UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE
Nika Blažič
Nadomestljivost človeka v delovnem procesu: preseganje tehnološkega determinizma
Diplomsko delo
Ljubljana, 2021
UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE
Nika Blažič
Mentorica: prof. dr. Aleksandra Kanjuo Mrčela
Nadomestljivost človeka v delovnem procesu: preseganje tehnološkega determinizma
Diplomsko delo
Ljubljana, 2021
Nadomestljivost človeka v delovnem procesu: preseganje tehnološkega determinizma Tehnološke spremembe že vsaj dve stoletji povzročajo zaskrbljenost zaradi možnosti obsežne tehnološke brezposelnosti. Namen pričujočega diplomskega dela je oblikovati lastno oceno o učinkih prihodnje avtomatizacije na zaposlovanje v Sloveniji. Na podlagi preučitve obstoječe literature, predstavimo nekatere primere tehnološkega pesimizma v družboslovju in ključne trende, ki so zaznamovali trg dela, od začetka računalniške dobe naprej. Podrobneje preučimo neenakost posledic tehnoloških sprememb glede na znanje in rutinskost. Preden se obrnemo k oblikovanju ocene o učinkih avtomatizacije na zaposlovanje v Sloveniji, pa pretehtamo nekatere razloge, ki takšno napovedovanje bodočih trendov že v izhodišču otežujejo. Število ogroženih delovnih mest v Sloveniji ocenimo tako, da na slovenski trg dela prenesemo verjetnosti avtomatizacije posameznih poklicev, kot sta jih določila Frey in Osborne.
Ugotavljamo, da za 44,6% delovnih mest v Sloveniji obstaja visoka verjetnost avtomatizacije v naslednjem desetletju ali dveh. A opozarjamo, da moramo biti pri interpretaciji te številke pazljivi, saj ne napoveduje nujno izgube delovnih mest na agregatni ravni. V povezavi s tem obravnavamo možnost, da je število ogroženih delovnih mest v Sloveniji dejansko bistveno nižje, ter preučimo nekatere dejavnike, ki bi lahko vplivali na tempo in obseg avtomatizacije v prihodnosti, tudi če bo ustrezna tehnologija postala na voljo.
Ključne besede: avtomatizacija, tehnološka brezposelnost, Freyeva in Osbornova metoda, znanje, rutinskost.
The substitutability of people in the work process: overcoming technological determinism Technological changes have long caused anxiety over the possibility of large-scale technological unemployment. The aim of this diploma thesis is to form our own assessment of the possible effects of future automation on employment in Slovenia. The existing literature on the effects of automation was carefully considered, and some past examples of technological anxiety amongst social scientists are presented. Additionally, key trends that have marked the labour market since the beginning of the computer era are examined. Specifically, we examine skill-biased and routine-biased technological change in more detail. Before turning to our own assessment of the effects of automation on employment in Slovenia, we discuss why making such assessments is difficult in the first place. We estimate the number of jobs at risk in Slovenia by applying the probabilities of computerization for different occupations as developed by Frey and Osborne to the Slovenian labour market. We find that 44.6% of jobs in Slovenia are highly likely to be automated in the next decade or two. However, we caution against interpreting this number as a prediction of aggregate employment loss. In relation to that, we discuss some reasons why the number of jobs at risk might actually be significantly lower, as well as examine some factors that may influence the pace and scope of future automation even if the technology itself does become available.
Key words: automation, technological unemployment, Frey and Osborne’s method, skill, routine.
4 Kazalo vsebine
1 Uvod ... 7
2 Dve stoletji tehnološkega optimizma in pesimizma v družboslovju ... 9
3 Vpliv tehnologije na povpraševanje po delu v računalniškem obdobju ... 12
3.1 Vpliv tehnoloških sprememb na trg dela od začetka 1970-ih do začetka 1990-ih .... 12
3.2 Vpliv tehnoloških sprememb na trg dela od začetka 1990-ih naprej ... 14
4 Napovedi za prihodnost ... 19
5 Metodologija ... 22
6 Rezultati in interpretacija ... 25
6.1 Rezultati ... 25
6.2 Interpretacija ... 30
7 Zaključek ... 33
8 Viri ... 35
Priloge ... 39
Priloga A: Primer prenosa Freyeve in Osbornove metode na slovenski trg dela ... 39
Priloga B: Sprememba v številu delovnih mest med leti 2019 in 2020 glede na verjetnost avtomatizacije ... 41
Kazalo slik Slika 6.1: Število delovnih mest glede na verjetnost avtomatizacije v Sloveniji (interval 0,05) ... 26
Slika 6.2: Število delovnih mest glede na verjetnost avtomatizacije v Sloveniji (interval 0,01) ... 26
Slika 6.3: Število delovnih mest glede na verjetnost avtomatizacije in glavne skupine poklicev v ZDA, leta 2010 ... 27
Slika 6.4: Število delovnih mest v Sloveniji glede na verjetnost avtomatizacije in glavne poklicne skupine po SKP-08 ... 28
Slika 6.5: Delovna mesta v Sloveniji glede na verjetnost avtomatizacije, po spolu ... 29
Slika 6.6: Povprečna mesečna bruto plača za leto 2019 glede na verjetnost avtomatizacije ... 30
5
Slika B.1: Sprememba v številu delovnih mest med leti 2019 in 2020 glede na verjetnost avtomatizacije (intervali 0,05) ... 41
Kazalo tabel
Tabela 3.1: Kategorizacija delovnih nalog in vpliv avtomatizacije nanje, po Autor in drugi (2003) ... 16 Tabela A.1: Primer prenosa Freyeve in Osbornove metode na slovenski trg dela ... 39 Tabela B.1: Sprememba v številu delovnih mest med leti 2019 in 2020 glede na verjetnost avtomatizacije ... 42
6 Seznam kratic
IKT informacijsko-komunikacijska
tehnologija ISCO-08 International Standard Classification of
Occupations 2008 Mednarodna standardna
klasifikacija poklicev 2008 PIAAC Programme for the International
Assessment of Adult Competencies
Program za mednarodno
ocenjevanje kompetenc odraslih
SKP-08 Standardna klasifikacija
poklicev 2008
SURS Statistični urad Republike
Slovenije
TSDZ skill-biased technological change učinki tehnoloških sprememb glede na delavčevo znanje TSRD routine-biased technological change učinki tehnoloških sprememb
glede na rutinskost delavčevega dela
2010 SOC Standard Occupational Classification 2010
Standardna poklicna klasifikacija 2010
7 1 Uvod
Obet tehnološkega razvoja historično predstavlja razlog za optimizem, a hkrati povzroča tudi zaskrbljenost in »kulturno tesnobo« (Mokyr, Vickers in Ziebarth, 2015, str. 31), ki se pogosto navezujeta na možnost »tehnološke brezposelnosti« (Keynes, 1930/2008). V literaturi s tega področja so skorajda obvezen primer takšne kulturne tesnobe izgredi Ludistov iz začetka 19.
stoletja. Med leti 1811 in 1813 so se skupine delavcev v okolici angleškega Nottinghama zatekle k uničevanju tekstilnih strojev, ki so delodajalcem omogočili zaposlovanje cenejših, ter manj spretnih delavcev, tudi žensk in otrok (O'Rourke, Rahman in Taylor, 2013, str. 374). Ne le med delavci, tudi v strokovni literaturi je moč zaslediti periodično izražanje zaskrbljenosti o negativnem vplivu tehnološkega razvoja na zaposlovanje. Tehnološki razvoj v preteklosti sicer ni povzročil množične brezposelnosti (Autor, 2015; MGI, 2017b, 2. poglavje), a izjemen tehnološki napredek zadnjih desetletij je strokovnjake pripravil do tega, da se sprašujejo: »Je tokrat drugače?« (angl. Is this time different?) (npr. Mokyr in drugi, 2015; Brynjolfsson in McAfee, 2016).
Namen pričujočega diplomskega dela je, na podlagi preučevanja obstoječe literature, sociološko pojasniti vpliv avtomatizacije na delo. V zadnjih letih se pojavlja vse več raziskav, ki skušajo ta vpliv kvantificirati. Zato si tudi mi zastavimo oblikovati številčno oceno ogroženosti delovnih mest v Sloveniji, ki bo temeljila na vplivni raziskavi avtorjev Frey in Osborne (2013). Raziskave, ki v svoj vzorec zajamejo Slovenijo, že obstajajo (Bowles, 2014;
Nedelkoska in Quintini, 2018), a kolikor nam je znano podrobna razdelava učinka avtomatizacije na zaposlovanje v Sloveniji, z uporabo omenjene metode, še ne obstaja. V izhodišču diplomskega dela si zato zastavljamo naslednji raziskovalni vprašanji:
1. Kako avtomatizacija vpliva na obseg in naravo dela?
2. Koliko delovnih mest avtomatizacija ogroža v Sloveniji?
Diplomsko delo je zastavljeno tako, da so v drugem poglavju najprej predstavljena stališča nekaterih ključnih avtorjev 19., 20. in 21. stoletja. V tretjem poglavju, na podlagi literature, ki je nastala od začetka 1990-ih let naprej, pojasnimo trende v zaposlovanju, ki so bili posledica uvajanja računalniške tehnologije. S tem zaključimo pregled (pol)preteklega obdobja in se v četrtem poglavju obrnemo k napovedim za prihodnost. Na tem mestu poskušamo kritično
8
presoditi kaj oz. koliko je sploh mogoče napovedati o prihodnosti tehnološkega razvoja, avtomatizacije in vpliva na delo. V petem poglavju podrobno obravnavamo našo metodologijo, v šestem pa predstavimo rezultate in jih interpretiramo. V zaključku odgovorimo na raziskovalni vprašanji.
9
2 Dve stoletji tehnološkega optimizma in pesimizma v družboslovju
V času od prve industrijske revolucije je znotraj družboslovja nastala obsežna literatura, ki obravnava odnos med tehnološkim razvojem in delom. Stališče, da tehnološki razvoj na skupni ravni odpravlja več delovnih mest kot jih ustvarja, je znotraj te literature manjšinsko (Brynjolfsson in McAfee, 2016, str. 175). Prevladujoče stališče je, da tehnološki razvoj res pomeni izgubo nekaterih delovnih mest, a hkrati ustvarja nova – navadno celo boljša – delovna mesta, zato je tako nastala brezposelnost kratkotrajna in ne predstavlja večje težave (prav tam, str. 173).
Ekonomist David Ricardo, sprva prepričan o pozitivnem učinku vključevanja mehanizacije v produkcijski proces, je kasneje spremenil svoje mnenje (Mokyr in drugi, 2015, str. 33) in leta 1821 v tretji izdaji Principov politične ekonomije posvaril, da lahko uvajanje mehanizacije naredi delavca odvečnega (Ricardo, 1821/1971, str. 380, v Mokyr in drugi, 2015, str. 33)1. Pol stoletja kasneje je Karl Marx (1867/1961) stroj opisal kot »konkurent« (prav tam, str. 487) delavca. Trdil je, da problem ni v stroju samem po sebi, temveč v kapitalistični uporabi stroja, tj. v izkoriščanju delavca s pomočjo stroja (prav tam, str. 499). Marx je namreč opažal, da namen kapitalistično uporabljanih strojev ni olajšanje truda delavcev, temveč, »da pocenijo blago, da skrajšajo tisti del delovnega dneva, ki ga potrebuje delavec zase, in podaljšajo drugi del njegovega delovnega dneva, katerega daje kapitalistu zastonj. Stroji so sredstvo za produkcijo presežne vrednosti« (prav tam, str. 421). Menil je, da uvajanje strojev v produkcijski proces ustvarja odvečno prebivalstvo, ki »za samopovečevanje kapitala ni več neposredno potrebno« (prav tam, str. 487). Čeprav je bil prepričan, da stroji povzročajo izgubo zaposlitev v določenih panogah, je prav tako menil, da vodijo do zaposlovanja v drugih (prav tam, str.
495−505). Kljub temu, da je opozarjal na slabšanje položaja delavcev zaradi uvajanja nove tehnologije, pa je bil Marx na dolgi rok optimističen, da tehnološki napredek vodi v blaginjo (Mokyr in drugi, str. 34).
1 Ricardo, D. (1971). Principles of political economy (3. Izd.). Harmondsworth: Pelican Classics. (Izvirno delo objavljeno 1821)
10
Podobno stališče – pesimistično na kratki rok in optimistično na dolgi rok – lahko pripišemo Johnu Maynardu Keynesu, ki je leta 1930, v času hudega ekonomskega pesimizma (Keynes, 1930/2008, str. 17) velike gospodarske krize, izdal esej z naslovom Ekonomske možnosti za naše vnuke (angl. Economic possibilities for our grandchildren). V njem se je spraševal, kakšno ekonomsko življenje lahko tedanji ljudje pričakujejo za svoje vnuke, živeče sto let v prihodnosti.
Prepričan je bil, da obstaja razlog za optimizem, saj so ljudje leta 1930 kljub takratnim stiskam, živeli v času neprimerljivega napredka. Tega sta omogočila akumulacija kapitala, ki se je začela v 17. stoletju, in hiter tempo znanstvenih ter tehničnih inovacij od 19. – predvsem pa od začetka 20. – stoletja naprej (prav tam, str. 20). Keynes je ta napredek proslavljal, a je hkrati opozarjal, da velika hitrost sprememb, ki so jih prinesle te izjemne tehnološke inovacije, povzroča svojstvene težave. Posebej je izpostavil »tehnološko brezposelnost« (prav tam, str. 20−21), tj.
brezposelnost, ki nastane, ker tempo ustvarjanja novih priložnosti za koriščenje delovne sile ne uspe dohajati tempa zmanjševanja potreb po delovni sili, zaradi novoodkritih sredstev ekonomizacije uporabe delovne sile (prav tam). Vendar je bil Keynes mnenja, da tehnološka brezposelnost predstavlja le začasno fazo neprilagojenosti, dolgoročno pa se človeštvo premika k rešitvi svojega ekonomskega problema. V sto letih, je napovedal, bo človeštvo lahko vso delo v kmetijstvu, rudarstvu in proizvodnji opravilo s štirikrat manj človeškega napora kot ga je bilo potrebnega tedaj, in standard življenja bo v »naprednih« (prav tam) državah med štiri in osem krat višji. Prej ali slej, je menil Keynes, pa bo rešen človekov ekonomski problem, torej osvobojen bo nenehnega boja za preživetje. Človek se bo moral, svoboden od nenehnih ekonomskih skrbi, prvič v zgodovini človeštva soočiti z vprašanjem, kako dobro živeti. To je Keynes na dolgi rok sicer videl kot nekaj dobrega, a opozarjal je, da prilagoditev človeka na življenje brez dela, ne bo lahka. Ekonomski problem, torej boj za preživetje, je bil namreč vedno primarni problem človeštva, Keynes ga je imenoval celo človekov »tradicionalni namen« (prav tam, str. 22). Skozi številne generacije je človek razvil navade in instinkte za reševanje ekonomskega problema, po zaslugi tehnološkega napredka pa bo te moral v le nekaj desetletjih opustiti. Zato je v obravnavanem eseju Keynes napovedal, da bodo ljudje sprva poskušali čimbolj raztegniti tistega malo dela, kolikor še ga bo potrebnega za preživetje, z npr. triurnimi delovnimi dnevi in petnajsturnimi delovnimi tedni. Keynes esej zaključi v prepričanju, da bo človek premagal to vmesno obdobje neprilagojenosti, saj mu je življenje osvobojeno od ekonomskih skrbi »usojeno« (prav tam, str. 25).
11
Veliko bolj črnogled je bil ekonomist in nobelovec Wassily Leontief (1983), ki je svaril pred tehnološko brezposelnostjo zaradi uvajanja računalniško podprte tehnologije. Leontief je priznaval (prav tam), da industrijska revolucija ni povzročila dolgotrajne tehnološke brezposelnosti, a tokrat naj bi bilo drugače, saj so nove tehnologije sposobne opravljanja vse bolj kompleksnih mentalnih funkcij, ki so bile poprej v izključni domeni človeka (prav tam).
Leontief je menil, da bo to vodilo v slabljenje »nepogrešljive« (prav tam, str. 405) vloge človeškega dela v produkcijskem procesu, s tem pa v slabšanje njegovega položaja. Bil je celo tako pesimističen, da je usodo delavca v produkcijskem procesu primerjal (prav tam, str. 405) z usodo konj in drugih vlečnih živali, ki jih je v kmetijstvu postopoma, a popolnoma, nadomestila mehanizacija.
Tehnološki napredek se je v zadnjih desetletjih še pospešil, zato ne presenečajo opozorila o prelomnosti trenutnega obdobja. Brynjolfsson in McAfee (2016, str. 4−8) sta zapisala, da se človeštvo nahaja na prevojni točki, v kateri krivulja človeške zgodovine popolnoma spremeni smer. Prvo prevojno točko človeške zgodovine sta postavila v leto 1775, ko je bil predstavljen Wattov parni stroj (prav tam). Tehnološke inovacije industrijske revolucije so povzročile izjemno in trajno rast človeškega napredka, ter prvič v zgodovini človeštva postale njegovo glavno gonilo (prav tam). Človeštvo je vstopilo v t.i. prvo obdobje stroja (angl. machine age) (prav tam). Po njunem mnenju smo danes na drugi prevojni točki, saj nam digitalna tehnologija omogoča preseganje omejitev lastnih mentalnih zmogljivosti, tako kot je industrijska revolucija omogočila preseganje omejitev lastne fizične zmogljivosti. Človeštvo se nahaja na prehodu v drugo obdobje stroja (prav tam). Brynjolfsson in McAfee menita, da bo ta prehod izjemno koristen, a bo neizbežno prinesel tudi določene izzive, med njimi tehnološko brezposelnost. Kot pravita, tehnološki napredek bo drvel naprej, a bo pustil nekatere ljudi – morda celo veliko ljudi – zadaj (prav tam, str. 11).
12
3 Vpliv tehnologije na povpraševanje po delu v računalniškem obdobju
V pričujočem poglavju bomo predstavili vpliv tehnologije na delo v informacijski dobi. Začetek tega obdobja postavljamo v začetek 1970-ih, kot so to storili Autor, Levy in Murnane (2003), saj se je takrat začelo intenzivno vlaganje v računalnik (prav tam, str. 1303). Omenjeni avtorji obravnavano časovno obdobje imenujejo računalniško2 obdobje. Prevladujoče stališče v literaturi je, da uvajanje nove tehnologije v tem obdobju ni zmanjšalo povpraševanja po delavcih na skupni ravni, temveč je povečalo relativno povpraševanje po točno določenih delavcih, hkrati pa zmanjšalo povpraševanje po ostalih. Autor in Salomons (2018) na primer ugotavljata, da se med leti 1970 in 2007 v 24 obravnavanih razvitih državah zaposlenost na agregatni ravni ni zmanjšala, temveč je bil neto učinek avtomatizacije na zaposlovanje celo pozitiven (prav tam, str. 44). Njuna raziskava je pokazala, da je neposreden učinek avtomatizacije res izguba delovnih mest v panogah v katerih je avtomatizacija intenzivna. A hkrati rast produktivnosti v določeni panogi posredno povzroči naraščanje števila delovnih mest v panogah, ki so njene potrošnice, in pa skupno rast realne dodane vrednosti, s čimer se veča povpraševanje, ter tako povzroča nadaljnjo rast zaposlovanja v vseh sektorjih (prav tam, str.
11). V nadaljevanju bomo predstavili dve teoriji, ki pojasnjujeta vpliv tehnološkega razvoja na premike v povpraševanju po delavcih.
3.1 Vpliv tehnoloških sprememb na trg dela od začetka 1970-ih do začetka 1990-ih Konec 20. stoletja je začela nastajati obsežna literatura, ki je ugotavljala, da so tehnološke spremembe v predhodnih desetletjih povzročile naraščanje donosnosti znanja (angl. skill), kar se je empirično kazalo v vse večji plačni prednosti3 visokoizobraženih delavcev pred nizkoizobraženimi (Autor, Katz in Kearney, 2008; Acemoglu in Autor, 2010). Uveljavilo se je stališče, da so tehnološke spremembe že »po naravi« (Acemoglu in Autor, 2010, str. 2) pristranske, saj dvigujejo povpraševanje po visokoizobraženih delavcih (prav tam). Gre za
2 Raziskave, ki jih bomo omenjali v nadaljevanju se večinoma ne omejujejo zgolj na vpliv računalnika, temveč zajemajo širšo informacijsko-komunikacijsko tehnologijo. Obravnavajo pa isto časovno obdobje, ki ga zaznamuje pojav in razširjenje računalniško podprte tehnologije.
3 Donosnost znanja raziskovalci navadno empirično preverjajo s t.i. visokošolsko premijo, ki prikazuje razmerje med povprečno plačo visokošolsko izobraženega delavca in povprečno plačo srednješolsko izobraženega delavca.
13
pojav, pri katerem tehnološke spremembe prinašajo različne posledice za delavce glede na raven njihovega znanja (TSDZ, angl. skill-biased technological change4 oz. SBTC). Autor, Katz in Krueger (1998) ugotavljajo, da (v ZDA) povpraševanje po znanju narašča že od leta 1940, a se je to dodatno pospešilo z nastopom računalniške revolucije v 1970-ih.
Acemoglu in Autor (2010) sta osnovna izhodišča empiričnih študij, ki so preučevale TSDZ (tako v ZDA kot drugod), operacionalizirala v kanoničnem modelu (prav tam), ki ga bomo v nadaljevanju na kratko predstavili. V njunem preprostem kanoničnem modelu so delavci razdeljeni na dve enoviti skupini: na nizko- in visokoizobražene delavce. V empiričnih modelih so prvi najpogosteje enačeni s srednješolsko, drugi pa z visokošolsko izobrazbo. Poklici (oz.
produkti) obeh skupin so med seboj različni, poleg tega pa enih ni moč v celoti nadomestiti z drugimi. Tehnologija v kanoničnem modelu deluje komplementarno in ne substitucijsko, to pomeni, da sama po sebi ne nadomešča delavcev, temveč lahko poveča produktivnost nizko- ali visokoizobraženih delavcev, ali obojih. Tako tehnologija vpliva na povpraševanje po delavcih. Kljub temu, da tehnologija eksplicitno ne nadomešča delavcev, pa lahko v praksi, zaradi nizke elastičnosti zamenljivosti med nizko- in visokoizobraženimi delavci, vodi do takšnega izida. V kanoničnem modelu je plačno razmerje med visoko- in nizkoizobraženimi delavci v vsakem trenutku določeno z odnosom med ponudbo znanja in povpraševanjem po njem. Visokošolsko premijo v tem modelu določa Tinbergenovo tekmovanje (Tinbergen, 1974, 1975, v Acemoglu in Autor, 2010, str. 32)5 med tehnologijo in ponudbo znanja. Kadar ponudba visokoizobraženih delavcev narašča hitreje kot tehnologija spodbuja povpraševanje po njih, plačna prednost visokoizobraženih delavcev pada. Kadar pa naraščanje ponudbe ne dohaja naraščanja povpraševanja, njihova plačna prednost raste.
Empirični podatki iz študij Autor in drugi (2008) ter Acemoglu in Autor (2010) potrjujejo delovanje TSDZ v ZDA. Kažejo namreč, da je med leti 1979 in 1987/8 plačna neenakost med različno izobraženimi delavci monotono naraščala – realne plače bolje izobraženih so naraščale, realne plače slabše izobraženih pa padale. V istem obdobju se je delež delavcev zaposlenih v višje izobraženih in višje plačanih poklicih znatno povečal, delež zaposlenih v nižje izobraženih in nižje plačanih poklicih pa se je zmanjšal. Visokošolska premija je po letu 1963 naraščala, v
4 Ponekod pa tudi skill-biased technical change (Autor in drugi, 2008; Brynjolfsson in McAfee, 2016).
5 Tinbergen, J. (1974). Substitution of graduate by other labor. Kyklos 27(1974), 217−226.
Tinbergen, J. (1975). Income difference: Recent research. Amsterdam: North-Holland Publishing Company.
14
1970-ih je padala, po letu 1982 pa je začela ponovno strmo naraščati. Povprečen delavec z visokošolsko izobrazbo je tako leta 2008 zaslužil 97% (Acemoglu in Autor 2010, str. 7) več kot povprečen delavec s srednješolsko izobrazbo. Na gibanje visokošolske premije v ZDA med leti 1963 in 2008 so torej po eni strani vplivale tehnološke spremembe, ki so povečale povpraševanje po visokoizobraženih delavcih. Po drugi strani, pa je na plačno neenakost vplivalo tudi naraščanje ponudbe visokoizobraženih delavcev (Acemoglu in Autor, 2010, Slika 2; Autor in drugi, 2008, Slika 4).
Obravnavani študiji sta se nanašali na ZDA, a empirične študije so potrdile prisotnost TSDZ tudi v drugih državah. Machin in Van Reenen (1998) ter Berman, Bound in Machin (1998) so potrdili, da se je v evropskih razvitih državah, v 1970-ih in 1980-ih, znotraj industrij zgodil premik v zaposlovanju od nizkoizobraženih delavcev k visokoizobraženim. Študiji sta pokazali tudi, da se je vzorec plačnih sprememb ujemal s TSDZ v ZDA in Veliki Britaniji, ne pa tudi v ostalih državah (celinska Evropa in Japonska). Pojasnili so (Berman in drugi, 1998, str.
1256−1257), da se je, zaradi bolj stabilnih plačnih struktur v teh državah, padec povpraševanja po nizkoizobraženih delavcih izrazil v brezposelnosti namesto v nižjih relativnih plačah.
3.2 Vpliv tehnoloških sprememb na trg dela od začetka 1990-ih naprej
Raziskave kasnejšega obdobja (približno po letu 1990, ponekod pa že po letu 1980) v ZDA (Autor in drugi, 2008; Acemoglu in Autor, 2010; Autor in Dorn, 2013) in Evropi (Goos, Manning in Salomons, 2014; Michaels, Natraj in Van Reenen, 2014) kažejo na prisotnost polarizacije zaposlovanja in plač, ki je ni mogoče pojasniti s TSDZ (Goos in drugi, 2014).
Polarizacija pomeni, da je v opazovanem obdobju delež zaposlenih (oz. realna plača) v poklicih, ki terjajo nizko in visoko izobrazbo, naraščal, v poklicih, ki zahtevajo srednjo izobrazbo, pa padal, kar je vodilo do značilne »U« (Acemoglu in Autor, 2010, str. 15) oblike zaposlovanja.
Glavna razlika s prejšnjim obdobjem je rast deleža zaposlenih (oz. realne plače) v poklicih, ki zahtevajo nizko izobrazbo. Raziskovalci (npr. Goos in drugi, 2014) opisano polarizacijo pojasnjujejo s tezo, da imajo tehnološke spremembe različne posledice za delavce glede na rutinskost njihovega dela (TSRD; angl. routine-biased technological change oz. RBTC).
Hipoteza o TSRD sloni na ključnem delu avtorjev Autor, Levy in Murnane (2003), v katerem pojasnjujejo vpliv uvajanja računalniške tehnologije na povpraševanju po bolj izobraženih
15
delavcih. Autor in drugi (2003) razumejo delo kot opravljanje zaporednih delovnih nalog. Da bi pojasnili vpliv računalniške tehnologije na delo, zato najprej pojasnjujejo (prav tam, str.
1282−1286), katere od teh nalog lahko opravi računalnik. Naloge delijo (prav tam) med rutinske in ne-rutinske. Rutinske so tiste naloge, ki jih lahko opravijo stroji, saj jih je mogoče kodificirati v obliki eksplicitnih pravil, ki jim je stroj sposoben slediti, da opravi nalogo. Ne-rutinske naloge pa so zanje tiste, pri katerih postopka (še) ne poznamo dovolj dobro, da bi ga lahko zapisali v obliki natančnih programskih navodil, zato jih stroji (še) ne zmorejo opraviti. Naloge naprej delijo (prav tam) v matrico (gl. Tabela 3.1), v kateri so razporejene med (1) rutinske in ne- rutinske, ter (2) manualne in kognitivne, slednje pa še med analitične in interakcijske. V nasprotju s pričakovanji so se najtežje za programiranje pogosto izkazale naloge, ki se ljudem zdijo popolnoma preproste (Autor in drugi, 2003, str. 1283; Brynjolfsson in McAfee, 2016, str.
28−29). Težave lahko nastopijo, kadar ne znamo ubesediti postopka kake naloge, saj, kot pravi Polanyi, vemo več kot lahko povemo (Polanyi, 1966, str. 4, v Autor in drugi, 2003, str. 1283)6. Zelo zahtevne pa so tudi naloge, ki terjajo visoko raven percepcije in mobilnosti. Hans Moravec je slovito izjavil, da je lažje programirati računalnik, da se bo na inteligenčnem testu odrezal tako dobro kot odrasel človek kot pa ga programirati, da bo imel tako dobro percepcijo in mobilnost kot enoletnik (Moravec, 1988, str. 15, v Brynjolfsson in McAfee, 2016, str. 28)7. Model, ki so ga oblikovali Autor in drugi (2003, str. 1280−1281) predvideva, da strmo padanje realnih cen računalniške tehnologije povzroča, da industrije in poklici, z visokim vnosom dela v rutinske naloge, obsežno investirajo v njeno vpeljavo. Računalniška tehnologija v modelu Autorja in drugih (2003) na industrije in poklice vpliva na dva načina (gl. Tabela 3.1):
1. s substitucijo delavcev pri opravljanju rutinskih nalog, kar povzroča zmanjšanje vnosa dela v rutinske naloge,
2. ter s komplementarnostjo delavcem pri opravljanju ne-rutinskih nalog, kar povzroča naraščanje potrebe po vnosu dela v ne-rutinske naloge.
Posledica tega je naraščanje relativnega povpraševanja po visokoizobraženih delavcih, saj imajo ti v primerjavi z drugimi delavci prednost pri opravljanju ne-rutinskih nalog (prav tam).
6 Polanyi, M. (1966). The tacit dimensions. New York, NY: Doubleday Press.
7 Moravec, H. (1988). Mind children: The future of robot and human intelligence. Cambridge, MA: Harvard University Press.
16
Autor in drugi (prav tam) so zastavljeni ekonomski model tudi empirično potrdili za ameriški trg dela med leti 1980 in 1998.
Tabela 3.1: Kategorizacija delovnih nalog in vpliv avtomatizacije nanje, po Autor in drugi (2003)
Rutinske naloge Ne-rutinske naloge
Analitične in interakcijske naloge
Primeri • vodenje evidenc
• preračunavanje
• ponavljajoče delo s strankami (npr. bančni blagajnik)
• oblikovanje/testiranje hipotez
• medicinska diagnoza
• pravna teorija
• prepričevanje/prodaja
• upravljanje s človeškimi viri
Vpliv računalniške
tehnologije • precejšnja substitucija • močna komplementarnost
Manualne naloge Primeri • prebiranje ali razvrščanje
• ponavljajoča montaža
• hišniška dela
• vožnja tovornjaka
Vpliv računalniške
tehnologije • precejšnja substitucija • omejene možnosti substitucije ali komplementarnosti
Vir: Autor in drugi (2003, str. 1286)
Kako torej raziskovalci (Autor in drugi, 2008; Acemoglu in Autor, 2010; Autor in Dorn, 2013;
Goos in drugi, 2014; Michaels in drugi, 2014)8 povezujejo model Autor in drugi (2003) s polarizacijo zaposlovanja? Ker po modelu Autor in drugi (2003) računalniška tehnologija nadomešča delavce pri opravljanju rutinskih nalog, sklepajo, da njeno uvajanje najbolj ogroža
8 Čeprav ti avtorji TSRD različno imenujejo, se prav vsi sklicujejo na delo Autor in drugi (2003).
17
delovna mesta z visoko intenzivnostjo rutinskih nalog. Kot ugotavljajo Autor in Dorn (2013, Slika 4) ter Michaels in drugi (2014, str. 36) so ta delovna mesta zgoščena na sredi distribucije znanja. Po drugi strani pa računalniška tehnologija po modelu Autor in drugi (2003) deluje komplementarno pri opravljanju ne-rutinskih nalog. Zato avtorji sklepajo, da njeno uvajanje manj ogroža delovna mesta intenzivna z ne-rutinskimi nalogami, ter tako dviga relativno povpraševanje po delavcih, ki so sposobni opravljanja teh ne-rutinskih nalog. Polarizacija se zgodi, ker se delovna mesta intenzivna z ne-rutinskimi nalogami nahajajo na nasprotnih polih distribucije znanja (Acemoglu in Autor, 2010, str. 21−22). Ne-rutinske naloge se namreč, kot že omenjeno, delijo na manualne in kognitivne. Ne-rutinske kognitivne naloge, ki terjajo sposobnost reševanja problemov, intuicijo, ustvarjalnost in prepričevanje (prav tam), so posebej značilne za poklice, ki zaposlujejo visokoizobražene delavce, saj so ti najbolj spretni pri njihovem izpolnjevanju (prav tam). Ne-rutinske manualne naloge, ki terjajo situacijsko prilagodljivost, vizualno in jezikovno prepoznavanje, ter interakcijo v osebi (prav tam), pa so posebej značilne za poklice, ki zaposlujejo nizkoizobražene delavce, saj za uspešno opravljanje teh nalog navadno ni potrebna več kot srednješolska izobrazba (prav tam).
Empirično potrditev vpliva TSRD na zaposlovanje v ZDA in Evropi so podale številne – že omenjene – študije. Goos in drugi (2014) npr. potrjujejo, da obstaja korelacija med rutinskostjo in polarizacijo zaposlovanja. Izračunali so, da je indeks intenzivnosti rutinskih nalog oz. RTI (angl. Routine Task Intensity) negativen za skupini visoko (RTI= −0,72) in nizko (RTI= −0,08) plačanih poklicev, v katerih se je delež zaposlenih povečal, ter pozitiven (RTI = 0,69) za skupino srednjeplačanih poklicev, kjer je delež zaposlenih upadel. Raziskovalci so manj enotni glede tega ali TSRD vodi v polarizacijo plač. Autor (2015, str. 14−19) trdi, da TSRD teoretično naj ne bi povzročila dviga plač v poklicih, ki zahtevajo nizko izobrazbo. Kljub temu pa so posamezne empirične raziskave (Autor in drugi, 2008; Acemoglu in Autor, 2011; Autor in Dorn, 2013; Michaels in drugi, 2014) zabeležile polarizacijo plač v ZDA in Evropi.
Nazadnje izpostavimo še dve pomembni značilnosti polarizacije, ki pripomoreta k njenemu razumevanju. Najprej, rast deleža zaposlenih v poklicih, ki zahtevajo nizko izobrazbo, je v veliki meri posledica zaposlovanja v storitvenih poklicih9 (Autor in Dorn, 2013). Torej poklicih,
9 Autor in Dorn (2013, str. 1555) pri tem opozarjata, da je potrebno razlikovati med storitvenimi poklici, kjer se zaposlujejo nizkoizobraženi delavci, in storitvenim sektorjem, ki predstavlja veliko večji delež gospodarstva ter zaposluje tudi visokoizobražene delavce.
18
ki vključujejo pomoč ali skrb za druge, npr. varnostniki, hišniki, vrtnarji, frizerji, kozmetiki, čistilci, itd. (prav tam, str. 1555). Druga pomembna značilnost polarizacije dela je, da poleg TSRD nanjo vplivajo tudi drugi faktorji, med katerimi avtorji še posebej izpostavljajo offshoring oz. preseljevanje delovnih mest v tujino (npr. Goos in drugi, 2014). Blinder in Krueger (2013) trdita, da sta rutinskost in možnost selitve delovnih mest distinktivna, a povezana koncepta. Pokazala sta (prav tam), da je v tujino mogoče seliti rutinske delovne naloge, z uporabo telekomunikacij pa tudi nekatere naloge, ki bi jih po modelu Autorja in drugih (2003) uvrstili med ne-rutinske kognitivne naloge. Zato sklepata, da je za možnost selitve delovnih mest v tujino veliko bolj pomembno ali delovna naloga zahteva izvedbo na kraju samem oz. ali produkt/storitev dobro potuje, kakor pa njena rutinskosti. Hkrati pa opozarjata, da tehnološki napredek širi nabor nalog, ki jih je mogoče seliti v tujino (Blinder in Krueger, 2013, str. 103).
19 4 Napovedi za prihodnost
Glede na izjemen vpliv tehnologije na delo je razumljivo, da poskušajo mnoge študije predvideti, kaj lahko pričakujemo v prihodnosti. Leta 2013 sta Carl Benedikt Frey in Michael A. Osborne objavila odmevno študijo, ki je ugotavljala, da za približno 47% delovnih mest v ZDA obstaja visoka verjetnost, da jih bo v naslednjem desetletju ali dveh nadomestila računalniška tehnologija (Frey in Osborne, 2013). Sledile so študije, ki so njuno metodo prenašale na druge države in so prav tako ugotavljale velik delež visokoogroženih delovnih mest: 35,7% na Finskem (Pajarinen in Rouvinen, 2014), 42% v Nemčiji (Bonin, Gregory in Zierahn, 2015), ter 54% na ravni EU-28 (Bowles, 2014). Hkrati so kot odgovor na Freyevo in Osbornovo metodo nastale raziskave, ki so se, namesto na verjetnost avtomatizacije poklicev, osredotočale na verjetnost avtomatizacije posameznih delovnih nalog. Ocena deleža visokoogroženih delovnih mest je bila pri teh precej nižja, povprečno 9% (Arntz, Gregory in Zierahn, 2016) oz. 14% (Nedelkoska in Quintini, 2018) na ravni 21 oz. 32 OECD držav.
Omenjene raziskave so se osredotočale zgolj na izgubljena delovna mesta in niso predvidevale novonastalih delovnih mest. Strokovnjaki so tudi sicer neenotni o tem, ali bo avtomatizacija v prihodnosti povzročila pomanjkanje delovnih mest (Brynjolfsson in McAfee, 2016) ali bo hkrati ustvarila dovolj (oz. še več) novih delovnih mest (MGI, 2017b). Preden bomo v nadaljevanju diplomskega dela oblikovali lastno oceno ogroženosti delovnih mest v Sloveniji, je najprej nujen premislek o nekaterih značilnostih tehnološkega razvoja, ki otežujejo napovedovanje trendov prihodnosti.
Vpliv tehnologije na delo je težko napovedati, saj si je težko predstavljati tehnologijo prihodnosti. Brynjolfsson in McAfee (2016, str. 40−56) to pripisujeta eksponentnosti tehnološkega razvoja. Delovanje Moorovega zakona namreč omogoča eksponentno izboljševanje digitalne tehnologije, kar pa pomeni, da se računalniška zmogljivost veča v za človeka težko predstavljive razsežnosti (prav tam). Brynjolfsson in McAfee (2016, str. 45−47) to ilustrirata s primerom, ki ga je v ta namen, po zgodbi o nastanku šaha, povzel Ray Kurzweil (2000, str. 36, v Brynjolfsson in McAfee, 2016, str. 45−47)10. Na prvo polje šahovnice položimo
10 Kurzweil, R. (2000). The age of spiritual machines: When computers exceed human intelligence. London:
Penguin.
20
eno samo zrno riža in nato količino riža podvojimo za vsako naslednjo šahovsko polje. To je moč opisati s preprosto eksponentno enačbo 2x−1. Sprva so številke res majhne, 1, 2, 4, 8, 16, 32, 64…, a se eksponentno večajo in že na 25. polju presežemo 16 milijonov zrn riža, na 35.
polju pa 17 milijard. Brynjolfsson in McAfee opozarjata, da ko prestopimo polovico šahovnice, postanejo številke tako velike, da si jih človek ne zmore več predstavljati, hkrati pa vse prejšnje številke zbledijo v primerjavi. Na zadnjem šahovskem polju bi namreč dosegli 9,2 trilijonov (9,21018) zrn riža. Po njunem mnenju smo s tehnološkim razvojem že stopili na drugo polovico šahovske plošče, kjer tehnologija preteklosti ni več primerljiva s sodobno tehnologijo in ni več zanesljiv indikator prihodnjega razvoja (Brynjolfsson in McAfee, 2016, str. 40−56). Svoj argument povzameta z mislijo, da vedno več enakega, v neki točki postane nekaj popolnoma drugačnega (prav tam, str. 56).
Pričakovano je, da si nestrokovna javnost težje predstavlja tehnologijo prihodnosti, ker ni podrobno seznanjena s področji umetne inteligence, robotike, itd. V raziskavi, ki jo je opravil Walsh (2018), so nestrokovnjaki res ocenili, da so poklici bolj ogroženi s strani avtomatizacije, kot so to ocenili strokovnjaki. Hkrati so nestrokovnjaki pričakovali, da bo visoka raven strojne inteligence dosežena desetletja prej, kot so to pričakovali strokovnjaki (prav tam). Tehnološki razvoj pa je v zadnjih desetletjih tako intenziven in hiter, da včasih presega tudi pričakovanja strokovnjakov, kot priznavata npr. Brynjolfsson in McAfee (2016, str. 8−9). Autor in drugi (2003, str. 1283) so leta 2003 vožnjo avtomobila navedli kot primer ne-rutinske naloge, ki je stroj ni zmožen opraviti. Autor, Levy in Murnane sodijo med najbolj priznane avtorje s svojega področja, a je njihov primer zastarel v manj kot desetletju. Brynjolfsson in McAfee v svoji knjigi (2016, str. 14−15), izvorno iz leta 2014, že opisujeta, kako sta leta 2012 preizkusila enega izmed Googlovih samo-vozečih avtomobilov.
Na težavnost napovedovanja tehnološkega razvoja dodatno kaže to, da so mnenja strokovnjakov močno deljena. Kako izrazita je ta delitev opozarja anketa Raziskovalnega centra PEW (Pew Research Center, 2014), v kateri je 48% vprašanih strokovnjakov odgovorilo, da bo tehnologija do leta 2025 odpravila več delovnih mest kot jih bo ustvarila, 52% pa jih je bilo nasprotnega mnenja.
Predvsem pa se je pri napovedovanju vpliva tehnologije na delo potrebno otresti tehnološkega determinizma, zaradi katerega se napovedi prikazujejo bolj zanesljive kot v resnici so.
Tehnološki determinizem se v glavnem nanaša na naslednji stališči: »(1) razvoj tehnologije
21
poteka na avtonomen način, determiniran s strani notranje logike neodvisne od družbenega vpliva; in (2) tehnološke spremembe determinirajo družbene spremembe na vnaprej določen način« (Kline, 2015, str. 109). Pri presoji tehnoloških trendov prihodnosti je potrebno razumeti pomen zunanjih dejavnikov za razvoj in implementacijo tehnologije. McKinsey Global Institute (2017a, str. 10−11) izpostavlja 5 ključnih dejavnikov, ki vplivajo na tempo in obseg avtomatizacije dela: (1) tehnološka izvedljivost, (2) stroški razvoja in uvajanja, (3) dinamika trga dela, (4) ekonomske koristi ter (5) regulativna in družbena sprejemljivost. Katerikoli izmed teh dejavnikov bi lahko povzročil časovni zamik (ali celo prekinitev) v implementaciji določene tehnologije. Kot pomembna dejavnika dodajmo še družbeno-politično dogajanje in družbeno voljo. Pomen družbeno-političnega dogajanja naj ponazorimo s primerom iz obravnavanega Keynesovega (1930/2008) eseja. Keynes je rešitev ekonomskega problema v stotih letih med drugim pogojeval s tem, da ne bo pomembnih vojn ali večjega prirastka števila prebivalstva (prav tam, str. 21). Le dobro desetletje po objavi njegovega eseja se je začela druga svetovna vojna, število prebivalstva pa se je zgolj v Evropi med leti 1950 in 2019 povečalo iz 549 na 747 milijonov (Statista, 2020). Oba pogoja sta torej ostala neizpolnjena in morda ravno zato danes, skoraj sto let kasneje, ekonomski problem človeštva še ni rešen. Nadalje, tehnologija ne določa družbene realnosti neodvisno od družbene volje. Morebitne negativne učinke tehnološkega napredka je mogoče ublažiti z ukrepi na individualni in institucionalni ravni, kar prepoznavajo praktično vsi raziskovalci. Nazadnje kot faktor, ki vpliva na avtomatizacijo, omenimo še dejstvo, da družbe pri nekaterih nalogah preprosto dajejo prednost človeškemu delu pred tehnološkim (Arntz in drugi, 2016, str. 22), npr. pri skrbi za bolne ali starejše. To pomeni, da bodo v prihodnosti nekateri poklici verjetno ostali v domeni ljudi, četudi bi jih lahko opravljala tehnologija.
Iz tega kratkega premisleka sledi, da je potrebno pri oblikovanju in branju napovedi za prihodnost previdno postopati.
22 5 Metodologija
V tem diplomskem delu smo uporabili metodologijo, s katero sta Frey in Osborne (2013) k literaturi o avtomatizaciji prispevala prvi poskus kvantifikacije (prav tam, str. 5) posledic tehnološkega razvoja na prihodnost zaposlovanja. Avtorja sta verjetnost avtomatizacije obravnavala z vidika tehnološke zmogljivosti, torej sta verjetnost avtomatizacije presojala glede na probleme, ki jih morajo inženirji rešiti, da bo določen poklic možno avtomatizirati, in pa glede na težavnost teh problemov (prav tam, str. 8). Opozarjata namreč, da avtomatizacija dela ostaja omejena s tehnološkim razvojem, ki o(ne)mogoča natančno specifikacijo inženirskih problemov (prav tam, str. 16). Frey in Osborne sta pri oblikovanju svoje metode izhajala iz že omenjenega modela Autorja in drugih (2003). Glavna predpostavka njune metode je, da se je zaradi nedavnega tehnološkega razvoja na področju strojnega učenja (angl. machine learning) in mobilne robotike (angl. mobile robotics), v povezavi z uporabo masovnih podatkov (angl.
big data) za prepoznavanje vzorcev, razširil obseg nalog, ki jih bo v bližnji prihodnosti lahko opravil računalnik. Napredek je omogočil avtomatizacijo tudi nekaterih ne-rutinskih nalog, ne več zgolj rutinskih, kot to predvidevajo Autor in drugi (2003). Strojno učenje v povezavi z masovnimi podatki omogoča oblikovanje algoritmov, kar vodi v avtomatizacijo nekaterih ne- rutinskih kognitivnih nalog (Frey in Osborne, str. 16). Hkrati pa aplikacija strojnega učenja v mobilni robotiki omogoča avtomatizacijo nekaterih ne-rutinskih manualnih nalog (prav tam).
Frey in Osborne sklepata, da je danes tehnološko mogoče avtomatizirati že skoraj vsako nalogo, če je le na voljo dovolj podatkov za prepoznavo vzorcev (prav tam, str. 26). Še vedno pa avtomatizacijo vseh nalog omejujejo določena inženirska ozka grla (prav tam): (1) naloge percepcije in manipulacije, (2) naloge ustvarjalne inteligence in (3) naloge socialne inteligence.
Premagovanje teh omejitev bo po njunem mnenju določalo obseg avtomatizacije v 21. stoletju.
Frey in Osborne (2013) sta se v svoji raziskavi opirala na O*NET (verzijo iz leta 2010), spletno storitev ameriškega ministrstva za delo (angl. Department of Labor), ki nudi informacije o lastnostih poklicev v obliki niza standardiziranih in merljivih spremenljivk, ter hkrati odprtih opisov specifičnih nalog za vsak poklic. Tako pridobljene podatke o poklicih sta povezala s standardno poklicno klasifikacijo 2010 SOC (angl. Standard Occupational Classification) ameriškega ministrstva za delo in dobila vzorec 702 poklicev. Verjetnost avtomatizacije sta določila v dveh korakih. Najprej so s skupino raziskovalcev strojnega učenja subjektivno
23
ocenili, ali obstaja možnost popolne avtomatizacije 70 poklicev. Poklicem, za katere so menili, da jih bo v desetletju ali dveh mogoče popolnoma avtomatizirati, so pripisali vrednost 1.
Nasprotno so vrednost 0 pripisali poklicem, ki jih po njihovi oceni še ne bo mogoče avtomatizirati. Izbrali so zgolj poklice, pri katerih so bili kar se da prepričani o svoji oceni. V drugem koraku sta avtorja uporabila objektivne O*NET podatke o 9 spremenljivkah, ki so opisovale inženirska ozka grla avtomatizacije. Spretnost prstov, ročna spretnost in utesnjen delovni prostor oz. nerodni položaji so opisovali naloge percepcije in manipulacije; izvirnost in umetnost (angl. fine arts) sta opisovali ustvarjalno inteligenco; socialna perceptivnost, pogajanje, prepričevanje, pomoč in skrb za druge pa so opisovale socialno inteligenco (prav tam). Avtorja sta nato, na podlagi naštetih spremenljivk, iz 70 začetno ocenjenih poklicev sklepala o verjetnosti avtomatizacije za preostalih 632 poklicev.
Pri oblikovanju kvantitativne ocene za Slovenijo, smo se zgledovali po študijah Pajarinen in Rouvinen (2014), Bowles (2014) ter Bonin in drugi (2015), ki so metodo Freya in Osborna prenesli na druge države. Najprej smo ameriško klasifikacijo poklicev 2010 SOC prevedli v Standardno klasifikacijo poklicev 2008 oz. SKP-08, ki je v rabi v Sloveniji in jo za zbiranje statističnih podatkov uporablja SURS. To smo izvedli tako, da smo klasifikacijo 2010 SOC, s pomočjo pripomočkov U.S. Bureau of Labor Statistics (2015), najprej prevedli v mednarodno klasifikacijo ISCO-08. Nato pa z uporabo SURS-ovega pripomočka (SURS, b. d.) še v SKP- 08, ki je pravzaprav slovenska priredba ISCO-08. Naleteli smo na »problem dodelitve« (Bonin in drugi, 2015, str. 8), tj. zaradi nepopolnega ujemanja klasifikacij je v določenih primerih posameznemu SKP-08 poklicu ustrezalo več 2010 SOC poklicev, s tem pa tudi več verjetnosti avtomatizacije. V takih primerih smo postopali po zgledu Bonina in drugih (2015), to pomeni, da smo zaposlene v tistem SKP-08 poklicu enakomerno razdelili med ustrezne 2010 SOC poklice in njihove verjetnosti avtomatizacije (gl. Priloga A). Bonin in drugi (prav tam, str. 9) to imenujejo pristop enakomerne porazdelitve, pri čemer se zavedajo, da so rezultati zaradi tega nekoliko izkrivljeni. Po vzoru Freya in Osborna smo verjetnosti avtomatizacije poklicev delili v tri kategorije: nizko (med 0 in 0,3), srednje (med 0,3 in 0,7) ter visoko (med 0,7 in 1).
Pri naši oceni nas je zanimalo število delovnih mest glede na verjetnost avtomatizacije na skupni ravni, po spolu in po glavnih skupinah poklicev, ter povprečna plača glede na verjetnost avtomatizacije. Podatke smo pridobili preko SURS-ovega spletnega portala SiStat (SURS, 2021a, 2021b). Uporabili smo podatke (SURS, 2021a) o številu delovnih mest po poklicih za
24
leto 2020. Glede izbire leta 2020 smo imeli nekaj zadržkov, saj je covidna kriza vplivala na zaposlovanje v tem letu, a smo se na koncu vseeno odločili zanj. Glavni razlog za to je, da je število zaposlenih za leto 2020 podano na najnižji četrti klasifikacijski ravni SKP-08, medtem ko so podatki za prejšnja leta podani zgolj na drugi klasifikacijski ravni. To zagotavlja večjo točnost izračuna, saj so Freyeve in Osbornove ocene prav tako podane na najnižji klasifikacijski ravni in bi bili drugače prisiljeni prilagajati metodo (npr. s pristopom enakomerne porazdelitve).
Hkrati smo pregledali podatke o odstopanju števila delovnih mest od predhodnega leta glede na verjetnost avtomatizacije (gl. Priloga B) in ocenili, da je vpliv covidne krize na naš izračun majhen. Podatki (SURS, 2021b) o povprečnih bruto plačah glede na skupine poklicev so na najnižji klasifikacijski ravni podani tako za leti 2019 in 2020, zato smo izbrali leto 2019, da bi se izognili vplivu covidnih razmer.
25 6 Rezultati in interpretacija
6.1 Rezultati
Po našem izračunu za 44,6% delovnih mest v Sloveniji obstaja visoka verjetnost (0,7−1), da bodo v naslednjem desetletju ali dveh avtomatizirani. Bowles (2014) je za Slovenijo izračunal nekoliko višji delež: 53,19%. Možna razlaga za to, da je naša ocena nižja, je, da je v obdobju med izračunoma del delavcev zaradi avtomatizacije že bil izrinjen iz visokoogroženih poklicev v srednje- oz. nizkoogrožene. Nadalje, po naši oceni je verjetnost avtomatizacije srednja (0,3−0,7) za 16,2% delovnih mest in nizka (0,0−0,3) za 33,9%. Naša ocena zajema 94,7%11 od 891227 delovno aktivnih prebivalcev Slovenije v letu 2020. Slika 6.1 prikazuje število delovnih mest glede na verjetnost avtomatizacije, v intervalih verjetnosti 0,05. Slika 6.2 pa enako prikazuje v intervalih 0,01. Sliki kažeta, da je največ delovnih mest zgoščenih na skrajnih koncih verjetnosti avtomatizacije, kot sta ugotovila tudi Frey in Osborne (gl. Slika 6.3).
Približno 160 tisoč delovnih mest v Sloveniji bo v naslednjem desetletju ali dveh skorajda nemogoče odpravila tehnologija, 140 tisoč pa jih skoraj zagotovo bo.
11 Frey in Osborne nista podala verjetnosti avtomatizacije za vse 2010 SOC poklice, ki sovpadajo s SKP-08 poklici.
26
Slika 6.1: Število delovnih mest glede na verjetnost avtomatizacije v Sloveniji (interval 0,05)
Slika 6.2: Število delovnih mest glede na verjetnost avtomatizacije v Sloveniji (interval 0,01)
27
Slika 6.4 prikazuje porazdelitev delovnih mest po glavnih poklicnih skupinah glede na verjetnost avtomatizacije (v intervalih 0,05). Razbrati je mogoče, da so med najmanj ogroženimi skupinami poklicev strokovnjaki, zakonodajalci, visoki uradniki in menedžerji.
Ogrožene poklicne skupine pa so uradniki, poklici za neindustrijski način dela, poklici za storitve, prodajalci, upravljalci strojev in naprav, industrijski izdelovalci in sestavljavci, ter poklici za preprosta dela (gl. Sliko 6.3 in Sliko 6.4 za primerjavo med Slovenijo in ZDA).
Vir: Frey in Osborne (2013, str. 40)
Slika 6.3: Število delovnih mest glede na verjetnost avtomatizacije in glavne skupine poklicev v ZDA, leta 2010
28
Ugotavljamo, da so delovna mesta, ki so jih leta 2020 zasedali moški bolj ogrožena s strani avtomatizacije kot delovna mesta, ki so jih zasedale ženske (gl. Slika 6.5). Visokoogroženih je 45,2% delovnih mest, ki jih zasedajo moški, in 42,6%, ki jih zasedajo ženske. To je moč pripisati predvsem velikemu deležu moških zaposlenih v nekaterih visokoogroženih poklicih za neindustrijski način dela (predvsem v SKP-08 poklicnih skupinah: gradbinci ipd.; kovinarji, strojni mehaniki, ipd.; monterji in serviserji električnih in elektronskih naprav ipd.), med vozniki, upravljavci transportnih naprav in premičnih strojev, ter upravljavci strojev in naprav.
Srednjeogroženih je 17,4% delovnih mest moških in 14,5% delovnih mest žensk.
Nizkoogroženih je več delovnih mest žensk (37,7%) kot moških (30,5%). Ocenjujemo, da je to moč pripisati predvsem večjemu deležu žensk zaposlenih v nizkoogroženi skupini Slika 6.4: Število delovnih mest v Sloveniji glede na verjetnost avtomatizacije in glavne poklicne skupine po SKP-08
29
strokovnjakov, še posebej med zdravstvenimi strokovnjaki ter strokovnjaki za vzgojo in izobraževanje.
Nazadnje smo opazovali povprečno bruto plačo glede na verjetnost avtomatizacije (gl. Slika 6.6). Naši rezultati so skladni z ugotovitvijo Freya in Osborna (prav tam, str. 45), da med verjetnostjo avtomatizacije in plačo obstaja negativen odnos. Frey in Osborne izpostavljata, da je ta ugotovitev v nasprotju s premiso o polarizaciji dela in nakazuje, da bo avtomatizacija v bližnji prihodnosti v glavnem prizadela nizkoplačane poklice (prav tam).
Slika 6.5: Delovna mesta v Sloveniji glede na verjetnost avtomatizacije, po spolu
30 6.2 Interpretacija
Pri interpretaciji rezultatov je najprej potrebno poudariti, da naša ocena ne pomeni, da se bo agregatno število delovnih mest zmanjšalo za 44,6%. Frey in Osborne tega nočeta napovedovati, saj njuna analiza obravnava tehnologijo, ki je šele v povojih in zato historični podatki o njenem vplivu še ne obstajajo (prav tam, str. 39). Poleg tega se osredotočata zgolj na substitucijski učinek bodoče avtomatizacije na trenutno obstoječe poklice oz. delovna mesta (prav tam), zato uporaba njune metode ne vključuje ocene o popolnoma novih delovnih mestih oz. poklicih, ki jih bo prinesel tehnološki razvoj.
Pri interpretaciji je potrebno upoštevati tudi, da je naša ocena nastala na podlagi metode Freya in Osborna, ki pa ima določene pomanjkljivosti. Kot smo že omenili, so kasnejše raziskave pokazale, da je ogroženost delovnih mest verjetno precej nižja kot ugotavljata Frey in Osborne.
Arntz in drugi (2016) ter Nedelkoska in Quintini (2018) s svojim pristopom naslavljajo eno od glavnih kritik Freyeve in Osbornove metode. Omenjeni študiji sta nastali na predpostavki, da Slika 6.6: Povprečna mesečna bruto plača za leto 2019 glede na verjetnost avtomatizacije
31
avtomatizacija nadomešča posamezne delovne naloge in ne celotnih poklicev, kot to predvidevata Frey in Osborne. V ta namen študiji uporabljata podatke Programa za mednarodno ocenjevanje kompetenc odraslih oz. PIAAC (angl. Programme for the International Assessment of Adult Competencies), ki opisujejo dejanske naloge delavcev na različnih delovnih mestih.
Zbrani so bili s samo-poročanjem delavcev v več državah, kar zagotavlja primerljivost podatkov med temi državami.
Nedelkoska in Quintini (2018) sta v svojo raziskavo vključili tudi Slovenijo. Slovenija glede na njune ugotovitve spada med države z višjo ogroženostjo povprečnega delovnega mesta (51%), v primerjavi s skupnim povprečjem (47%) 32 OECD držav (prav tam, str. 46). Če opazujemo države glede na ogroženost povprečnega poklica, od najbolj pa do najmanj ogroženih, Slovenija zaseda 8. mesto (prav tam). V Slovenij je po njuni oceni visokoogroženih (verjetnost avtomatizacije nad 70% delovnih nalog) 25% delovnih mest, kar je veliko več kot na skupni ravni OECD držav z 14% (prav tam, str. 47). Ta ocena je še vedno veliko nižja od naše in kaže, da je naša ocena, zaradi pristopa osredotočenega na poklice, najverjetneje previsoka. Poleg tega sta Nedelkoska in Quintini (2018, str. 49) ocenili, da v Sloveniji še dodatni četrtini delovnih mest grozi, da se bodo znatno spremenila (to pomeni, da je 50-70% delovnih nalog na teh delovnih mestih mogoče avtomatizirati). V nasprotju z našo ugotovitvijo, da je v Sloveniji visokoogroženih več delovnih mest, ki jih zasedajo moški kot tistih, ki jih zasedajo ženske, pa Nedelkoska in Quintini ugotavljata (prav tam, str 53.), da je verjetnost avtomatizacije nižja pri moških kot ženskah, a je ta razlika zelo majhna. V vseh 32 državah, ki sta jih obravnavali, so bili višji dohodki povezani z nižjo verjetnostjo avtomatizacije (prav tam, str. 56), kar se ujema z našo ugotovitvijo.
Problem nastane tudi pri prenosu Freyevih in Osbornovih verjetnosti avtomatizacije na druge države. Tak prenos namreč temelji na predpostavki, da Američani in delavci v ciljnih državah, ki so zaposleni v enakih poklicih, opravljajo primerljive naloge (Bonin in drugi, 2015). To pa, kot pokažejo Bonin in drugi (prav tam, str. 11−12) ter Arntz in drugi (2016, str. 15−20), ni res, saj se naloge delavcev v istih poklicih razlikujejo med državami. To je še ena od pomanjkljivosti Freyeve in Osbornove metode, ki jih naslavlja metoda osnovana na PIAAC raziskavi.
Pri interpretaciji naše ocene je potrebno upoštevati tudi to, da Frey in Osborne obravnavata zgolj vidik tehnološke zmogljivosti, čeprav se zavedata, da na avtomatizacijo vpliva množica različnih faktorjev (Frey in Osborne, 2013, str. 5). Zato lahko našo oceno interpretiramo kot
32
največji možni obseg avtomatizacije, ki pa se bo realiziral zgolj v primeru, da bodo vsi ostali dejavniki ugodni. Slovenija je bila leta 2020 med EU-28 na 16. mestu po indeksu digitalnega gospodarstva (Evropska komisija, b. d.). Indeks upošteva povezljivost, človeški kapital, uporabo internetnih storitev, integracijo digitalne tehnologije v podjetjih ter digitalne javne storitve, pri čemer je bila Slovenija pod EU povprečjem pri vseh dejavnikih razen povezljivosti (prav tam). Poleg tega je bila Slovenija leta 2017 po vlaganju v IKT opremo, programsko opremo in baze podatkov glede na delež BDP, pod povprečjem OECD držav (ter na 25. od 34.
mest) (OECD, 2019, str. 7). Oba podatka nakazujeta, da se bo avtomatizacija v Sloveniji verjetno odvijala počasneje kot v večini EU oz. OECD držav, čeprav je ogroženih več delovnih mest kot drugod.
Poleg tega bodo umanjkanje delovnih mest blažili drugi trendi. McKinsey Global Institute (2017b, poglavje 3) jih imenuje sedem, med katerimi naj izpostavimo staranje populacije.
Staranje populacije in avtomatizacija se prepletata na dva pomembna načina. Po eni strani staranje populacije povzroča rast povpraševanja po poklicih v zdravstvu (MGI, 2017a). Gre za poklice, ki jih po Freyevi in Osbornovi oceni v bližnji prihodnosti še ne bo nadomestila tehnologija, saj skrb za druge predstavlja ozko grlo avtomatizacije. Po drugi strani pa staranje populacije povzroča krčenje deleža delovno sposobnega prebivalstva, kar ogroža ekonomsko rast (MGI, 2017b, str. 15). McKinsey Global Institute (2017b, poglavje 3) ocenjuje, da bo v prihodnosti rast produktivnosti zaradi avtomatizacije vsaj delno ublažila ta negativen trend in zagotovila nadaljevanje ekonomske rasti v starajočih ekonomijah. Podatki (SURS, 2021c) za Slovenijo predvidevajo, da se bo do leta 2060 delež delovno sposobnega prebivalstva močno zmanjšal (iz 65,1% leta 2019 na 55,5% leta 2060), starostna odvisnost starih pa se bo znatno povečala (koeficient starostne odvisnosti starih je leta 2019 znašal 30,5, leta 2060 pa naj bi znašal že 56,4), zato bo s tega vidika avtomatizacijo celo smiselno spodbujati. Vidimo torej, da bodo v prihodnosti številni faktorji, npr. staranje populacije, izravnavali potencialno pomanjkanje delovnih mest na agregatni ravni.
33 7 Zaključek
V zaključku naj najprej odgovorimo na zastavljeni raziskovalni vprašanji.
Prvič, kako avtomatizacija vpliva na obseg in naravo dela? Avtomatizacija povzroča rast povpraševanja po delavcih, ki imajo prednost pri opravljanju tistih nalog, katerim avtomatizacija deluje komplementarno (ne-rutinske naloge). Hkrati pa zmanjšuje povpraševanje po delavcih, ki opravljajo tiste naloge, na katere avtomatizacija deluje substitucijsko (rutinske naloge). Vzporedno s tem, avtomatizacija povzroča tudi spreminjanje delovnih nalog znotraj poklicev/delovnih mest, pri čemer se dogaja premik od rutinskih k ne- rutinskim nalogam. V preteklosti avtomatizacija sicer ni zmanjšala agregatne količine delovnih mest, nekateri strokovnjaki pa opozarjajo, da bi v prihodnosti lahko bilo drugače, saj naj bi tehnološki razvoj omogočil tudi avtomatizacijo ne-rutinskih nalog.
Drugič, koliko delovnih mest avtomatizacija ogroža v Sloveniji? Po našem izračunu, na podlagi prenosa Freyeve in Osbornove metode, obstaja visoka verjetnost, da bo v naslednjem desetletju ali dveh računalniško podprta tehnologija nadomestila delavce na 44,6% delovnih mestih, ki so obstajala leta 2020. Ob uporabi metode, ki temelji na PIAAC raziskavi, pa je ocena visokoogroženih delovnih mest nižja in znaša 25%. To nikakor ne pomeni, da bo v prihodnosti na skupni ravni umanjkalo 25% oz. 44,6% delovnih mest, saj bo tehnološki razvoj hkrati povzročil tudi nastanek novih delovnih mest. Poleg tega pa bodo na tempo in obseg avtomatizacije vplivali tudi številni drugi faktorji, npr. raven investicij, staranje prebivalstva, itd.
Nazadnje naj izpostavimo še, da je avtomatizacija aktualna tema, ki terja temeljito obravnavo s strani akademikov, zakonodajalcev in delodajalcev. Resnosti izziva, ki je pred nami, ne smemo podcenjevati. Tudi če upoštevamo nižjo oceno, je v Sloveniji še vedno visokoogroženih kar četrtina delovnih mest. Poleg tega zaenkrat še ni podrobno raziskano kako bo na prihodnost avtomatizacije vplivala covidna kriza. Po nekaterih raziskavah (MGI, 2021) naj bi ta namreč še dodatno pospešila avtomatizacijo dela, zaradi česar naj bi bilo v naslednjem desetletju delovno mesto prisiljeno zamenjati skoraj četrt delavcev več, kot po ocenah izpred covidnega obdobja (prav tam). Tudi če menimo, da se bo v prihodnosti število izgubljenih in novonastalih delovnih
34
mest medsebojno izravnalo, so nujni ukrepi, ki bodo brezposelnim olajšali prehod na nova delovna mesta, številnim drugim pa prilagoditev na istem delovnem mestu.
35 8 Viri
1. Acemoglu, D. in Autor, D. (2010). Skills, tasks and technologies: Implications for employment and earnings (NBER Working Paper, 16082). https://doi.org/10.3386/w16082 2. Arntz, M., Gregory, T. in Zierahn, U. (2016). The risk of automation for jobs in OECD
countries: A comparative analysis (OECD Social, Employment and Migration Working Papers, 189). https://dx.doi.org/10.1787/5jlz9h56dvq7-en
3. Autor, D. H., Katz, L. F. in Krueger, A. B. (1998). Computing inequality: Have computers changed the labor market? The Quarterly Journal of Economics, 113(4), 1169−1213.
Dostopno prek https://www.jstor.org/stable/2586978
4. Autor, D. H., Levy, F. in Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. The Quarterly Journal of Economics, 118(4), 1279−1333.
Dostopno prek https://www.jstor.org/stable/25053940
5. Autor, D. H, Katz, L. F. in Kearney, M. S. (2008). Trends in U.S. wage inequality: Revising the revisionists. The Review of Economics and Statistics, 90(2), 300−323. Dostopno prek https://www.jstor.org/stable/40043148
6. Autor, D. H. in Dorn, D. (2013). The growth of low-skill service jobs and the polarization of the US labor market. The American Economic Review, 103(5), 1553−1597. Dostopno prek http://www.jstor.org/stable/42920623
7. Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. The Journal of Economic Perspectives, 29(3), 3−30. Dostopno prek https://www.jstor.org/stable/43550118
8. Autor, D. in Salomons, A. (2018). Is automation labor share–displacing? Productivity growth, employment, and the labor share. Brookings Papers on Economic Activity¸ 1−63.
Dostopno prek https://www.jstor.org/stable/10.2307/26506212
9. Berman, E., Bound, J. in Machin, S. (1998). Implications of skill-biased technological change: International evidence. The Quarterly Journal of Economics, 113(4), 1245−1279.
Dostopno prek https://www.jstor.org/stable/2586980
10. Blinder, A. S. in Krueger, A. B. (2013). Alternative measures of offshorability: A survey approach. Journal of Labor Economics, 31(2), S97−S128. https://doi.org/10.1086/669061
36
11. Bonin, H., Gregory, T. in Zierahn, U. (2015). Übertragung der Studie von Frey/Osborne (2013) auf Deutschland (ZEW Kurzexpertise, 57). Dostopno prek https://ftp.zew.de/
pub/zew-docs/gutachten/Kurzexpertise_BMAS_ZEW2015.pdf
12. Bowles, J. (2014, 24. julij). Chart of the week: 54% of EU jobs at risk of computerisation.
Bruegel. Dostopno prek https://www.bruegel.org/2014/07/chart-of-the-week-54-of-eu- jobs-at-risk-of-computerisation/
13. Brynjolfsson, E. in McAfee, A. (2016). The second machine age: Work, progress, and prosperity in a time of brilliant technologies. New York, London: W. W. Norton &
Company.
14. Evropska komisija. (b.d.). Indeks digitalnega gospodarstva in družbe (DESI) 2020:
Slovenija. Dostopno prek https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=
66956
15. Frey, C. B. in Osborne, M. A. (2013). The future of employment: How susceptible are jobs to computerisation? (Oxford Martin School Working Paper). Dostopno prek https://www.
oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf
16. Goos, M., Manning, A. in Salomons, A. (2014). Explaining job polarization: Routine-biased technological change and offshoring. The American Economic Review, 104(8), 2509−2526.
Dostopno prek https://www.jstor.org/stable/42920897
17. Keynes, J. M. (2008). Economic possibilities for our grandchildren (1930). V L. Pecchi in G. Piga (ur.), Revisiting Keynes: Economic possibilities for our grandchildren (str. 17−26).
MIT Press. Dostopno prek https://ebookcentral.proquest.com (Izvirno delo objavljeno 1930)
18. Kline, R. R. (2015). Technological determinism. V J. D. Wright (ur.), International encyclopedia of the social and behavioral sciences, 2(24), 109−112. https://doi.org/
10.1016/B978-0-08-097086-8.85034-5
19. Leontief, W. (1983). Technological advance, economic growth, and the distribution of income. Population and Development Review, 9(3), 403−410. https://doi.org/10.2307/
1973315
20. Machin, S. in Van Reenen, J. (1998). Technology and changes in skill structure: Evidence from seven OECD countries. The Quarterly Journal of Economics, 113(4), 1215−1244.
Dostopno prek https://www.jstor.org/stable/2586979
37
21. Marx, K. (1961). Kapital: Kritika politične ekonomije (I. knjiga) (S. Krašovec in I. Lavrač, prev.). Ljubljana: Cankarjeva založba. (Izvirno delo objavljeno 1867)
22. McKinsey Global Institute [MGI]. (2017a). A future that works: Automation, employment, and productivity. Dostopno prek https://www.mckinsey.com/~/media/mckinsey/featured%
20insights/Digital%20Disruption/Harnessing%20automation%20for%20a%20future%20t hat%20works/MGI-A-future-that-works-Executive-summary.ashx
23. McKinsey Global Institute [MGI]. (2017b). Jobs lost, jobs gained: Workforce transitions in a time of automation. Dostopno prek https://www.mckinsey.com/~/media/mckinsey/
industries/public%20and%20social%20sector/our%20insights/what%20the%20future%20 of%20work%20will%20mean%20for%20jobs%20skills%20and%20wages/mgi-jobs-lost- jobs-gained-report-december-6-2017.pdf
24. McKinsey Global Institute [MGI]. (2021, 18. februar). The future of work after COVID-19.
Dostopno prek https://www.mckinsey.com/featured-insights/future-of-work/the-future-of- work-after-covid-19#
25. Michaels, G., Natraj, A. in Van Reenen, J. (2014). Has ICT polarized skill demand?
Evidence from eleven countries over twenty-five years. The Review of Economics and Statistics, 96(1), 60−77. Dostopno prek https://www.jstor.org/stable/43554913
26. Mokyr, J., Vickers, C. in Ziebarth, N. L. (2015). The history of technological anxiety and the future of economic growth: Is this time different? The Journal of Economic Perspectives, 29(3), 31−50. Dostopno prek https://www.jstor.org/stable/43550119
27. Nedelkoska, L. in Quintini, G. (2018). Automation, skills use and training (OECD Social, Employment and Migration Working Papers, 202). https://dx.doi.org/10.1787/2e2f4eea-en 28. OECD. (2019). ICT investments in OECD countries and partner economies: Trends,
policies and evaluation (OECD Digital Economy Papers, 280). https://doi.org/10.1787/
bcb82cff-en
29. O'Rourke, K. H., Rahman, A. S. in Taylor, A. M. (2013). Luddites, the industrial revolution, and the demographic transition. Journal of Economic Growth, 18(4), 373−409. Dostopno prek https://www.jstor.org/stable/42635331?seq=1
30. Pajarinen, M. in Rouvinen, P. (2014). Computerization threatens one third of Finnish employment (ETLA Brief, 22). Dostopno prek http://pub.etla.fi/ETLA-Muistio-Brief- 22.pdf
38
31. Pew Research Center. (2014, 6. avgust). AI, robotics and the future of jobs. Dostopno prek http://www.pewinternet.org/2014/08/06/future-of-jobs/
32. Statista. (2020, 28. september). Estimated population of Europe from 1950 to 2020.
Dostopno prek https://www.statista.com/statistics/1106711/population-of-europe/
33. Statistični urad Republike Slovenije [SURS]. (2021a). Delovno aktivno prebivalstvo po skupinah poklicev (SKP-08) in spolu, Slovenija, letno. [Podatkovni portal SI-STAT].
Ljubljana: Statistični urad Republike Slovenije. Dostopno prek http://pxweb.stat.si/
34. Statistični urad Republike Slovenije [SURS]. (2021b). Povprečne mesečne bruto plače (EUR) po skupinah poklicev (SKP-08) in spolu, Slovenija, letno. [Podatkovni portal SI- STAT]. Ljubljana: Statistični urad Republike Slovenije. Dostopno prek http://pxweb.stat.si/
35. Statistični urad Republike Slovenije [SURS]. (2021c). Projekcije prebivalstva EUROPOP2019 - demografska bilanca in izbrani kazalniki, Slovenija, 2019 – 2100.
[Podatkovni portal SI-STAT]. Ljubljana: Statistični urad Republike Slovenije. Dostopno prek http://pxweb.stat.si/
36. Statistični urad Republike Slovenije [SURS]. (b. d.). Pretvornik med SKP-08 in ISCO-08 na najnižji klasifikacijski ravni [Excel datoteka]. Dostopno prek https://www.stat.si/
SKP/Default.aspx?id=7
37. U.S. Bureau of Labor Statistics. (2015). Crosswalk between the 2008 International Standard Classification of Occupations to the 2010 SOC [Excel datoteka]. Dostopno prek https://www.bls.gov/soc/soccrosswalks.htm
38. Walsh, T. (2018). Expert and non-expert opinion about technological unemployment.
International Journal of Automation and Computing, 15(5), 637−642.
https://doi.org/10.1007/s11633-018-1127-x
