На станках работают: Работа на станках с ЧПУ это не сложный процесс но денежный

Содержание

Работа на станках с ЧПУ это не сложный процесс но денежный

2017-10-01

Работа на станках с ЧПУ — это не сложно, но интересно, перспективно и денежно
Работа на токарных и фрезерных станках с ЧПУ является востребованной, перспективной и неплохо оплачиваемой в Канаде, США, странах Евросоюза. Высококлассных станочников очень ценят на многих российских предприятиях. Приобретя станок в собственность, можно начать выгодное производство. Работать на станке с ЧПУ не сложно. Было бы желание освоить эту профессию. Главное, понять принцип работы программируемой системы и технологию изготовления деталей.
Оператор станков с ЧПУ — быстрое начало самостоятельной работы
Станок с числовым программным управлением функционирует по предварительно написанной программе обработки деталей или используется последовательность из нескольких программ. Современные станки с ЧПУ обрабатывают металл, дерево, пластик, камень. Производственный процесс полностью автоматизирован, что позволяет оператору изготавливать изделия сложной конфигурации и заданных размеров в точном соответствии с исходными чертежами. Опытный оператор может работать с группой обрабатывающих станков с программным управлением.
Оператор станка с ЧПУ:
устанавливает заготовки;
снимает обработанные изделия;
периодически проверяет размеры деталей;
следит за работой станка, сигнальных средств программной системы и состоянием инструмента; обо всех замеченных неполадках сообщает мастеру или технологу.
Оператор должен освоить выполнение операций по черновой и чистовой обработке деталей. Знать устройство всех узлов и механизмов станка, изучить все операции, которые на нем можно выполнять, понимать, как работать с инструментом.
Профессия оператора востребована на рынке труда, обеспечивает стабильный заработок и гарантирует карьерный рост. Как быстро начать работать на станке с ЧПУ? Можно пройти обучение в колледже или специализированном учебном центре. Можно устроиться учеником оператора на предприятие с мелкосерийным производством. Все познается на практике. Если учиться у хорошего станочника и выполнять все его установки, то уже через месяц вам не понадобится искать наладчика при обнаружении неполадок. Вы изучите технологические возможности своего станка, научитесь читать чертежи и обслуживать станок самостоятельно.
Наладчик станков с ЧПУ
У человека, любящего работать с техникой, как правило, развито пространственное мышление, хорошие зрительно-моторная координация и глазомер. Все эти качества, необходимые для успешной работы на сложном оборудовании, развиваются в процессе практической деятельности. Настоящим мастером можно стать в самый короткий срок. Важно, любить технику и стремиться осваивать новые приемы работы.

Наладчик станка с ЧПУ:
устанавливает и устраняет причины сбоев в работе станка с ЧПУ и погрешности в обработке деталей, если это необходимо, привлекает специалистов;
при внедрении новых деталей налаживает станок для работы с программами, определяет последовательность обработки;
устанавливает и выверяет оснастку;
осуществляет замену программного носителя;
настраивает и корректирует работу программного устройства, следит за его нормальным функционированием;
инструктирует операторов.

Качество и эффективность работы на станке с ЧПУ во многом зависит от наладчика. Специалист, претендующий на высокую заработную плату, должен знать все узлы и детали обрабатывающего станка, разбираться в чертежах и технологической документации, иметь представление о работе программных систем. Опытные наладчики ценятся на современном производстве. Их труд высоко оплачивается во всех промышленно-развитых странах мира.

Квалифицированными наладчиками станков с ЧПУ становятся по-разному. Одни, заканчивают учебные заведения, где получают рабочий разряд. Другие обучаются профессии, осваивая новые навыки в процессе работы. Придя на производство учеником оператора и накопив практический опыт работы на станке, талантливые ребята становятся высококлассными наладчиками, осваивают азы компьютерного моделирования и начинают сами писать управляющие программы, по которым выполняются операции обработки. Для обучения профессии наладчика станков с ЧПУ созданы многочисленные курсы. Выбирая учебную программу, обратите внимание на то, сколько времени уделено практической подготовке. Без практики освоить эту профессию невозможно.
Инженер-программист
Профессия инженер-программист является чрезвычайно востребованной и хорошо оплачивается. Программирование на станке с ЧПУ осуществляется посредством набора функций, которые способен выполнять конкретный обрабатывающий станок, и определенных алгоритмов, понятных его цифровой системе. Программы загружаются с внешних носителей, посредством числового кода, они могут записываться на перфолентах, перфокартах, магнитных или лазерных дисках. При изменении программы нет необходимости существенно перестраивать станок. Этим и объясняется высокая эффективность высокотехнологичных обрабатывающих центров. Современное оборудование с числовым программным управлением способно выполнять множество различных операций по обработке. Соответственно, программист должен разработать для такого станка множество различных команд, а также подготовить чертежи и технологическую документацию для его наладки.
Чтобы стать хорошим инженером-программистом станков с ЧПУ, желательно получить инженерную подготовку, разбираться в математике, ориентироваться в механике, электротехнике и метрологии. Потребуется научиться читать и грамотно составлять чертежи, осваивать языки программирования. Так самым популярным языком для металлорежущих станков с ЧПУ является «G-код» (ISO 6983). Разобраться с G-кодом и его получением подготовленному человеку будет не сложно.
От программиста во многом зависит эффективность производственного процесса на промышленном производстве. Ведущие предприятия предлагают высокую заработную плату не только опытным инженерам, но и персептивным молодым программистам.

Советуем прочитать:
Наладчик станков с ЧПУ: сложно ли обучиться?
Программирование станков с ЧПУ это не сложно
Управление ЧПУ станком – основы и правильный выбор

Работа на токарном станке или управление токарным станком

Эта статья посвящена правилам и технике управления токарным станком. От соблюдения правил работы на токарном станке зависит ваша безопасность. Уверенная техника управления токарным станком влияет на качество изделия и производительность управляемых работ. Если ваша цель узнать больше о токарном деле, следуйте руководству.

Шаг 1. Проверка токарного станка перед пуском

Прежде, чем запустить токарный станок, должен быть произведен допусковой контроль, а именно:

При сменной работе на производстве сменщик, передающий вам токарный станок, обязан доложить о замеченных в нем неполадках (устно, письменно, по телефону). Отсутствие замечаний подразумевает, что токарный станок находится в исправном состоянии.

На производстве устранением неисправностей токарного станка занимается ремонтная служба. Станочник должен только информировать их об возникновении неисправности.

Перед включением токарного станка в электропитание убедитесь:

Что на станке нет какого-либо предупреждения, типа (токарный станок в ремонте не включать);

Кожухи, дверки, люки, которые закрывают основные детали, и механизмы токарного станка должны быть закрыты.

Рукоятки управления шпинделем, подачами, маточной гайкой должны находятся в нейтральном положении.

Подача охлаждения выключена, сопла подачи жидкости направлены вниз.

Частоты оборотов и шаги подач установлены такие, какими вы их хотите увидеть, после запуска шпинделя.

Установленная вами деталь, которую следует обработать должна быть надежна закреплена.

Пол возле токарного станка должен быть чистым, а под ногами не должно быть лишних предметов.

Одежда токаря должна быть аккуратно (без свисающих лоскутов).

Не забыть ключ в патроне (всегда следить за выемкой ключа из патрона).

Выполнив допусковой контроль: включаем главный рубильник токарного станка, дополнительные включатели, если такие имеются. Далее проводится смазка токарного станка.

Шаг 2. Управление шпинделем.

Перед запуском шпинделя или главного двигателя, обязательно убеждаемся, что у вращающихся элементов на нем, в частности патрона, не будет препятствий вращению со стороны неподвижных частей станка. Особую опасность при запуске шпинделя на высоких оборотах представляют собой выступающие за его пределы тонкие прутковые заготовки.

Также это касается деталей больших диаметров со значительным вылетом из патрона и не поджатым с другого конца центром задней бабки.

Как уже говорилось в первом уроке «Устройство токарного станка», настройки частот оборотов шпинделя производят установкой переключателей и рычагов на его узлах в определенное положение согласно таблице, расположенной на станке.

Правила переключение можно обобщить так – «Нельзя переключать или доводить до конца переключения, если таковые вызывают характерный звук не входящих в зацепление зубьев шестерен. В таком случае нужные переключения следует делать при полной остановке.

На всех токарных станках прямые обороты включаются подачей рукоятки включения на себя, а обратные от себя. У рукоятки с вертикальным ходом (на себя это вверх), а у рукоятки с горизонтальным перемещением (на себя это соответственно вправо).

Прямые обороты на всех токарных станках соответствуют вращению шпинделя по часовой стрелке, если смотреть с задней стороны шпинделя. Торможение шпинделя на высоких оборотах за счет реверсирования фрикционов или обратной тяги главного двигателяэто недопустимо, так как ведет к перегрузке и перегреву механизма. Торможение должно выполняться тормозом. А если эффективности тормоза недостаточно, то ее следует восстановить регулировкой или ремонтом.

Для крепления в трехкулачковом патроне деталей обычно используется одно гнездо «0» для введения в него ключа, что требует установки этого гнезда в верхнее положение зажима и отжима. В станках с механическим фрикционом это действие (при некоторых навыках) можно выполнять рукояткой управления фрикционов.

При обработке резцом нельзя останавливать шпиндель при включенной подаче и не отведенном от детали резце (это приводит к поломке резца).

Шаг 3. Управление подачей токарного станка

Ручное управление подачей станка подразумевает подачу инструмента на небольшие длины (при обработках, настройках, подводках).

Ручное управление подачей позволяет быстро вести, прерывать и возобновлять подачу, а также мгновенно изменять ее скорость (в зависимости от изменения условий и ситуаций обработки). Ручная подача в продольном направлении приводится маховиком с горизонтальной ручкой или без нее. Вращение маховика против часовой стрелки приводит движение суппорта влево, а по часовой стрелке вправо.

Продольное перемещение суппорта на токарном станке осуществляется за счет шестеренно реечной передачи. У таких передач есть люфты или зазоры в контактах деталей и ее механизмах.

Ручное управление поперечной подачей (выполняется Т-образной рукояткой с горизонтальной ручкой). Вращение рукоятки по часовой стрелке подает салазки инструмент вперед, то есть от себя, вращение рукоятки против часовой стрелки подает инструмент к себе. На нашем станке есть ускоренное включение перемещения салазок. Существуют разные техники вращения маховика одной и двумя руками, которые применяются в зависимости от выполняемой работы на токарном станке.

Подача верхними салазками

На верхних салазках вращение рукоятки по часовой стрелке двигает салазки вперед, а вращение против часовой стрелки назад. Быстрое холостое перемещение таких рукояток можно делать за одну из ручек. При этом салазки должны быть отрегулированы на легкое перемещение. Более подробно о регулировке механизмов, салазок, токарного станка мы рассмотрим в следующем уроке по токарному делу.

Шаг 4. Управление механическими подачами

Механические подачи работают от привода через ходовой вал, а управление ими делается ручкой 4-х позиционного переключателя. Направление перемещение рукоятки переключателя соответствует направлению движения инструмента на суппорте.

Перед включением механической подачи в любом направлении нужно визуально убедиться в отсутствии у всех точек суппорта препятствий со стороны других узлов станка особенно вращающихся. Частой оплошностью начинающих токарей является попытка приблизить суппорт к патрону при сдвинутых вправо салазок, что приводит к сталкиванию. Поэтому следует проверять беспрепятственное перемещение суппорта заранее.

Нужно отработать техники ручной подачи так, чтобы не происходила остановка резца или остановка была минимальной.

Шаг №5. Ускоренная подача токарного станка

На станках имеющих ускоренную подачу необходимо соблюдать такие требования:

Для исключения случайного нажатия кнопки ускоренной подачи управление рычагом переключения подач необходимо производить приложением руки сбоку, но не сверху.

До пуска ускоренной подачи нужно надежно убедиться в отсутствии препятствий для продвижения у любых точек на суппорте, в том числе и у инструмента, в направлении, куда вы хотите подать.

Нельзя применять ускоренную подачу для коротких перемещений, особенно при подводам к вращающимся элементам.

Тяжелые суппорты средних станков имеют инерцию, которую усиливается при ускоренной подаче механизмом его привода.

Бывают совмещенные подачи токарных станков (по виду привода, по направлениям). Такие токарные станки применяются для обработки неответственных конусов (неответственных фасок) и фасонных поверхностей.

Резьбовые подачи

Для нарезания резьб подача суппорта проводится за счетсмыкания маточной гайки с ходовым винтом. Включение и выключения маточной гайки делается отдельным рычагом. Шпиндель и ходовой винт вне зависимости от настроенного шага резьбы вращаются синхронно. Изменения направления вращения шпинделя приводит к изменению направления движения суппорта. Также изменение частоты вращения шпинделя приводит к изменению скорости перемещения суппорта. Попадание резца в ранее нарезанную канавку обеспечивается синхронизацией вращения шпинделя и ходового винта и соответственно хода суппорта.

Можно нарезать, как правую, так и левую резьбу с помощью переключателя на передней бабке, который изменяет направление движения винта относительно шпинделя. При нарезании резьб, не рекомендуется увлекаться высокими оборотами шпинделя, так как его вращение напрямую связано с перемещением суппорта.

Управление задней бабкой токарного станка

Фиксация задней бабкой токарного станка выполняется рычагом, по мере рабочего хода которого, нарастает усилие прижима. При обработках с большими нагрузками, требующей лучшей фиксации задней бабкой воздействие на рычаг должно быть энергичным. Важно не спутать сопротивление рычага при зажиме с его жестким упором в конце рабочего хода. Когда задняя бабка используется с минимальными нагрузками, ее максимальная фиксация со станиной не нужна. Зажим задней бабки рационально соизмерять с предстоящей нагрузкой.

Пиноль задней бабки приводится ручной подачей путем вращения маховика. Закрепление инструмента и приспособлений в конусе пиноли производится в следующем порядке:

Проверка конусов пиноли и инструмента на отсутствие загрязнений;

Введение наружного конуса в конус пиноли и нахождение положения совпадения разъема замка в пиноли с лапкой на конусе инструмента (для инструментов, не имеющих лапки, не требуется).

Управление резцедержателем

Резцедержатель представляет из себя, достаточно точный механизм, обеспечивающий жесткость крепления резца в заданных позициях. Правильное положение рукоятки резцедержателя в зажатом виде должно соответствовать положению часовой стрелки на 3-4 часа. Это положение обеспечивается положением проставной шайбы под гайкой рукоятки резцедержателя. Зажим рычага производится средним локтевым усилием. А отжис рукоятки нельзя делать давлением своего веса во избежание потери веса. Отжим рукоятки делается одним или несколькими короткими толчками основанием ладони в направлении против часовой стрелки. Перед поворотом резцедержателя убедитесь в отсутствии препятствий для него самого и закрепленного в нем инструмента. Большую опасность представляют препятствия со стороны вращающихся элементов станка.

Неисправности токарного станка

В процессе работы любому токарю рано или поздно придется столкнутся с непредвиденными ситуациями при работе на токарном станке.

Возможные ситуации при работе на токарном станке:

Самопроизвольная остановка токарного станка во время работы, во время отключения электропитания или механической неисправности;

Сталкивания вращающихся элементов с элементами суппорта;

Проворот детали в патроне;

Вырыв детали из зажимных приспособлений токарного станка;

Неисправности токарного станка могут быть выражены в посторонних шумах, запахом горящей электропроводки и т.д.

Отлучатся от токарного станка запрещено (нельзя оставлять токарный станок без внимания).

Для экстренной остановки обработки детали следует быстро отвести резец от детали, отключить подачу, остановить шпиндель и выключить главный двигатель. При остановке шпинделе главное не включить обратные обороты, а включить именно нейтральное положение. О неисправностях токарного станка следует сразу же доложить руководству.

Обучение операторов станков с ЧПУ

В современном мире при массовом внедрении автоматизированных технологий производства особенно нуждаются в специалистах, которые могут обслуживать станки с числовым программным управлением профессионально. На сегодняшний день нехватка квалифицированных кадров создает комфортные условия для новичков на рынке труда.

На базе кафедры Технологии машиностроения создан Учебно-технический центр HAAS (HTEC), оснащенный современным оборудованием с числовым программным управлением (ЧПУ) — обрабатывающими центрами фирмы HAAS. Курсы операторов-наладчиков станков с ЧПУ HAAS дают возможность получить необходимые навыки работы со станком и программным обеспечением.

Обучение происходит в два этапа.

Изучение принципов написания программ для станков с ЧПУ, изучение базовых G кодов применяемых в токарной и фрезерной обработке, а также применение станочных циклов на станках НААS

Работа непосредственно на станке с ЧПУ HAAS, которая включает в себя запуск станка, наладку и обслуживание станка, отработку и корректировку программ на станке.

Курс подготовки рассчитан на 72 академических часа (а именно 8 рабочих дней по 6 часов в день). Обучение проводится по будним дням Пн-Пт (Сб и Вс выходные), во второй половине дня, ориентировочно с 12:00 до 18:00 (возможно с 14:00 до 20:00), (точное время согласовывается с группой). Количество слушателей в группе – 6-8 человек.

ПРОГРАММА ОБУЧЕНИЯ

1. Оборудование HAAS. технологические возможности

Ознакомление с элементами конструкции станков HAAS VF3 и HAAS ST20Y

Станочные и инструментальные устройства (ознакомление с элементами конструкций)

Работа со стойкой (файловая система, текстовый редактор, коррекция, режимы работы, настройка)

Процесс наладки (порядок включения станков, установка инструмента в магазин, замеры с помощью измерительных щупов, привязка инструмента и заготовки к системе координат станка и др.)

2. Основы программирования

Особенности разработки маршрутных технологических процессов обработки на станках с ЧПУ

Программирование обработки: основы G-кодов (FANUC ISO 6983, DIN 66025)

Программирование обработки: циклы обработки конструктивных элементов (отверстия, резьбы, карманы, канавки и т.п.)

Программирование обработки: макросы, использование системы шаблонов стойки HAAS

Методы контроля и обеспечения точности обработки на станках с ЧПУ

3. Зачетная работа

КОНТАКТЫ

Обращаться:

Координатор учебно технического центра: тел. +380 50 296 13 35 Даниил

Время работы: Пн — Пт с 11:00 до 18:00, Сб с 12:00 до 16:00, Вс — выходной.

e-mail: [email protected]

Занятия проводятся по адресу: ул. Борщаговская, 126, корп. 18, оф. 109, г. Киев, Украина., 03056

Для регистрации необходимо заполнить форму:

(перед заполнением формы связаться по контактному телефону и уточнить информацию о возможности обучения)

Правила по технике безопасности при работе на токарном станке

Рабочее место у токарного станка – это место с повышенной опасностью. Вращающиеся с огромной скоростью заготовки и части машины, отлетающая стружка, напряжение 380 Вольт представляют угрозу жизни и здоровью человека. Поэтому правила техники безопасности при токарных работах по дереву и металлу – это первое, что должен знать работник.

Скачать инструкцию по технике безопасности при работе на токарных станках

Общие положения

К токарным работам допускаются совершеннолетние лица, изучившие необходимые инструкции и получившие инструктажи: вводный и на рабочем месте.
Токарь должен быть обеспечен спецодеждой: халатом или костюмом, ботинками, очками.
Работник должен выполнять только те задания, которые были поручены мастером.
Работы производить в чистой отремонтированной спецодежде на исправных станках, к которым есть допуск.
На рабочем месте должна быть чистота и порядок.
Запрещается загромождать проходы.
Приём пищи, и курение разрешается в специально отведённых местах в определённое время.
Запрещается выполнять работы под воздействием препаратов, снижающих скорость реакции (алкоголь, наркотики, лекарства).
Токарь должен соблюдать правила личной гигиены.

Техника безопасности перед началом работы

Перед началом работы на токарном станке нужно придерживаться следующих правил техники безопасности:

Спецодежда токаря:

одежда должна быть полностью застёгнута, без свисающих частей. Особое внимание надо уделять рукавам, манжеты которых должны плотно прилегать к конечностям;
обувь должна быть плотно прилегающей, закрытой и на жёсткой подошве;
головной убор должен плотно закрывать волосы и не иметь свисающих концов;
очки должны быть необходимого размера, прозрачные, с бесцветными не повреждёнными линзами.
Готовность станка:
наличие заземления, защитных щитков, ограждений, кожухов;
наличие необходимого инструмента, а также крючков для отвода стружки, трубок и шлангов для подвода охлаждающей жидкости, щитков для отражения брызг эмульсии;
отсутствие чего-либо в патроне, корыте или на станке (стружки, заготовок, эмульсии).
отрегулировать освещение на станке.
Пробный пуск:
удостовериться, что запуск не угрожает ни чьей безопасности;
на холостом ходу проверить работоспособность всех органов управления агрегата, систему смазки и охлаждения.
Постоянный контроль:
каждый пуск станка не должен угрожать чьей-либо безопасности;
не допускать разбрызгивания масла и охлаждающей жидкости;
контролировать нахождения всех рукояток и переключателей в нейтральном положении.

ТБ во время токарных работ

Во время работы на токарном станке нужно соблюдать правила безопасности:

Контролировать надёжное закрепление заготовки, режущего инструмента и нахождение торцевого ключа в специально отведённом месте.
Устанавливать мужчинам заготовки весом больше 16 кг и женщинам более 10 кг разрешается с помощью специальных подъёмных устройств.
Следить за своевременным удалением стружки из зоны резания с помощью стружколомов, специальных крючков, щёток.
Контролировать слив охлаждающей жидкости из корыта станка.
Следить за смазкой центра задней бабки.
Запрещается:
передавать что-либо через работающий станок;
удалять стружку руками или струёй воздуха;
поддерживать и ловить отрезаемую заготовку руками;
останавливать патрон с помощью рук или предметов;
производить уборку работающего станка;
класть какие-либо предметы на станок;
работать в рукавицах или перчатках;
облокачиваться о станок;
измерять вращающуюся деталь;
смазывать детали и центры тряпкой;
отходить от работающего станка.
Необходимо:
пользоваться центрами задней бабки, если длина детали превышает 2 диаметра заготовки или при работе на высоких скоростях;
пользоваться люнетами, если длина детали превышает двенадцатикратный диаметр заготовки или при работе на высоких скоростях;
использовать специальные резцы с заточкой, если производится обработка вязких металлов;
использовать стружкоотводы при резке хрупких металлов;
пользоваться только специальными подкладками под резец соответствующего размера.

Нестандартные ситуации

Если при токарных работах по дереву или металлу появилось электрическое напряжение на металлических частях, ощущается вибрация, исчезла одна фаза, чувствуется запах дыма или возникла какая-нибудь другая опасная или нестандартная ситуация угрожающая выходом из строя оборудования или угрожающая здоровью людей, необходимо выключить станок и сообщить мастеру.

При возникновении пожара необходимо прекратить работы и приступить к тушению с помощью спецсредств.

В случае исчезновения освещения, необходимо оставаться на рабочем месте до возобновления подачи электричества.

Только строгое соблюдение правил техники безопасности при токарных работах не будет подвергать опасности жизнь и здоровье людей.

Токарный станок с ЧПУ. Как выбрать, какие СОЖ использовать?

Такие станки обрабатывают заготовку в процессе её вращения. Токарный станок создаёт из заготовки сферическую, коническую или цилиндрическую деталь. Также его применяют для нарезки резьбы или сверления отверстий.

Современные предприятия предпочитают токарную работу делать на станках с программным управлением. В этом случае вероятность получить брак в готовом изделии минимальная.

Разновидности токарных станков с ЧПУ

Универсальные станки не обладают таким широким набором функций, как устройства с ЧПУ, выполняющие какую-то конкретную операцию. Даже дешёвый токарный станок с автоматикой будет лучше справляться со своей задачей, чем универсальный агрегат.

Виды токарных станков:

Карусельные станки применяют для невысоких деталей большого диаметра. Они растачивают цилиндрические детали, вырезают канавки, убирают торцы. Деталь устанавливают на вертикальную ось – планшайбу. Если диаметр детали большой, то используется 2 стойки, на которые устанавливается режущий инструмент.
Полуавтоматические или автоматические станки по сути являются копировальными станками. Они предполагают работу со сложными формами, где нужна 100% точность. Количество резцов может различаться, автоматика позволяет наладить выпуск серийного производства деталей маленького размера.
Винторезные станки получили наибольшее распространение. Чаще всего на них делают партии небольших заказов. Установка ЧПУ на такой станок позволит увеличить количество выпускаемых деталей.

Выбор станка с ЧПУ для токарных работ

При выборе станка следует определиться с характером работ, которые от него потребуются. Если нужно сделать одну деталь раз в несколько месяцев, то лучше выбрать универсальный вариант станка. Если налажено массовое производство деталей, то отличным вариантом будет станок с ЧПУ.

При большом количестве заготовок большого диаметра выбирайте карусельный или токарно-винторезный станок. В мире довольно много достойных производителей таких станков, вот список самых популярных:

TOYODA (Япония)
SMTCL (Китай)
HAAS (США)
ANCA (Австралия)
HEDELIUS (Германия)
Biglia (Италия)
AVIA (Польша)
TORNOS (Швейцария)
CIDAN (Швеция)
TRENS (Словакия)

Как работать на токарном станке с ЧПУ?

Для получения навыков работы с токарным станком можно использовать специальные компьютерные программы. Они работают по принципу симулятора. Ученик может попробовать работу станка в разных режимах, таким образом, изучит принцип работы и основные кнопки управления. Перед допуском к настоящему станку следует пройти подготовку на симуляторе.

Работает станок следующим образом: деталь вращается, и под воздействием режущего инструмента происходит изменение ее формы. Если работа осуществляется вручную, то мастер полагается на свой опыт и умение, а вот в станках с ЧПУ достаточно задать необходимые параметры и деталь будет выполнена точно, в соответствии с чертежом. Здесь опыт токаря не имеет такого существенного значения. Главное умение работать с ЧПУ: правильно задать настройки, выбрать верный режим работы.

На станках с ЧПУ повышена система безопасности. Если возникнет сбой и возникнет угроза здоровью персонала, то произойдет моментальное отключение станка.

Какие СОЖ использовать?

При обработке заготовок из различных видов металлов стоит подобрать и купить соответствующую смазочно-охлаждающую жидкость. Наши специалисты помогут вам в этом.

Подробная информация о СОЖ для токарных станков доступна по ссылке. Если появятся вопросы, вы всегда можете заказать бесплатную консультацию.

В нашем ассортименте смазки производимые в Германии на заводе Zeller+Gmelin. Завод обладает собственной лабораторией и центром разработки и уже более 100 лет обеспечивает крупнейшие металлообрабатывающие производства по всему миру.

Вас заинтересуют

Ваш вопрос успешно отправлен. Спасибо!

Закрыть

Разновидности токарных станков с ЧПУ

Виды токарных станков:

Карусельные станки применяют для невысоких деталей большого диаметра. Они растачивают цилиндрические детали, вырезают канавки, убирают торцы. Деталь устанавливают на вертикальную ось – планшайбу. Если диаметр детали большой, то используется 2 стойки, на которые устанавливается режущий инструмент.
Полуавтоматические или автоматические станки по сути являются копировальными станками. Они предполагают работу со сложными формами, где нужна 100% точность. Количество резцов может различаться, автоматика позволяет наладить выпуск серийного производства деталей маленького размера.
Винторезные станки получили наибольшее распространение. Чаще всего на них делают партии небольших заказов. Установка ЧПУ на такой станок позволит увеличить количество выпускаемых деталей.

Выбор станка с ЧПУ для токарных работ

TOYODA (Япония)
SMTCL (Китай)
HAAS (США)
ANCA (Австралия)
HEDELIUS (Германия)
Biglia (Италия)
AVIA (Польша)
TORNOS (Швейцария)
CIDAN (Швеция)
TRENS (Словакия)

Как работать на токарном станке с ЧПУ?

Какие СОЖ использовать?

15.01.32 Оператор станков с программным управлением

Формы получения образования и сроки подготовки

Уровень образования: среднее профессиональное (подготовка специалистов среднего звена)
Форма обучения	Квалификация выпускника	Нормативный срок обучения
		На базе основного общего образования (11 классов)
Очная	Оператор станков с программным управлением, Станочник широкого профиля	10 месяцев
Срок действия государственной аккредитации: до 23.03.2026 года

Аннотация к основной образовательной программе

Федеральный государственный образовательный стандарт среднего профессионального образования

Примерная основная образовательная программа

Профессиональный стандарт Наладчик обрабатывающих центров с числовым программным управлением

Техническое описание компетенции WSR Токарная обработка на станках с ЧПУ Токарная обработка на станках с ЧПУ

Техническое описание компетенции WSR Фрезерные работы на станках с ЧПУ

Что я буду уметь?

1. Изготавливать детали самой разной сложности и точности из заготовок на станках с программным управлением.

2. Осуществлять программирование станка, т.е. написание управляющей программы и перенос её на станок с программным управлением.

3. Эффективно вести процесс изготовления с применением современных систем автоматизированного проектирования.

Где я смогу работать?

Машиностроительные предприятия, в частности: в городе Екатеринбурге: ПАО «Машиностроительный завод им. Калинина», ОАО Уральское производственное предприятие «Вектор», ОАО «Уралтрансмаш», ФГУП «Уральский Электромеханический Завод», ОАО «Уральский приборостроительный завод», ОАО «Пневмостроймашина», ООО «Вторчермет НЛМК Урал», АО «Научно-производственной фирмы «ЮВЭНК», АО «ПО «Уральский оптико-механический завод им.Э.С.Яламова», АО «Уральский турбинный завод» и т.д.

Где я смогу продолжить обучение, если захочу?

Высшее образование: специальности, связанные с механической обработкой металла и изготовлением изделий на станках с программным управлением. Например, направление 15.03.05 «Конструкторско-технологическое обеспечение машиностроительных производств» в Институте новых материалов и технологий ФГАОУ ВО «Уральского федерального университета им. первого Президента России Б.Н. Ельцина» (4 года очно, 5 лет очно-заочно/заочно, прикладной бакалавриат, есть бюджет). Или иные направления и специальности.

Повышение профессионального мастерства: обучение у наставников по изготовлению высокоточных деталей сложной формы ответственного назначения.

Почему мне стоит поступать именно в «Уральский политехнический колледж – МЦК»?

Образовательная программа предусматривает значительное число часов практики на металлообрабатывающем оборудовании. Парк оборудования колледжа имеет в составе участок новых современных станков с ЧПУ фрезерной и токарно-фрезерной группы, обрабатывающие центры DMC 1035eco V.

Нашими преподавателями подготовлены призеры Национального чемпионата «Молодые профессионалы» («WorldSkills Russia»)

Как долго мне придётся учиться?

на базе 11 классов – 10 месяцев.

Какие социальные гарантии и льготы действуют для студентов?

Стипендия, общежитие, тренажёрный зал, столовая, участие во всероссийских и международных конкурсах и чемпионатах, центр коллективного творчества, льготный проезд на междугороднем железнодорожном транспорте (электрички и поезда).

<< Назад

Что такое ЧПУ станок — системы ЧПУ на станках ⭐ АО КоСПАС

Содержание:

Системы ЧПУ для станков: просто о сложном

Немного истории

NC — это не Norton Commander

Классификация современных систем ЧПУ

Его величество компьютер нуждается в программе

«G»« и «M» коды в программах для станков с ЧПУ

Методы создания и структура управляющих программ

Системы ЧПУ всемирно признаннных лидеров отрасли

Системы ЧПУ для станков: просто о сложном

Многое из того, что мы видим в окружающем нас материальном мире, изготовлено при помощи станков с числовым программным управлением (ЧПУ). Использование возможностей электроники и вычислительной техники для эффективного и оптимального управления промышленным оборудованием позволило повысить производительность труда и качество выпускаемой продукции. А при массовом производстве — значительно снизить затраты на ее изготовление.

О том, как избавиться от однообразной и монотонной работы, и поручить ее каким-либо «умным» механизмам, человечество задумалось давно. Задолго до появления кибернетики и электронно-вычислительных машин. Еще в начале XVIII века прообраз станка с ЧПУ создал изобретательный француз Жозеф Жаккар. Изготовленный им механизм ткацкого станка управлялся куском картона, в котором в нужных местах были сделаны отверстия. Чем не перфокарта с программой?

Немного истории

Однако современный этап истории станков с ЧПУ начался лишь спустя полтора столетия после изобретения Жаккара, в Соединенных Штатах Америки. После окончания второй мировой войны, в конце 40-х годов, Джон Пэрсонс — сын владельца компании Parsons Incorporated, попытался управлять станком при помощи специальной программы, которая вводилась с перфокарт. Какого-либо положительного результата Пэрсонс не достиг, поэтому обратился за помощью к специалистам в Массачусетский технологический институт.

Улучшать представленную их вниманию конструкцию сотрудники институтской лаборатории сервомеханики не стали, и про Пэрсонса быстро забыли. А про его идеи – нет. Создав собственную конструкцию, они инициировали покупку институтом компании, которая выпускала фрезерные станки. После чего руководство Массачусетского технологического института заключило контракт с Военно-воздушными силами США. В контракте шла речь о создании высокопроизводительных станков нового типа для обработки пропеллеров фрезерованием.

Управление работой фрезерного станка, который собрали сотрудники лаборатории в 1952 году, производилось по программе, считываемой с перфоленты. Эта конструкция оказалась слишком сложной, и желаемый результат достигнут не был. Однако история получила огласку, сведения о новой разработке попали в печать и вызвали большой интерес конкурентов. Свои разработки в данном направлении одновременно начали несколько известных фирм.

Наибольшего успеха добились конструкторы компании BendixCorporation. Выпущенное компанией Bendix NC-устройство c 1955 года пошло в серию и уже реально применялось для управления работой фрезерных станков. Новинка приживалась трудно, но благодаря заинтересованности и финансовой помощи военного ведомства, за два года было выпущено более 120 станков ЧПУ, которые существенно повысили производительность труда и точность выполнения станочных работ.

Уже тогда были отмечены бесспорные преимущества NC-системы числового управления станками: существенный прирост производительности труда и значительно более высокая точность обработки поверхностей. Но по-настоящему революционные изменения в области станков с ЧПУ состоялись, когда в качестве «умного» модуля, управляющего работой станков, были использованы специально разработанные микропроцессоры и микроконтроллеры. Технический термин «CNC», которым стали обозначать эти системы за рубежом, является аббревиатурой английских слов ComputerNumericalControl.

NC – это не Norton Commander

Изучая историю совершенствования «умных» ЧПУ станков, которые за рубежом когда-то обозначались аббревиатурой латинских букв «NC», студенты прошлых лет часто путали это понятие с популярной в те годы компьютерной программой-оболочкой. На самом деле сокращение NC произошло от английских слов NumericControl. Числовое управление было тогда весьма примитивным, и программа действий станка могла выглядеть как множество специальных штекеров, расположенных на контактном наборном поле.

Кстати, одна из первых советских транзисторных вычислительных машин для инженерных расчетов «Проминь», появившаяся в начале 60-х годов прошлого века, программировалась подобным образом. В то время управляющий модуль ЧПУ станка не мог должным образом реагировать на отклонения процесса обработки от расчетного, если такая ситуация происходила. Управляющие адаптивные микропроцессорные системы появились значительно позднее.

Со временем, по мере того, как совершенствовались электроника и вычислительная техника, в помощь новому поколению станков были приданы «думающие» управляющие модули на микропроцессорах и микроконтроллерах. Вот они-то и смогли обеспечить гибкое многовариантное управление процессом резания. И не только это. Такие системы получили более звучный титул «CNC», что по-английски звучит как ComputerNumericalControl. Наш термин ЧПУ оказался более универсальным, и его менять не пришлось.

Классификация современных систем ЧПУ

Системы управления и станки с числовым программным обеспечением настолько сложны, что их невозможно классифицировать по какому-то одному признаку. Основные характеристики систем ЧПУ позволяют систематизировать их следующим образом:

1.В зависимости от способа управления исполнительными механизмами станка:

● Позиционные. Здесь инструмент в соответствии с программой ЧПУ движется от одной точки, в которой производится необходимая операция с заготовкой, к другой, где также выполняется обработка, Во время перемещения инструмента никакие другие операции не выполняются.

● Контурные, в которых обработка может производиться по всей траектории движения инструмента.

● Универсальные – системы ЧПУ, в которых могут применяться оба принципа управления.

2.По возможностям и способу позиционирования:

● Абсолютный отсчет – местоположение подвижного механизма станка ЧПУ всегда определяется по расстоянию от начала координат.

● Относительный отсчет при позиционировании осуществляется приращением дополнительного пути к координатам предыдущей точки, которая временно принимается за начало координат. Затем началом координат считается следующая достигнутая точка.

3. По наличию или отсутствию обратной связи в контуре управления ЧПУ:

● Разомкнутые – («открытого» типа). Перемещение исполнительных элементов производится по командам, содержащимся в программе. Информация о фактически достигнутых координатах отсутствует.

● Замкнутого типа (закрытые). В системах ЧПУ этого типа координаты положения исполнительных механизмов постоянно контролируется.

● Самонастраивающиеся («закрытые» повышенной точности). Более совершенная система, которая запоминает поступающие сведения о расхождении заданных и фактических координат исполнительного элемента, отрабатывает их, и корректирует новые команды с учетом изменившихся условий.

4.Поколение. В зависимости от технического уровня используемых микропроцессоров, микроконтроллеров или управляющих ПК, различают системы ЧПУ 1-го, 2-го и 3-го поколения.

5. Количество координатных осей. Различные станки, оборудованные ЧПУ, могут поддерживать режимы работы с различным количеством координатных осей – от двух до пяти. Например, если при движении заготовки на фрезерном станке (3 координаты – X,Y,Z), она одновременно может поворачиваться вокруг своей оси, такой станок называют 4-координатным. Простейшие сверлильные и односуппортные токарные станки имеют две координатные оси.

Его величество компьютер нуждается в программе

В отличие от стандартного персонального компьютера, который является универсальным устройством для обработки информации и способен работать с любыми данными, представленными в цифровом виде, микропроцессор, используемый в конструкции многих станков с ЧПУ, — устройство специализированное. Он не содержит ничего лишнего, и весь набор его функций предназначен для выполнения главной задачи – контроля состояния всех исполнительных органов станка и управления их работой по специальной программе. Чтобы управлять особо сложными современными станками, применяют более производительные и многозадачные устройства – промышленные компьютеры.

Одной из самых важных характеристик, которая позволяет судить о производительности и технических возможностях станка и управляющей его работой системы, является количество «осей». Иначе говоря, — каналов взаимодействия с объектом, управляемых параметров. Однако в любом случает, независимо от того, микропроцессор какого уровня сложности и архитектуры установлен в данном управляющем контроллере, для его работы нужна предварительно подготовленная программа. В которой должны быть точно и последовательно описаны все действия механизмов станка ЧПУ, необходимые для изготовления или обработки требуемой детали.

При работе станков с ЧПУ используется два вида программ:

● Системные (служебные) программы, которые хранятся в ПЗУ (постоянном запоминающем устройстве системы). Они обеспечивают начальный этап работы контроллера после включения, отвечают за настройку станка и всей системы ЧПУ, ее способность понимать команды оператора и взаимодействовать с внешними устройствами.

● Управляющие – внешние программы. Содержат набор команд и инструкций для исполнительных органов станка. Управляющие программы (УП) в контроллер может пошагово вводить оператор, возможен ввод с внешних носителей информации, а в современных системах программы могут поступать прямо с компьютеров разработчиков ПО через компьютерную сеть предприятия.

Заменив человека, который до наступления эры станков с ЧПУ сам успешно справлялся с изготовлением нужных деталей, программируемый блок управления, он же – контроллер, должен обеспечить требуемый результат, пошагово включая и выключая механизмы передвижения стола, заготовки и инструментального магазина, меняя режимы вращения или скорость поступательного движения заготовки. В результате выполнения программы должна быть получена деталь, полностью соответствующая заданию по размерам и чистоте обработки поверхностей.

Компании, которые стояли у истоков разработки и производства систем CNC, на первом этапе программировали свои станки при помощи собственных, специально разработанных команд. Если бы при таком подходе на производство попали станки с ЧПУ от разных производителей, подготовка программ для их работы была бы трудно выполнимой задачей. Чтобы попытаться обеспечить программную и техническую совместимость оборудования различных брендов, язык создания программ для станков с ЧПУ был унифицирован.

Базовым управляющим кодом для подготовки программ стал набор команд, разработанный специалистами компании Electronic Industries Alliance в 60-е годы прошлого столетия. Это так называемый язык «G» и «M» кодов, который чаще называют просто G-кодом (G-code). Принятые в этом языке обозначения подготовительных и основных функций начинаются с латинской буквы «G», а обозначение дополнительных – технологических команд – с буквы «M».

«G»« и «M» коды в программах для станков с ЧПУ

По стандарту все команды, код которых начинается с буквы «G», предназначены для линейного или кругового передвижения рабочих органов станка ЧПУ, выполнения определенных последовательностей действий, функций управления инструментами, сменой параметров координат и базовой плоскости. Синтаксис команды обычно состоит из наименования G-кода, координат или адресов перемещений (X, Y, Z) и заданной скорости движения рабочего органа, обозначаемой буквой «F».

В команду ЧПУ может быть включен параметр, описывающий продолжительность паузы, так называемую выдержку – «P», указание о параметрах вращения шпинделя – «S», значение радиуса – «R», функцию коррекции инструмента – «D», а также параметры дуги «I», «J» и «K».

Например: G01 X0 Y0 Z110 F180; G02 X20 Y20 R5 F200; G04 P1000.

В первом примере код G01 обозначает «линейную интерполяцию» — прямолинейное перемещение с указанной скоростью (F) к заданной точке с координатами (X,Y,Z). Во втором примере указан код G02, который описывает дугообразное перемещение (круговая интерполяция). При этом код G02 соответствует перемещению в направлении вращения часовой стрелки, а его антипод G03 — против. В третьем примере содержится код команды, описывающий время задержки в миллисекундах.

Технологические команды, обозначаемые буквой «M», отвечают за включение или отключение определенных систем станка ЧПУ, смену инструмента, начало или окончание какой-либо специальной подпрограммы, другие вспомогательные действия.

Например: M3 S2000; M98 P101; M4 S2000 M8.

Здесь в первом примере указана команда о начале вращения шпинделя со скоростью «S». Во втором – распоряжение о вызове указанной подпрограммы «P». Третий пример описывает команду о включении основного охлаждения (M8) при вращении шпинделя со скоростью (S) в направлении против часовой стрелки (M4).

Методы создания и структура управляющих программ

Современное оборудование позволяет создавать программы для работы станков с ЧПУ несколькими способами:

● Написание программы вручную или в текстовом редакторе ПК. Необходимый этап в подготовке специалистов для работы на станках с ЧПУ. Подходит также как основной способ программирования на производствах, где в течение длительного времени выпускают несколько простых деталей, не прибегая к перестройке оборудования.

● Составление и ввод программы на стойке ЧПУ. Пульт управления большинства современных систем управления содержит клавиатуру и дисплей, что позволяет программировать и просматривать виртуальную имитацию процесса обработки непосредственно на рабочем месте. Многие системы позволяют производить ввод программ в «фоновом» режиме, когда станок занят обработкой заданной детали.

● Использование возможностей CAD-CAM систем компьютеризированной подготовки производства. Специальное программное обеспечение позволяет создать трехмерную модель детали, рассчитать и подготовить программу для ее производства. А также виртуально «изготовить» требуемую деталь, используя реальные данные о кинематике конкретного станка ЧПУ. Этот метод позволяет создавать управляющие программы быстро и точно, практически исключить ошибки программирования и связанную с этим порчу заготовок. Особенно высока эффективность данного способа при создании УП для изготовления особо сложных деталей.

Структурно программа в G-кодах состоит из кадров. Так называют группы команд, которые предназначены для совершения какого-либо завершенного действия. Кадры могут состоять и из одной команды. Об окончании каждого «кадра» сообщает знак перевода строки (ПС/LF). Каждая программа начинается с пустого «кадра», который состоит их знака «%», а заканчивается кодами М02 или М30, обозначающими соответственно финиш программы ЧПУ или окончание имевшегося в памяти информационного блока.

Указанная структура и язык подготовки программ для оборудования с ЧПУ закреплены в международных стандартах RS2740, ISO-6983-1.82, а также ГОСТ СССР 20999-83. Отечественные профильные специалисты часто используют обозначение «ИСО-7 бит», которое закрепилось за программами в G-кодах еще со времен СССР. Программисты компаний, которые разрабатывают и производят станки с ЧПУ, при подготовке программного обеспечения обязаны придерживаться требований мировых стандартов.

В некоторых случаях, когда разработчики наделяют свои системы дополнительными возможностями и некоторыми специальными функциями, могут иметь место определенные отклонения программного обеспечения от стандарта создания программ в G и M кодах. В таких случаях следует внимательно изучить документацию, которая должна быть предоставлена производителем оборудования.

Системы ЧПУ всемирно признанных лидеров отрасли

Программное обеспечение для цифровой управляющей системы SINUMERIK, которую выпускает всемирно известная корпорация SIEMENS AG, также базируется на G и M кодах, но содержит и некоторые дополнительные команды, не включенные в стандарт. Современные полностью цифровые системы ЧПУ на базе платформы Sinumerik 840D используются на самых сложных процессах металлообработки, требующих высокой точности и быстродействия.

Многовариантность и гибкость программирования в G и M кодах учтена создателями программных станций и передовых систем ЧПУ HEIDENHAIN. Эта немецкая компания успешно работает в направлении модернизации устаревших станков NC за счет установки новых управляющих систем. Универсальные программные станции от компании Heidenhaih позволяют не только создавать необходимые программы обработки на персональных компьютерах, но и тестировать ПО, подготовленное при помощи CAD-CAM систем.

Системы управления ЧПУ, которые производит японская компания FANUC, известны во всем мире и используются на многих предприятиях. Очень популярны стойки ЧПУ от FANUK LTD и в России. Специалисты этой корпорации одними из первых адаптировали работу своих систем под программы в G и M кодах, и сумели организовать работу самых сложных систем строго в рамках стандарта программирования. Распространенные стойки FANUK серии 0i рассчитаны на работу с 6-8 управляемыми осями (одновременное управление – 4 оси). Стойки серий 30i-35i позволяют производить высокоточную обработку на наивысших скоростях, и являются пока недостижимым ориентиром для многих конкурентов.

Успешно работает в России и странах СНГ испанская компания FAGOR AUTOMATION. Ее последние разработки, к которым относится ЧПУ FAGOR CNC 8070, полностью совместимы с
персональным компьютером, имеют феноменальные возможности и могут управлять самыми сложными станками. Возможно управление по 28 (!) интерполируемым осям (4 канала одновременно), может поддерживать по 4 шпинделя и инструментальных магазина. Создатели системы гарантируют скоростную обработку, нанометрическую точность и высочайшую чистоту обработки поверхности.

Приятно отметить, что наряду с иностранными компаниями на рынке разработки и производства систем управления для станков с ЧПУ с 1998 года успешно работает российская компания «БАЛТ-СИСТЕМ». Специалисты считают, что при модернизации устаревшего оборудования выгоднее всего устанавливать системы от «Балт-Систем», так как они в несколько раз дешевле импортных, вполне надежны и функциональны. На российских предприятиях успешно работают и отлично себя зарекомендовали устройства ЧПУ NC-210, NC-220, NC-230. Самые сложные обрабатывающие центры и высокоскоростные многосуппортные станки могут работать под управлением стойки NC-110, которая на сегодня является лучшей в соотношении цена-качество.

Станки с ЧПУ прочно вошли в нашу жизнь и стали незаменимыми помощниками человека в производственной деятельности. Без этих систем было бы невозможно изготавливать многие, успевшие стать привычными и обыденными вещи. Причем все необходимые детали станки под управлением ЧПУ обрабатывают быстро и качественно, с недостижимой ранее точностью, а при массовом производстве – невероятно низкой себестоимостью. Дальнейшее развитие систем ЧПУ идет по пути объединения отдельных станков в производственные комплексы, удешевления процесса подготовки производства и снижения стоимости управляющих систем. Пожелаем разработчикам успеха!

Автор статьи: зам. генерального директора АО «КоСПАС» по производству А.Ю. Парфенов

Обучение работе с интеллектуальными машинами

Вкратце об идее

Проблема

Наплыв интеллектуальных машин и сложной аналитики во многие аспекты работы означает, что стажеры теряют возможность приобретать навыки посредством обучения на рабочем месте (OJL).

Результат

В медицине, полиции и других областях люди находят способы, нарушающие правила, чтобы получить необходимый опыт вне поля зрения. Такое «теневое обучение» допустимо из-за результатов, которые оно дает, но оно может привести к личным и организационным потерям.

Решение

В ответ организациям следует тщательно раскрывать и изучать теневое обучение; адаптировать практики, которые развивают организационные, технологические и рабочие проекты, улучшающие OJL; и сделать интеллектуальные машины частью решения.

6:30 утра, Кристен везет свою пациентку с простатой в операционную. Она старший ординатор, обучающийся хирург. Сегодня она надеется провести деликатное нервосберегающее рассечение самостоятельно.Лечащий врач находится рядом с ней, и их четыре руки в основном находятся в пациенте, а Кристен идет впереди под его бдительным руководством. Работа идет гладко, медперсонал отступает, и Кристен закрывает пациента к 8:15, а младший ординатор смотрит через ее плечо. Она позволяет ему наложить последнюю линию швов. Она чувствует себя прекрасно: с пациентом все будет в порядке, и она лучший хирург, чем была в 6:30.

Перенесемся на шесть месяцев вперед. Снова 6:30 утра, и Кристен везет еще одного пациента в операционную, но на этот раз для роботизированной хирургии простаты.Дежурный ведет установку тысячи фунтов робота, прикрепляя каждую из своих четырех рук к пациенту. Затем он и Кристен занимают свои места у пульта управления в 15 футах от них. Они спиной к пациенту, и Кристен просто наблюдает, как обслуживающий персонал дистанционно манипулирует руками робота, осторожно втягивая и рассекая ткани. Используя робота, он может проделать всю процедуру сам, и в основном он это делает. Он знает, что Кристен нужна практика, но он также знает, что она будет медленнее и сделает больше ошибок.Так что ей повезет, если она проработает более 15 минут во время четырехчасовой операции. И она знает, что если она поскользнется, он коснется сенсорного экрана и возобновит управление, публично запретив ей смотреть со стороны.

Хирургия может быть экстремальной работой, но до недавнего времени обучающиеся хирурги изучали свою профессию так же, как большинство из нас учились выполнять свою работу: мы наблюдали за экспертом, сначала выполняли более легкую работу, а затем переходили к более сложной, часто более рискованной. задачи под тщательным контролем, пока мы сами не стали экспертами.Этот процесс носит множество названий: ученичество, наставничество, обучение на рабочем месте (OJL). В хирургии это называется Посмотри один, сделай один, научи другого.

Каким бы важным это ни было, компании склонны воспринимать обучение на рабочем месте как должное; он почти никогда не финансируется и не управляется формально, и лишь немногие из примерно 366 миллиардов долларов, потраченных компаниями во всем мире на формальное обучение в 2018 году, непосредственно на него не обращались. Тем не менее, десятилетия исследований показывают, что, хотя обучение, проводимое работодателем, важно, львиную долю навыков, необходимых для надежного выполнения конкретной работы, можно получить, только выполняя ее.Большинство организаций сильно зависят от OJL: исследование Accenture 2011 года, последнее в своем роде и масштабе, показало, что только каждый пятый работник приобрел какие-либо новые профессиональные навыки посредством формального обучения за предыдущие пять лет.

Сегодня OJL находится под угрозой. Безудержное внедрение сложной аналитики, искусственного интеллекта и робототехники во многие аспекты работы в корне подрывает этот проверенный временем и эффективный подход. Десятки тысяч людей будут терять или получать работу каждый год, поскольку эти технологии автоматизируют работу, а сотням миллионов людей придется осваивать новые навыки и методы работы.Тем не менее, многочисленные свидетельства показывают, что внедрение компаниями интеллектуальных машин часто блокирует этот критически важный путь обучения: мы с коллегами обнаружили, что это уводит стажеров от возможностей обучения, а экспертов от работы и перегружает как старых, так и новых. методы одновременно.

Джон В. Томак

Как же тогда сотрудники будут учиться работать рядом с этими машинами? Ранние признаки появляются при наблюдении за учащимися, которые занимаются оспаривающими нормы практиками, которые преследуются вне поля зрения и терпимы из-за результатов, которые они дают.Я называю этот широко распространенный и неформальный процесс теневым обучением.

Препятствия к обучению

Мое открытие теневого обучения произошло в результате двух лет наблюдения за хирургами и хирургами-ординаторами в 18 лучших клиниках США. Я изучал обучение и тренинг в двух условиях: традиционная («открытая») хирургия и роботизированная хирургия. Я собрал данные о проблемах, с которыми роботизированная хирургия сталкивается перед старшими хирургами, ординаторами, медсестрами и техниками по чистке зубов (которые готовят пациентов, помогают хирургам носить перчатки и халаты, передавать инструменты и т. Д.), Уделяя особое внимание тем немногим пациентам, которые находили новые, -разрушающие способы учиться.Хотя это исследование было сосредоточено на хирургии, моей более широкой целью было выявить динамику обучения и тренировки, которая будет проявляться во многих видах работы с интеллектуальными машинами.

С этой целью я связался с небольшой, но растущей группой полевых исследователей, которые изучают, как люди работают с интеллектуальными машинами в таких условиях, как интернет-стартапы, полицейские организации, инвестиционный банкинг и онлайн-образование. Их работа демонстрирует динамику, подобную той, которую я наблюдал в хирургическом обучении.Опираясь на их разрозненные исследования, я выявил четыре распространенных препятствия на пути приобретения необходимых навыков. Эти препятствия приводят к теневому обучению.

1. Стажеры отодвигаются от своего «учебного края».

Обучение людей любому виду работы может повлечь за собой расходы и снизить качество, потому что новички работают медленно и совершают ошибки. По мере того, как организации внедряют интеллектуальные машины, они часто справляются с этим, сокращая участие обучаемых в рискованных и сложных частях работы, как обнаружила Кристен.Таким образом, обучаемых удерживают от ситуаций, в которых они борются за пределы своих возможностей и восстанавливаются после ошибок с ограниченной помощью — требование для обучения новым навыкам.

То же явление можно наблюдать в инвестиционном банкинге Каллен Энтони из Нью-Йоркского университета обнаружил, что младшие аналитики в одной фирме все больше отделяются от старших партнеров, поскольку эти партнеры интерпретируют оценки компаний с помощью алгоритмов при слияниях и поглощениях. Младшим аналитикам было поручено просто извлечь необработанные отчеты из систем, которые собирали в Интернете финансовые данные об интересующих компаниях, и передать их старшим партнерам для анализа.Неявное обоснование этого разделения труда? Во-первых, снизить риск того, что молодые люди совершат ошибку, выполняя сложную работу рядом с заказчиком; и, во-вторых, максимизировать эффективность старших партнеров: чем меньше времени им нужно на объяснение работы младшим сотрудникам, тем больше они могут сосредоточиться на анализе более высокого уровня. Это обеспечило некоторый краткосрочный прирост эффективности, но отодвинуло младших аналитиков от сложной сложной работы, усложнив им освоение всего процесса оценки и уменьшив возможности фирмы в будущем.

2. Эксперты отстраняются от работы.

Иногда интеллектуальные машины переходят между стажерами и работой, а иногда они используются таким образом, чтобы эксперты не могли выполнять важную практическую работу. В роботизированной хирургии хирурги не видят тело пациента или робота на протяжении большей части процедуры, поэтому они не могут напрямую оценивать его критические части и управлять ими. Например, в традиционной хирургии хирург должен четко осознавать, как устройства и инструменты воздействуют на тело пациента, и соответствующим образом корректировать; но в роботизированной хирургии, если рука робота ударится по голове пациента или скраб собирается поменять роботизированный инструмент, хирург не узнает, пока кто-нибудь не скажет ему.Это имеет два следствия для обучения: хирурги не могут самостоятельно практиковать навыки, необходимые для целостного осмысления работы, и они должны развивать новые навыки, связанные с осмыслением работы через других.

Бенджамин Шестакофски, ныне работающий в Университете Пенсильвании, описал похожее явление в стартапе перед IPO, который использовал машинное обучение, чтобы подбирать рабочих мест для местных рабочих, и предоставил платформу для рабочих и тех, кто их нанимал, для обсуждения условий. Сначала алгоритмы не соответствовали друг другу, поэтому менеджеры в Сан-Франциско наняли людей на Филиппинах, чтобы они вручную создавали каждое совпадение.А когда у рабочих возникли трудности с платформой — например, при ее использовании для предоставления ценовых предложений тем, кто нанимает, или для структурирования платежей — менеджеры стартапов передали необходимую поддержку еще одной распределенной группе сотрудников в Лас-Вегасе. Учитывая их ограниченные ресурсы, менеджеры занимались этими проблемами, чтобы выиграть время, в то время как они искали деньги и дополнительных инженеров, необходимых для совершенствования продукта. Делегирование позволило менеджерам и инженерам сосредоточиться на развитии бизнеса и написании кода, но лишило их критических возможностей для обучения: оно отделяло их от прямого, регулярного участия клиентов — рабочих и нанимающих подрядчиков — о проблемах, с которыми они сталкивались, и функции, которые они хотели.

Внедрение ИИ в компании может отвлечь стажеров от возможностей обучения.

3. Ожидается, что учащиеся овладеют как старыми, так и новыми методами.

Роботизированная хирургия включает в себя радикально новый набор методов и технологий для достижения тех же целей, что и традиционная хирургия. Обещая большую точность и эргономичность, его просто добавили в учебную программу, и ожидалось, что жители будут изучать роботизированный подход, а также открытый подход.Но в учебный план не входило достаточно времени, чтобы тщательно изучить и то, и другое, что часто приводило к худшему исходу: резиденты не усваивали ни то, ни другое. Я называю эту проблему методологической перегрузкой.

Шрихарш Келкар из Калифорнийского университета в Беркли обнаружил, что нечто подобное произошло со многими профессорами, которые использовали новую технологическую платформу под названием edX для разработки массовых открытых онлайн-курсов (МООК). EdX предоставил им набор инструментов для разработки курсов и инструкций, основанных на детальном алгоритмическом анализе взаимодействия студентов с платформой (клики, публикации, паузы при воспроизведении видео и т. Д.).Тем, кто хотел разработать и улучшить онлайн-курсы, пришлось изучить множество новых навыков — как ориентироваться в пользовательском интерфейсе edX, интерпретировать аналитические данные о поведении учащихся, составлять проектную команду курса и управлять ею и многое другое — сохраняя при этом навыки «старой школы». острый для обучения своим традиционным занятиям. Всем было трудно справиться с этим напряжением, особенно потому, что подходы постоянно менялись: новые инструменты, показатели и ожидания появлялись почти ежедневно, и инструкторам приходилось быстро их оценивать и осваивать.Единственные люди, которые хорошо справлялись как со старыми, так и с новыми методами, были теми, кто уже был технически сложным и располагал значительными организационными ресурсами.

4. Стандартные методы обучения считаются эффективными.

Десятилетия исследований и традиций удерживают стажеров в медицине до Увидеть один, сделать один, обучить одному методу , но, как мы видели, он плохо адаптируется к роботизированной хирургии. Тем не менее, необходимость полагаться на одобренные методы обучения настолько сильна, что отклонения от них случаются редко: исследования в области хирургического обучения, стандартные процедуры, политика и старшие хирурги продолжают делать упор на традиционные подходы к обучению, даже несмотря на то, что метод явно нуждается в обновлении для роботизированной хирургии.

Сара Брейн из Техасского университета обнаружила аналогичное несоответствие между методами обучения и потребностями начальников и офицеров полиции в Лос-Анджелесе, когда они пытались применить традиционные полицейские подходы для выполнения заданий, генерируемых алгоритмом. Хотя эффективность такой «прогнозирующей полицейской деятельности» неясна, а ее этика вызывает споры, десятки полицейских сил все больше полагаются на нее. Система PredPol полиции Лос-Анджелеса разбивает город на 500-футовые квадраты, или «ящики», присваивает каждому из них вероятность преступления и соответствующим образом направляет офицеров к этим ящикам.Брейн обнаружил, что офицерам или начальникам полиции не всегда было очевидно, когда и как им следует выполнять свои задания, управляемые ИИ. В полицейской деятельности традиционной и уважаемой моделью для освоения новых техник было сочетание небольшого формального обучения с большим количеством старомодного обучения в такт. Поэтому многие руководители предполагали, что офицеры в основном научатся учитывать прогнозы преступности на работе. Эта зависимость от традиционного OJL способствовала замешательству и сопротивлению этому инструменту и его руководству.Начальники не хотели указывать офицерам, что им делать однажды «в коробке», потому что хотели, чтобы они полагались на свои практические знания и рассудительность. Они также не хотели раздражать офицеров, открыто сокращая их автономию и выступая в роли микроменеджеров. Но, полагаясь на традиционный подход OJL, они непреднамеренно саботировали обучение: многие офицеры никогда не понимали, как использовать PredPol и его потенциальные преимущества, поэтому они полностью отклонили его, но все равно несли ответственность за выполнение его заданий.Это напрасная трата времени, снижение доверия и привело к недопониманию и ошибочному вводу данных — все это подорвало их работу полиции.

Ответы теневого обучения

Столкнувшись с такими препятствиями, теневые ученики изменяют или нарушают правила вне поля зрения, чтобы получить необходимые инструкции и опыт. Мы не должны удивляться. Около ста лет назад социолог Роберт Мертон показал, что, когда законные средства перестают быть эффективными для достижения ценной цели, возникают отклонения.Опыт — возможно, конечная профессиональная цель — не является исключением: учитывая описанные мною препятствия, мы должны ожидать, что люди найдут нестандартные способы овладения ключевыми навыками. Их подходы часто гениальны и эффективны, но они могут нанести личный и организационный урон: теневые ученики могут быть наказаны (например, потеряв возможности и статус для практики) или могут нанести ущерб и даже причинить вред. Тем не менее, люди постоянно идут на этот риск, потому что их методы обучения работают хорошо там, где одобренные средства терпят неудачу.Почти всегда плохая идея — некритически копировать эти девиантные методы, но организациям нужно учиться на них.

Ниже приведены практики теневого обучения, которые я и другие наблюдали:

Ищу борьбы.

Напомним, что у стажеров-хирургов-роботов часто остается мало времени на выполнение задания. Теневые ученики обходят это, ища возможности работать на пределе своих возможностей и под ограниченным контролем. Они знают, что им приходится бороться, чтобы учиться, и что многие лечащие врачи вряд ли позволят им.Подгруппа жителей, которых я изучал, которые действительно стали экспертами, нашла способы сэкономить время на роботах, в которых они нуждались. Одна из стратегий заключалась в сотрудничестве с участниками, которые сами не были опытными экспертами. Резиденты по урологии — специальности, имеющей, безусловно, наибольший опыт работы с роботами — будут переходить в отделения, чьи посещения менее опытны в роботизированной хирургии, что позволит резидентам использовать эффект ореола от своего элитного (если ограниченного) обучения. Присутствующие были в меньшей степени способны выявлять отклонения качества в своей роботизированной хирургической работе и знали, что ординаторы-урологи обучались настоящими экспертами в этой практике; поэтому они были более склонны позволить жителям работать и даже просить их совета.Но мало кто станет утверждать, что это оптимальный подход к обучению.

Когда законные средства больше не могут достичь цели, возникает отклонение.

А как насчет тех младших аналитиков, которых исключили из сложных оценок? Младшие и старшие члены одной группы занимались теневым обучением, игнорируя новые стандартные методы компании и работая вместе. Младшие аналитики продолжали собирать необработанные отчеты для получения необходимых данных, но они работали вместе со старшими партнерами над последующим анализом.

В некотором смысле это звучит как рискованный бизнес-шаг. Более того, это замедлило процесс, а поскольку это потребовало от младших аналитиков работы с более широким спектром методов оценки и расчетов с головокружительной скоростью, это привело к ошибкам, которые было трудно обнаружить. Но младшие аналитики получили более глубокие знания о множестве компаний и других заинтересованных сторон, участвующих в сделках слияний и поглощений, а также о соответствующей отрасли и узнали, как управлять всем процессом оценки. Вместо того, чтобы действовать как винтик в системе, которую они не понимали, они выполняли работу, которая позволяла им брать на себя более высокие роли.Еще одним преимуществом было открытие того, что программные пакеты, которые они использовали для создания исходных данных для анализа, далеко не взаимозаменяемы, иногда позволяли оценить стоимость данной компании на миллиарды долларов. Если бы аналитики остались изолированными, это могло бы никогда не выявиться.

Использование передовых ноу-хау.

Как уже говорилось, хирурги-роботы изолированы от пациента и поэтому не имеют целостного представления о работе, что затрудняет получение резидентами необходимых навыков.Чтобы понять более широкую картину, пациенты иногда обращаются к специалистам по скрабам, которые видят всю процедуру во всей ее полноте: все тело пациента; положение и движение рук робота; деятельность анестезиолога, медсестры и других людей, окружающих пациента; и все инструменты и принадлежности от начала до конца. Лучшие скрабы уделяли пристальное внимание во время тысяч процедур. Поэтому, когда пациенты переходят от пульта к постели больного, некоторые обходят врача и сразу же обращаются к этим «суперкрабам» с техническими вопросами, например, необычно ли внутрибрюшное давление или когда очистить поле от жидкости или дыма. от прижигания.Они делают это вопреки нормам и часто без ведома присутствующих.

А как насчет менеджеров стартапов, которые отдавали рабочие места рабочим на Филиппинах и в Лас-Вегасе? Ожидалось, что они останутся сосредоточенными на привлечении капитала и найме инженеров. Но некоторые из них провели время с подрядными работниками, работающими на передовой, чтобы узнать, как и почему они добились того, что они сделали. Это привело к пониманию, которое помогло компании усовершенствовать процессы сбора и очистки данных — важный шаг в создании стабильной платформы.Точно так же некоторые внимательные менеджеры проводили время с представителями службы поддержки в Лас-Вегасе, помогая работникам бороться с системой. Эта «поездка» побудила менеджеров направить часть ресурсов на улучшение пользовательского интерфейса, что помогло поддержать стартап, поскольку он продолжал привлекать новых пользователей и нанимать инженеров, которые могли создавать надежные системы машинного обучения, необходимые для успеха.

Изменение ролей.

Новые методы работы, которые мы создаем для развертывания интеллектуальных машин, управляют различными тактиками теневого обучения, которые реструктурируют работу или изменяют способ измерения и вознаграждения за производительность.Хирург-резидент может на раннем этапе решить, что он не собирается делать роботизированную операцию в качестве старшего врача, и поэтому сознательно минимизирует свое роботизированное вращение. Некоторые медсестры, которых я изучал, предпочитают устранение технических неисправностей, связанных с роботизированными заданиями, поэтому они тайком избегают открытых хирургических операций. Медсестры, обслуживающие хирургические процедуры, замечают возникающие предпочтения и навыки и работают над общей кадровой политикой, чтобы учесть их. Люди неявно признают и разрабатывают новые роли, которые лучше соответствуют работе, независимо от того, делает ли это организация формально.

Подумайте, как некоторые начальники полиции переосмыслили ожидания в отношении полицейских, у которых были проблемы с интеграцией прогнозной аналитики в свою работу. Брейн обнаружил, что многие офицеры, назначенные для патрулирования «ящиков» ПредПола, оказались менее продуктивными по традиционным показателям, таким как количество арестов, цитат и ФИ (карточки полевых собеседований — записи, сделанные офицерами об их контактах с гражданами, обычно людьми, которые кажутся подозрительными. ). FI особенно важны в полицейской деятельности с помощью искусственного интеллекта, поскольку они предоставляют важные входные данные для систем прогнозирования, даже если аресты не производятся.Когда копы шли туда, куда их направляла система, они часто не производили арестов, не выписывали билеты и не создавали финансовых организаций.

Признавая, что эти традиционные меры отговаривали полицейских от следования рекомендациям PredPol, несколько начальников обошли стандартную практику и публично и в частном порядке хвалили офицеров не за аресты и цитирование, а за то, что они научились работать с алгоритмическими заданиями. Как сказал один капитан: «Хорошо, хорошо, но мы говорим вам, где вероятность преступления, так что сидите там, и если вы войдете с нулем [без преступлений], это успех.Эти начальники пошли на риск, поощряя то, что многие считали плохой работой полиции, но тем самым они помогли продвинуть культуру правоохранительных органов к будущему, в котором полиция будет все больше сотрудничать с интеллектуальными машинами, независимо от того, останется ли PredPol в Инструментарий.

Кураторские решения.

Стажеры в области роботизированной хирургии иногда отвлекались от своих официальных обязанностей, чтобы создавать, комментировать и публиковать записи игровых процедур, выполняемых экспертами.Помимо предоставления ресурса для себя и других, создание записей помогало им учиться, потому что им приходилось классифицировать этапы работы, методы, типы неудач и реакции на неожиданности.

преподавателей, которые изо всех сил пытались создать онлайн-курсы, сохраняя при этом свои навыки старой школы, использовали аналогичные методы для освоения новой технологии. EdX предоставил инструменты, шаблоны и учебные материалы, чтобы упростить работу инструкторов, но этого было недостаточно. Особенно вначале преподаватели в учебных заведениях с ограниченными ресурсами находили время, чтобы поэкспериментировать с платформой, сделать заметки и видеоролики о своих неудачах и успехах и неформально поделиться ими друг с другом в Интернете.Установить эти связи было сложно, особенно когда учебные заведения преподавателей были неоднозначно настроены по отношению к размещению контента и педагогики в Интернете в первую очередь.

Теневое обучение другого типа происходило среди первоначальных пользователей edX — хорошо финансируемых, хорошо поддерживаемых профессоров из ведущих институтов, которые внесли свой вклад в разработку платформы на раннем этапе. Чтобы получить необходимую поддержку и ресурсы от edX, они тайком делились методами внесения желаемых изменений в платформу, обеспечения финансирования и поддержки персонала и т. Д.

Обучение у теневых учеников.

Очевидно, теневое обучение не является идеальным решением проблем, которые оно решает. Никто не должен рисковать увольнением только для того, чтобы справиться с работой. Но эти практики — это нелегкие, проверенные пути в мире, где приобретение опыта становится все труднее и важнее.

Четыре класса поведения, которые демонстрируют теневые ученики — поиск борьбы, использование передовых ноу-хау, изменение ролей и поиск решений — предполагают соответствующие тактические реакции.Чтобы воспользоваться уроками, предлагаемыми теневыми учениками, сами технологи, менеджеры, эксперты и рабочие должны:

гарантировать, что учащиеся получают возможность бороться на пределе своих возможностей в реальной (а не моделированной) работе, чтобы они могли совершать ошибки и восстанавливаться после них
способствовать созданию четких каналов, по которым лучшие работники на передовой могут служить инструкторами и наставниками
реструктурировать роли и стимулы, чтобы помочь учащимся освоить новые способы работы с интеллектуальными машинами
создавать доступные для поиска, аннотированные, краудсорсинговые «репозитории навыков», содержащие инструменты и рекомендации экспертов, которые учащиеся могут использовать и вносить в них по мере необходимости.

Конкретный подход к этой деятельности зависит от организационной структуры, культуры, ресурсов, технологических возможностей, имеющихся навыков и, конечно же, от характера самой работы.Никакая единственная передовая практика не применима во всех обстоятельствах. Но большое количество управленческой литературы исследует каждый из них, и сторонние консультации легко доступны.

В более широком смысле, мое исследование и исследование моих коллег предлагают три организационные стратегии, которые могут помочь использовать уроки теневого обучения:

1. Продолжайте изучать это.

Теневое обучение быстро развивается по мере того, как интеллектуальные технологии становятся более способными. Со временем появятся новые формы, предлагающие новые уроки.Очень важен осторожный подход. Теневые ученики часто осознают, что их практики отклоняются от нормы и что они могут быть наказаны за их соблюдение. (Представьте, если бы хирург-ординатор дал понять, что ищет наименее квалифицированных помощников для работы.) И менеджеры среднего звена часто закрывают глаза на эти методы из-за результатов, которые они дают — до тех пор, пока не будет теневого обучения. открыто признал. Таким образом, учащиеся и их менеджеры могут быть менее открытыми, когда наблюдатель, особенно старший менеджер, заявляет, что он хочет изучить, как сотрудники нарушают правила, чтобы развить навыки.Хорошее решение — привлечь нейтральную третью сторону, которая сможет обеспечить строгую анонимность при сравнении практик в разных случаях. Мои информаторы узнали и поверили мне, и они знали, что я наблюдаю за работой в многочисленных рабочих группах и учреждениях, поэтому они были уверены, что их личности будут защищены. Это оказалось важным для их открытия.

2. Адаптируйте методы теневого обучения, которые вы обнаружите, для проектирования организаций, работы и технологий.

Организации часто обращаются с интеллектуальными машинами таким образом, чтобы одному эксперту было легче взять на себя больший контроль над работой, уменьшая зависимость от помощи обучаемых.Роботизированные хирургические системы позволяют старшим хирургам работать с меньшим объемом помощи, поэтому они и делают. Инвестиционные банковские системы позволяют старшим партнерам исключать младших аналитиков из комплексных оценок, что они и делают. Все заинтересованные стороны должны настаивать на организационных, технологических и рабочих схемах, которые повышают производительность и улучшают обучение на рабочем месте. В LAPD, например, это будет означать переход от изменения стимулов для избитых полицейских к таким усилиям, как переработка пользовательского интерфейса PredPol, создание новых ролей для взаимодействия полицейских и инженеров-программистов, а также создание копируемого репозитория для использования аннотированных передовых практик. случаи.

3. Сделайте интеллектуальные машины частью решения.

AI может быть создан для обучения учащихся, когда они борются, обучения экспертов их наставничеству и разумного соединения этих двух групп. Например, когда Юхо Ким был докторантом Массачусетского технологического института, он создал ToolScape и LectureScape, которые позволяют краудсорсингом аннотировать обучающие видео и предоставлять разъяснения и возможности для практики там, где многие предыдущие пользователи останавливались, чтобы их найти. Он назвал это учеником. Что касается аппаратного обеспечения, системы дополненной реальности начинают приносить экспертные инструкции и аннотации прямо в рабочий процесс. Существующие приложения используют планшеты или умные очки для наложения инструкций по работе в режиме реального времени. Вскоре ожидается появление более сложных интеллектуальных систем. Такие системы могут, например, наложить запись лучшего сварщика на заводе на поле зрения начинающего сварщика, чтобы показать, как выполняется работа, записать попытку ученика соответствовать ей и при необходимости соединить ученика со сварщиком.Растущее сообщество инженеров в этих областях в основном сосредоточено на формальном обучении, и более глубокий кризис находится в обучении на рабочем месте. Нам нужно перенаправить туда наши усилия.

Заключение

На протяжении тысячелетий технический прогресс приводил к изменению рабочих процессов, и ученики получали необходимые новые навыки от наставников. Но, как мы видели, интеллектуальные машины теперь побуждают нас отделять учеников от мастеров, а мастеров — от самой работы, и все это во имя производительности.Организации часто невольно выбирают продуктивность, а не человеческое участие, и в результате обучение на работе становится все труднее. Тем не менее, теневые ученики находят рискованные, нарушающие правила способы обучения. Организации, которые надеются конкурировать в мире, наполненном все более интеллектуальными машинами, должны обращать пристальное внимание на этих «отклоняющихся». Их действия дают представление о том, как лучше всего будет выполняться работа в будущем, когда эксперты, ученики и интеллектуальные машины будут работать и учиться вместе.

Версия этой статьи появилась в выпуске Harvard Business Review за сентябрь – октябрь 2019 г.

Роботы не забирают нашу работу — они становятся нашими боссами

На этапах конференций и во время предвыборных митингов руководители технических компаний и политики предупреждают о надвигающемся кризисе автоматизации — кризисе, когда рабочих постепенно, а затем сразу заменяют интеллектуальными машинами. Но их предупреждения скрывают тот факт, что кризис автоматизации уже наступил. Роботы здесь, они работают в управлении, и они затапливают рабочих в землю.

Роботы следят за горничными в отеле, сообщая им, какую комнату нужно убрать, и отслеживая, как быстро они это делают. Они управляют разработчиками программного обеспечения, отслеживают их клики и прокрутки и удерживают зарплату, если они работают слишком медленно. Они слушают сотрудников колл-центра, говорят им, что и как говорить, и постоянно заставляют их быть максимально занятыми. В то время как мы постоянно наблюдали за беспилотными грузовиками, через пять лет прибыли роботы в виде начальника, мастера и менеджера среднего звена.

Эти автоматизированные системы могут обнаруживать неэффективность, которую никогда не обнаружил бы человек-менеджер — мгновенный простой между звонками, привычка задерживаться у кофемашины после завершения задачи, новый маршрут, который, если все пойдет идеально, может доставить еще несколько пакетов. в день. Но для рабочих то, что выглядело как неэффективность алгоритма, было их последним резервом передышки и автономии, и по мере того, как эти небольшие перерывы и незначительные свободы оптимизируются, их работа становится все более напряженной, напряженной и опасной.За последние несколько месяцев я поговорил с более чем 20 сотрудниками в шести странах. Для многих из них больше всего опасается не то, что роботы могут прийти на работу: роботы уже стали их боссами.

В некоторых секторах риски автоматизированного управления более очевидны, чем в Amazon. Программное обеспечение управляет почти всеми аспектами управления складами компании: от того, когда люди работают, до того, как быстро они работают, и до случаев, когда их увольняют за отставание.У каждого рабочего есть «ставка», определенное количество предметов, которые они должны обработать в час, и если они не соблюдают ее, они могут быть автоматически уволены.

«Это все равно, что выйти из дома и просто бежать, не останавливаясь ни на что в течение 10 часов подряд, просто бежать».

Когда Джейк * начал работать на складе во Флориде, он был удивлен тем, как мало там было супервайзеров: всего двое или трое управляли персоналом из более чем 300 человек. «Управление было полностью автоматизировано, — сказал он. Один начальник ходил по этажу с ноутбуком в руке и просил рабочих ускориться, когда их ставка упала.(Amazon заявила, что ее система уведомляет менеджеров, чтобы они говорили с работниками об их работе, и что все окончательные решения по кадровым вопросам, включая увольнения, принимаются руководителями.)

Джейк, который попросил использовать псевдоним из-за страха возмездия, был «воздержавшимся». Его работа заключалась в том, чтобы снять предмет с конвейерной ленты, нажать кнопку, поместить предмет в любой отсек, который велит ему монитор, нажать другую кнопку и повторить. Он сравнил это с выполнением скручивающего выпада каждые 10 секунд без остановки, хотя его поощряла двигаться еще быстрее благодаря гигантской таблице лидеров, изображающей мультяшного бегущего человека, которая показывала показатели 10 самых быстрых рабочих в режиме реального времени.Менеджер иногда продолжал болтать спортивного диктора по внутренней связи: «На третьем месте в первой половине у нас есть Боб со скоростью 697 единиц в час», — вспоминал Джейк. Лучшие исполнители получили валюту Amazon, которую они могли обменять на Amazon Echos и корпоративные футболки. Неэффективные были уволены.

«Ты не остановишься», — сказал Джейк. «Вы буквально не останавливаетесь. Это все равно, что выйти из дома и просто бежать, не останавливаясь ни на что в течение 10 часов подряд, просто бежать ».

Через несколько месяцев он почувствовал жжение в спине.Наблюдатель иногда говорил ему больше сгибать колени при подъеме. Когда Джейк сделал это, его рейтинг упал, и другой начальник посоветовал ему ускориться. «Ты наверное шутишь. Идти быстрее?» он вспомнил слова. «Если я пойду быстрее, у меня случится сердечный приступ, и я упаду на пол». Наконец, его спина полностью прогнулась. Ему поставили диагноз: два поврежденных диска, и он стал инвалидом. По его словам, этот показатель был «на 100 процентов» ответственным за его травму.

Каждый работник Amazon, с которым я разговаривал, говорил, что именно автоматически устанавливаемый темп работы, а не физическая сложность самой работы, делает работу такой изнурительной.Любой провал в системе постоянно оптимизируется, а вместе с ним и любая возможность отдохнуть или восстановиться. Рабочий с Западного побережья рассказал мне о новом устройстве, которое проливает свет на предмет, который он должен выбрать, что позволяет Amazon еще больше ускорить темпы и избавиться от того, что работник назвал «микро-остатками», украденными в тот момент, когда это потребовалось. искать следующий предмет на полке.

Люди не могут выдержать такой уровень напряженной работы, не сломавшись. В прошлом году ProPublica , BuzzFeed и другие опубликовали исследования о том, как водители службы доставки Amazon наталкиваются на автомобили и пешеходов, пытаясь завершить свои сложные маршруты, которые генерируются алгоритмически и отслеживаются через приложение на телефонах водителей.В ноябре агентство Reveal проанализировало документы с 23 складов Amazon и обнаружило, что почти 10 процентов штатных сотрудников получили серьезные травмы в 2018 году, что более чем вдвое превышает средний показатель по стране для аналогичной работы. Несколько сотрудников Amazon говорили мне, что повторяющиеся стрессовые травмы являются эпидемией, но о них редко сообщают. (Представитель Amazon сказал, что компания серьезно относится к безопасности рабочих, имеет медицинский персонал на месте и призывает рабочих сообщать обо всех травмах.) свои склады.

Неумолимый стресс берет свое. Джейк вспомнил, как кричал на сотрудников, чтобы те двигались быстрее, только чтобы задаться вопросом, что с ним случилось, и извиниться. К концу смены он будет настолько истощен, что сразу же уснет в своей машине на стоянке склада, прежде чем поехать домой. «Многие люди так поступали», — сказал он. «Они просто лежали в своей машине и засыпали». Рабочий из Миннесоты сказал, что работа была усилена алгоритмически до такой степени, что это потребовало переосмысления давних трудовых норм.«Концепция 40-часовой рабочей недели заключалась в том, что вы работаете восемь часов, вы спите восемь часов и у вас есть восемь часов на все, что вы хотите сделать», — сказал он. «Но [что], если вы приходите домой с работы и сразу ложитесь спать, и вы спите 16 часов, или на следующий день после рабочей недели, весь день вы чувствуете похмелье, вы не можете сосредоточиться на вещах, вы просто чувствуете себя дерьмом, теряете время вне работы из-за ее последствий и стрессовых, тяжелых условий? »

Рабочие неизбежно выгорают, но, поскольку каждая задача ежеминутно продиктована машиной, их легко заменить.Джейк подсчитал, что его наняли вместе с 75 людьми, но что он был единственным оставшимся, когда его спина, наконец, сдалась, а большинство из них перевернулось дважды. «Вы просто номер, они могут заменить вас кем угодно с улицы за две секунды», — сказал он. «Им не нужны никакие навыки. Им ничего не нужно. Все, что им нужно сделать, это работать очень быстро ».

На складах Amazon есть роботы, которые якобы крадут работу, но они не такие, которые беспокоят большинство рабочих. В 2014 году Amazon начала развертывать роботов для переноски полок, которые автоматизировали прохождение через склад для получения товаров.Роботы были настолько эффективны, что требовалось больше людей на других ролях, чтобы не отставать, Amazon построила больше объектов, и теперь в компании работает почти в три раза больше рабочих складов, занятых полный рабочий день, чем было, когда роботы были подключены к сети. Но роботы изменили характер работы: вместо того, чтобы ходить по складу, рабочие стояли в клетках, снимая предметы с полок, которые принесли им роботы. Сотрудники говорят, что это одна из самых динамичных и изнурительных ролей на складе. Reveal обнаружил, что травмы чаще случаются на складах с роботами, что имеет смысл, потому что проблема заключается в скорости, а машины, которые больше всего беспокоят рабочих, — это те, которые обеспечивают ее соблюдение.

В прошлом году на предприятиях Amazon прокатилась волна протестов рабочих. Почти все они были вызваны автоматическим управлением, не оставляющим места для удовлетворения основных человеческих потребностей. В Калифорнии работница была автоматически уволена после того, как она превысила свою квоту неоплачиваемого отпуска на один час после смерти члена ее семьи. (Ее снова приняли на работу после того, как ее коллеги подали петицию.) В Миннесоте рабочие ушли с работы в знак протеста против ускорения темпов работы, которое, по их словам, приводило к травмам и не оставляло времени для перерывов в туалетах или религиозных обрядов.Чтобы удовлетворить машину, рабочие чувствовали, что они должны сами стать машинами. Их скандирование: «Мы не роботы».

Каждая промышленная революция — это история как нашей организации работы, так и технологических изобретений. Паровые двигатели и секундомеры существовали на протяжении десятилетий, прежде чем Фредерик Тейлор, оригинальный оптимизатор, использовал их для создания современного завода. Работая на сталелитейном заводе в конце 19 века, он упростил и стандартизировал каждую роль и написал подробные инструкции на карточках; он рассчитывал каждую задачу по секундам и устанавливал оптимальную скорость.Поступая так, он сломил власть квалифицированных ремесленников, сдерживавшуюся темпами производства, и начал эпоху промышленного роста, а также эпоху изнурительной, повторяющейся и опасно ускоряющейся работы.

Именно Генри Форд наиболее полно продемонстрировал силу этого подхода, когда еще больше упростил задачи и расположил их на конвейере. Скорость линии контролировала темп рабочего и давала начальникам простой способ увидеть, кто отстает. Рабочие это абсолютно ненавидели. Работа была настолько бессмысленной и изнурительной, что люди уходили толпами, что вынудило Форда удвоить заработную плату.По мере распространения этих методов рабочие часто бастовали или замедляли ход в знак протеста против «ускорения» — надзиратели разгоняли сборочную линию до неприемлемых темпов.

Мы находимся в разгаре очередного большого ускорения. За этим стоит много факторов, но одним из них является цифровизация экономики и новые способы организации работы, которые она открывает. Возьмем розничную торговлю: рабочие больше не стоят в магазинах в ожидании покупателей; с электронной коммерцией их роли разделены. Одни работают на складах, где безостановочно выполняют заказы, а другие работают в колл-центрах, где отвечают вопрос за вопросом.В обоих помещениях рабочие находятся под пристальным наблюдением. Каждое их действие отслеживается сканерами склада и компьютерами колл-центра, которые предоставляют данные для автоматизированных систем, которые поддерживают их работу с максимальной производительностью.

На самом базовом уровне автоматизированное управление начинается с расписания. Алгоритмы планирования существуют с конца 1990-х годов, когда магазины начали использовать их для прогнозирования покупательского трафика и создания соответствующих ему смен. Эти системы делали то же самое, что и владелец бизнеса, когда планировали меньше рабочих на медленное утро и больше на обеденный перерыв, пытаясь максимизировать продажи в расчете на один рабочий час.Программное обеспечение просто лучше справлялось с этим, и оно продолжало улучшаться, учитывая такие переменные, как погода или близлежащие спортивные события, пока оно не смогло прогнозировать потребность в персонале с 15-минутным шагом.

Ни у кого не бывает затишья

Программа настолько точна, что ее можно использовать для создания гуманных расписаний, — сказала Сьюзан Ламберт, профессор Чикагского университета, изучающая нестабильность расписания. Вместо этого он часто используется для координации минимального количества работников, необходимого для удовлетворения прогнозируемого спроса, если не немного меньше.Она отметила, что это даже не обязательно самый прибыльный подход, цитируя проведенное ею исследование Gap: компаниям и инвесторам проще количественно оценить сокращение затрат на рабочую силу, чем потери продаж, потому что покупателям не нравится бродить по заброшенным магазинам. . Но если это плохо для клиентов, то хуже для рабочих, которые вынуждены постоянно участвовать в гонках, чтобы управлять предприятиями, которые постоянно испытывают нехватку кадров.

Хотя они начинались с розничной торговли, сейчас алгоритмы планирования повсеместно распространены. Например, на предприятиях, где Amazon сортирует товары перед доставкой, работникам выдают скелетные расписания и приложение опрашивает их, когда появляются дополнительные часы на складе, иногда всего за 30 минут до того, как они понадобятся.В результате ни у кого никогда не бывает затишья.

Появление дешевых датчиков, сетей и машинного обучения позволило автоматизированным системам управления взять на себя более детальную надзорную роль — и не только в структурированных настройках, таких как склады, но и везде, где работники носят свои устройства. Gig-платформы, такие как Uber, были первыми, кто извлек выгоду из этих технологий, но компании по доставке, рестораны и другие отрасли вскоре переняли их методы.

В автоматизированном управлении не было ни единого прорыва, но, как и в случае с секундомером, революционная технология может казаться обыденной, пока не станет основой для нового способа организации работы.Когда программы отслеживания ставок привязаны к складским сканерам или водители такси оснащены приложениями GPS, это позволяет управлять такими масштабами и уровнем детализации, о которых Тейлор мог только мечтать. Было бы непомерно дорого нанять достаточное количество менеджеров, чтобы рассчитывать каждое движение каждого рабочего с точностью до долей секунды или ехать на каждом грузовике, но теперь для этого требуется, может быть, один. Вот почему компании, наиболее агрессивно применяющие эту тактику, принимают схожую форму: большой пул низкооплачиваемых, легко заменяемых, часто частично занятых или контрактных работников; небольшая группа высокооплачиваемых сотрудников, разрабатывающих программное обеспечение для управления ими на высшем уровне.

«Апокалипсис роботов уже наступил».

Это не промышленная революция, о которой нас предупреждали Илон Маск, Марк Цукерберг и другие в Кремниевой долине. Они по-прежнему зациклены на призраке ИИ, крадущего рабочие места, который изображается как нечто принципиально новое и чрезвычайно тревожное — по словам Эндрю Янга, «модная пила», приходящая для общества в том виде, в каком мы его знаем. Апокалиптические видения кажутся исключительно лестными для технологической индустрии, которая в состоянии предупредить мир о своем собственном успехе, забить тревогу о том, что она изобрела силы, настолько могущественные, что человеческий труд навсегда устареет.Но в своей абстракции в масштабе цивилизации этот взгляд упускает из виду способы, которыми технологии меняют опыт работы, и своим чувством неизбежности он подрывает беспокойство многих из тех же людей, которыми сегодня управляют машины. Зачем слишком беспокоиться об условиях для складских рабочих, водителей такси, модераторов контента или представителей колл-центра, когда все говорят, что через несколько лет эти роли будут заменены роботами? Их предложения по политике столь же абстрактны, как и их диагноз, они в основном сводятся к тому, чтобы дать людям деньги, как только за ними придут роботы.

Может быть, когда-нибудь роботы придут к водителям грузовиков и всем остальным, хотя чистое влияние автоматизации на рабочие места до сих пор было менее чем катастрофическим. Технологии, несомненно, лишат людей работы, как это было в прошлом, и стоит подумать о том, как обеспечить им защиту. Но один из вероятных сценариев состоит в том, что эти дальнобойщики не останутся полностью безработными, но, как показывает анализ Центра исследований и образования Калифорнийского университета в Беркли, будут ездить вместе, чтобы помогать в основном автономным транспортным средствам перемещаться по сложным городским улицам, получая более низкую заработную плату в условиях строгого контроля и новые неквалифицированные рабочие места.Или, может быть, они будут в офисах, подобных колл-центру, удаленно устранять неисправности в грузовиках, а их производительность будет отслеживаться с помощью алгоритма. Короче говоря, они обнаружат, что ими управляют машины, подверженные силам, которые росли годами, но в значительной степени игнорируются фетишизмом искусственного интеллекта.

«Апокалипсис роботов уже наступил», — сказала Джоанна Броновицка, исследователь Центра Интернета и прав человека и бывший кандидат в Европарламент. «Просто то, как мы создали эти повествования, и, к сожалению, люди слева и справа, такие как Эндрю Янг и люди в Европе, которые говорят на эту тему, вносят свой вклад в это, они используют язык будущего, который скрывает действительную живую реальность людей прямо сейчас.”

Это не означает, что будущее ИИ не должно беспокоить рабочих. Раньше для автоматического управления заданиями их приходилось разбивать на задачи, которые можно было измерить машинами: поездка, отслеживаемая GPS, предмет, сканированный на складе. Но машинное обучение способно анализировать гораздо менее структурированные данные и создает новые формы работы, от набора текста на компьютере до разговоров между людьми, готовых для роботов-боссов.

Анджела * несколько лет проработала в колл-центре по страхованию, прежде чем уволиться в 2015 году.Как и во многих других колл-центрах, работа была напряженной: клиенты часто были в отчаянии, программное обеспечение отслеживало количество и продолжительность ее звонков, а менеджеры иногда подслушивали на линии, чтобы оценить, как она справляется. Но когда она вернулась в индустрию в прошлом году, что-то изменилось. Помимо обычных показателей, появилась новая — эмоция — и ее оценивал ИИ.

Программное обеспечение, с которым столкнулась Анджела, было от Voci, одной из многих компаний, использующих ИИ для оценки сотрудников колл-центров.Другие показатели Анджелы были превосходными, но программа постоянно отмечала ее отрицательные эмоции, что приводило ее в недоумение, потому что ее менеджеры-люди ранее хвалили ее чуткое поведение по телефону. Никто не мог сказать ей, почему именно она была наказана, но ее лучшее предположение заключалось в том, что ИИ интерпретировал ее динамичный и громкий стиль речи, периоды молчания (результат попытки соответствовать метрике, призванной свести к минимуму задержку людей. ), а выражения озабоченности — как отрицательные.

«Это заставляет меня задуматься, не является ли это привилегией фальшивой эмпатии, которая звучит действительно бодро и говорит:« О, мне жаль, что вы имеете дело с этим », — сказала Анджела, которая попросила использовать псевдоним из страха возмездия. «Ощущение, что единственный подходящий способ выразить эмоции — это то, как компьютер говорит, это очень ограничивает. Это также кажется не лучшим опытом для клиентов, потому что, если бы они хотели поговорить с компьютером, они бы остались с IVR [интерактивным голосовым ответом].”

Представитель Voci сказал, что компания обучила свою программу машинного обучения на тысячах часов аудио, которые сотрудники краудсорсинга отметили как демонстрирующие положительные или отрицательные эмоции. Он признал, что эти оценки являются субъективными, но сказал, что в совокупности они должны учитывать такие переменные, как тон и акцент. В конечном итоге представитель сказал, что Voci предоставляет инструмент анализа, а центры обработки вызовов решают, как использовать предоставленные данные.

Проблемы Анджелы с Voci заставили ее опасаться следующего раунда автоматизации.Ее колл-центр находился в процессе внедрения программного обеспечения от Clarabridge, которое автоматизирует те части оценки звонков, которые все еще выполняются людьми, например, говорят ли агенты правильные фразы. Ее центр также планировал расширить использование Cogito, который использует ИИ для обучения рабочих в режиме реального времени, предлагая им говорить медленнее, с большей энергией или выражать сочувствие.

Когда люди перечисляют вакансии, подлежащие автоматизации, работники колл-центра приходят сразу после водителей грузовиков. Их работа повторяется, а машинное обучение позволило быстро добиться прогресса в распознавании речи.Но машинное обучение борется с узкоспециализированными и уникальными задачами, и часто люди просто хотят поговорить с человеком, поэтому именно управленческие должности становятся автоматизированными. Google, Amazon и множество небольших компаний анонсировали системы искусственного интеллекта, которые слушают звонки и обучают сотрудников или автоматически оценивают их работу. Компания CallMiner, например, рекламирует искусственный интеллект, который оценивает профессионализм, вежливость и сочувствие сотрудников, которые в демонстрационном видео измеряются с точностью до долей процента.

Рабочие говорят, что эти системы часто неуклюжи в оценке человеческого взаимодействия. Один работник утверждал, что они могут достичь своих показателей эмпатии, просто много извиняясь. Другой сотрудник страхового call-центра сказал, что искусственный интеллект Cogito, который должен сказать ей, чтобы она выражала сочувствие при обнаружении эмоционального расстройства звонящего, похоже, срабатывает при любых тональных изменениях, даже при смехе. Ее коллеге позвонили на рассмотрение супервизору, потому что тревога сочувствия Когито продолжала срабатывать, но когда они прослушали запись, оказалось, что звонивший смеялся от радости по поводу рождения ребенка.Однако работница была занята заполнением форм и уделяла разговору лишь половину внимания, поэтому продолжала подчиняться ИИ и говорить «извините», что сильно смущало звонившего.

Cogito заявила, что ее система «очень точна и не часто дает ложные срабатывания», но когда это происходит, поскольку она дополняет, а не заменяет людей, агенты колл-центра имеют возможность использовать собственное суждение, чтобы адаптироваться к ситуации.

По мере распространения этих систем будет важно оценивать их точность и предвзятость, но они также ставят более простой вопрос: почему так много компаний пытаются автоматизировать эмпатию с самого начала? Ответ кроется в том, как автоматизация сделала работу более интенсивной.

В прошлом работники могли обрабатывать сложный или эмоционально напряженный вызов, смешанный с кучей простых вызовов типа «Я забыл свой пароль», но теперь боты справляются с простыми вызовами. «У нас нет простых звонков, чтобы дать им душевное равновесие, которое мы раньше могли им дать», — сказал Ян Джейкобс из исследовательской компании Forrester. Автоматизированные системы также собирают информацию о клиентах и помогают заполнять формы, что упростит работу, за исключением того, что любое время простоя отслеживается и заполняется дополнительными звонками.

У сотрудницы, которая использовала Cogito, например, была всего одна минута для заполнения страховых бланков между звонками и только 30 минут в месяц на перерывы в туалет и личное время, поэтому она обрабатывала звонки за звонками от людей, имеющих дело с неизлечимыми заболеваниями, умирающих родственников, выкидыши и другие травмирующие события, каждое из которых она должна была пройти менее чем за 12 минут в течение 10 часов в день. «От этого онемеет», — сказала она. Другие работники говорили о хронической тревоге и бессоннице, которые являются результатом нескольких дней, проведенных за эмоционально грубыми разговорами, в то время как, по словам одного работника, «ваш компьютер стоит вам через плечо и произвольно решает, сохраните ли вы свою работу или нет.«Эта форма эмоционального выгорания стала настолько распространенной, что отрасль получила название:« усталость от сочувствия ». Cogito в электронной книге, объясняющей причину своего искусственного интеллекта, сравнивает сотрудников колл-центра с травматологами, потерявшими чувствительность в течение своей смены, отмечая, что качество работы представителей ухудшается после 25 звонков. Решение, как пишет компания, состоит в том, чтобы использовать ИИ для «масштабного сочувствия».

Стало общепринятым мнение, что межличностные навыки, такие как сочувствие, станут одной из ролей, оставленных людям после того, как роботы возьмут верх, и это часто рассматривается как оптимистичное будущее.Но колл-центры показывают, как это легко может стать темным: автоматизация увеличивает сочувствие, требуемое от сотрудников, и автоматизированные системы, используемые для того, чтобы вызвать у них больше сочувствия или, по крайней мере, машиночитаемое приближение к этому. Анджела, работница, борющаяся с Вочи, обеспокоена тем, что, поскольку ИИ используется для противодействия влиянию бесчеловечных условий труда, ее работа станет еще более бесчеловечной.

«Никто не любит звонить в колл-центр», — сказала она. «Тот факт, что я могу привнести сюда человеческий фактор, применить свой собственный стиль, построить с ними отношения и дать им почувствовать, что о них заботятся, — это хорошая часть моей работы.Это то, что придает мне значение, — сказала она. «Но если вы все автоматизируете, вы потеряете гибкость, чтобы иметь человеческую связь».

Мак Рони работал инженером-программистом в Дакке, Бангладеш, когда он увидел в Facebook рекламу компании Crossover Technologies из Остина. Рони нравилась его нынешняя работа, но роль Кроссовера казалась шагом вперед: зарплата была лучше — 15 долларов в час — и в объявлении говорилось, что он может работать, когда захочет, и делать это из дома.

В первый же день ему посоветовали загрузить программу WorkSmart. В видеоролике генеральный директор Crossover Энди Трайба описывает программу как «FitBit для работы». По его словам, современный работник постоянно взаимодействует с облачными приложениями, и это дает огромное количество информации о том, как они проводят свое время, — информации, которую в основном выбрасывают. По его словам, эти данные следует использовать для повышения производительности. Ссылаясь на популярную книгу Кэла Ньюпорта Deep Work, об опасностях отвлечения внимания и многозадачности, он говорит, что программное обеспечение позволит работникам достичь новых уровней сосредоточенности.Tryba отображает серию диаграмм, как дефрагментацию жесткого диска, показывая, как рабочий день меняется от рассеянного отвлечения к твердым блокам непрерывной продуктивности.

WorkSmart действительно превратил рабочий день Рони в твердые блоки продуктивности, потому что, если когда-либо определялось, что он недостаточно много работал, ему не платили. Программное обеспечение отслеживало его нажатия клавиш, щелчки мышью и приложения, которые он запускал, — все для оценки его производительности. От него также потребовали предоставить программе доступ к своей веб-камере.Каждые 10 минут программа делала наугад три фотографии, чтобы убедиться, что он находится за своим столом. Если бы Рони не было, когда WorkSmart делал снимок, или если бы он определил, что его работа упала ниже определенного порога производительности, ему не заплатили бы за этот 10-минутный интервал. Другой человек , который начинал с Рони, отказался предоставить программному обеспечению доступ к веб-камере и потерял работу.

Рони вскоре понял, что, хотя он работал из дома, его старая офисная работа давала больше свободы.Там он мог выйти на обед или сделать перерыв между задачами. В случае с Кроссовером даже использование туалета в собственном доме требовало скорости и стратегии: он начал следить за тем, чтобы мигал зеленый свет его веб-камеры, прежде чем броситься в коридор в ванную комнату, надеясь, что успеет закончить вовремя, прежде чем WorkSmart сделает еще один снимок.

Показатели, к которым он привык, были чрезвычайно требовательными: около 35 000 строк кода в неделю. В конце концов он сообразил, что от него ожидается около 150 нажатий клавиш каждые 10 минут, поэтому, если он остановится, чтобы подумать, и перестанет печатать, 10-минутный фрагмент его временной карты будет отмечен как «бездействует».«Каждую неделю, если он не проработал 40 часов, которые программа считала продуктивной, его могли уволить, поэтому, по его оценкам, он работал дополнительно 10 часов в неделю без оплаты, чтобы компенсировать время, которое программа сделала недействительной. Четыре других нынешних и бывших сотрудника Crossover — один в Латвии, один в Польше, один в Индии и еще один в Бангладеш — заявили, что они должны были сделать то же самое.

«Первое, что вы потеряете, — это социальная жизнь», — сказал Рони. Он перестал встречаться с друзьями, потому что был привязан к своему компьютеру, стремясь достичь своих показателей.«Обычно я не часто выходил на улицу».

Шли месяцы, стресс начал сказываться. Он не мог уснуть. Он не мог слушать музыку, пока работал, потому что программное обеспечение считало YouTube непродуктивным и ограничивало его зарплату. По иронии судьбы его работа начала страдать. «Если у вас есть свобода, настоящая настоящая свобода, тогда я могу выдержать максимальное давление, если это необходимо», — сказал он. Но, работая день за днем под таким напряженным давлением, он выгорал, и его продуктивность падала.

Tryba сказал, что компания представляет собой платформу, которая предоставляет квалифицированных рабочих для предприятий, а также инструменты для управления ими; бизнесу решать, использовать ли эти инструменты и как.Он сказал, что люди не должны работать дополнительные часы без оплаты, и что, если WorkSmart помечает табель учета рабочего времени как простой, работники могут обратиться к своему руководителю с просьбой отменить ее. Он сказал, что если рабочим нужен перерыв, они могут сделать паузу и уйти. На вопрос, почему был необходим такой интенсивный мониторинг, он сказал, что будущее за удаленной работой, которая даст работникам большую гибкость, но что работодателям понадобится способ привлечь работников к ответственности. Кроме того, собранные данные откроют новые возможности для обучения рабочих тому, как быть более продуктивными.

Crossover — далеко не единственная компания, которая почувствовала возможность оптимизации потоков данных, создаваемых цифровыми работниками. У Microsoft есть программное обеспечение Workplace Analytics, которое использует «цифровой выхлоп», производимый сотрудниками, использующими программы компании, для повышения производительности. В области аналитики рабочей силы полно компаний, которые отслеживают активность настольных компьютеров и обещают выявлять время простоя и сокращать количество сотрудников, а оптимизация становится все более резкой и сосредоточенной на отдельных сотрудниках по мере того, как вы спускаетесь по лестнице доходов.Программа Time Doctor на Staff.com, популярная среди аутсорсинговых компаний, отслеживает производительность в режиме реального времени, предлагает сотрудникам продолжать выполнение задачи, если обнаруживает, что они отвлекаются или бездействуют, и делает скриншоты в стиле кроссовера и фотографии с веб-камеры.

В то время как тщательно продуманные и оптимизированные рабочие места меритократичны, меритократия может быть доведена до крайности, цитируя фильм « Гаттака»

Сэм Лессин, бывший вице-президент Facebook, соучредитель компании Fin, описывает правдоподобное видение того, к чему все это приведет.Fin запускался как приложение для личного помощника, а затем переключился на программное обеспечение, которое он использовал для мониторинга и управления рабочими, которые заставляли помощника работать. (Сотрудница описала свой опыт работы с запросами помощников, как колл-центр, но с более серьезным надзором и отслеживанием времени простоя.) Работа в области интеллектуальных знаний в настоящее время томится в доиндустриальном состоянии, написала Лессин в письме во время разворота, и сотрудники часто сидят без дела в офисах, их труд неизмеримо и неэффективен. Лессин пишет, что ожидаемый взрыв производительности от ИИ произойдет не в результате замены этих рабочих, а в результате использования ИИ для измерения и оптимизации их производительности, как это сделал Фредерик Тейлор с фабричными рабочими.За исключением того, что это будет «облачная фабрика», объединение интеллектуальных работников, организованное с помощью ИИ, к которым предприятия могут подключиться, когда им это нужно, во многом как аренда вычислительных мощностей у Amazon Web Services.

«Промышленная революция, по крайней мере в краткосрочной перспективе, явно не пошла на пользу рабочим», — признал Лессин в письме. Облачная фабрика принесет волну глобализации и снижения квалификации. По его словам, в то время как тщательно продуманные и оптимизированные рабочие места являются меритократичными, меритократию можно довести до крайности, сославшись на фильм Gattaca .В конечном итоге эти риски перевешиваются тем фактом, что люди могут специализироваться на том, в чем они лучше всего умеют, работать меньше и смогут делать это более гибко.

Для Рони обещание гибкости Crossover оказалось иллюзией. Через год наблюдение и неослабевающее давление стали слишком сильными, и он ушел. «Я думал, что потерял все», — сказал он. Он бросил свою стабильную офисную работу, потерял связь с друзьями и теперь беспокоился, сможет ли он оплатить свои счета.Но через три месяца он нашел другую работу, одну в старомодном офисе. Заработок был хуже, но он был счастливее. У него был менеджер, который помог ему, когда он застрял. У него были обеденные перерывы, перерывы на отдых и перерывы на чай. «Когда я могу выйти, выпить чаю, повеселиться и отправиться в офис, есть место, где я даже могу поспать. Здесь много свободы ».

Работа всегда означала отказ от некоторой степени свободы. Когда работники устраиваются на работу, они могут согласиться позволить своему начальнику указывать им, как им действовать, как одеваться или где быть в определенное время, и все это считается нормальным.Работодатели действуют как то, что философ Элизабет Андерсон критикует как частные правительства, и люди принимают их использование власти способами, которые казались бы репрессивными, исходящими от государства, потому что, как гласит рассуждение, работники всегда могут уйти. Рабочие также предоставляют своим работодателям широкие возможности для наблюдения за ними, и это тоже считается в целом нормально, вызывая беспокойство в основном в тех случаях, когда работодатели проникают в частную жизнь работников.

Автоматическое управление обещает изменить этот расчет.Хотя работодатель всегда имел право следить за вашим рабочим столом в течение дня, это, вероятно, было бы неэффективным использованием его времени. Теперь такое наблюдение не только легко автоматизировать, но и необходимо собирать данные, необходимые для оптимизации работы. Эта логика может показаться непреодолимой для компании, пытающейся снизить затраты, особенно если у нее достаточно большой штат сотрудников, чтобы окупиться незначительное повышение производительности.

Но рабочих, которые терпели абстрактную угрозу слежки, гораздо больше беспокоит, когда эти данные используются для управления каждым их шагом.Рабочий Amazon на Среднем Западе описал мрачное видение будущего. «У нас могут быть алгоритмы, связанные с технологиями, которые непосредственно воздействуют на наши тела и контролируют нашу работу», — сказал он. «Прямо сейчас алгоритм говорит менеджеру кричать на нас. В будущем алгоритм мог бы сообщать шоковому ошейнику… Я засмеялся, и он быстро сказал, что шутил лишь отчасти. В конце концов, Amazon запатентовал браслеты для отслеживания, которые вибрируют, направляя рабочих, а Walmart тестирует ремни, которые отслеживают движения сотрудников склада.«Разве вы не представляете себе будущее, в котором у вас будет свобода выбора между голоданием или работой на складе, — сказал рабочий, — и вы подписываете контракт, в котором соглашаетесь носить что-то подобное, и это сбивает вас с толку, когда вы работаете слишком медленно». и все это во имя повышения вашей эффективности? «Я думаю, что это направление, в котором он может двигаться, если больше людей не будут более сознательными, и не будет больше организованности вокруг того, что на самом деле происходит с нами, как работниками, и того, как общество трансформируется с помощью этой технологии», — сказал он.«Это те вещи, которые не дают мне уснуть по ночам, и о которых я думаю, когда сейчас нахожусь на складе».

Этот рабочий возлагал надежды на профсоюзы и на растущую активность, происходящую на складах Amazon. Для этого есть прецедент. Рабочие отреагировали на ускорение последней промышленной революции организованием, и темп работы стал стандартной частью профсоюзных договоров.

Темп работы — это лишь одна из форм более широкого вопроса, который эти технологии заставят нас решать: каков правильный баланс между эффективностью и автономией человека? У нас есть беспрецедентные возможности контролировать и оптимизировать поведение сотрудников до мельчайших деталей.Стоит ли предельное повышение производительности заставлять бесчисленное количество людей испытывать хронический стресс и ограничивать их до такой степени, что они чувствуют себя роботами?

Вы можете представить себе версию этих систем, которая собирает данные о рабочих местах, но она анонимна и агрегирована и используется только для улучшения рабочих процессов и процессов. Такая система могла бы получить часть эффективности, которая делает эти системы привлекательными, избегая при этом индивидуализированного микроменеджмента, который раздражает работников. Конечно, это будет означать отказ от потенциально ценных данных.Это потребует признания того, что иногда имеет смысл вообще не собирать данные как средство сохранения пространства для человеческой автономии.

Глубокая разница, которую может дать даже небольшая степень свободы от оптимизации, была очевидна, когда я разговаривал с работником, который недавно уволился со склада Amazon в Стейтен-Айленде, чтобы взять на себя работу по погрузке и разгрузке грузовиков для доставки. У него тоже были сканеры и метрики, но они только измеряли, идет ли его команда в правильном направлении в течение дня, оставляя рабочих определять свои роли и темп.«Это похоже на рай», — сказал он своим коллегам.

Почему рабочие проигрывают войну против машин

Что, если человек не должен побеждать в войне 21 века между человеком и машиной на рабочем месте?

По крайней мере, с тех пор, как последователи Неда Ладда разбили механизированные станки в 1811 году, рабочие беспокоились о том, что автоматизация разрушит рабочие места. Экономисты заверили их, что новые рабочие места будут созданы, даже если старые будут ликвидированы. Более 200 лет экономисты были правы.Несмотря на массовую автоматизацию миллионов рабочих мест, все больше американцев имели рабочие места в конце каждого десятилетия вплоть до конца 20 века. Однако этот эмпирический факт скрывает грязный секрет. Не существует экономического закона, который гласил бы, что каждый или даже большинство людей автоматически получают выгоду от технического прогресса.

Люди с небольшим экономическим образованием интуитивно понимают этот момент. Они понимают, что некоторые люди-работники могут проиграть в гонке против машины. По иронии судьбы, наиболее образованные экономисты часто наиболее сопротивляются этой идее, поскольку стандартные модели экономического роста неявно предполагают, что экономический рост приносит пользу всем жителям страны.Однако так же, как лауреат Нобелевской премии экономист Пол Самуэльсон показал, что аутсорсинг и офшоринг не обязательно повышают благосостояние всех работников, верно и то, что технический прогресс — это не прилив, который автоматически увеличивает все доходы. Даже когда общее богатство увеличивается, могут быть и обычно будут как победители, так и проигравшие. И проигравшие — это не обязательно какой-то небольшой сегмент рабочей силы, вроде производителей кнутов. В принципе, они могут составлять большинство или даже 90% или более населения.

Если заработная плата может свободно регулироваться, то проигравшие сохранят свои рабочие места в обмен на все более низкую компенсацию по мере того, как технологии продолжают совершенствоваться. Но у этой настройки есть предел. Вскоре после того, как луддиты начали крушить машины, которые, по их мнению, угрожали их рабочим местам, экономист Давид Рикардо, который изначально думал, что технологические достижения принесут пользу всем, разработал абстрактную модель, показывающую возможность технологической безработицы. Основная идея заключалась в том, что в какой-то момент равновесная заработная плата рабочих может упасть ниже уровня, необходимого для существования.Рациональный человек не видел бы смысла в том, чтобы браться за такую низкую заработную плату, поэтому рабочий останется без работы, и вместо этого работа будет выполняться машиной.

Конечно, это была всего лишь абстрактная модель. Но в своей книге Прощай, милостыня экономист Грегори Кларк приводит жуткий реальный пример этого явления в действии:

В начале промышленной революции был тип служащих, чья работа и средства к существованию в значительной степени исчезли. начало ХХ века.Это была лошадь. Фактически, популяция рабочих лошадей достигла пика в Англии спустя много времени после промышленной революции, в 1901 году, когда работало 3,25 миллиона человек. Хотя их заменили железнодорожные перевозки на дальние расстояния и паровые машины для приводов механизмов, они по-прежнему пахали поля, буксировали фургоны и экипажи на короткие расстояния, водили лодки по каналам, трудились в ямах и вели армии в бой. Но появление двигателя внутреннего сгорания в конце девятнадцатого века быстро вытеснило этих рабочих, так что к 1924 году их стало меньше двух миллионов.Всегда существовала заработная плата, при которой все эти лошади могли оставаться занятыми. Но эта зарплата была настолько низкой, что они не оплачивали их корм.

По мере того, как технологии продолжают развиваться во второй половине шахматной доски, принимая на себя работы и задачи, которые раньше принадлежали только людям, можно представить время в будущем, когда все больше и больше работ будет выполняться машинами дешевле, чем люди. И действительно, заработная плата неквалифицированных рабочих имеет тенденцию к снижению более 30 лет, по крайней мере, в Соединенных Штатах.

Мы также теперь понимаем, что технологическая безработица может возникать даже тогда, когда заработная плата все еще намного выше прожиточного минимума, если существует нисходящая жесткость, которая не позволяет им падать так же быстро, как достижения в области технологий сокращают затраты на автоматизацию. Законы о минимальной заработной плате, страхование от безработицы, медицинские льготы, действующие законы о заработной плате и долгосрочные контракты — не говоря уже о обычаях и психологии — затрудняют быстрое снижение заработной платы. Более того, работодатели часто обнаруживают, что сокращение заработной платы наносит ущерб моральному духу.Как отмечается в литературе по эффективной заработной плате, такие сокращения могут демотивировать сотрудников и заставлять компании терять своих лучших сотрудников.

Но и полная гибкость заработной платы не панацея. Постоянно падающая заработная плата значительной части рабочей силы — не совсем привлекательное решение проблемы технологической занятости. Помимо ущерба, который это наносит уровню жизни пострадавших рабочих, более низкая заработная плата лишь отсрочивает день расплаты. Закон Мура — это не одноразовая вспышка, а ускоряющийся экспоненциальный тренд.

Угроза технологической безработицы реальна. Чтобы понять эту угрозу, мы определим три перекрывающихся набора победителей и проигравших, которые создают технические изменения: (1) высококвалифицированные и низкоквалифицированные рабочие, (2) суперзвезды против всех остальных и (3) капитал против. труд. В каждом наборе есть хорошо задокументированные факты и убедительные ссылки на цифровые технологии. Более того, эти наборы не исключают друг друга. Фактически, победители в одном сете с большей вероятностью окажутся победителями и в двух других, что концентрирует внимание на последствиях.

В каждом случае экономическая теория ясна. Даже когда технический прогресс увеличивает производительность и общее благосостояние, он также может повлиять на распределение вознаграждений, потенциально делая некоторых людей хуже, чем они были до инновации. В растущей экономике выигрыши для победителей могут быть больше, чем потери тех, кто пострадал, но это маленькое утешение для тех, кто проигрывает в сделке.

В конечном счете, влияние технологий — это эмпирический вопрос, который лучше всего разрешается, глядя на данные.Новость тревожная для всех трех групп победителей и проигравших. Давайте посмотрим на каждого по очереди.

1. Высококвалифицированные и низкоквалифицированные рабочие

Мы начнем с технических изменений, ориентированных на навыки, которые, возможно, являются наиболее тщательно изученными из трех явлений. Это техническое изменение, которое увеличивает относительный спрос на высококвалифицированную рабочую силу при одновременном сокращении или устранении спроса на низкоквалифицированную рабочую силу. Большая часть автоматизации производства попадает в эту категорию, поскольку рутинная рутинная работа перекладывается на машины, в то время как более сложные решения по программированию, управлению и маркетингу остаются прерогативой людей.

В недавней статье экономистов Дарона Асемоглу и Дэвида Атора подчеркивается растущее расхождение в доходах между наиболее образованными и наименее образованными работниками. За последние 40 лет еженедельная заработная плата лиц со средним образованием снизилась, а заработная плата лиц со средним образованием и некоторыми колледжами осталась неизменной. С другой стороны, работники с высшим образованием добились значительных успехов, причем самые большие выгоды получили те, кто закончил аспирантуру (рис. 3.5).

Более того, это увеличение относительной цены образованного труда — их заработной платы — происходит в период, когда предложение образованных рабочих также увеличивалось.Сочетание более высокой оплаты труда в условиях роста предложения безошибочно указывает на увеличение относительного спроса на квалифицированную рабочую силу. Поскольку у людей с наименьшим образованием обычно уже была самая низкая заработная плата, это изменение увеличило общее неравенство доходов.

Из диаграммы на Рисунке 3.5 видно, что в цифровую эпоху расхождение в заработной плате ускорилось. Как документально подтверждают тщательные исследования Дэвида Атора, Лоуренса Каца и Алана Крюгера, а также Фрэнка Леви, Ричарда Мурнэйна и многих других, увеличение относительного спроса на квалифицированную рабочую силу тесно связано с развитием технологий, особенно цифровых технологий.Отсюда и прозвище «техническое изменение, обусловленное навыками», или SBTC. В недавнем SBTC есть два отдельных компонента. Такие технологии, как робототехника, машины с числовым программным управлением, компьютеризированный учет запасов и автоматическая расшифровка, заменяют рутинные задачи, вытесняя этих рабочих. Между тем другие технологии, такие как визуализация данных, аналитика, высокоскоростная связь и быстрое прототипирование, увеличили вклад более абстрактных и основанных на данных рассуждений, повысив ценность этих работ.

Технические изменения, ориентированные на профессиональные навыки, также были важны в прошлом. На протяжении большей части XIX века около 25% всего сельскохозяйственного труда обмолачивало зерно. Эта работа была автоматизирована в 1860-х годах. ХХ век ознаменовался ускоренной механизацией не только сельского хозяйства, но и фабричного труда. Вторя первому лауреату Нобелевской премии по экономике Яну Тинбергену, экономисты из Гарварда Клаудия Голдин и Ларри Кац описали получившийся SBTC как «гонку между образованием и технологиями». Постоянно увеличивающиеся инвестиции в образование, резко повышающие средний образовательный уровень американской рабочей силы, помогли предотвратить рост неравенства по мере того, как технологии автоматизируют все больше и больше неквалифицированной работы.Хотя образование, безусловно, не является синонимом навыков, это один из наиболее легко измеримых коррелятов навыков, поэтому эта модель предполагает, что спрос на повышение квалификации растет быстрее, чем его предложение.

Исследования соавтора этой книги Эрика Бриньолфссона вместе с Тимоти Бреснаханом, Лорином Хиттом и Шинку Янгом показали, что ключевым аспектом SBTC были не только навыки тех, кто работает с компьютерами, но, что более важно, более широкие изменения в организации труда, которые стали возможными благодаря информационным технологиям.Наиболее продуктивные фирмы заново изобрели и реорганизовали права принятия решений, системы стимулов, информационные потоки, системы найма и другие аспекты организационного капитала, чтобы получить максимальную отдачу от технологий. Это, в свою очередь, потребовало радикально иного и, как правило, более высокого уровня квалификации персонала. Дело было не столько в том, что те, кто непосредственно работает с компьютерами, должны были быть более квалифицированными, сколько в том, что все производственные процессы и даже отрасли были перестроены для использования новых мощных информационных технологий.Более того, каждый доллар компьютерного оборудования часто был катализатором более чем 10 долларов инвестиций в дополнительный организационный капитал. Нематериальные активы организации, как правило, намного сложнее изменить, но они также гораздо важнее для успеха организации.

По мере развития 21 века автоматизация влияет на более широкий круг работ. Даже низкая заработная плата фабричных рабочих в Китае не защитила их от подрыва новой техники и дополнительных организационных и институциональных изменений.Например, Терри Гоу, основатель и председатель правления производителя электроники Foxconn, объявил в этом году о плане закупки 1 миллиона роботов в течение следующих трех лет, чтобы заменить большую часть своих сотрудников. Роботы возьмут на себя рутинные работы, такие как распыление краски, сварка и базовая сборка. В настоящее время Foxconn насчитывает 10 000 роботов, и к следующему году ожидается, что на них будет установлено 300 000.

2. Суперзвезды против всех остальных

Второе деление — между суперзвездами и всеми остальными.Во многих отраслях проводятся соревнования по принципу «победитель получает все» или «победитель получает больше всего», в которых несколько человек получают львиную долю вознаграждения. Подумайте о поп-музыке, профессиональной атлетике и рынке руководителей. Цифровые технологии увеличивают размер и масштабы этих рынков. Эти технологии воспроизводят не только информационные товары, но и все в большей степени бизнес-процессы. В результате таланты, идеи или решения одного человека теперь могут доминировать на национальном или даже глобальном рынке. Между тем, хорошие, но не очень, местные конкуренты все больше вытесняются со своих рынков.Суперзвезды в каждой области теперь могут получать гораздо большие награды, чем в предыдущие десятилетия.

Эффекты очевидны в верхней части распределения доходов. Лучшие 10% распределения заработной платы работают намного лучше, чем остальная рабочая сила, но даже внутри этой группы наблюдается рост неравенства. Доход верхнего 1% рос быстрее, чем остальной части верхнего дециля. В свою очередь, доходы 0,1% и 0,01% самых богатых людей росли еще быстрее. Это не заурядное техническое изменение, обусловленное профессиональными навыками, а, скорее, отражает уникальные награды суперзвезды.Шервин Розен, сам суперзвезда-экономист, изложил экономику суперзвезд в основополагающей статье 1981 года. На многих рынках потребители готовы платить больше за самое лучшее. Если существует технология, позволяющая одному продавцу дешево воспроизводить свои услуги, то высококачественный поставщик может захватить большую часть — или весь — рынок. Следующий лучший провайдер может быть почти таким же хорошим, но получать лишь крошечную долю дохода.

Технологии могут превратить обычный рынок в рынок суперзвезд.До эры записанной музыки самый лучший певец мог бы заполнить большой концертный зал, но самое большее могло бы охватить тысячи слушателей в течение года. В каждом городе могут быть свои местные звезды, и несколько лучших исполнителей гастролируют по стране, но даже лучший певец в стране может охватить лишь относительно небольшую часть потенциальной слушающей аудитории. Однако как только музыку можно будет записывать и распространять с очень низкими предельными затратами, небольшое количество лучших исполнителей сможет получать большую часть доходов на всех рынках, от Йо-Йо Ма классической музыки до Леди Гага из поп-музыки.

Экономисты Роберт Франк и Филип Кук задокументировали, как быстро распространились рынки «победитель получает все», поскольку технологии изменили не только записанную музыку, но и программное обеспечение, драму, спорт и все другие отрасли, которые можно передавать в цифровом формате. Эта тенденция усилилась, поскольку все больше экономики основывается на программном обеспечении, прямо или косвенно. Как мы уже говорили в нашей статье Harvard Business Review за 2008 год, цифровые технологии позволяют воспроизводить не только биты, но и процессы.Например, такие компании, как CVS, встроили в свои корпоративные информационные системы такие процессы, как заказ рецептурных лекарств. Каждый раз, когда CVS делает улучшение, оно распространяется в 4000 магазинов по всей стране, повышая его ценность. В результате охват и влияние управленческого решения, например, как организовать процесс, соответственно больше.

Фактически, отношение заработной платы генерального директора к средней заработной плате рабочего увеличилось с 70 в 1990 году до 300 в 2005 году, и большая часть этого роста связана с более широким использованием ИТ, согласно недавнему исследованию, которое Эрик провел со своим учеником Хикёном. Ким.Они обнаружили, что увеличение вознаграждения других топ-менеджеров происходило по аналогичной, хотя и менее резкой схеме. Благодаря цифровым технологиям предприниматели, генеральные директора, звезды шоу-бизнеса и финансовые руководители смогли использовать свои таланты на глобальных рынках и получить вознаграждение, которое было невозможно вообразить в прежние времена.

Безусловно, технологии — не единственный фактор, влияющий на доходы. Политические факторы, глобализация, изменения цен на активы и, в случае генеральных директоров и финансовых руководителей, также играют роль.В частности, сектор финансовых услуг резко вырос как доля ВВП и даже больше как доля прибыли и компенсаций, особенно в верхней части распределения доходов. Хотя эффективное финансирование имеет важное значение для современной экономики, похоже, что значительная часть доходов от крупных инвестиций в человеческий капитал и технологии за последнее десятилетие, например, в торговле сложными компьютеризированными программами, была получена от перераспределения ренты, а не от создания подлинного богатства. В других странах с другими учреждениями, а также с более медленным внедрением ИТ, неравенство изменилось меньше.Но общие изменения в Соединенных Штатах были существенными. По словам экономиста Эммануэля Саеза, на 1% самых богатых семей США приходилось 65% всего роста экономики с 2002 года. Фактически, Саез сообщает, что 0,01% лучших домашних хозяйств в США, то есть 14 588 семей с доходом выше 11 477 000 долларов — в период с 1995 по 2007 год их доля в национальном доходе удвоилась с 3% до 6%.

Третье деление — между капиталом и трудом. Для большинства видов производства требуются как машины, так и человеческий труд.Согласно теории переговоров, богатство, которое они создают, делится в соответствии с относительной переговорной силой, которая, в свою очередь, обычно отражает вклад каждого вклада. Если технология снижает относительную важность человеческого труда в конкретном производственном процессе, владельцы основного оборудования смогут получать большую долю дохода от производимых товаров и услуг. Безусловно, владельцы капитала также являются людьми — так что это не значит, что богатство исчезает из общества — но владельцы капитала, как правило, представляют собой совсем другую и меньшую группу, чем те, кто выполняет большую часть работы, поэтому распределение доходов будет затронуто. .

В частности, если технология заменяет рабочую силу, можно ожидать, что доля дохода, получаемого владельцами оборудования, вырастет по сравнению с рабочими — классическая битва между капиталом и рабочей силой. В последние годы это происходит все чаще. Как отметила Кэтлин Мэдиган, после окончания рецессии реальные расходы на оборудование и программное обеспечение выросли на 26%, в то время как количество рабочих мест практически не изменилось.

Кроме того, появляется все больше свидетельств того, что в последние годы на долю капитала приходится все большая часть ВВП.Как показано на Рисунке 3.6, корпоративные прибыли легко превзошли докризисные уровни.

Согласно недавно обновленным данным Министерства торговли США, недавняя корпоративная прибыль составила 23,8% от общего внутреннего корпоративного дохода, что является рекордно высокой долей, которая более чем на 1 процентный пункт выше предыдущего рекорда. Аналогичным образом, корпоративная прибыль как доля ВВП находится на максимальном уровне за 50 лет. Между тем, оплата труда во всех формах, включая заработную плату и льготы, находится на самом низком уровне за 50 лет.Капитал получает большую долю пирога по сравнению с трудом.

Рецессия усугубила эту тенденцию, но это часть долгосрочных изменений в экономике. Как отметили экономисты Сьюзан Флек, Джон Глейзер и Шон Спрэг, линия тренда доли рабочей силы в ВВП была практически неизменной в период с 1974 по 1983 год, но с тех пор продолжает снижаться. Когда кто-то думает о рабочих в местах, подобных фабрике Foxconn, заменяют трудосберегающими роботами, легко представить себе технологическую историю, объясняющую, почему относительные доли дохода могут меняться.

Важно отметить, что доля «рабочей силы» в данных Бюро статистики труда включает заработную плату, выплачиваемую генеральным директорам, специалистам в области финансов, профессиональным спортсменам и другим «суперзвездам», о которых говорилось выше. В этом смысле снижение доли рабочей силы недооценивает, насколько плохо работает средний работник. Он также может занижать разделение доходов между капиталом и трудом, поскольку генеральные директора и другие высшие руководители могут иметь переговорные возможности для захвата части «доли капитала», которая в противном случае досталась бы владельцам обыкновенных акций.

Это третья часть нашего отрывка из трех частей из книги Эрика Бриньолфссона и Эндрю Макафи «Гонка против машин » (Digital Frontier Press). Прочтите часть 1 здесь. Прочтите часть 2 здесь.

> <

Где машины могут заменить людей — а где нет (пока)

Поскольку технологии автоматизации , такие как машинное обучение и робототехника, играют все более важную роль в повседневной жизни, неудивительно, что их потенциальное влияние на рабочее место стало основным предметом исследований и общественного внимания.Дискуссия имеет тенденцию к манихейской игре в догадки: какие рабочие места заменят машины?

На самом деле, как показали наши исследования, в этой истории больше нюансов. В то время как автоматизация полностью устранит очень немногие профессии в следующем десятилетии, она затронет части почти всех рабочих мест в большей или меньшей степени, в зависимости от типа работы, которую они влекут за собой. Автоматизация, выходящая сегодня за рамки рутинной производственной деятельности, может, по крайней мере, с точки зрения ее технической осуществимости, трансформировать такие секторы, как здравоохранение и финансы, которые требуют значительного объема интеллектуального труда.

Видео

От научной фантастики к бизнес-фактам

Майкл Чуи из McKinsey объясняет, как автоматизация меняет работу.

Эти выводы основаны на нашем подробном анализе более 2000 видов трудовой деятельности для более чем 800 профессий. Используя данные Бюро статистики труда США и O * Net, мы подсчитали количество времени, затрачиваемого на эти действия в экономике США, и техническую осуществимость автоматизации каждого из них.Полные результаты, которые появятся в начале 2017 года, будут включать в себя несколько других стран, но мы опубликовали некоторые первоначальные результаты в конце прошлого года, а сейчас мы работаем над дополнительными промежуточными результатами.

В прошлом году мы показали, что продемонстрированные в настоящее время технологии могут автоматизировать 45 процентов видов деятельности, за выполнение которых людям платят, и что около 60 процентов всех профессий могут обеспечить автоматизацию 30 или более процентов составляющих их деятельности, опять же с помощью технологий, доступных сегодня. В этой статье мы исследуем техническую осуществимость с использованием продемонстрированных в настоящее время технологий автоматизации трех групп профессиональной деятельности: наиболее восприимчивых, менее восприимчивых и наименее восприимчивых к автоматизации.В рамках каждой категории мы обсуждаем секторы и профессии, в которых роботы и другие машины с наибольшей — и наименьшей — вероятностью будут заменять те виды деятельности, которые люди в настоящее время выполняют. Ближе к концу статьи мы обсудим, как развивающиеся технологии, такие как генерация естественного языка, могут изменить мировоззрение, а также некоторые последствия для руководителей высшего звена, которые возглавляют все более автоматизированные предприятия.

Мы стремимся предоставить людям с ограниченными возможностями равный доступ к нашему сайту.Если вам нужна информация об этом контенте, мы будем рады работать с вами. Напишите нам по адресу: [email protected]

Понимание потенциала автоматизации

Обсуждая автоматизацию, мы имеем в виду потенциал того, что данное действие может быть автоматизировано за счет применения продемонстрированных в настоящее время технологий, то есть, является ли автоматизация этой деятельности технически осуществимой . Каждое занятие состоит из нескольких видов деятельности, каждый из которых имеет разную степень технической осуществимости.На Приложении 1 перечислены семь выявленных нами групп деятельности высшего уровня. Например, занятия в розничной торговле включают в себя такие действия, как сбор или обработка данных, взаимодействие с покупателями и настройка товарных дисплеев (которые мы классифицируем как физическое перемещение в предсказуемой среде). Поскольку все эти составляющие деятельности имеют разный потенциал автоматизации, мы делаем общую оценку для сектора, исследуя время, которое рабочие тратят на каждую из них в течение рабочей недели.

Приложение 1

Мы стремимся предоставить людям с ограниченными возможностями равный доступ к нашему сайту. Если вам нужна информация об этом контенте, мы будем рады работать с вами. Напишите нам по адресу: [email protected]

Техническая осуществимость является необходимым предварительным условием для автоматизации, но не полным предиктором того, что деятельность будет автоматизирована. Второй фактор, который следует учитывать, — это стоимость разработки и развертывания как аппаратного, так и программного обеспечения для автоматизации.Стоимость рабочей силы и связанная с ней динамика спроса и предложения представляют собой третий фактор: если рабочих много и они значительно дешевле, чем автоматизация, это может быть решающим аргументом против нее. Четвертый фактор, который следует учитывать, — это выгоды, выходящие за рамки замещения рабочей силы, включая более высокий уровень выпуска, лучшее качество и меньшее количество ошибок. Часто они больше, чем затраты на рабочую силу. Также необходимо взвесить нормативные и общественные вопросы, такие как степень приемлемости машин в любой конкретной обстановке.Теоретически робот может заменить, например, некоторые функции медсестры. Но на данный момент перспектива того, что это действительно может произойти очень заметным образом, может оказаться неприятной для многих пациентов, ожидающих контакта с людьми. Возможность автоматизации закрепиться в секторе или профессии отражает тонкое взаимодействие между этими факторами и компромиссы между ними.

Даже когда машины берут на себя часть человеческой деятельности в какой-либо профессии, это не обязательно означает конец работы в этой сфере деятельности.Напротив, их количество иногда увеличивается в профессиях, которые были частично автоматизированы, потому что общий спрос на их оставшиеся виды деятельности продолжает расти. Например, широкомасштабное развертывание сканеров штрих-кода и связанных с ними систем кассовых терминалов в Соединенных Штатах в 1980-х годах снизило затраты на рабочую силу в расчете на один магазин примерно на 4,5 процента, а стоимость покупаемых потребителями продуктов питания — на 1,4 процента. Это также позволило ввести ряд нововведений, в том числе увеличить рекламные акции.Но кассиры по-прежнему нужны; фактически, их занятость росла в среднем более чем на 2 процента в период с 1980 по 2013 год.

Хотите узнать больше о Глобальном институте McKinsey?

Действия, которые можно автоматизировать

Почти пятая часть времени, проводимого на рабочих местах в США, связана с физическими упражнениями или работой с механизмами в предсказуемой среде: работники выполняют определенные действия в хорошо известных условиях, где изменения относительно легко предвидеть.Мы оцениваем техническую осуществимость автоматизации таких действий за счет адаптации и внедрения доступных в настоящее время технологий в 78 процентов, что является высшим из семи наших категорий верхнего уровня (Приложение 2). Поскольку предсказуемая физическая активность занимает видное место в таких секторах, как производство, общественное питание и жилье, а также розничная торговля, они наиболее подвержены автоматизации, основанной только на технических соображениях.

Приложение 2

В производстве, например, выполнение физических действий или работа с оборудованием в предсказуемой среде составляет одну треть общего времени рабочих. Деятельность варьируется от упаковки продукции до погрузки материалов на производственное оборудование, сварки и обслуживания оборудования. Из-за преобладания такой предсказуемой физической работы около 59 процентов всей производственной деятельности можно автоматизировать с учетом технических соображений.Однако за общей технической осуществимостью скрываются значительные расхождения. В производстве, например, 90 процентов того, что делают сварщики, резаки, паяльные машины и паяльные машины, имеют технический потенциал для автоматизации, но для представителей службы поддержки клиентов этот потенциал составляет менее 30 процентов. Потенциал также варьируется в зависимости от компании. Наша работа с производителями позволяет выявить широкий диапазон уровней принятия — от компаний с непоследовательным или незначительным использованием автоматизации до весьма опытных пользователей.

Производство, при всем его техническом потенциале, является лишь вторым наиболее легко автоматизируемым сектором экономики США. Сектор услуг занимает первое место: жилье и общественное питание, где почти половина всего рабочего времени связана с предсказуемой физической активностью и работой оборудования, включая приготовление, приготовление или подачу еды; уборка помещений для приготовления пищи; приготовление горячих и холодных напитков; и сбор грязной посуды. Согласно нашему анализу, 73% работ, выполняемых в сфере общественного питания и проживания, могут быть автоматизированы по техническим причинам.

Некоторые из этих возможностей вам знакомы. Например, автоматы или автоматизированные кафетерии используются уже давно. Теперь рестораны тестируют новые, более сложные концепции, такие как самообслуживание или даже роботизированные серверы. Такие решения, как робот для приготовления гамбургеров Momentum Machines, который, как сообщается, может собирать и готовить 360 гамбургеров в час, могут автоматизировать ряд операций по приготовлению и приготовлению пищи. Но хотя технический потенциал для их автоматизации может быть высоким, экономическое обоснование должно учитывать как выгоды, так и затраты на автоматизацию, а также динамику предложения рабочей силы, о которой говорилось ранее.Для некоторых из этих видов деятельности текущие ставки заработной платы являются одними из самых низких в Соединенных Штатах, что отражает как требуемые навыки, так и размер имеющейся рабочей силы. Поскольку сотрудники ресторана, которые готовят, зарабатывают в среднем около 10 долларов в час, экономическое обоснование, основанное исключительно на сокращении затрат на рабочую силу, может быть неубедительным.

Розничная торговля — еще один сектор с высоким техническим потенциалом для автоматизации. По нашим оценкам, 53% его деятельности можно автоматизировать, хотя, как и в производстве, многое зависит от конкретной профессии в секторе.Например, розничные торговцы могут воспользоваться преимуществами эффективного, основанного на технологиях управления запасами и логистики. Объекты упаковки для отгрузки и складирования товаров являются одними из наиболее частых физических действий в розничной торговле, и они имеют высокий технический потенциал для автоматизации. То же самое и с ведением учета продаж, сбором информации о клиентах или продуктах и другими действиями по сбору данных. Но розничная торговля также требует когнитивных и социальных навыков. Консультирование клиентов, какие куски мяса или обувь какого цвета покупать, требует рассудительности и эмоционального интеллекта.Мы подсчитали, что 47 процентов деятельности розничных продавцов имеют технический потенциал для автоматизации, что намного меньше, чем 86 процентов, которые возможны для бухгалтеров, бухгалтеров и аудиторов в этом секторе.

Однако, как мы отметили выше, то, что деятельность может быть автоматизирована, не означает, что это произойдет — здесь играют роль более широкие экономические факторы. Работа бухгалтеров, бухгалтеров и ревизоров, например, требует навыков и обучения, поэтому их меньше, чем обычных поваров.Но операции, которые они выполняют, обходятся дешевле для автоматизации, требуя в основном программного обеспечения и базового компьютера.

Подобные соображения привели к наблюдаемой тенденции к более высокому уровню автоматизации для действий, типичных для некоторых рабочих мест со средней квалификацией, например, при сборе и обработке данных. По мере развития возможностей автоматизации рабочие места с более высокой квалификацией, вероятно, будут автоматизировать со все более высокой скоростью.

Тепловая карта на Приложении 3 подчеркивает широкие различия в возможностях автоматизации как в отдельных секторах, так и для различных видов деятельности внутри них.

Приложение 3

Мы стремимся предоставить людям с ограниченными возможностями равный доступ к нашему сайту. Если вам нужна информация об этом контенте, мы будем рады работать с вами. Напишите нам по адресу: [email protected]

Средние виды деятельности и сектора в области автоматизации

По всем профессиям в экономике США одна треть времени, проводимого на рабочем месте, связана со сбором и обработкой данных.Оба вида деятельности имеют технический потенциал автоматизации, превышающий 60 процентов. Давным-давно многие компании автоматизировали такие действия, как администрирование закупок, обработка платежных ведомостей, расчет потребностей в материалах и ресурсах, создание счетов-фактур и использование штрих-кодов для отслеживания потоков материалов. Но по мере развития технологий компьютеры помогают увеличивать масштабы и качество этой деятельности. Например, ряд компаний теперь предлагают решения, которые автоматизируют ввод бумажных счетов и счетов в формате PDF в компьютерные системы или даже обработку заявок на получение кредита.И не только работники начального уровня или низкооплачиваемые клерки собирают и обрабатывают данные; люди, чей годовой доход превышает 200 000 долларов, также тратят на эти дела около 31 процента своего времени.

Финансовые услуги и страхование являются одним из примеров этого явления. Мир финансов полагается на профессиональный опыт: биржевые трейдеры и инвестиционные банкиры живут своим умом. Тем не менее, около 50 процентов всего рабочего времени сотрудников в сфере финансов и страхования посвящено сбору и обработке данных, в которых высок технический потенциал автоматизации.Агенты по продажам страховых услуг собирают информацию о клиентах или продуктах, а страховщики проверяют точность записей. Агенты по продаже ценных бумаг и финансовые агенты готовят договоры купли-продажи или другие контракты. Банковские служащие проверяют достоверность финансовых данных.

В результате финансовый сектор обладает техническим потенциалом для автоматизации операций, отнимающих 43 процента рабочего времени его сотрудников. Опять же, у одних профессий потенциал намного выше, чем у других. Например, по нашим оценкам, ипотечные брокеры тратят до 90 процентов своего времени на обработку заявок.Внедрение более сложных процессов проверки документов и кредитных заявок могло бы сократить эту долю до чуть более 60 процентов. Это освободило бы консультантов по ипотеке, чтобы они могли уделять больше времени консультированию клиентов, а не рутинной обработке. И заказчик, и ипотечное учреждение приобретают большую ценность.

Другие виды деятельности со средним уровнем технического потенциала для автоматизации включают большие объемы физической активности или работу оборудования в непредсказуемых средах.Эти виды деятельности составляют значительную часть работы в таких секторах, как сельское хозяйство, лесоводство и строительство, а также могут быть обнаружены во многих других секторах.

Примеры включают использование крана на строительной площадке, оказание медицинской помощи в качестве службы быстрого реагирования, сбор мусора в общественных местах, установку материалов и оборудования для учебных классов и заправку кроватей в гостиничных номерах. Последние два вида деятельности непредсказуемы в основном потому, что окружающая среда постоянно меняется. Школьники оставляют сумки, книги и пальто, казалось бы, случайным образом.Точно так же в гостиничном номере разные гости бросают подушки в разные места, могут оставлять или не оставлять одежду на своих кроватях и по-разному загромождать пространство на полу.

Эти действия, требующие большей гибкости, чем те, которые выполняются в предсказуемой среде, сейчас труднее автоматизировать с помощью продемонстрированных в настоящее время технологий: их потенциал автоматизации составляет 25 процентов. Если технологии будут развиваться, чтобы справляться с непредсказуемыми средами так же легко, как и с предсказуемыми, потенциал автоматизации подскочит до 67 процентов.Некоторые виды деятельности в менее предсказуемых условиях в сельском хозяйстве и строительстве (например, оценка качества урожая, измерение материалов или перевод чертежей в рабочие требования) более восприимчивы к автоматизации.

Деятельность с низким техническим потенциалом для автоматизации

Сложнее всего автоматизировать с помощью доступных в настоящее время технологий те, которые связаны с управлением и развитием людей (потенциал автоматизации 9 процентов) или с применением опыта для принятия решений, планирования или творческой работы (18 процентов).Эти действия, часто называемые интеллектуальными работами, могут быть такими же разнообразными, как программирование программного обеспечения, создание меню или написание рекламных материалов. На данный момент компьютеры отлично справляются с четко определенными действиями, такими как оптимизация маршрутов грузовых автомобилей, но люди все еще должны определять правильные цели, интерпретировать результаты или обеспечивать проверки здравого смысла для решений. Важность человеческого взаимодействия очевидна в двух секторах, которые пока имеют относительно низкий технический потенциал для автоматизации: здравоохранение и образование.

Может ли машина делать вашу работу?

Изучите наш исчерпывающий набор данных на Tableau Public.

В целом, здравоохранение имеет технический потенциал для автоматизации около 36 процентов, но этот потенциал ниже для медицинских работников, повседневная деятельность которых требует опыта и прямого контакта с пациентами. Например, по нашим оценкам, менее 30 процентов деятельности дипломированной медсестры можно автоматизировать только по техническим соображениям.Для стоматологов-гигиенистов эта доля снижается до 13 процентов.

Тем не менее, некоторые виды деятельности в области здравоохранения, включая приготовление пищи в больницах и введение не внутривенных лекарств, можно было бы автоматизировать, если бы продемонстрированные в настоящее время технологии были адаптированы. Сбор данных, на который также приходится значительная часть рабочего времени в секторе, также может стать более автоматизированным. Например, помощники медсестры тратят около двух третей своего времени на сбор информации о здоровье.Даже некоторые из более сложных действий, выполняемых врачами, такие как введение анестезии во время простых процедур или считывание радиологических снимков, имеют технический потенциал для автоматизации.

Из всех рассмотренных нами секторов техническая осуществимость автоматизации самая низкая в образовании, по крайней мере, на данный момент. Безусловно, цифровые технологии меняют эту сферу, о чем свидетельствуют бесчисленные классы и обучающие материалы, доступные в Интернете. Тем не менее, суть обучения заключается в глубоком опыте и сложном взаимодействии с другими людьми.Вместе эти две категории — наименее автоматизированные из семи, определенных на первой выставке — составляют около половины деятельности в секторе образования.

Даже в этом случае 27% образовательных мероприятий — в основном те, которые происходят вне класса или вне школы — могут быть автоматизированы с помощью продемонстрированных технологий. Дворники и уборщики, например, убирают и следят за помещениями здания. Повара готовят и подают школьную еду. Помощники по административным вопросам ведут инвентарный учет и информацию о персонале.Автоматизация этих действий по сбору и обработке данных может помочь снизить рост административных расходов на образование и снизить его стоимость без ущерба для его качества.

Взгляд вперед

По мере развития технологий робототехника и машинное обучение будут все больше проникать в те виды деятельности, которые сегодня имеют лишь низкий технический потенциал для автоматизации. Новые методы, например, обеспечивают более безопасное и расширенное физическое сотрудничество между роботами и людьми в условиях, которые сейчас считаются непредсказуемыми.Эти разработки могут позволить автоматизировать больше операций в таких секторах, как строительство. Искусственный интеллект можно использовать для проектирования компонентов в инженерных отраслях.

Один из крупнейших технологических прорывов произошел бы, если бы машины развили понимание естественного языка наравне со средней производительностью человека, то есть если бы компьютеры получили способность распознавать концепции в повседневном общении между людьми. В розничной торговле такое развитие естественного языка увеличит технический потенциал автоматизации с 53 процентов всего рабочего времени до 60 процентов.В финансах и страховании скачок будет еще больше — с 43 до 66 процентов. В здравоохранении тоже, хотя мы не верим, что продемонстрированные в настоящее время технологии могут выполнять все действия, необходимые для диагностики и лечения пациентов, технологии со временем станут более эффективными. Возможно, роботы еще не чистят вам зубы и не учат ваших детей, но это не значит, что они не будут этого делать в будущем.

Однако, как указывалось вначале, простого рассмотрения технического потенциала автоматизации недостаточно для оценки того, сколько из них будет происходить в конкретных видах деятельности.Фактический уровень будет отражать взаимодействие технического потенциала, выгод и затрат (или экономического обоснования), динамику спроса и предложения рабочей силы, а также различные регулирующие и социальные факторы, связанные с приемлемостью.

Ведущие более автоматизированные предприятия

Автоматизация может преобразовать рабочее место для всех, включая высшее руководство. Быстрое развитие технологий может сделать использование ее потенциала и избежание ловушек особенно сложным. В некоторых отраслях, например в розничной торговле, автоматизация уже меняет характер конкуренции.Например, игроки электронной коммерции конкурируют с традиционными розничными торговцами, используя как физическую автоматизацию (например, роботов на складах), так и автоматизацию интеллектуальной работы (включая алгоритмы, которые предупреждают покупателей о товарах, которые они могут захотеть купить). В горнодобывающей промышленности автономные системы транспортировки, которые транспортируют руду внутри шахт более безопасно и эффективно, чем это делают люди-операторы, также могут существенно повысить производительность.

Руководителям высшего звена в первую очередь необходимо определить, где автоматизация могла бы преобразовать их собственные организации, а затем разработать план перехода на новые бизнес-процессы, поддерживаемые автоматизацией.Тепловая карта потенциальных действий по автоматизации в компаниях может помочь направить, определить и расставить приоритеты для потенциальных процессов и действий, которые могут быть преобразованы. Как мы уже отмечали, ключевой вопрос будет заключаться в том, где и как разблокировать ценность, учитывая стоимость замены человеческого труда машинами. Большинство преимуществ может быть получено не за счет снижения затрат на рабочую силу, а за счет повышения производительности за счет уменьшения количества ошибок, повышения производительности и повышения качества, безопасности и скорости.

Готовиться к будущему никогда не рано.Чтобы подготовиться к достижениям автоматизации завтрашнего дня, руководители должны поставить перед собой задачу понять данные и технологии автоматизации, которые появятся сегодня на горизонте. Но для извлечения выгоды от автоматизации требуется нечто большее, чем просто данные и технологическая смекалка. Более серьезными проблемами являются кадровые и организационные изменения, которые лидеры должны будут осуществить, поскольку автоматизация изменит все бизнес-процессы, а также культуру организаций, которые должны научиться рассматривать автоматизацию как надежный рычаг производительности.Старшие руководители, со своей стороны, должны будут «отпустить» способами, которые идут вразрез с веком организационного развития.

Понимание видов деятельности, которые наиболее подвержены автоматизации с технической точки зрения, может предоставить уникальную возможность переосмыслить, как работники взаимодействуют со своей работой и как цифровые платформы труда могут лучше связывать людей, команды и проекты. Это также может вдохновить топ-менеджеров задуматься о том, сколько их собственных действий можно было бы лучше и эффективнее выполнять с помощью машин, высвободив время руководителей, чтобы сосредоточиться на основных компетенциях, которые пока не могут заменить ни один робот или алгоритм.

Может ли машина выполнять вашу работу? Узнайте на Tableau Public, где мы проанализировали более 800 профессий, чтобы оценить, в какой степени их можно автоматизировать с использованием существующих технологий.

Машины и ИИ берут на себя рабочие места, потерянные из-за коронавируса

В течение 23 лет Ларри Коллинз работал в будке на мосту Каркинез в районе залива Сан-Франциско, собирая пошлины. Стоимость проезда со временем изменилась с нескольких долларов до 6 долларов, но основные принципы работы остались прежними: Коллинз вносил сдачу, отвечал на вопросы, давал указания и приветствовал пассажиров.«Иногда вы первый человек, которого люди видят утром, — говорит Коллинз, — и это человеческое взаимодействие может вызвать много разговоров».

Но однажды в середине марта, когда число подтвержденных случаев коронавируса резко возросло, позвонил руководитель Коллинза и сказал ему не выходить на работу на следующий день. Пункты сбора платы за проезд закрывались, чтобы защитить здоровье водителей и сборщиков платы за проезд. В дальнейшем водители будут автоматически оплачивать проезд по мосту с помощью тегов FasTrak, установленных на их лобовых стеклах, или будут получать счета, отправленные на адрес, связанный с их номерным знаком.Работа Коллинза исчезла, как и рабочие места еще 185 сборщиков дорожных сборов на мостах в Северной Калифорнии, и все они были заменены технологиями.

Машины сделали рабочие места устаревшими на протяжении веков. Прядильная Дженни заменила ткачей, кнопки заменили лифтов, а Интернет вытеснил туристические агентства из бизнеса. По оценкам одного исследования, в США из-за автоматизации из-за автоматизации было потеряно около 400 000 рабочих мест.S. с 1990 по 2007 год. Но стремление заменить людей машинами усиливается, поскольку компании пытаются избежать заражения COVID-19 на рабочем месте и поддерживать низкие эксплуатационные расходы. В разгар пандемии США потеряли около 40 миллионов рабочих мест, и хотя некоторые из них вернулись, некоторые никогда не вернутся. По оценкам одной группы экономистов, 42% потерянных рабочих мест исчезли навсегда.

Эта замена людей машинами может ускориться в ближайшие месяцы, поскольку компании переходят от режима выживания к выяснению того, как действовать, пока пандемия затягивается.Согласно недавнему докладу экономистов Массачусетского технологического института и Бостонского университета, к 2025 году роботы могут заменить еще до 2 миллионов рабочих на производстве. «Эта пандемия создала очень сильный стимул для автоматизации работы людей», — говорит Дэниел Сасскинд, научный сотрудник по экономике Баллиол-колледжа Оксфордского университета и автор книги «Мир без работы: технологии, автоматизация и как мы должны». Реагировать. «Машины не болеют, им не нужно изолироваться, чтобы защитить коллег, им не нужно брать отпуск с работы.”

Ларри Коллинз 31 июля у себя дома в Латропе, штат Калифорния, работал сборщиком дорожных сборов, пока COVID-19 не заставил штат автоматизировать работу для защиты сотрудников и водителей. «Я просто хочу вернуться к тому, чем занимался», — говорит Коллинз, чья работа входит в число миллионов, которые, по словам экономистов, могут быть потеряны навсегда, поскольку компании ускоряют переход к автоматизации.

Кейси Клиффорд для TIME

Как и большинство случаев пандемии , эта новая волна автоматизации будет тяжелее для цветных людей, таких как Черный Коллинз, и для низкооплачиваемых рабочих. По данным McKinsey, многие темнокожие и латиноамериканцы являются кассирами, работниками общественного питания и представителями службы поддержки клиентов, которые входят в число 15 рабочих мест, которым автоматизация больше всего угрожает.Еще до пандемии глобальная консалтинговая компания подсчитала, что автоматизация может привести к вытеснению 132 000 чернокожих рабочих в США к 2030 году.

В ответ на коронавирус развернулись роботы. Внезапно они начали мыть полы в аэропортах и измеряли температуру людей. Больницы и университеты развернули Салли, робота для приготовления салатов, созданного технологической компанией Chowbotics, чтобы заменить сотрудников столовой; торговые центры и стадионы закупили роботов-охранников Knightscope для патрулирования пустой недвижимости; компании, производящие востребованные материалы, такие как больничные кровати и ватные палочки, обратились к поставщику промышленных роботов Yaskawa America, чтобы помочь увеличить производство.

Компании закрыли центры обработки вызовов, в которых наняли агентов по обслуживанию клиентов, и обратились к чат-ботам, созданным технологической компанией LivePerson, или к платформе Watson Assistant на базе искусственного интеллекта. «Я действительно думаю, что это новая норма — пандемия ускорила то, что должно было случиться в любом случае», — говорит Роб Томас, старший вице-президент по облачным технологиям и платформам данных в IBM, которая развертывает Watson. Около 100 новых клиентов начали использовать программное обеспечение с марта по июнь.

Теоретически автоматизация и искусственный интеллект должны освободить людей от опасных или скучных задач, чтобы они могли выполнять более интеллектуально стимулирующие задания, делая компании более производительными и повышая заработную плату работников. А в прошлом технологии внедрялись по частям, давая сотрудникам время для перехода на новые должности. Те, кто потерял работу, могли пройти переподготовку, возможно, используя выходное пособие или пособие по безработице, чтобы найти работу в другой сфере. На этот раз изменение было резким, поскольку работодатели, обеспокоенные COVID-19 или внезапными приказами о закрытии, поспешили заменить рабочих машинами или программным обеспечением.Некогда было переучиваться. Компании, которые беспокоились о своей прибыли, вместо этого сокращали рабочих, и эти рабочие были предоставлены самим себе, чтобы найти способы овладеть новыми навыками. Нашли несколько вариантов.

В прошлом США отвечали на технологические изменения, инвестируя в образование. Когда автоматизация коренным образом изменила рабочие места на фермах в конце 1800-х и 1900-х годах, штаты расширили доступ к государственным школам. Доступ к колледжу расширился после Второй мировой войны с принятием закона о военнослужащих, который прислал 7 человек.С 1944 по 1956 год в школу ходили 8 миллионов ветеранов. Но с тех пор инвестиции США в образование застопорились, и рабочие вынуждены сами оплачивать их. И идея образования в США по-прежнему ориентирована на колледж для молодых рабочих, а не на переподготовку сотрудников. Страна тратит 0,1% ВВП на помощь работникам при смене профессии, что составляет менее половины того, что было потрачено 30 лет назад.

«Настоящая проблема автоматизации заключается не столько в апокалипсисе роботов, — говорит Марк Муро, старший научный сотрудник Брукингского института.«Это обычное дело для людей, которым необходимо пройти переподготовку, и они действительно не могут получить его доступным, эффективным, хорошо информированным и основанным на данных способом».

Это означает, что десятки тысяч американцев, потерявших работу во время пандемии, могут оставаться без работы в течение многих лет или, в случае Коллинза, навсегда. Хотя у него есть доступ к финансированию переподготовки через свой профсоюзный контракт, «Я слишком стар, чтобы думать о другой работе», — говорит Коллинз, которому 63 года, и он планирует досрочно выйти на пенсию.«Я просто хочу вернуться к тому, что делал».

Зарегистрируйтесь в отеле сегодня, и механический дворецкий, разработанный робототехнической компанией Savioke, могут катиться по холлу, чтобы доставить полотенца и зубные щетки. («Чаевые не требуются», — отмечает Савиоке на своем веб-сайте.) Во время пандемии были задействованы роботы, чтобы встречать гостей в их комнатах с недавно продезинфицированными ключами. Робот-кладщик может сложить более 3000 кирпичей за восьмичасовую смену, что в 10 раз больше, чем может сделать человек.Роботы могут сажать семена и собирать урожай, разделять грудинки и туши на бойнях, упаковывать поддоны с едой на перерабатывающих предприятиях.

Это не значит, что они у всех забирают работу. На протяжении веков люди, от ткачей до фабричных рабочих, беспокоились, что достижения в области технологий создадут мир без работы, и это никогда не подтверждалось. Например, банкоматы не сразу уменьшили количество кассиров в банке. Фактически они привели к увеличению числа кассиров, поскольку потребители, привлеченные удобством банкоматов, стали чаще посещать банки.Банки открывали больше отделений и нанимали кассиров для решения задач, которые выходят за рамки возможностей банкоматов. Без технического прогресса большая часть американской рабочей силы работала бы на фермах, на которые в 1910 году приходился 31% рабочих мест в США, а сейчас — менее 1%.

Но в прошлом, когда автоматизация устраняла рабочие места, компании создавали новые, чтобы удовлетворить свои потребности. Производителям, которые могли производить больше товаров с помощью машин, например, требовались клерки для доставки товаров и маркетологи для привлечения дополнительных клиентов.

Теперь, когда автоматизация позволяет компаниям делать больше с меньшим количеством людей, успешным компаниям не нужно столько сотрудников. В самой дорогой компании США в 1964 году, AT&T, работало 758 611 сотрудников; В самой дорогой компании сегодня, Apple, работает около 137 000 сотрудников. Хотя сегодняшние крупные компании зарабатывают миллиарды долларов, они делят этот доход с меньшим количеством сотрудников, и большая часть их прибыли идет акционерам. «Посмотрите на бизнес-модель Google, Facebook, Netflix. Они не занимаются созданием новых задач для людей », — говорит Дарон Аджемоглу, экономист Массачусетского технологического института, изучающий автоматизацию и рабочие места.

По его словам, правительство США стимулирует компании к автоматизации, предоставляя налоговые льготы при покупке оборудования и программного обеспечения. Он отмечает, что бизнес, который платит рабочему 100 долларов, платит 30 долларов в виде налогов, а бизнес, который тратит 100 долларов на оборудование, платит около 3 долларов в виде налогов. Закон о сокращении налогов и занятости от 2017 года снизил налоги на покупки настолько, что «вы действительно можете заработать деньги, покупая оборудование», — говорит Аджемоглу.

Кроме того, искусственный интеллект становится все более искусным в работе, которая когда-то была прерогативой человека, что усложняет людям задачу опережать машины.JPMorgan заявляет, что теперь у него есть искусственный интеллект, который анализирует коммерческие кредитные соглашения, выполняя за секунды то, что раньше занимало 360 000 часов рабочего времени юристов в течение года. В мае на фоне падения доходов от рекламы Microsoft уволила десятки журналистов MSN и службы Microsoft News, заменив их искусственным интеллектом, который может сканировать и обрабатывать контент. Радиогруппа iHeartMedia уволила десятки ди-джеев, чтобы воспользоваться своими инвестициями в технологии и искусственный интеллект. Мне помогли расшифровать интервью для этой истории с помощью Otter.ai, сервис транскрипции на основе ИИ. Несколько лет назад я мог бы платить 1 доллар в минуту за то, чтобы люди делали то же самое.

Эти достижения делают ИИ легким выбором для компаний, которые пытаются справиться с пандемией. Муниципалитеты, которым пришлось закрыть свои перерабатывающие предприятия, где люди работали в непосредственной близости, используют роботов с искусственным интеллектом для сортировки тонны пластика, бумаги и стекла. AMP Robotics, компания, которая производит этих роботов, заявляет, что с марта по июнь количество запросов от потенциальных клиентов увеличилось как минимум в пять раз.В прошлом году на 35 предприятиях по переработке использовалась робототехника AMP, говорит представитель AMP Крис Вирт; к концу 2020 года будет около 100.

Плата за проезд на мосту Каркинез в Вальехо, штат Калифорния, пуста 30 июля из-за решения штата автоматизировать работу в начале пандемии COVID-19.На данный момент работникам платят в обмен на прохождение онлайн-курсов в других областях, но это не является преимуществом, доступным большинству из миллионов сотрудников в США, потерявших работу во время пандемии.

Кейси Клиффорд для TIME

RDS Virginia, , компания по переработке отходов в Вирджинии, в 2019 году приобрела четыре робота AMP для своего предприятия в Роаноке, разместив их на сборочных линиях, чтобы гарантировать, что потоки бумаги и пластика не содержат неуместных материалов.По словам президента компании Джо Бенедетто, роботы могут работать круглосуточно, не делают перерывов в туалетах и не нуждаются в обучении технике безопасности. Когда разразился коронавирус, роботы взяли на себя контроль качества, поскольку людей снимали с конвейеров и давали им задачи, которые держали их на безопасном расстоянии друг от друга. Бенедетто вздохнул с облегчением, зная, что ему не придется повышать зарплату роботам до минимума. Он уже думает, где еще можно их развернуть. «Я предпочитаю машины по нескольким причинам, — говорит Бенедетто.«Во-первых, пока вы поддерживаете его, он работает каждый день».

Компании, внедряющие автоматизацию и искусственный интеллект, говорят, что технология позволяет им создавать новые рабочие места. Но количество новых рабочих мест часто ничтожно по сравнению с количеством потерянных. По словам генерального директора Роба Локацио, LivePerson, разрабатывающая программное обеспечение для общения, может позволить компании взять колл-центр на 1000 человек и запустить его с помощью 100 человек плюс чат-боты.По словам Локашио, бот может ответить на 10 000 запросов в час; эффективный представитель колл-центра может ответить шести.

Спрос на LivePerson в марте вырос в четыре раза, так как компании закрыли центры обработки вызовов, сообщает LoCascio. «Произошло то, что представители контакт-центра разошлись по домам, и многие из них не могут работать из дома», — говорит он.

Некоторые удивительные предприятия охватывают автоматизацию. David’s Bridal, которая продает свадебные платья и другую формальную одежду примерно в 300 магазинах по всей Северной Америке и США.К., в прошлом году установил чат-бота под названием Zoey через LivePerson. Когда пандемия вынудила David’s Bridal закрыть свои магазины, Зои помогла справиться с запросами клиентов, наводнившими телефонные центры компании, — говорит Холли Кэрролл, вице-президент по обслуживанию клиентов и контакт-центру. Без бота «мы были бы мертвы в воде», — говорит Кэрролл.

David’s Bridal теперь тратит на колл-центры на 35% меньше и может обрабатывать в три раза больше сообщений через своего чат-бота, чем через голосовую почту или электронную почту.(Зои может быть дешевле человека, но это не безошибочно. С помощью текста Зои обещала связать меня с виртуальным стилистом, но я так и не получил ответа от него или компании.)

Многие организации, вероятно, будут рассматривать технологии как им грозит сокращение бюджета и необходимость сокращения штата. «Я не думаю, что мы вернемся к тому штатному расписанию, на котором были до COVID», — говорит Брайан Покорни, директор по информационным технологиям округа Отсего в штате Нью-Йорк, который сократил 10% своего персонала из-за пандемии. связанные с бюджетом вопросы.«Поэтому нам нужно взглянуть на такие вещи, как ИИ, чтобы упростить государственные услуги и сделать нас более эффективными».

Покорный использовал бесплатную пробную версию Watson Assistant от IBM на ранней стадии пандемии и создал веб-чат на базе искусственного интеллекта, чтобы отвечать на вопросы общественности, например, открылся ли Национальный зал бейсбольной славы в Куперстауне, административном центре округа. (По состоянию на 26 июня у него была ограниченная вместимость.) Теперь Watson может отвечать на 75% вопросов, которые задают люди, и округ Отсего начал оплачивать услугу, которая, по словам Покорного, стоит «копейки» за разговор.Хотя теперь округ использует ИИ только для онлайн-чатов, он планирует развернуть виртуального помощника Watson, который сможет отвечать на телефонные звонки. По данным Национальной ассоциации государственных руководителей по информационным технологиям, около 36 штатов развернули чат-ботов, чтобы отвечать на вопросы о пандемии и доступных государственных услугах.

IBM и LivePerson говорят, что, создавая ИИ, они освобождают людей для выполнения более сложных задач.По словам Локацио, компаниям, заключившим контракт с LivePerson, по-прежнему нужны «строители ботов», которые помогли бы научить ИИ отвечать на вопросы, а агенты call-центра видят, что их зарплата увеличивается примерно на 15%, когда они становятся создателями ботов. «Мы можем смотреть на это так, как будто произойдет массовая потеря работы, или мы можем взглянуть на это, как люди будут перемещены в разные места и должности в мире, чтобы улучшить свою жизнь», — говорит Локашио.

Но компаниям потребуется гораздо меньше создателей ботов, чем агентам call-центра, а мобильность не всегда возможна, особенно для работников без высшего образования или чьи работодатели не предлагают переподготовку.Особенно уязвимы рабочие, не являющиеся членами профсоюзов. Ларри Коллинзу и его коллегам, представленным SEIU Local 1000, повезло: им выплачивают полную зарплату в обозримом будущем в обмен на 32 часа в неделю онлайн-уроков по компьютерным навыкам, бухгалтерскому учету, предпринимательству и другим областям. (Некоторые могут даже получить свои рабочие места, хотя и временно, по мере того, как государство модернизирует свои системы.) Но только 11,6% американских рабочих были представлены профсоюзом в 2019 году.

Ивонн Р.Уокер, президент профсоюза, говорит, что большинство работников, не состоящих в профсоюзе, не получают такой помощи. «Компании не проводят обучение и повышение квалификации сотрудников — они не считают это хорошей инвестицией», — говорит Уолкер. «Если у рабочих нет профсоюзов, думающих об этих вещах, рабочие останутся позади».

В Швеции работодатели платят в частные фонды, которые помогают работникам пройти переподготовку; Сингапурская программа SkillsFuture возмещает гражданам до 500 сингапурских долларов (около 362 долларов в США).S. валюта) для утвержденных курсов переподготовки. Но в США самые надежные программы переподготовки предназначены для работников, чьи рабочие места отправлены за границу или были потеряны по иным причинам из-за проблем с торговлей. Несколько штатов начали обещать платить за обучение в местных колледжах взрослых учащихся, которые хотят пройти переподготовку; Программа Tennessee Reconnect оплачивает взрослым старше 25 лет, не имеющим высшего образования, сертификаты, дипломы младшего специалиста и технические дипломы. Но аналогичная программа в Мичигане находится под угрозой, поскольку штаты борются с бюджетными проблемами, говорит Мишель Миллер-Адамс, исследователь из W.Э. Апджон Институт исследований занятости.

Палата представителей и сенат представили законопроект о переподготовке рабочей силы на сумму 15 миллиардов долларов в начале мая, но он не получил особой поддержки у республиканцев, которые предпочитают поощрять переподготовку, предоставляя налоговые льготы. Существующие федеральные фонды имеют ограничения. Гранты Пелла, которые помогают студентам с низким доходом оплачивать образование, не могут быть использованы для нетрадиционных программ, таких как учебные лагеря или 170-часовой сертификат EMT.По словам Айобами Олугбемига, пресс-секретаря Национальной коалиции профессиональных навыков, местные центры по безработице, получающие федеральные средства, тратят в среднем 3500 долларов на человека на переподготовку, но обычно у них заканчиваются деньги в начале календарного года из-за ограниченного финансирования.

Даже если бы федеральное финансирование было широко доступно, количество людей, нуждающихся в переподготовке, было бы больше, чем могут справиться университеты, говорит Гейб Далпорто, генеральный директор Udacity, который предлагает онлайн-курсы по программированию, науке о данных, искусственному интеллекту и многому другому.«Миллиард человек потеряют работу в течение следующих 10 лет из-за ИИ, и, во всяком случае, COVID ускорил это примерно на девять лет», — говорит Дальпорто. «Если вы попытаетесь переквалифицировать миллиард человек в университетской системе, вы сломаете университетскую систему».

Dalporto говорит, что коронавирус должен стать тревожным сигналом для федерального правительства, чтобы оно переосмыслило, как оно финансирует образование. «У нас есть такая модель, в которой мы хотим вкладывать огромные суммы капитала в очень медленное, не ориентированное на профессию образование», — говорит Далпорто.«Если вы просто перепрофилируете 10% этой суммы, вы сможете переобучить 3 миллиона человек примерно за шесть месяцев».

Провайдеры онлайн-образования заявляют, что могут обеспечить переподготовку и повышение квалификации в соответствии с собственными графиками сотрудников и за меньшие деньги, чем в традиционных школах. Coursera предлагает шестимесячные курсы по цене от 39 до 79 долларов в месяц, на которых студенты получают сертификаты, необходимые для выполнения различных работ, говорит генеральный директор Джефф Маггионкалда. По его словам, после того, как они устроятся на работу, они смогут продолжить обучение в колледже в Интернете.«Идея о том, что сначала нужно получить рабочие навыки, устроиться на работу, а затем получить диплом колледжа онлайн, пока вы работаете, я думаю, для многих людей будет более экономически эффективным», — говорит он. В апреле Coursera запустила Инициативу по восстановлению кадров, которая позволяет безработным в некоторых штатах и других странах, включая Колумбию и Сингапур, учиться бесплатно до конца года.

Провайдеры онлайн-обучения могут предложить относительно недорогие варианты повышения квалификации, поскольку у них нет консультантов, классных комнат и других функций обычных школ.Но в будущем работодатели могут играть более важную роль в обеспечении этих систем поддержки. Дальпорто, который называет волну автоматизации во время COVID-19 «нашим экономическим Перл-Харбором», утверждает, что правительство должно предоставить налоговый кредит в размере 2500 долларов на одного квалифицированного сотрудника компаниям, которые проводят переподготовку. Он также предлагает, чтобы в выходные пособия компании были включены кредиты на переподготовку в размере 1500 долларов США.

Некоторые работодатели обращаются к Guild Education, которая работает с работодателями, чтобы субсидировать повышение квалификации.Программа, запущенная в мае, позволяет компаниям платить за помощь уволенным работникам в поиске новых рабочих мест. «Работодатели видят в этом способ создать лояльность среди бывших сотрудников», — говорит Рэйчел Карлсон, генеральный директор Guild. «Самые вдумчивые потребительские компании говорят:« Сотрудник на данный момент, покупатель на всю жизнь », — говорит она.

При том, что в экономике на 30 миллионов рабочих мест меньше, чем было до пандемии, работники и работодатели могут не увидеть особого смысла в обучении профессиям, которые могут быть недоступны в течение нескольких месяцев или даже лет.И не каждый работник заинтересован в изучении науки о данных, облачных вычислений или искусственного интеллекта.

Но те, кто нашел способ перейти от умирающих полей к востребованной работе, вероятно, добьются большего успеха. Несколько лет назад Тристен Александр работал представителем колл-центра в энергетической компании Джорджии, когда прошел шестимесячный онлайн-курс, чтобы получить сертификат специалиста по ИТ-поддержке Google. Стипендия Google покрыла расходы Александра, который не имеет высшего образования и содержал свою жену и двоих детей примерно на 38000 долларов в год.Александр считает, что его сертификат помог ему выиграть повышение по службе, и говорит, что теперь он зарабатывает более 70 000 долларов в год. Более того, повышение по службе дало ему чувство уверенности в себе. «Я просто думаю, что всем очень нужно научиться чему-то техническому», — говорит он мне.

Конечно, Александр знает, что технологии могут существенно изменить его работу в следующем десятилетии, поэтому он уже планирует свой следующий шаг. К 2021 году он хочет овладеть навыком тестирования компьютерных систем для выявления уязвимостей для хакеров и получить сертификат в этой практике, известной как тестирование на проникновение.По его словам, это почти гарантирует ему работу, работая вместе с технологиями, которые меняют мир.

–С сообщением Алехандро де ла Гарса и Джулии Зортиан / Нью-Йорк

Это опубликовано в выпуске TIME от 17 августа 2020 года.

Краткое изложение коронавируса. Все, что вам нужно знать о глобальном распространении COVID-19

Спасибо!

В целях вашей безопасности мы отправили письмо с подтверждением на указанный вами адрес.Щелкните ссылку, чтобы подтвердить подписку и начать получать наши информационные бюллетени. Если вы не получите подтверждение в течение 10 минут, проверьте папку со спамом.

Свяжитесь с нами по адресу [email protected].

Ключом к будущему в сфере труда станут люди + машины

Когда дело доходит до искусственного интеллекта (ИИ), машинного обучения и робототехники, существует , как правило, две основные школы мысли, особенно когда речь идет об этих технологиях, которые служат ключом к будущему работы.Во-первых, искусственный интеллект захватит человечество — возможно, даже насильственно — и все мы будем вынуждены работать в резерве из-за машин, которые в конечном итоге станут умнее самих людей. Да, темно.

Вторая школа мысли — и моя личная альма-матер — верит в более добрую и утилитарную вселенную искусственного интеллекта, в которой технологии существуют не ради самих себя, а для расширения и совершенствования навыков людей, использующих их. В конце концов, ключ предназначен для того, чтобы отпереть дверь к чему-то большему, а не к чему-то ценному само по себе.

Ключ к будущему работы: партнерство «следующей эры»

По правде говоря, никто из нас — человек или искусственный интеллект — не может предсказать будущее работы в этот момент. Тем не менее, у нас есть несколько неплохих идей, как технологии будут сосуществовать с людьми в следующие 10-15 лет.

Институт будущего (IFTF) и Dell работают вместе, чтобы внести в это видение несколько широких мазков. Одна из самых ярких тем: люди будут служить «цифровыми проводниками» в современном мире, где технологии существуют внутри и как продолжение нас, а не отдельно от нас, как сейчас.

Что это вообще значит? Представьте себе: в будущем мы будем хранить смартфоны в нашем мозгу, а не в карманах. Мы будем играть в видеоигры с нейронными путями, а не с цифровыми консолями. Мы сможем вживлять компьютеры в наши тела, вместо того, чтобы сидеть за столами и в кафе и печатать на них. Да, это потрясающая штука. Но это также открывает перед людьми огромные возможности для экономии времени, денег и энергии в поисках еще более удивительных вещей. Это время и возможности — ключи к будущему работы.В самом деле, этот второй машинный век или четвертая промышленная революция принесла наибольшую неопределенность, но также и величайшие возможности из всех, которые мы когда-либо испытывали.

Ключ к будущему работы: обучение в данный момент

Одна из статистических данных, которая никогда не перестает меня поражать, заключается в следующем: более 80 процентов работ, которые мы будем выполнять в 2030 году, еще даже не существует. Забудьте о директоре по обработке данных или о директоре по защите данных. Я говорю о профессиях, которые мы, люди, пока не можем даже вообразить, потому что у нас нет точки отсчета, чтобы даже вообразить их.Это одна из причин, по которой IFTF отметила «обучение моментом» как еще один ключ к будущему работы. Вместо того, чтобы видеть, как студенты направляются в колледж, чтобы тренироваться в течение четырех лет, например, для обучения программированию или кибербезопасности, мы с большей вероятностью увидим, как работодатели нанимают гибких, устойчивых, умных, способных руководителей, которые могут приобретать новые навыки по мере необходимости среди стремительное море перемен.

Это подводит меня к другому ключу к будущему работы: soft skills. По мере того, как наши отношения с технологиями и искусственным интеллектом продолжают укрепляться, мы увидим, что работодатели будут уделять больше внимания «человеческим навыкам» уровня A +, а не простым техническим навыкам.В самом деле, по мере того, как машины продолжают брать на себя рутинные и второстепенные задачи, это дает место для более глубоких когнитивных качеств, таких как сострадание, сочувствие и комплексное решение проблем в человеческом мозгу, которые могут сотрудничать с машинами для создания новых рабочих мест, нового опыта и решения проблем, которые должны этот день был неразрешим.

Ключ к будущему работы: движение по потоку

Хотя многие не согласны с тем, как будет выглядеть будущее работы, большинство согласны с тем, что нам нужно будет меняться, чтобы принять его — скорее всего, ежедневно.Это означает рассмотрение новых бизнес-моделей, которые позволяют нам использовать технологии в полной мере — стратегически — на каждом этапе пути.

Будущее работы не должно быть пугающим. Фактически, это может быть невероятно захватывающим, поскольку мы готовимся использовать технологии способами, о которых большинство из нас даже не догадывались — от создания наших реальных костюмов Железного человека для помощи солдатам до создания умных экзоскелетов, которые помогут страдающим. от паралича. Все, что нам нужно сделать, это вспомнить, кто главный.

Автор: Дэниел Ньюман

Дэниел Ньюман — главный аналитик Futurum Research и генеральный директор Broadsuite Media Group.Живя на стыке людей и технологий, Дэниел работает с крупнейшими мировыми технологическими брендами, исследуя цифровую трансформацию и ее влияние на предприятие. От больших данных до Интернета вещей и облачных вычислений, Ньюман устанавливает связи между бизнесом, людьми и технологиями, которые необходимы компаниям для получения максимальной выгоды от своих технологических проектов, что приводит к тому, что его идеи регулярно цитируются в CIO.Com, CIO Review и сотнях других публикаций. другие сайты по всему миру. Дэниел, получивший 5-кратный рейтинг бестселлеров, включая его последнюю книгу «Строим драконов: цифровая трансформация в экономике впечатлений», также является автором Forbes и автором Huffington Post.Даниэль Ньюман, магистр делового администрирования и адъюнкт-профессор, родился в Чикаго, и его выступления каждый год переносят его по всему миру, поскольку он делится своим видением роли, которую технологии будут играть в нашем будущем.

Кроссворд Work and Machines

Скорость, с которой скорость меняет ускорение
Штанга или вал, на котором вращается колесо Ось
Равные силы, действующие на объект в противоположных направлениях Уравновешенные силы
Угол движения от точки покоя Направление
Расстояние и направление объекта изменяется в положении его начальной точки. Смещение
Насколько далеко прошел объект. Расстояние
Сила энергии, прикладываемая к машине для выполнения полезной работы. Усилие
Толкающее или притягивающее усилие на объект Сила
Сила, которую одна поверхность оказывает на другую, когда две поверхности трутся друг о друга Трение
Сила, притягивающая объекты друг к другу Гравитация
Простая машина, представляющая собой плоскую наклонную поверхность Наклонная плоскость
Тенденция объекта сопротивляться любым изменениям в движении Инерция
Простая машина, состоящая из жесткого стержня, который вращается вокруг фиксированной точки Рычаг
A мера того, сколько вещества находится в объекте Масса
Количество раз, когда машина увеличивает силу, приложенную к нему (выходная сила / входная сила) Механическое преимущество
Произведение массы и скорости объекта Импульс
Изменение положения объекта с течением времени при сравнении с контрольной точкой Движение
Закон инерции, движущийся объект будет оставаться в движении, если на него не действует внешняя сила Закон Ньютона
Расположение объекта по сравнению с контрольной точкой Положение
Простая машина, состоящая из колеса по которой проходит веревка, цепь или проволока Шкив
Поместите что-нибудь в положение покоя, например, для поддержки или стабилизации. Опора
Простая машина, представляющая собой наклонную плоскость, обернутую вокруг центрального цилиндра для образования спирали. Винт
Устройство, которое может сделать жесткое работа проще, позволяя человеку прикладывать меньшее усилие или прикладывать силу в направлении, которое легче манипулировать. Простая машина
Расстояние, которое проходит объект на единицу время Скорость
Не движется; не меняется Стационарный
Интервал, разделяющий две точки этой величины; длительность Время
Силы, которые создают ненулевую результирующую силу, которая изменяется и вызывает движение Неуравновешенные силы
Скорость в заданном направлении (v = d / t) Скорость
Простая машина, которая представляет собой наклонную плоскость, которая перемещается Клин
Мера силы Гравитация имеет на объекте Вес
Простая машина, состоящая из двух прикрепленных круглых или цилиндрических объектов, которые вращаются вокруг общей оси, каждый с разным радиусом Колесо и ось
Сила, приложенная к лучшему, заставляющему его двигаться Работа

Работа на станках с ЧПУ это не сложный процесс но денежный

2017-10-01

Работа на токарном станке или управление токарным станком

Обучение операторов станков с ЧПУ

ПРОГРАММА ОБУЧЕНИЯ

КОНТАКТЫ

Для регистрации необходимо заполнить форму:

Правила по технике безопасности при работе на токарном станке

Общие положения

Техника безопасности перед началом работы

ТБ во время токарных работ

Нестандартные ситуации

Токарный станок с ЧПУ. Как выбрать, какие СОЖ использовать?

Разновидности токарных станков с ЧПУ

Выбор станка с ЧПУ для токарных работ

Как работать на токарном станке с ЧПУ?

Какие СОЖ использовать?

Разновидности токарных станков с ЧПУ

Выбор станка с ЧПУ для токарных работ

Как работать на токарном станке с ЧПУ?

Какие СОЖ использовать?

15.01.32 Оператор станков с программным управлением

Что такое ЧПУ станок — системы ЧПУ на станках ⭐ АО КоСПАС

Содержание:

Системы ЧПУ для станков: просто о сложном

Немного истории

NC – это не Norton Commander

Классификация современных систем ЧПУ

Его величество компьютер нуждается в программе

«G»« и «M» коды в программах для станков с ЧПУ

Методы создания и структура управляющих программ

Системы ЧПУ всемирно признанных лидеров отрасли

Обучение работе с интеллектуальными машинами

Вкратце об идее

Проблема

Результат

Решение

Препятствия к обучению

1. Стажеры отодвигаются от своего «учебного края».

2. Эксперты отстраняются от работы.

3. Ожидается, что учащиеся овладеют как старыми, так и новыми методами.

4. Стандартные методы обучения считаются эффективными.

Ответы теневого обучения

Ищу борьбы.

Использование передовых ноу-хау.

Изменение ролей.

Кураторские решения.

Обучение у теневых учеников.

1. Продолжайте изучать это.

2. Адаптируйте методы теневого обучения, которые вы обнаружите, для проектирования организаций, работы и технологий.

3. Сделайте интеллектуальные машины частью решения.

Заключение

Роботы не забирают нашу работу — они становятся нашими боссами

Почему рабочие проигрывают войну против машин

Где машины могут заменить людей — а где нет (пока)

Понимание потенциала автоматизации

Действия, которые можно автоматизировать

Средние виды деятельности и сектора в области автоматизации

Деятельность с низким техническим потенциалом для автоматизации

Взгляд вперед

Ведущие более автоматизированные предприятия

Машины и ИИ берут на себя рабочие места, потерянные из-за коронавируса

Краткое изложение коронавируса. Все, что вам нужно знать о глобальном распространении COVID-19

Спасибо!

Ключом к будущему в сфере труда станут люди + машины

Ключ к будущему работы: партнерство «следующей эры»

Ключ к будущему работы: обучение в данный момент

Ключ к будущему работы: движение по потоку

Автор: Дэниел Ньюман

Кроссворд Work and Machines

Добавить комментарий Отменить ответ