Onderwijs en omscholing cruciaal voor werknemers om zich aan toekomstige automatiseringsgolven aan te passen

De effecten van drie overlappende automatiseringsgolven tot 2030 worden onderzocht in een nieuw rapport dat vandaag door PwC wordt gepubliceerd: de algoritmegolf, de uitbreidingsgolf en de autonomiegolf. Ontdek het volledige rapport en de interactieve tool hier.

Het onderzoek analyseerde de taken en vaardigheden in verband met de banen van meer dan 200.000 werknemers in 29 landen om het potentiële effect van automatisering op werknemers in verschillende bedrijfstakken en van verschillende geslachten, leeftijden en opleidingsniveaus vast te stellen.

Gemiddeld werd in de 29 onderzochte landen het aantal banen met een potentieel hoog automatiseringsrisico aan het begin van de jaren twintig op hooguit 3% geschat, maar dit aandeel stijgt tot bijna 20% aan het einde van de jaren twintig en ongeveer 30% halverwege de jaren 2030.

De studie wijst erop dat in eerste instantie meer vrouwen door de opkomende automatisering getroffen kunnen worden, terwijl mannen de effecten waarschijnlijk pas halverwege de jaren 2030 tijdens de derde golf zullen merken (zie onderstaande tabel). Dit komt door de soorten taken die gevoeliger zijn voor automatisering en de huidige genderprofielen van de werkgelegenheid per sector.

De algoritmegolf is al volop aan de gang en betreft het automatiseren van gestructureerde gegevensanalyses en eenvoudige digitale taken, zoals kredietwaardigheidsbepaling. Deze innovatiegolf kan begin jaren 2020 tot rijpheid komen.

De uitbreidingsgolf is ook al aan de gang, maar komt waarschijnlijk later in de jaren 2020 tot rijpheid. De uitbreidingsgolf is gericht op het automatiseren van herhaalbare taken en informatie-uitwisseling en het verder ontwikkelen van vliegende drones, magazijnrobots en semiautonome voertuigen.

In de derde golf, die halverwege de jaren dertig tot rijpheid kan komen, is artificiële intelligentie (AI) steeds beter in staat om gegevens uit meerdere bronnen te analyseren, beslissingen te nemen en fysieke handelingen te verrichten met weinig of geen menselijke inbreng. Dit noemen we de autonomiegolf. In deze fase kunnen bijvoorbeeld volledig autonome bestuurderloze voertuigen op grote schaal hun intrede doen in de economie.

De onderstaande tabel geeft een samenvatting van het percentage banen dat naar schatting door deze drie golven getroffen kan worden en hoe dit voor mannelijke en vrouwelijke werknemers kan verschillen.

John Hawksworth, hoofdeconoom van PwC en medeauteur van de studie, merkt op:

“Onze schattingen zijn hoofdzakelijk gebaseerd op de technische haalbaarheid van automatisering. De werkelijke mate van automatisering kan in de praktijk dus lager zijn als gevolg van diverse economische, wettelijke, reglementaire en organisatorische beperkingen. Het feit dat iets in theorie geautomatiseerd kan worden, betekent niet meteen dat het in de praktijk ook economisch of politiek haalbaar is.

“Een andere analyse die we hebben verricht, wijst er verder op dat banen die door automatisering verloren gaan, op lange termijn waarschijnlijk voor een groot deel gecompenseerd worden door nieuwe banen als gevolg van de bredere en welvarendere economie die dankzij deze nieuwe technologieën mogelijk is. In tegenstelling tot sommige voorspellingen denken wij dat automatisering net zo min als in de decennia sinds het begin van de digitale revolutie tot technologische massawerkloosheid in de jaren 2030 zal leiden.”

Potentiële gevolgen per land

Het geschatte aantal bestaande banen met hoge potentiële automatiseringscijfers halverwege de jaren 2030 verschilt sterk per land.

Deze schattingen lopen uiteen van hooguit 20-25% in een aantal Oost-Aziatische en Scandinavische economieën met relatief hoge gemiddelde opleidingsniveaus tot meer dan 40% in Oost-Europese economieën, waar de industriële productie, die vaak eenvoudiger te automatiseren is, nog steeds een relatief groot aandeel in de totale werkgelegenheid heeft.

In landen als Groot-Brittannië en de Verenigde Staten, met door de dienstensector gedomineerde economieën maar ook relatief veel lager geschoolde werknemers, zijn de potentiële automatiseringscijfers eerder gemiddeld.

Potentiële gevolgen per bedrijfstak

Het geschatte aantal bestaande banen met potentieel hoge automatiseringscijfers halverwege de jaren dertig verschilt sterk per bedrijfstak, van 52% voor transport en opslag tot slechts 8% voor de onderwijssector (mediane waarden voor alle landen).

De transportsector valt op als een bedrijfstak met bijzondere hoge potentiële automatiseringscijfers op langere termijn, wanneer zelfrijdende voertuigen op grote schaal hun intrede in economieën doen, maar dit zal vooral zichtbaar zijn tijdens de derde golf van autonome automatisering. Op kortere termijn kan het risico groter zijn voor sectoren als de financiële dienstverlening, omdat steeds meer taken waarvoor zuivere gegevensanalyse nodig is, beter door algoritmen dan door mensen worden uitgevoerd.

Potentiële gevolgen per geslacht, leeftijd en opleidingsniveau

Onze analyse brengt ook grote verschillen tussen soorten werknemers aan het licht, die bovendien voor elk van de drie automatiseringsgolven zullen verschillen (zie onderstaande tabel). De duidelijkste resultaten betreffen het opleidingsniveau: hoogopgeleide werknemers met een universitair diploma of hoger lopen gemiddeld veel minder risico dan werknemers met een laag tot gemiddeld opleidingsniveau.

Op lange termijn kunnen met name minder goed opgeleide werknemers aan automatisering blootgesteld zijn, wat het belang van extra investeren in levenslang leren en omscholing benadrukt.

Hoger opgeleide werknemers hebben in de regel meer mogelijkheden om zich aan technologische veranderingen aan te passen, bijvoorbeeld in hogere leidinggevende functies die nog steeds nodig zullen zijn om menselijk inzicht toe te passen en om AI-gebaseerde systemen te ontwerpen en controleren. Als gevolg van de productiviteitswinst die deze nieuwe technologieën zouden moeten opleveren, zouden de lonen van zulke werknemers moeten stijgen.

De verschillen zijn minder uitgesproken per leeftijdsgroep, hoewel sommige oudere werknemers het relatief lastiger dan jongere cohorten kunnen vinden om zich aan te passen en te laten omscholen. Dit kan vooral van toepassing zijn op minder goed opgeleide mannen bij het ingaan van de derde golf van autonome automatisering op gebieden als zelfrijdende auto’s en ander handmatig werk waarbij nu sprake is van een relatief hoog percentage mannelijke werknemers. Maar vrouwelijke werknemers kunnen relatief harder getroffen worden tijdens eerdere automatiseringsgolven die bijvoorbeeld van toepassing zijn op administratieve functies.

Gevolgen voor het overheidsbeleid

De automatiseringscijfers verschillen ook per land, omdat de manieren van werken verschillen. Met name in landen als Singapore en Zuid-Korea, waar strengere opleidingseisen gelden, kunnen werknemers op lange termijn beter beschermd zijn tegen automatisering. Dit geldt (vooral in Europa) ook voor landen met hogere onderwijsuitgaven als percentage van het BBP.

John Hawksworth, hoofdeconoom van PwC, merkt op:

“Onze analyse benadrukt dat hogere publieke en private investeringen in onderwijs en vaardigheden nodig zijn, zodat mensen zich tijdens hun loopbaan kunnen aanpassen aan technologische verandering. Hoewel meer scholing in digitale vaardigheden en exacte vakken hierbij een belangrijk aspect is, zal ook omscholing vereist zijn om ontslagen werknemers te helpen bij het vinden van een baan in dienstverlenende sectoren, waar de vraag groot maar automatisering minder eenvoudig is vanwege het belang van sociale vaardigheden en de menselijke factor.

“Overheden, bedrijven, vakbonden en andere organisaties moeten hierin allemaal hun rol spelen om mensen te helpen bij de aanpassing aan deze nieuwe technologieën. Daarnaast is het belangrijk dat de totale vraag hoog blijft, zodat het gemakkelijker is om nieuwe banen te creëren. Hogere publieke en private infrastructuurinvesteringen op gebieden als transport en huisvesting zijn een voor de hand liggende manier om dit te doen.

“Het mogelijke verlies van bestaande banen moet landen niet ertoe brengen dat ze kansen laten liggen om voorop te lopen bij de ontwikkeling van deze nieuwe technologieën. Tenzij een land zich afsluit van de handel en investeringen in de wereld, wat historisch gezien uitermate schadelijk zou zijn voor de economie op lange termijn, bereiken die technologieën uiteindelijk toch elk land, zodat het beter is om tot de koplopers te behoren in deze wereldwijde race.”

Anand Rao, Global Artificial Intelligence Leader van PwC, voegt eraan toe:

“Ons onderzoek laat zien dat het effect van automatisering en artificiële intelligentie (AI) in golven merkbaar zal zijn, waarbij routinematige en gegevenstaken het eerst wordt getroffen. Maar het feit dat bedrijven en mensen de gevolgen nog niet merken, is geen excuus om niet te beginnen met het maken van toekomstplannen.

“AI-technologie wordt met de dag geavanceerder en bedrijven moeten begrijpen hoe, waar en wanneer hun medewerkers waarschijnlijk worden getroffen in de toekomst. Bedrijven die snappen wat de risico’s en kansen zijn, kunnen beginnen om hun medewerkers nieuwe vaardigheden aan te leren en hun organisaties aan te passen plaats van te reageren wanneer het te laat is.”

Ontdek het volledige rapport

Notes

​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ###