سالخوردگی به محرکی برای فناوری صنعتی تبدیل میشود
سالخوردگی جمعیت دیگر فقط یک مسئله جمعیتشناختی یا اجتماعی نیست. این پدیده بهطور فزایندهای به مسئلهای در فناوری صنعتی تبدیل میشود، زیرا کوچکشدن جمعیت در سن کار، نحوه ارزیابی ظرفیت تولید، هزینههای نیروی کار و سرمایهگذاری را از سوی شرکتها تغییر میدهد.
یک مقاله کاری اخیر صندوق بینالمللی پول با عنوان اقتصادهای سالخورده و پذیرش هوش مصنوعی: شواهد بنگاهمحور از پیمایشهای بنگاههای بانک جهانی، شواهدی در سطح بنگاه درباره این رابطه ارائه میکند. این مطالعه ۸۹٬۳۸۰ بنگاه را در ۱۴۴ کشور، که بین سالهای ۲۰۲۲ و ۲۰۲۵ مورد پیمایش قرار گرفتهاند، پوشش میدهد.
در میان این شرکتها، ۱٬۶۵۶ بنگاه، معادل تقریباً ۱٫۹٪، نوآوریهای فرایندیِ مرتبط با هوش مصنوعی، اتوماسیون یا رباتیک را گزارش کردند. تنها ۲۲۱ بنگاه، معادل ۰٫۲٪، هوش مصنوعی یا یادگیری ماشین را صراحتاً بهعنوان بخشی از این نوآوریها معرفی کردند.
این اعداد هنوز نسبتاً کوچکاند، اما جهتگیری مهم است: وقتی یافتن نیروی کار دشوارتر میشود، فناوری به جایگزین عملیتری برای نیروی انسانی تبدیل میشود.
سیگنال جمعیتشناختی پشت سرمایهگذاری در اتوماسیون
این مطالعه، پس از در نظر گرفتن عواملی مانند درآمد، دسترسی به اینترنت، اندازه شرکت، بخش اقتصادی، منطقه و سال پیمایش، افزایش ۱۰ واحد درصدی در نسبت وابستگی سالمندی را با افزایش ۰٫۶ واحد درصدی در پذیرش فناوریهای فرایندی مرتبط میداند.
نسبت وابستگی سالمندی، تعداد افراد ۶۵ ساله و بالاتر را به ازای هر ۱۰۰ نفر در سن کار اندازهگیری میکند. با افزایش این نسبت، شرکتها ممکن است با جمعیت کوچکتری از نیروی کار در دسترس مواجه شوند.
از دیدگاه اتوماسیون صنعتی، این رابطه منطقی است. وقتی بازار کار محلی از پیش با محدودیت مواجه است، یک کارخانه نمیتواند صرفاً با استخدام اپراتورهای بیشتر، تولید را بینهایت افزایش دهد.
در این مرحله، پرسش مهندسی از «چند کارگر میتوانیم استخدام کنیم؟» به «فناوری میتواند کدام وظایف تولیدی را بهطور پایدار و بدون نیروی کار اضافی انجام دهد؟» تغییر میکند.
این تغییر میتواند مستقیماً بر تصمیمهای مربوط به سامانههای PLC، رباتهای صنعتی، بینایی ماشین، جابهجایی خودکار مواد، کنترل فرایند و نرمافزارهای هوشمند تولید تأثیر بگذارد.
تولید و خدمات مسیرهای فناوری متفاوتی را در پیش میگیرند
یکی از مفیدترین یافتهها این است که «پذیرش هوش مصنوعی» نباید بهعنوان یک دسته فناوری واحد در نظر گرفته شود.
هنگامی که هوش مصنوعی، اتوماسیون و رباتیک در کنار هم در نظر گرفته میشوند، اثر جمعیتی بهویژه در بخش تولید آشکار است. این موضوع قابل درک است، زیرا تولید صنعتی شامل عملیات تکراری، قابلاندازهگیری و از نظر فیزیکی دشوار بسیاری است که میتوان آنها را خودکار کرد.
رباتیک، بازرسی خودکار، کنترل حرکت، بینایی ماشین و کنترل خطوط تولید میتوانند مداخله دستی را در فرایندهای کاملاً تعریفشده جایگزین یا کاهش دهند.
هوش مصنوعی مبتنی بر نرمافزار از الگوی متفاوتی پیروی میکند. هنگامی که مطالعه بهطور مشخص بر شرکتهایی تمرکز میکند که به هوش مصنوعی یا یادگیری ماشین اشاره کردهاند، کسبوکارهای خدماتی برجستهتر میشوند.
این تفاوت برای سیاستگذاران و تأمینکنندگان اتوماسیون اهمیت دارد. هوش مصنوعی در تولید اغلب به تجهیزات سرمایهای، حسگرها، کنترلکنندهها، درایوها، سامانههای ایمنی، شبکهسازی و یکپارچهسازی مهندسی نیاز دارد. هوش مصنوعی در بخش خدمات ممکن است در مقایسه، به سرمایهگذاری بیشتری در دادهها، پلتفرمهای نرمافزاری، زیرساخت محاسباتی و مهارتهای کارکنان نیاز داشته باشد.
بنابراین، راهبرد ملی «پذیرش هوش مصنوعی» که با هر دو بخش بهطور یکسان برخورد کند، تفاوتهای مهم در بهکارگیری فناوری را نادیده خواهد گرفت.
شرکتهای بزرگ مزیتی ساختاری دارند
اثر جمعیتی در شرکتهای دارای دستکم ۱۰۰ کارمند قویتر است. شرکتهای کوچکتر واکنش بسیار ضعیفتری نشان میدهند، در حالی که تحلیل اصلی برای شرکتهای متوسط نتیجهای از نظر آماری معنادار پیدا نمیکند.
این یکی از مهمترین یافتهها از دیدگاه مهندسی صنایع است.
اتوماسیون با خرید یک ربات یا PLC آغاز نمیشود. این کار معمولاً به تحلیل فرایند، انتخاب تجهیزات، مهندسی برق، یکپارچهسازی سیستم کنترل، اعتبارسنجی ایمنی، برنامهنویسی، راهاندازی، آموزش اپراتورها و نگهداری بلندمدت نیاز دارد.
شرکتهای بزرگ میتوانند این هزینههای ثابت را در حجم تولید بالاتر سرشکن کنند. تولیدکنندگان کوچکتر اغلب نمیتوانند.
در نتیجه، کمبود نیروی کار ممکن است دقیقاً زمانی قویترین انگیزه برای اتوماسیون را ایجاد کند که شرکتهای کوچکتر کمترین توان مالی و مهندسی را برای واکنش داشته باشند.
از نظر من، این وضعیت میتواند به شکلگیری «شکاف اتوماسیون» منجر شود. اقتصادهای سالخورده ممکن است شاهد افزایش بهرهوری تولیدکنندگان پیشرفته از نظر فناوری باشند، در حالی که تأمینکنندگان کوچکتر همچنان با فرایندهای نیرویکاربر فعالیت میکنند.
کمبود نیروی کار میتواند توجیه اقتصادی مهندسی را تغییر دهد
پروژههای اتوماسیون سنتی اغلب با صرفهجویی در نیروی کار، افزایش ظرفیت تولید، کنترل کیفیت، ایمنی یا ثبات تولید توجیه میشوند.
جمعیتهای سالخورده عامل دیگری را نیز اضافه میکنند: دسترسی به نیروی کار خود به محدودیتی برای ظرفیت تولید تبدیل میشود.
این تمایز مهم است. وقتی اپراتورها بهراحتی در دسترس و ارزان هستند، ممکن است یک ربات جذابیت اقتصادی نداشته باشد. اما وقتی استخدام اپراتورهای واجد شرایط ماهها زمان میبرد و گسترش تولید به یافتن نیروی کار بیشتر وابسته است، همان ربات میتواند از نظر اقتصادی جذاب شود.
همین اصل درباره بازرسی خودکار، سامانههای انبارداری، نگهداری پیشبینانه، پایش دیجیتال تولید و کنترل متمرکز فرایند نیز صدق میکند.
بنابراین، اتوماسیون نهتنها به سرمایهگذاری برای افزایش بهرهوری، بلکه به راهبردی برای حفظ ظرفیت نیز تبدیل میشود.
دو کانال اتوماسیون به توجه بیشتری نیاز دارند
مطالعه صندوق بینالمللی پول هر دو کانال فرایند و محصول را شناسایی میکند.
کانال فرایند زمانی شکل میگیرد که شرکتها برای کاهش نیاز به نیروی کار یا بهبود فرایندهای تولید، از هوش مصنوعی، اتوماسیون یا رباتیک در داخل سازمان استفاده کنند.
کانال محصول زمانی شکل میگیرد که شرکتها محصولات یا خدمات مجهز به هوش مصنوعی توسعه دهند تا به مشتریان خود در رفع محدودیتهای نیروی کار کمک کنند.
در این مطالعه، تنها ۸۲ شرکت از طریق هر دو کانال بهعنوان پذیرنده طبقهبندی شدند. این موضوع نشان میدهد که سالخوردگی میتواند شرکتها را به دو شیوه نسبتاً متمایز تحتتأثیر قرار دهد.
برای تأمینکنندگان اتوماسیون صنعتی، کانال محصول ممکن است اهمیت ویژهای داشته باشد. تولیدکنندهای که با کمبود نیروی کار مواجه است، میتواند هم مشتری اتوماسیون و هم ارائهدهنده فناوری اتوماسیون باشد.
این امر برای شرکتهایی که سامانههای رباتیک، بینایی صنعتی، جابهجایی خودران مواد، حسگرهای هوشمند، رایانش لبهای و کاربردهای کنترلی مجهز به هوش مصنوعی توسعه میدهند، فرصتهایی ایجاد میکند.
هند؛ تصویری تاریخی، بزرگ و مهم ارائه میکند
هند با ۹٬۱۱۱ شرکت، بزرگترین نمونه ملی این مطالعه را تشکیل میدهد.
بااینحال، زمان گردآوری دادهها نیازمند توجه دقیق است. دادههای مربوط به هند در سال ۲۰۲۲ گردآوری شدند؛ پیش از آنکه هوش مصنوعی مولد بهطور گسترده در فرایندهای کسبوکار ادغام شود.
در نتیجه، نباید این مطالعه را بهعنوان سنجشی بهروز از میزان پذیرش هوش مصنوعی در صنایع هند تفسیر کرد.
برای اتوماسیون صنعتی، این محدودیت اهمیت ویژهای دارد. چشمانداز فناوری از سال ۲۰۲۲ بهسرعت تغییر کرده و پذیرش رایانش لبهای صنعتی، بازرسی مبتنی بر هوش مصنوعی، یادگیری ماشین، رباتیک مشارکتی، دوقلوهای دیجیتال و سامانههای تولید متصل افزایش یافته است.
بنابراین، مسیر آینده اتوماسیون هند ممکن است تفاوت چشمگیری با سطوح پذیرشی داشته باشد که در پیمایش اولیه ثبت شدهاند.
آسیای جنوبی چالش پذیرش را نشان میدهد
آسیای جنوبی در این مطالعه تنها ۰٫۱۶٪ پذیرش فرایندی و ۰٫۰۴٪ پذیرش محصول را ثبت کرد.
این ارقام در مقایسه با چند اقتصاد قدیمیتر پایین هستند؛ از جمله دانمارک با ۱۵٫۵٪، سوئیس با ۱۰٫۶٪ و بلژیک با ۹٫۴٪. چین نیز رقم ۷٫۹٪ را ثبت کرد.
بااینحال، این مقایسههای منطقهای نباید صرفاً بهعنوان شواهدی تفسیر شوند که یک اقتصاد از نظر فناوری «بهتر» از اقتصاد دیگری است.
پذیرش اتوماسیون به دسترسی به سرمایه، ساختار صنعتی، سطح دستمزدها، توانمندی مهندسی، زیرساخت، بلوغ زنجیره تأمین، قابلیت اطمینان برق، هزینه فناوری و دسترسی به یکپارچهسازان ماهر بستگی دارد.
فشار جمعیتی انگیزهای برای خودکارسازی ایجاد میکند، اما انگیزه بهتنهایی توانمندی اتوماسیون را ایجاد نمیکند.
گلوگاه واقعی ممکن است توانمندی مهندسی باشد
به باور من، بحث باید از مطالعه صندوق بینالمللی پول فراتر برود.
کمبود نیروی کار بهطور خودکار به ایجاد یک کارخانه خودکار منجر نمیشود.
یک شرکت همچنان به مهندسانی نیاز دارد که بتوانند معماریهای کنترلی را طراحی کنند، حسگرهای مناسب را انتخاب کنند، پلتفرمهای PLC و DCS را پیکربندی کنند، رباتها را یکپارچه کنند، شبکههای ارتباطی صنعتی را راهاندازی کنند، عملکردهای ایمنی را اعتبارسنجی کنند و سیستم حاصل را نگهداری کنند.
در بسیاری از بازارهای صنعتی درحالتوسعه، کمبود نیروی کار ممکن است بهتدریج از اپراتورهای تولید به سمت مهندسان اتوماسیون، یکپارچهسازان سیستم، برنامهنویسان، متخصصان تعمیر و نگهداری و مهندسان داده منتقل شود.
این بدان معناست که سیاستگذاری نیروی کار نباید صرفاً بر بازآموزی کارکنان برای مشاغل عمومی دیجیتال تمرکز کند. این سیاستها باید مهارتهای عملی صنعتی در زمینه کنترل، ابزار دقیق، رباتیک، سامانههای الکتریکی، شبکهسازی صنعتی، امنیت سایبری و دادههای ماشینآلات را نیز ایجاد کنند.
اتوماسیون مشکل نیروی کار را از بین نخواهد برد
اتوماسیون میتواند تعداد کارکنان موردنیاز برای وظایف خاص را کاهش دهد، اما نیاز به نیروی انسانی را از بین نمیبرد.
یک خط تولید خودکار همچنان به مهندسان راهاندازی، تکنسینهای تعمیر و نگهداری، مهندسان کنترل، متخصصان فرایند، کارکنان ایمنی و اپراتورهایی نیاز دارد که بتوانند بر سیستمهای هرچه پیچیدهتر نظارت کنند.
بنابراین بازار کار تغییر میکند، نه اینکه صرفاً از بین برود.
ممکن است وظایف دستیِ تکراری کاهش یابند، در حالی که تقاضا برای نقشهای فنیِ نیازمند مهارت بالاتر افزایش پیدا کند. شرکتهایی که بدون سرمایهگذاری در توسعه نیروی کار به اتوماسیون روی میآورند، ممکن است در نهایت محدودیت متفاوتی ایجاد کنند: کمبود افرادی که توانایی نگهداری و بهبود زیرساخت اتوماسیون را داشته باشند.
این موضوع برای اتوماسیون صنعتی چه معنایی دارد
پژوهش صندوق بینالمللی پول به روند صنعتی گستردهتری اشاره دارد: تغییرات جمعیتی میتواند با تغییر اقتصاد نیروی کار بر پذیرش فناوری اثر بگذارد.
برای تولیدکنندگان، پیامد این موضوع روشن است. پیرشدن جمعیت و کمبود نیروی کار باید در برنامهریزی بلندمدت اتوماسیون گنجانده شوند، نه اینکه بهعنوان مسائل جداگانه نیروی کار تلقی شوند.
برای عرضهکنندگان اتوماسیون، این امر تقاضا برای راهکارهایی ایجاد میکند که استقرار، مقیاسپذیری، نگهداری و یکپارچهسازی آنها با تأسیسات موجودِ قدیمی آسانتر باشد.
برای تولیدکنندگان کوچکتر، دسترسی به تأمین مالی، منابع مهندسی مشترک، پلتفرمهای اتوماسیون ماژولار و آموزش فنی کاربردی ممکن است از ارائه صرفِ مشوقهای مالی برای پذیرش هوش مصنوعی مهمتر باشد.
مهمتر از همه، اتوماسیون صنعتی باید بهعنوان بخشی از یک راهبرد کامل تولید ارزیابی شود. رباتها، پیالسیها، درایوها، حسگرها، سامانههای بینایی، شبکههای صنعتی، رایانش لبهای و نرمافزارهای هوش مصنوعی تنها زمانی ارزش قابلاندازهگیری ایجاد میکنند که یک محدودیت تولیدیِ بهروشنی تعریفشده را برطرف کنند.
مرحله بعدی دادهمحورتر خواهد بود
مهمترین محدودیت شواهد کنونی، زمانبندی است. بخش زیادی از اطلاعات پیمایشیِ زیربنایی، پیش از پذیرش تجاری سریع هوش مصنوعی مولد گردآوری شده است.
بنابراین، پیمایشهای آتی بنگاهها باید میان اتوماسیون متعارف، رباتیک، یادگیری ماشین، هوش مصنوعی مولد، مهندسی با کمک هوش مصنوعی، سامانههای خودمختار و کنترل صنعتی مجهز به هوش مصنوعی تمایز قائل شوند.
آنها همچنین باید نتایج عملی را اندازهگیری کنند: تغییرات در نیازمندیهای نیروی کار، ظرفیت تولید، بهرهوری، دستمزدها، زمان توقف، کیفیت و مخارج سرمایهای.
از دیدگاه مهندسی، این همان دادهای است که برای تعیین این موضوع لازم است که آیا فشار جمعیتی صرفاً با پذیرش اتوماسیون مرتبط است یا اینکه اساساً در حال تغییر شکل تولید صنعتی است.
نتیجهگیری بلندمدت بهاندازه کافی روشن است: وقتی نیروی کار ماهر سختتر پیدا میشود، اتوماسیون از یک گزینه برای افزایش بهرهوری به الزامی برای حفظ ظرفیت تولید تبدیل میشود. شرکتهایی که بهترین آمادگی را برای پاسخگویی دارند، شرکتهایی خواهند بود که سرمایهگذاری فناورانه را با توانمندی مهندسی و توسعه نیروی کار ترکیب میکنند.
