Cinq façons de concevoir un meilleur emploi pour vous-même
Qu'est-ce qui est le plus facile pour un robot : jouer aux échecs ou jardiner par temps venteux ? Et jouer à un jeu vidéo ou tenir en équilibre sur un pied ?
Certaines tâches sont triviales pour les humains, mais immensément difficiles pour les robots. C'est ce que résume le paradoxe de Moravec, du nom de Hans Moravec, chercheur en robotique à l'université Carnegie Mellon.1 Les tâches complexes et abstraites, telles que les échecs ou l'algèbre, sont fatigantes pour nous et triviales pour les robots. Les petits mouvements et l'équilibre, au contraire, sont faciles pour nous, mais très difficiles pour les êtres artificiellement intelligents. Ces avantages propres à l'homme sont très utiles lorsque l'on réfléchit à ce à quoi ressemblera son emploi après l'automatisation.
Ce qui fait de nous des êtres humains
Les tâches résistantes à l'automatisation qui nous resteront au travail après que l'automatisation aura progressé nécessiteront nos capacités humaines uniques. Des compétences telles que la créativité, l'empathie et la dextérité sont beaucoup plus faciles à démontrer pour les personnes que pour les ordinateurs.2 Après tout, nous pratiquons ces compétences depuis notre naissance, avec de nombreuses occasions d'apprendre et de nous adapter. En sachant quelles tâches vous accomplirez après une vague d'automatisation, vous pouvez vous tourner vers l'avenir et concevoir un rôle plus résistant à l'automatisation au sein de votre organisation.
References
- ThinkAutomation (n.d). Qu'est-ce que le paradoxe de Moravec et que signifie-t-il pour l'IA moderne ? Consulté à l'adresse https://www.thinkautomation.com/bots-and-ai/what-is-moravecs-paradox-and-what-does-it-mean-for-modern-ai/.
- Autor, D. (2014). Polanyi's paradox and the shape of employment growth (Vol. 20485). Cambridge, MA : National Bureau of Economic Research.
- Blazejewski, S., & Walker, E. M. (2018). La digitalisation dans le travail de détail : Coping With Stress Through Job Crafting. Études socio-économiques, 29(1), 79-100.
- Zhang, W., Guan, X., Zhou, X. et Lu, J. (2019), The effect of career adaptability on career planning in reaction to automation technology, Career Development International, 24(6), 545-559.
- Bersin, J. (2019). Démêler le marché des technologies RH 2020. Présentation à la conférence sur les technologies RH 2019.
- Parker, Sharon & Grote, Gudela. (2019). L'automatisation, les algorithmes et au-delà : Pourquoi la conception du travail importe plus que jamais dans un monde numérique. Journal of Applied Psychology. 10.1111/apps.12241.
- Hackman, R.J. et Oldham, G. (1976). Motivation through the design of work : Test of a theory. Organizational Behavior and Human Performance, 16(2), 250-279.
- de Witte, M. et Steijn, B. (2000). Automation, job content, and underemployment. Work, Employment, and Society, 14(2), 245-264.
- Elsbach, K. D. et Hargadon, A. B. (2006). Améliorer la créativité par le biais d'un travail "sans esprit" : A framework of workday design. Organization Science, 17(4), 470-483.
About the Author
Natasha Ouslis
Natasha est consultante en changement de comportement, rédactrice et chercheuse. Elle a créé son propre cabinet de conseil en sciences comportementales sur le lieu de travail après avoir travaillé comme consultante dans des entreprises d'économie comportementale en plein essor, dont BEworks. Natasha termine également son doctorat en psychologie organisationnelle à l'université Western, spécialisé dans les conflits d'équipe et la collaboration, où elle a obtenu une maîtrise en sciences dans le même domaine. Elle tient une chronique mensuelle sur la conception comportementale sur le lieu de travail dans la lettre d'information Habit Weekly et est directrice et traductrice scientifique de l'organisation à but non lucratif ScienceForWork.
