Højtspecialiseret funktionærarbejde? Det kan maskiner også

Af Noam Scheiber
Journalist, New York Times 

En af de bedst sælgende T-shirts på den indiske e-handelsside Myntra er et olivengrønt, blåt og gult farveblokdesign. Den blev ikke udtænkt af et menneske, men af en computeralgoritme – eller nærmere to algoritmer. 

Den første algoritme genererede tilfældige billeder, som den prøvede at udgive for at være tøj. Den anden måtte skelne mellem de billeder og tøjet i Myntras sortiment. Gennem indbyrdes konkurrence blev den første algoritme bedre til at skabe billeder, der lignede tøj, mens den anden blev bedre til at bestemme, hvorvidt de var ligesom – men ikke identiske med – virkelige produkter. 

Denne vekselvirkning, som er et eksempel på kunstig intelligens i funktion, skabte design, hvis salg nu "vokser med 100 procent", sagde Ananth Narayanan, virksomhedens administrerende direktør. "Det virker."   

Det amerikanske bureau for arbejdsmarkedsstatistik forventer, at ansættelser af indkøbere i engros- og detailhandlen vil blive indskrænket til to procent over et årti.

Tøjdesign er blot de nyeste bud på, hvordan algoritmer er ved at ændre mode- og detailindustrier. Virksomheder benytter nu rutinemæssigt kunstig intelligens til at bestemme, hvilket tøj der skal på lager, og hvad der skal anbefales til kunderne. 

Og mode, der længe har nedlagt manuelt arbejde i USA, er herefter et førende eksempel på, hvordan kunstig intelligens også påvirker en række funktionærjobs. Det gælder særligt job, der sætter værdi i at finde mønstre, lige fra at vælge aktier til at diagnosticere kræft.     

"Mange flere typer af opgaver vil blive automatiseret eller forøget af maskiner i løbet af de kommende år," skrev Erik Brynjolfsson, der er økonom ved Massachusetts Institute of Technology, og Tom Mitchell, der er Carnegie Mellon-computervidenskabsmand, i tidsskriftet Science sidste år. De argumenterede for, at de ramte jobs vil blive delvist automatiseret snarere end forsvinde helt.  

Modeindustrien illustrerer, hvordan maskiner også kan trænge ind på arbejdere, der er mere kendt for deres kreativitet end for kolde empiriske vurderinger. Blandt dem, der vil blive direkte påvirket, er indkøberne og planlæggerne, der bestemmer, hvilke kjoler, bluser og bukser der skal i butikkernes sortiment.     

Maskinen erstatter indkøberen
En vigtig del af indkøberens job er at forudse, hvad kunderne vil have, ved at bruge en veludviklet sans for, i hvilken retning modetendenserne går.

"Baseret på det faktum, at du solgte 500 plateausko sidste måned, så kunne du måske sælge 1.000 næste måned," sagde Kristina Shiroka, der har brugt adskillige år som indkøber for onlinebutikken Outnet.

"Men folk kan også være helt over det på det tidspunkt, og så skærer du ned på indkøbet." 

Planlæggerne bruger så købernes input til at finde ud af, hvilket blanding af tøj – for eksempel hvor mange sandaler, højhælede og flade sko – der vil bidrage til, at virksomheden når sit mål for salg. 

I det lille, men voksende område af industrien, hvor højeffektive algoritmer virker frit, er det således maskinen – og ikke indkøberens mavefornemmelse – der som oftest forudser, hvad kunderne vil have.

Det gælder onlinestyling-tjenesten Stitch Fix, der sender bokse med tøj til kunder, som de enten kan vælge at beholde eller sende tilbage. Stitch Fix opbevarer detaljerede kundeprofiler for at gøre deres forsendelser personlige.  

Bestillingerne bliver pakket i online mode- og stylistbutikken Trunk Club, som har ansat en hær af stylister, der får anbefalinger fra algoritmer til tøj og accessories, som passer til hver enkelt kunde, men stylisterne vælger selv, hvad de sender til dem (foto: Whitten Sabbatini/The New York Times)

Stitch Fix er stærkt afhængig af algoritmer til at guide sine indkøbsbeslutninger – faktisk kunne deres forretning nok ikke eksistere uden dem.

Algoritmerne beregner, hvor mange klienter der vil være i en given situation eller tilstand flere måneder ude i fremtiden (som at de udvider deres garderobe efter for eksempel at være begyndt i et nyt job), og hvilken mængde tøj folk er tilbøjelige til at købe i hver enkelt situation. 

Algoritmerne ved også, hvilken stil folk med forskellige profiler bedst kan lide – eksempelvis en lille sygeplejerske med børn, der bor i Texas.    

Bevæbnede med algoritmer
Myntra, den indiske onlineforretning, bevæbner sine indkøbere med algoritmer, der udregner sandsynligheden for, at en vare vil sælge, baseret på, hvordan tøj med lignende karakteristika – ærmer, farver, stof – tidligere har solgt. (Indkøberne er frie til at ignorere beregningerne). 

Alt dette kaster skygger ind i indkøbere og planlæggeres fremtid, højstatus-arbejdere, hvis årsindtægt kan overstige 100.000 dollars.  

Forretninger, der er skarpe på at bruge algoritmer og big data, ser ud til at ansætte færre indkøbere og tildele hver enkelt et bredere udvalg af kategorier, delvist fordi de er mindre afhængige af intuition.  

Hos Le Tote, en onlinetjeneste for udlejning og salg af dametøj, der omsætter hundredmillioner dollars hvert år, er der et sekspersoners team, som tager sig af indkøb for alle mærkevarer – kjoler, bluser, bukser, jakker. 

Grundlægger Brett Northart siger, at selskabets algoritmer kan identificere, hvad der skal føjes til lageret, baseret på, hvor mange kunder der har sat de varer på deres digitale ønskeliste, sammen med faktorer som onlinebedømmelse og seneste køb. 

Arti Zeighami, der overvåger avancerede analyseværktøjer for H&M-gruppen, som kunstig intelligens til at tage beslutninger i forsyningskæden, siger, at selskabet var "med til at fremme og styrke" de menneskelige indkøbere og planlæggere, ikke erstatte dem.

Men han medgav, at det var svært at forudsige effekten på beskæftigelsen om fem til ti år.

Eksperter siger, at nogle af disse jobs vil blive automatiseret væk. Det amerikanske bureau for arbejdsmarkedsstatistik forventer, at ansættelser af indkøbere i engros- og detailhandlen vil blive indskrænket til to procent over et årti, over for syv procents stigning for alle erhverv.

Noget af dette sker på grund af automatiseringen af mindre krævende opgaver såsom at opgøre lagerbeholdningen og købe ind for mindre stilkrævende detailhandler (for eksempel reservedele). 

Maskiner, der skaber jobs
Der er dog mindst et område i industrien, hvor maskiner er med til at skabe jobs, snarere end at udrydde dem. Bombfell, Stitch Fix og mange konkurrenter i boksmode-nichen ansætter en stadigt større hær af menneskelige stylister, der modtager anbefalinger fra algoritmer om tøj, der kunne være noget for en kunde, men de bestemmer selv, hvad de sender.

"Hvis ikke de er overbegejstret ærlige, når jeg spørger dem, hvordan de har det med det, skriver jeg mig det bag øret," siger Jade Carmosino, der er salgschef og stylist ved Trunk Club, en Stitch Fix-konkurrent ejet af Nordstrom.

Her lader det til, at stylister spejler en større trend i de industrier, hvor kunstig intelligens automatiserer funktionærjobs: ansættelse af flere mennesker til at stå mellem maskiner og kunder.

For eksempel forudsagde Chida Khatua, administrerende direktør for Equbot, der var med til at skabe en børsnoteret fond aktivt styret af kunstig intelligens, at aktiemarkedet ville hyre flere finansrådgivere, selv mens investeringer blev overvejende automatiseret.

Lavere løn
Bagsiden er, at jobbet som stylist eller finansrådgiver sandsynligvis vil give mindre end de mistede jobs som indkøbere og aktiehandlere.

Den gode nyhed er ifølge Daron Acemoglu, økonom ved MIT, der studerer automatisering, at disse jobs stadig vil give betydeligt mere end mange af de ledige stillinger for lavt- og mellemuddannede arbejdere i de seneste årtier.  

Og disse jobs vil i sidste ende være vanskelige at automatisere. 

"Hvis jeg er kunden, der forklarer, hvad jeg vil have, er der nødt til at være mennesker involveret," sagde Khatua. "Sommetider ved jeg ikke, hvad jeg egentlig vil have." 
_____

Copyright: The New York Times/Noam Scheiber