تحلیل رمپ از هزینههای سطح شرکت داستانی صریح را روایت میکند: شرکتها در حال انتقال هزینهها از فریلنسرها به هوش مصنوعی هستند. با ردیابی همان شرکتها در طول زمان، رمپ دریافت که سهم هزینه کل اختصاصیافته به بازارهای کار از ۰٫۶۶٪ در سهماهه چهارم ۲۰۲۱ به ۰٫۱۴٪ در سهماهه سوم ۲۰۲۵ کاهش یافته است، در حالی که هزینه برای ارائهدهندگان مدل هوش مصنوعی برای همان شرکتها از صفر به نزدیک ۳٪ افزایش یافته است. بیش از نیمی از کسبوکارهایی که در سال ۲۰۲۲ از فریلنسرها استفاده میکردند بهکلی متوقف شدهاند، و شرکتهایی که بیشترین هزینه را روی فریلنسرها داشتند سریعترین تغییر را به سمت هوش مصنوعی انجام دادند.
آنچه این مطالعه نشان میدهد
محقق شیانگ هویی و همکارانش، با استفاده از دادههای بازار آپورک و انتشار در مجله Organization Science، همان الگو را از سمت فریلنسر یافتند: هوش مصنوعی مولد بهطور کلی هم تعداد آگهیهای شغلی و هم درآمد هر قرارداد جدید را افزایش داده است، اما بیشترین اختلال را برای عملکردهای برتر ایجاد کرده است. به ازای هر ۱٪ افزایش در درآمد گذشته یک فریلنسر، آنها کاهش ۰٫۵٪ بزرگتری در فرصتهای شغلی و کاهش ۱٫۷٪ بزرگتری در درآمد ماهانه پس از معرفی هوش مصنوعی مشاهده کردند — نشان میدهد که هوش مصنوعی بیشترین جایگزینی مستقیم را برای کارهای صیقلی و پر درآمدی دارد که بیشتر شبیه خروجی هوش مصنوعی هستند.
تحلیل «از حقوقها به پرامپتها» رمپ جایگزینی در سطح شرکت را کمی میکند:
- سریعترین تغییر در میان سنگینترین کاربران. شرکتهای در بالاترین چارک هزینه فریلنسری سریعترین جایگزینی هزینه فریلنسری با هوش مصنوعی را داشتند — الگویی سازگار با وظایف کاری که قبلاً برونسپاری شده بودند و بنابراین سادهترین برای خودکارسازی.
- جبران کوچک به ازای هر دلار، تغییر ترکیبی بزرگ. در میان آسیبپذیرترین شرکتها، کاهش ۱ دلاری در هزینه فریلنسری تقریباً با ۰٫۰۳ دلار هزینه اضافی هوش مصنوعی همراه بود — هوش مصنوعی به ازای هر وظیفه ارزانتر است، بنابراین هزینه کل کاهش مییابد حتی با افزایش سهم هوش مصنوعی.
- همه کارهای هوش مصنوعی ارزشافزوده ندارند. دادههای آپورک برای ۲۰۲۶ نشان میدهد که فریلنسرهای انجامدهنده کار هوش مصنوعی ۳۴٪ بیشتر در ساعت نسبت به همتایان غیرهوش مصنوعی درآمد دارند، اما تولید خلاقانه با هوش مصنوعی مولد رشد ۹۰٪ سالبهسال در شروع قراردادها با کاهش ۱۳٪ در درآمد هر قرارداد را دید — اجرای هوش مصنوعی با پیچیدگی پایین در حال کالاییشدن است.
آنچه باقی میماند — و آنچه رشد میکند
دو بخش فریلنسری در حال واگرایی هستند:
- هماهنگکنندههای هوش مصنوعی با قضاوت بالا. فریلنسرهایی که قضاوت تخصصی را در کنار هوش مصنوعی به کار میگیرند — طراحی گردشکارهای چندعاملی، اعتبارسنجی خروجی هوش مصنوعی، ادغام هوش مصنوعی در فرآیندهای کسبوکار — ۴۵٪ بیشتر سالبهسال درآمد کسب کردند و اکنون سهم رو به رشدی از ۳۸٪ کارگران دانشی آمریکا که فریلنسر هستند (از ۲۸٪ افزایش یافته) را تشکیل میدهند.
- اجرای معمول با کمک هوش مصنوعی. فریلنسرهایی که پیشنویسهای تولیدشده با هوش مصنوعی را با پولیش انسانی سبک تولید میکنند، فشردگی نرخها را میبینند. فقط ذکر مهارت هوش مصنوعی نرخ ساعتی را حدود ۲۵٪ افزایش میدهد، اما این حق بیمه بدون تخصص متمایز محو میشود.
تقاضا برای توسعه عاملهای هوش مصنوعی در بازارهایی مانند فیورر — نزدیک به ۳۰٪ از تکالیف مرتبط با هوش مصنوعی، با تغییر از چتباتهای ساده به سیستمهای چندعاملی در وب، واتساپ و صدا — در حال رشد است، با افزایش تقاضای مشاوره هوش مصنوعی ۱۰۹٪ سالبهسال.
مدیران استخدام چه باید بکنند
۱. نقشهبرداری کنید که کدام هزینه فریلنسری خودکارپذیر است. نوشتن، ترجمه، طراحی پایه و پاکسازی دادهها بیشترین آسیبپذیری را دارند؛ استراتژی، جهتدهی خلاقانه روبهروی مشتری و کار در حوزههای تنظیمشده کمترین.
۲. قراردادها را حول نتیجهمحوری بازتنظیم کنید. توافقنامههای فریلنسری را از ساعتی به مبتنی بر تحویلدادنی با پرداخت صریح به هوش مصنوعی تغییر دهید — چه کسی مدل را فراهم میکند، چه کسی خروجی را اعتبارسنجی میکند و چه کسی مسئولیت خطاهای توهمی را بر عهده دارد.
۳. ترکیب هزینهها را ردیابی کنید. در دفترهای خود، Expenses:Contractors:Freelance را از Expenses:AI:ModelProviders جدا کنید تا تغییر ۰٫۶۶٪→۰٫۱۴٪ و ۰٪→۳٪ بهوضوح به تفکیک فروشنده دیده شود، نه پنهان در یک خط پیمانکاری واحد.
مدیریت مالی خود را ساده کنید
بازار کار در حال قیمتگذاری مجدد کار فریلنسری در برابر هزینه هوش مصنوعی است. Beancount.io هزینههای فریلنسری و ارائهدهنده هوش مصنوعی را در متن ساده تحت کنترل نسخه نگه میدارد — بنابراین جایگزینی که انجام میدهید بهصورت تغییر ترکیب دفتر کل ظاهر میشود، نه فقط مجموع پایینتر. همین حالا رایگان شروع کنید و با داده استخدام کنید، نه با روایت.