Voivatko koneet olla meitä parempia kaikessa?

Hei maailma!

Tämän tuore blogisivusto on syntynyt yhteisen kirjaprojektimme sivutuotteena ja sen on tarkoitus palvella kolmea toisiinsa liittyvää tarkoitusta.

Ensinnäkin tämä blogi jakaa kirjaprojektin aikana syntyneitä ajatuksia vapaaseen ja helposti jaettavaan muotoon. Toiseksi tämä yrittää ratkaista sitä ongelmaa, että kirjan sisältöä ei ole mahdollista selailla tai tarkistaa ennen ostopäätöksen tekemistä. Kolmanneksi tämä blogi tarjoaa mahdollisuuden vaikuttaa siihen, tulemmeko jatkamaan työskentelyämme näiden nykyisyyden ja lähitulevaisuuden yhteiskunnallisten ilmiöiden parissa myös jatkossa. Mikäli haluat näin käyvän, voit jakaa tämän blogin sisältöä ihmisille, joita arvelet kiinnostavan sen esittämät ajatukset.

Lilja Tamminen & Juuso Pesälä

Seuraava katkelma on poimittu kirjan keskeltä neuroverkkopohjaisen tekoälyn disruptiivisen luonteen esittelyn jälkeen ja tiivistää jotkut kysymykset, joita ihmiset ovat meiltä kysyneet kirjan tutkimus- ja kirjoitusprosessin aikana.

Eniten meiltä on kysytty siitä, voivatko koneet olla meitä parempia kaikessa? Entä mitä tapahtuu (keskiluokkaiselle) työlle?

Vaikkemme itse pidä näitä kysymyksiä kaikkein keskeisimpinä kirjassa, vaan enemmänkin oireina jo jonkun aikaa käynnissä olleesta murroksesta, niistä on hyvä aloittaa, jos ne kerta tuntuvat kiinnostavan. 

Voivatko koneet olla meitä parempia kaikessa?
(kirjan s. 148-157, e-kirjan luku 5.1)

Mikä on adaptiivisen tekoälyn ja oman aivotoimintamme rakenteellinen kilpa-asetelma? Mikä on se, mitä kone ei voi tehdä?

Kenties tähän saamme tarvittavaa osviittaa katsomalla sitä, mitä keinotekoisiin neuroverkkoihin pohjautuvat sovellukset osaavat tehdä jo nyt. Olemassa olevat, toimivat neuroverkkosovellukset, jotka ovat saaneet harjoitella suurella määrällä ihmisten tuottamia syötteitä osaavat jo muun muassa:

  • Lukea käsialoja ja kirjasimia
  • Tunnistaa tietyillä kielillä puhetta tekstiksi erittäin hyvin (Googlen Android-käyttöjärjestelmä)
  • Sanoin reaaliaikaisesti kuvailla, mitä sille annetussa videosyötteessä (tai valokuvassa) tapahtuu, esimerkiksi “tässä on autoja pysäköitynä toimistotalon parkkipaikalle” tai “lapsi juoksee nurmikolla” (Andrej Karpathy 2016: NeuralTalk)
  • Ihmisiä paremmin tunnistaa valokuvista ja videoista sen muista lähteistä tuntemia ihmiskasvoja, eläimiä, esineitä, rakennuksia ja muotoja, jotka se on oppinut suuresta aineistosta (Google+)
  • Visuaalisesti “hallusinoida” edellä mainittuja elementtejä takaisinkytkentöjen avulla ja muotoilla nämä hallusinaatiot surrealistisiksi kuvateoksiksi (Google DeepDream 2015)
  • Hyvin taitavasti tyylitellä valokuvia ja piirroksia toisesta kuvasta otetulla visuaalisella tyylillä. Esimerkiksi muuntaa valokuva öljyvärimaalauksen näköiseksi tai saada ihminen näyttämään puuveistokselta. (Hwang & Zhou 2016. Image colorization with deep convolutional neural networks)
  • Erittäin uskottavasti värittää mustavalkovalokuvia ja -elokuvia (Dahl, Ryan 2016)
  • Lukea ääneen hyvin uskottavan ihmismäisesti ja erinomaisesti lausuttuna sille annettua tekstiä sen tuntemilla kielillä, suu- ja hengitysäänin (DeepMind 2016: WaveNet)
  • Oppia kävelemään käytännössä minkälaisilla robottiraajoilla tahansa ja joillain neliraajaisilla kehoilla jopa juoksemaan esteratoja
  • Toimia verkkomainosten kohderyhmätunnistajana (Baidu)
  • Säveltää sekä suoraan syntetisoida ääniä, jotka kuulostavat pianomusiikilta
  • Spontaanisti organisoida tietoja toisiinsa liittyviksi muistoiksi, joiden pohjalta se voi tehdä päätelmiä vastatakseen kysymyksiin tietojen pohjalta (Deepmind 2016. Differentiable Neural Computers)
  • Spontaanisti kehittänyt oman “luonnollisen kielen”, jonka avulla voi kääntää kieltä suoraan mistä tahansa kielestä mihin tahansa kieleen – kuin myyttisen Baabelin tornin kirouksen poistaminen. (Johnson et al 2016)
  • Kehittää mallin planaria-laakamatojen biologisesta mekanismista, jolla kasvattavat takaisin ruumiinosia (Lobo & Levin 2015)

Jo pelkästään kirjan ollessa painossa (n. viikko), tuo suppea kirjan esimerkkilista olisi kasvanut. Niin nopeaa on kehitys ollut vuosina 2015 ja 2016.

Listan kasvaminen saattaa herättää kysymyksiä siitä, milloin tekoälyt korvaavat ihmiset matalan osaamisen tehtävissä. Kuitenkin merkittävää osaa ihmisistä palvelutyömarkkinoilla suojaa teknologian käyttöönottokeston lisäksi ainakin se, ettemme vielä ole kehittäneet keinoa opettaa neuroverkoille todellisuuden ilmiöiden hahmottamista käsitteinä sellaisina kuin itse ne hahmotamme. Tekoälymme siis voivat olla miten hyviä tahansa tekemään jotain tiettyä osatehtävää, mutteivät ymmärrä mitä oikeastaan tapahtuu. Toisin sanoen niillä ei itsessään ole minkäänlaista tietoisuutta.

Se mitä neuroverkoilla emme vielä ole kyenneet tekemään on se, mitä itse koemme olevamme – tietoisuus, eli jonkinlainen keskusäly, joka hyödyntää erilaisia kognitiivisia taitoja käsitteellistäkseen maailmaa ja ohjatakseen toimintaansa siinä. Onneksi – tai oikeastaan monen epäonneksi – tällaista keskusälyä tarvitaan varsin vähän, jos lainkaan, suuren osan nykyisten työtehtävien oppimiseen tai tekemiseen. Monessa tilanteessa sen olemassaolosta olisi oikeastaan lähinnä haittaa. Kokonaisvaltaisia kirjallista ulosantia tuottavia tekoälyfilosofeja saamme toki odottaa vielä jonkin aikaa, mutta ihmisten enemmistön työllisyyden näkökulmasta tämä on epäoleellinen kysymys.  

Korkeaa ammattitaitoa vaativissa työtehtävissä ihmiset tarvitsevat osaamisen hankkimista ja jatkuvaa uusintamista pitkän ja kalliin koulutusprosessin kautta. Tästä seuraa, että huippuosaajat ovat väistämättä suhteellisen harvinaisia ja heidän aikansa aina hyvin niukka ja siksi kallis resurssi. Vaikka siis aina haluamme palvelukseemme huippuosaajan, tarvetta huippuosaajalle joudutaan aina punnitsemaan maksukykyä vastaan. Koska huippuasiantuntijan hinta on mielestämme usein liian korkea, jotta päätyisimme hänet palkkaamaan sovelluskohteeseemme, valitsemme vähemmän huipun asiantuntijan, jossa kysyntä ja tarjonta kohtaavat meidän osaltamme. Huippuasiantuntijat jäävät erittäin korkeatuottoisten tai vauraiden toimijoiden asiantuntijoiksi.

Jos lähdemmekin kohdistamaan neuroverkkojen kehittämisen resursseja Go-pelin pelaamisen sijaan (kts. AlphaGo vs. Lee Sedol) vaikkapa lääketieteellisten diagnoosien tekemiseen, tapahtuu jotain jännittävää. Jos keinolla tai toisella kehitämme algoritmin, joka on edes likimain yhtä hyvä diagnoosien tekijä kuin aloittelevat tai tyypilliset yleislääkärit, se tulee välittömästi korvaamaan suuren osan lääkäreiden tekemistä diagnooseista. Miksi? Koska voimme vaivatta ja edullisesti kopioida uuden “yleislääkärimme” tuhansiin sairaaloihin ja terveysasemiin, ja uusi “yleislääkärimme” voi työskennellä ihmistä nopeammin, vuorokauden ympäri, tuhansissa eri toimipaikoissa, ympäri maailman. Siis kalliiseen nykytilanteeseen verrattuna lähes ilmaiseksi. Vaikka algoritmin kehittäminen maksaisi satojakin miljoonia tai miljardeja, sen skaalautuvuus tekisi siitä erittäin edullisen terveyskeskuslääkäreihin nähden.

Lisäksi koneen lähes ilmainen työaika mahdollistaa sen, että potilas voi halutessaan käyttää huomattavasti enemmän aikaa oireidensa ja vaivojensa kommunikointiin “tapaamisessa”, mikä luultavasti tarkentaa diagnoosia huomattavasti. Hän voi käydä koko elämänsä samalla “luottolääkärillä”, joka tuntee hänet läpikotaisin ja muistaa ulkoa kaikki hänen röntgenkuvansa ja testituloksensa. Kun diagnooseja tekevää neuroverkkoa käytettäisiin laajasti ja sen sallittaisiin oppia uutta, se tulisi kaiken aikaa vielä paremmaksi “työssään” ja lopulta se saavuttaisi tason, jossa se olisi parhaitakin lääkäreitä parempi oikean diagnoosin löytämisessä ja jatkaisi kehittymistään myös tämän jälkeen. Itse asiassa tämä “luottolääkäri” voisi sovelluksen muodossa kulkea ihmisen mukana kaikkialla, muistuttaa hoitosuositusten noudattamisesta, kannustaa terveellisten ratkaisujen tekemiseen, varoittaa erilaisista terveydellisistä riskeistä ja tarvittaessa antaa hätätilanteissa potilaskohtaisia ohjeita käytännön hoitotyötä tekeville ihmisille.

Se, että kone pystyy pian tekemään diagnoosin luotettavammin, nopeammin ja ennen kaikkea paljon edullisemmin kuin lääkäri, tulee epäilemättä palvelemaan valtaisaa osaa ihmiskuntaa tuomalla jotkut lääketieteelliset peruspalvelut myös planeetan köyhimpien asukkaiden saataville, jos niin vain päätämme. Samaan aikaan tämä voi kuitenkin tarkoittaa sitä, että suuri joukko lääkäreitä voi jäädä työttömiksi – tai ainakin he tulevat kokemaan hyvin merkittävän muutoksen työpäivänsä sisällössä.

Onko tämä keskiluokan loppu?

Keskiluokka on muodostunut erittäin tärkeäksi ihmisryhmäksi kehittyneissä talouksissa. Keskiluokka pelaa sääntöjen mukaan, tekee työnsä, noudattaa lakia, äänestää vaaleissa ja muutenkin toimii kuten kunnon kansalaisten odotetaan toimivan. Se johtunee siitä, että keskiluokalla on niin suuret aineelliset ja aineettomat investoinnit sidottuina vallitsevaan yhteiskuntajärjestykseen – status quo:hon – että se on valmis maksamaan paljonkin siitä, että yhteiskunta säilyy vakaana. Kansan toteuttama vallankumous tapahtuu vain, jos keskiluokka hyväksyy sen, tai jos merkittävää keskiluokkaa ei ole ollenkaan olemassa.

Keskiluokka palvelee sellaistakin funktiota, että se on valmis puolustamaan vakaata yhteiskuntaa poliittisesti. Siksi laajaksi kasvanut keskiluokka on myös omiaan tasapainottamaan yhteiskunnan rakennetta. Tämän valossa on loogista ajatella, että jokin keskiluokan asemaa uhkaava kehitys on vaaraksi yhteiskunnalliselle vakaudelle. Vaarana onkin, että keskiluokkaisten ammattien aseman heikkeneminen, tai jopa katoaminen uusien alojen pääomavaltaistuessa, olisi omiaan tuottamaan tulevaisuudessa yhteiskunnallista levottomuutta ja arvaamattomuutta.  

Monessa mielessä asiantuntijatietotyössä työskentelevä “uusi keskiluokka” pyörittää nykyistä jälkiteollista yhteiskuntaa. Asiantuntijaluokka hyötyy talouden rakenteesta, koska toisin kuin perinteinen teollistyöläinen “renkien” luokka, joka teki ennalta määrättyjä tehtäviä, asiantuntijoiden ja tietotyöläisten luokka osallistuu kysynnän synnyttämiseen sekä arvonluonnin suunnitteluun ja kehittämiseen. He eivät ole niinkään kustannuksia, kuin he ovat organisaation “tuotteita”.

Näiltä tekijöiltä odotetaan paljon. Moderni tietotyö vaatii (toisin kuin työläisammateissa) hyvää arjen toiminnanohjauskykyä ja suunnittelutaitoa. Työ on itsenäisempää, yrittäjämäisempää, ja tekijät enemmän tai vähemmän uniikkeja, eli vaikeasti korvattavissa sellaisinaan. Siksi tämä luokka on lähtökohtaisesti liitossa organisaation johdon ja omistajien kanssa, eikä liitossa näitä vastaan, kuten teollistyöläisyhteiskunnissa.

Teollistumisen prosessi ja 1970-luvulla liikkeelle lähtenyt etenkin teollista työtä vähentänyt automatisaatio ovat tähän asti uhanneet lähinnä hyvin alhaisen abstraktiotason “oikeita töitä”. Korkeakoulutusta, eli akateemista tutkintoa, on myös julkisessa keskustelussa pidetty suojana automatisaatiota vastaan. Automatisaatioprosessin itsensä kannalta ei kuitenkaan ole olemassa mitään “korkeakoulutusta”. On vain osaamis- ja soveltamissisältöjä, jotka ovat vaihtelevalla kompleksiudella automatisoitavissa. Itseasiassa voi olla jopa niin, että monet pitkää koulutusta vaativat “henkiset työt” ovat keskipitkällä aikavälillä huonommin suojassa automaatiokehitykseltä kuin vaikkapa monimutkaisia kädentaitoja vaativat suorittavat työt, kuten erilaiset huolto- ja korjaustehtävät, joiden korvaaminen edellyttäisi joko huolto- ja korjaustyönkuvan tarpeen poistoa tai työntekijöiden korvaamista androideilla.

Tähän asti korkeaa koulutusta vaativien tehtävien automatisointi on ollut käytössä olevien tekniikoiden ulottumattomissa, mutta tämä tilanne on nopeasti muuttumassa. Koneoppimiseen perustuvat tekniikat voivat nimittäin tuoda melkoisen murroksen myös korkeasti koulutettujen työtehtäviin.

Varsin iso osa korkeakoulutetuista ihmisistä työskentelee suhteellisen rutiininomaisissa tehtävissä tai toimii erilaisten prosessien portinvartijoina. Erilaiset keskiportaan työnjohdolliset tehtävät ovat jo korvautumassa niiden tehtävät tehokkaammin hoitavilla algoritmeilla. Asiantuntijatehtävätkään eivät ole kehityksen ulkopuolella; esimerkiksi monet lääkärin ja lakimiehen työtehtävät ovat korkeasta sosiaalisesta statuksestaan huolimatta monessa mielessä hyvin suoraviivaisia ja siksi ilmiselvästi houkuttelevia automatisaation kohteita. Sama on myös totta monissa lähinnä ongelmanratkaisua vaativissa suunnittelutehtävissä.

Monet muut korkeasti koulutetut ihmiset työskentelevät erilaisissa hallinnollisissa tehtävissä, jotka ovat nekin hyviä automatisoinnin kohteita. Byrokratia on juridisen luonteensa vuoksi loppuen lopuksi melko “mekaanista” ja tulee epäilemättä pääosin automatisoitumaan jo senkin vuoksi, että näin se voi toteuttaa paremmin ideaansa. Algoritmi on lopulta virkamiestä tasavertaisuuden kannalta oikeudenmukaisempi hallinnollisten päätösten tekijä ja tekee päätökset virkamiestä nopeammin sekä ennen kaikkea halvemmin. Yleinen trendi osoittaa lisäksi suuntaan, jossa erilaisia lupa- ja etuusprosesseja “suoristetaan”, koska harvinaisten väärinkäytösten torjuminen tai poikkeusten valvominen käy kalliiksi ja heikentää järjestelmän tehokkuutta kansalaisten näkökulmasta. Näin ollen voi olla, että monet nykyiset hallinnolliset työtehtävät yksinkertaisesti lakkaavat olemasta ilman tarvetta automaatiolle.

Tutkimus on luultavasti viimeisiä aloja, joissa koneet kokonaisuutena korvaavat ihmisten tekemän työn. Tämä ei kuitenkaan tarkoita sitä, että kaikki nykyiset tutkijat olisivat automatisaatiokehitykseltä suojassa. Tiedemaailman sisäinen kilpailu on kovaa ja jos jokin yksittäinen tieteentekijä, tutkimusryhmä tai vaikka kokonainen tieteeenala eristää itsensä ulkopuoliselta kehitykseltä, enemmin tai myöhemmin edistyneemmät toimijat korvaavat heidät.

Tällä hetkellä trendi tieteellisessä tutkimustyössä osoittaa vahvasti kohti tiedonlouhinnan ja koneoppimisen hyödyntämistä eri alojen tutkimuksessa ja todennäköisesti tämä kehitys tulee monilla aloilla muuttamaan sitä tapaa, jolla uutta tietoa rakennetaan. Jos tutkijaorientoituneet koulutuspolut korkeakouluissa eivät onnistu valmentamaan muitakin kuin tiettyjen matemaattisesti suuntautuneiden alojen opiskelijoita hyödyntämään koneoppimismenetelmiä tutkimustyössä, jossain muualla maailmassa tämä tapahtuu taatusti. Näin saattaa käydä piankin ns. digitaalisten ihmistieteiden suhteen. Esimerkiksi vanhoin menetelmin toteutettu suureen aineistoon pohjaava tutkimus saattaa pidemmän päälle näyttäytyä tehottomalta ja vanhentuneelta, eikä todennäköisesti kykene tekemään samanlaisia löydöksiä kuin yli-inhimillisillä analyysityökaluilla tehty tutkimus. Asetelma tulee vastaamaan sitä, että tutkija nykypäivänä kieltäytyisi kokonaan käyttämästä tietokoneita työssään.

Työtehtävien muutos ei välttämättä tarkoita keskiluokan loppua, vaan pikemminkin sen muuttumista. Keskiluokkaisuutta ei jälkifordistisessa yhteiskunnassa leimaa enää niinkään teollinen tai virkamiestyö kuin tietotyö ja erilaiset statusta ilmaisevat “harrastukset”. Keskiluokan olemassaolo voikin säilyä hyvin samanlaisena kuin nykyäänkin; keskiluokkaan vain kuuluvat hieman eri ihmiset kuin [keskiluokkaistuvien teollisuustyöläiden] yhteiskunnassa, ja materiaalisen elintason sijasta se kilvoittelee aiempaa enemmän muilla elämän osa-alueilla.  

Todennäköisesti vahvasti ihmisten väliseen vuorovaikutukseen pohjaavat työtehtävät ovat ainakin hetken aikaa koneellistamisen ulottumattomissa juuri sen takia, että työ kuitenkin edellyttää verrattain laajaa käsitystä arkisesta todellisuudesta, jossa toimitaan. On kuitenkin huomattava, että monet palveluammatit eivät pohjaa ainoastaan  ihmisläheisyyteen, vaan suuri osa niidenkin työvaiheista ovat automatisoitavissa. Asiakaspalvelija pikaruokaravintolassa on ytimessään usein vain kääntäjä tayloristis-teollisen prosessin ja asiakkaan välillä. Hänen työpaikkansa teollisen prosessin ihmiskasvonakin riippuu puhtaasti kuluttajien kulutustottumuksista ja maksukyvystä. Emme esimerkiksi nykyään edes harkitsisi vaihtoehtoa, että parkkihallista autolla ajettaessa olisi automaatin paikalla palkallinen rahastaja, kun automaatin hankinta ei maksa kuin muutaman kuukauden palkan verran ja sitä voi käyttää vuosikausia.

McDonaldisaatio-termin toi sosiologiaan tutkija George Ritzer kirjassaan The McDonaldization of Society (1993). Hieman yleistäen, termillä viitataan palvelualan työtehtäväkokoelmien taylorismiin, eli rationalisointiin ja prosessien tehostamiseen tarpeeksi korkean tehdasmaisen standardilaadun saavuttamiseksi. Digitalisaation yhteydessä McDonaldisaatiota on joskus kuvattu sanalla ”Uberisaatio”. Mikään ei periaatteessa estä tämän ylettämistä “korkeampiin” palveluammatteihin, jos teknologia sen sallii. Kuitenkin ennen kuin teknologia uskottavasti mahdollistaa palvelualan työtehtävien kokonaisautomatisoinnin, tullaan liiketoiminnassa etsimään uusia tuottavuuskasvun keinoja, jotka ainakin osittain automatisoivat ja tehostavat työskentelyä.

Uhkakuva siitä, että kaikki ihmiset työpaikoilla jossain vaiheessa korvataan ihmisten kaltaisilla roboteilla on naiivi; tosiasiassa paljon lähempänä olemme sellaista todellisuutta, jossa esimerkiksi lakimiehen tai lääkärin työ McDonaldisoituu, eli muuttuu syvän tai matalan koneoppimisen ja ihmistyön synergiaksi, jossa työntekijä toimii lähinnä teollisen prosessin legitimoijana.

Vertaus on parhaiten selitettävissä ravintoloiden käytännössä kaikkien tunteman pikaruokaketjun kautta. Kokki on ravintolan keittiössä perinteisesti saanut vaikuttaa merkittävästi työtehtäviinsä ja toimintaympäristöönsä; keittiö on ollut hänen valtakuntansa. 1950-luvulla McDonaldin veljekset keksivät kokeilla taylorismin teollisuusoppien soveltamista palvelualaan ravintolatoiminnan tehostamiseksi. Ensimmäinen McDonald’s -hampurilaisravintola perustettiin 1955, ja kaikki tuntevat ketjun menestyksen. Prosessien rationalisoinnin myötä kokki ei ollutkaan enää keittiön herra, eikä tarjoilija salin. Herra oli Prosessi.

Tässä prosessissa työtehtävät pilkottiin tarkasti suunniteltuihin rutiineihin ja jopa niiden välillä siirtyminen oli tarkkaan pohdittua. Ihmistyön ahtaminen prosessin määräämään muottiin tuotti merkittäviä tuottavuusharppauksia, vähensi henkilöstön osaamistarvetta ja mahdollisti lukuisten toimipisteiden laadun ja tehokkuuden standardoinnin; kuten tehtaissa aiemmin, nyt myös palvelutyössä sai tasapaksua, ennustettavaa laatua standardiajassa. Asiakkaat ovat mitä ilmeisimmin pitäneet tästä.

Tänä päivänä korkeakoulutusta vaativissa asiantuntija-ammateissa saattaa vallita samanlainen tilanne kuin ravintoloissa ennen ketjuravintoloiden McDonaldisaatiota. Jo nykyinen teknologinen taso mahdollistaisi monien tehtävien huomattavan tehostamisen, jos ne vain valittaisiin tehostamisen kohteiksi. Taloushallinnossa ja myynnissä ilmiö on jo selkeästi havaittavissa. Toiminnanohjausjärjestelmien (ERP), asiakassuhdehallintajärjestelmien (CRM) ja erilaisten työskentelyprosessihallintajärjestelmien (WFMS) avulla on juuri pyritty tekemään Prosessista herraa ja minimoimaan ns. inhimillistä tekijää ja vaihtelua. Tämän jo tapahtuneen kehityksen ns. “back office” -sektorilla koneoppimisen sovellukset tulevat todennäköisesti viemään vielä uudelle asteelle, vaikka ihmiset toimisivatkin keinoälyprosessin kasvoina.

Onkin todennäköistä, että koneoppimisen paradigmatason harppauksia 2010-luvulla ottanut kehitysprosessi johtaa ihmisten työnkuvien keskittymiseen yhä suppeampaan määrään sellaisia työn osa-alueita, joita koneet eivät vielä tee hyvin tai joissa emme luota koneisiin. Jotta tätä vastuunjakoa voisi kehittää, nykyisten työnkuvien kokonaisuudet on luontevaa pilkkoa ja järjestää pieniksi osaprosesseiksi. Siirtymä prosessikeskeisyyteen ei kuitenkaan ole ongelmaton, mikä johtuu [aiemmin kirjassa mainituista] kulttuurisista syistä.

Perinteisesti korkeasti koulutettujen asiantuntijoiden ammattiin on liittynyt suuri autonomia työympäristön ja tahdin määrittelyssä – heidän toimistonsa on ollut heidän valtakuntansa. Ammattiin liittynyt korkea tulotaso on liittynyt hänen asiantuntemuksensa tarpeeseen suhteessa vastaavien osaajien matalaan työmarkkinatarjontaan. Nämä seikat ovat tuoneet hänelle sosiaalisen statuksen; työtehtäväkokonaisuus on suonut asiantuntijalle lähipiirin arvostusta ja kunniaa.

Uhkakuva siitä, että yhä useamman keskiluokkaan kuuluvan ihmisen työnkuva pitkällä aikavälillä korvautuu jollain tapaa automaatiolla on sinänsä todellinen; kyse on ajasta. Keskiluokalle tyypillistä on pyrkiä parantamaan omaa asemaansa kouluttautumisen ja muun ponnistelun kautta. Onkin todennäköistä, että yksittäiset ihmiset tulevat vastaamaan työpaikkojen vähenemiskehitykseen kilpailemalla vielä aiempaa rankemmin jäljellä olevista työpaikoista paitsi automaatioprosessia, ennen kaikkea toisiaan vastaan.

Luku päättyy. Luku ”Ihmisyyden rajat” alkaa.

Ajatuksia?

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *