی‌ای در گزارش وجود ندارد و داده‌ها فقط به صورت کلی‌نگر و طبقه‌بندی‌شده منتشر شده‌اند.

آیا هوش مصنوعی واقعاً شغل‌ها را می‌گیرد؟

بر اساس ATLAS، پاسخ در حال حاضر «نه» است — اما «هنوز» را هم باید اضافه کرد. هوش مصنوعی فعلاً بیشتر نقش دستیار دارد تا جایگزین. اما وقتی در ۷۰٪ مشاغل حضور دارد، حتی با ۱۰٪ اتوماسیون هم تأثیر آن قابل توجه است. برای درک عمیق‌تر، بررسی کنید که شرکت‌هایی مثل OpenAI چه هدفی دارند.

چرا کارگران یدی بیشتر از انتظار از هوش مصنوعی استفاده می‌کنند؟

عملی‌ترین دلیل این است که هوش مصنوعی برای تشخیص سریع مشکلات مکانیکی بسیار مفید است. یک تکنسین می‌تواند بدون نیاز به گشتن در کتاب‌های راهنما، فوری جواب سوالاتش را بگیرد. قابلیت‌های تصویری Gemini این کار را آسان‌تر کرده‌اند.

نسخه‌های بعدی ATLAS چه زمانی منتشر می‌شوند؟

گوگل تاریخ دقیقی اعلام نکرده، اما تعهد داده که این پژوهش به صورت مستمر ادامه یابد. صفحه‌ی اخبار ما را برای دریافت به‌روزرسانی‌های بعدی دنبال کنید.