Doorgaan naar hoofdcontent

Welke werknemers en banen zijn het meest gevoelig voor de impact van AI?

AI, oftewel kunstmatige intelligentie, speelt een steeds grotere rol in de werkwereld. Machine learning, een specifieke vorm van AI waarbij systemen leren van data, automatiseert fysieke en cognitieve taken en heeft invloed op verschillende beroepen en sectoren. Een nieuw Canadees onderzoek belicht welke groepen werknemers en banen het meest geraakt worden door deze ontwikkelingen.

Hoe groot is de impact van AI?

  • Hoge blootstelling: Ongeveer 12% van de Canadese werknemers heeft een baan waarin een groot deel van de taken kan worden uitgevoerd door AI.
  • Lage blootstelling: Slechts 4,7% van de banen bevat taken die nauwelijks door AI overgenomen kunnen worden.
  • Demografische verschillen: Werknemers met hogere opleiding, beter betaalde functies en banen met hogere vaardigheidseisen hebben minder kans om getroffen te worden door de automatiseringsmogelijkheden van AI.


Aantal Canadese werknemers met een hoge en lage beroepsmatige blootstelling aan machinaal leren. Bron: Machine learning and the labour market.

Onderzoeksmethode

De studie maakte gebruik van een bestaande Amerikaanse methode om blootstelling aan AI in beroepen te meten. Specifiek werd gekeken naar taken die door machine learning uitgevoerd kunnen worden. Canadese functies werden gekoppeld aan deze Amerikaanse classificaties en geanalyseerd op basis van acht jaar gegevens uit Statistics Canada's Labour Force Survey (2013-2019, 2022). Hierbij werd gekeken naar opleiding, loon en vaardigheden in relatie tot de mate van blootstelling aan AI.

Belangrijkste bevindingen

  • Algemene blootstelling: Geen enkele baan bestaat volledig uit taken die door AI kunnen worden uitgevoerd, maar alle functies bevatten enkele geautomatiseerde taken.
  • Hoge blootstelling: 1,9 miljoen werknemers (12% van de beroepsbevolking) werken in beroepen met een hoge blootstelling aan AI. Hiervan is 63,4% vrouw.
  • Lage blootstelling: 744.000 werknemers (4,7% van de beroepsbevolking) hebben banen met een lage blootstelling. Hiervan is 59,9% man.
  • Opleiding en vaardigheden: Werknemers met meer opleiding, hogere inkomens en functies met complexe vaardigheden hebben minder kans op banen met hoge blootstelling aan AI.


Verdeling van vereiste functievaardigheden, opleiding en ervaring over beroepen met veel en weinig blootstelling aan machinaal leren. Bron: Machine learning and the labour market.

Gendergerelateerde verschillen

Bij vrouwen is een hogere opleiding sterk gekoppeld aan een lagere blootstelling aan AI. Dit verband werd niet waargenomen bij mannen; zij met een hoger opleidingsniveau hadden evenveel kans op banen met hoge blootstelling als mannen met minder opleiding. Dit verschil vraagt om gerichte beleidsmaatregelen.


Samenvatting van multivariabel logistisch regressiemodel dat de relatie onderzoekt tussen beroepsvaardigheden, opleidings- en ervaringseisen en hoge blootstelling aan machinaal leren op het werk. Bron: Machine learning and the labour market.

Implicaties voor preventieadviseurs en HR-professionals

AI, en meer specifiek machine learning, heeft het potentieel om bestaande ongelijkheden op de arbeidsmarkt te versterken. Kwetsbare groepen, zoals werknemers in lager betaalde banen, beroepen met minimale vaardigheden en vrouwen, lopen een groter risico op negatieve gevolgen van deze technologische veranderingen. Preventieadviseurs en HR-professionals kunnen bijdragen door:

  • Risico’s in kaart te brengen: Analyseer welke functies binnen een organisatie het meest blootgesteld zijn aan automatisering.
  • Training en omscholing te stimuleren: Zorg ervoor dat werknemers vaardigheden ontwikkelen die minder gevoelig zijn voor automatisering.
  • Inclusief beleid te bevorderen: Focus op gelijkwaardige kansen voor alle werknemers, ongeacht geslacht of opleidingsniveau.

Conclusie

De opkomst van AI biedt kansen, maar ook uitdagingen. Door de impact van deze technologie op werknemers en beroepen te begrijpen, kunnen we bijdragen aan een inclusieve en duurzame werkplek waarin iedereen de kans krijgt om zich aan te passen aan de veranderende arbeidsmarkt.

Bron

Rapport Institute for Work & Health. Machine learning and the labour market: A portrait of occupational and worker inequities in Canada.

Populaire posts van deze blog

Nieuwe artikels

Ik ben nog aan het overwegen hoe ik mijn publicaties op lange termijn ga aanpakken—of ik verder werk aan mijn blog, artikels zowel op LinkedIn als hier blijf delen, een onderscheid maak op basis van onderwerp, of een andere richting insla. Voorlopig kan je al mijn nieuwe artikels terugvinden op mijn LinkedInpagina via deze link: https://www.linkedin.com/in/edelhartkempeneers/recent-activity/articles/ .

Bereken je kans op een hartinfarct

Met behulp van een aantal parameters kun je de statistische kans inschatten of je binnen de tien jaar zal overlijden aan een hart- of vaatziekte.     De SCORE-tabel is niet nieuw. Het is een internationaal erkend werkmiddel dat op basis van het geslacht, de leeftijd, de systolische bloeddruk, het rookgedrag en de verhouding van totaal cholesterol op HDL-cholesterol in één overzichtelijk geheel de kans weergeeft dat je sterft aan een hartinfarct of een beroerte. De getallen worden onderverdeeld in drie categorieën: Groen: Laag risico, minder dan 5% kans om binnen de tien jaar de wormen te voeren Oranje: Matig risico, 5 à 9% kans om binnen de tien jaar de pijp aan Maarten te geven Rood: Hoog risico, 10% of meer kans om binnen de tien jaar aan de verkeerde kant van het gras te gaan liggen Het is en blijft uiteraard slechts een ruwe inschatting. Als je suikerziekte hebt, moet je al niet beginnen met de tabel. Ga dan maar uit van een ernstig verhoogd ris...

Werken bij warm weer

Een tijdje geleden heb ik een tekst opgesteld over werken bij warm weer, en op deze zwoele zomerdag is het wellicht hét moment om deze ook eens op mijn blog te plaatsen. Als je daar geen boodschap aan hebt, en liever weet hoe je de werkgever overhaalt om een korte werkbroek voor je aan te schaffen, verwijs ik naar een eerder blogartikel " kort van stof ". Weet je, de wetgeving over werken bij warm weer wordt chronisch geplaagd door een misverstand over de gebruikte begrippen. Het zit zo. De normen worden berekend op basis van de WBGT-index. WBGT staat voor "Wet Bulb Globe Temperature". Deze index drukt de gevoelswarmte uit. Met een vochtige globethermometer worden vier parameters bepaald. Naast de temperatuur worden ook de straling, luchtsnelheid en vochtigheidsgraad gemeten. Want een droge hitte met veel wind bvb. geeft veel minder hinder dan een drukkende, vochtige hitte met windstilte. De wetgeving zegt bvb. dat je bij een WBGT-index van 31,5 en zwaar werk (v...