世界正面临着一个银色的海啸。到2030年，超过一半的劳动力许多欧盟国家年龄50岁或更高。类似的趋势正在贯穿澳大利亚，，，，美国和其他开发的发展中经济体。
老龄化劳动力远非负担或代表危机，是一种宝贵的资源 - 提供所谓的银股。老年工人经常提供经验，稳定和机构记忆。然而，在急于拥抱人工智能（AI）时，年长的工人可以是留在后面。
一个常见的误解是老年人是不情愿的采用技术或无法追赶。但这远非事实。它过度简化了它们能力，参与和在数字环境中的兴趣的复杂性。
有更深层次的问题和结构性障碍。其中包括访问和机会 - 包括缺乏目标训练。目前，AI培训往往针对早期或中期工人。
从实际专家那里获取您的新闻，直接进入收件箱。 注册我们的每日新闻通讯从政治和商业到艺术和科学，英国最新的新闻和研究介绍了所有对话。今天免费加入对话。
来自工作场所文化的老年人之间也存在信心差距排他性。数据表明，年长的专业人士更犹豫使用AI可能是由于快节奏的工作环境，这些工作环境奖励了判断或经验的速度。
技术系统的设计也可能存在问题。它们主要是由年轻用户建造的。语音助手通常无法识别较旧的声音，并且金融科技应用程序假设用户可以舒适地链接多个帐户或导航复杂菜单。这可以使工人面临合理的安全问题或认知挑战。
所有这些问题都被社会人口统计学因素。使用AI的可能性较小的老年人，单独生活或在农村地区，受过较低的教育水平或从事体力劳动的工作。
年龄歧视长期以来招聘，晋升和职业发展。虽然年龄已经成为一个受保护的特征在英国法律中，年龄派规范和实践以许多不太微妙的形式持续存在。
年龄歧视可能会影响年轻人和老年人，但是在技术方面，影响的影响是对老年人的绝大多数偏见。
所谓的算法年龄歧视在AI系统中，基于自动化而不是人类决策的排除通常会加剧年龄段的偏见。
雇用算法通常最终会喜欢年轻的员工。假设技术流利度的数字接口是排除设计的另一个示例。毕业日期，就业差距，甚至简历中使用的语言都可以成为年龄的代理，并在没有任何人类审查的情况下过滤经验丰富的候选人。
科技行业工人是绝大多数年轻。同质思维繁殖盲点，因此产品为年轻人出色。但是他们最终可能会疏远其他年龄段。
这创建了人造灰色数字鸿沟，通过能力降低，而更多地因支持，培训和包容性而造成更多。如果年长的工人未集成到AI革命中，则有创建分裂的劳动力的风险。一部分将对技术，数据驱动和AI启用，而另一部分将保持孤立，未被充分利用和潜在流离失所。
年龄中立的方法
超越年龄的想法，这是至关重要的，这使老年人成为需要特殊调整的其他人。相反，目标应该是年龄中立的设计。
人工智能设计师应该认识到，尽管年龄在特定的情况下是相关的，例如色情等限制内容 - 不应将其用作培训数据中的代理，在该数据中可能导致算法中的偏见。这样，设计将是年龄的中立而不是永恒的。
设计师还应确保所有年龄段的用户都可以访问平台。
赌注很高。这不仅与经济学有关，还与公平，可持续性和福祉有关。
在英国的政策层面上，仍然存在巨大的空白。去年，下议院研究强调的是，劳动力策略很少区分老年工人的特定数字和技术培训需求。这强调了如何将衰老的人视为事后的想法。
几个具有远见的公司已经支持了中期和晚期培训计划。在新加坡，政府技能未来计划采用了一种更敏捷，更富有的方法。但是，这些仍然是孤立的例子。
再培训不能是通用的。除了基本的数字扫盲课程之外，老年人还需要针对特定工作的高级培训。再培训的心理框架也至关重要。老年人不仅需要为职业或个人成长而重新培训或重新培训，而且还需要更全面地参与劳动力。
这也是减轻社会福利系统压力并减轻技能短缺的关键。更重要的是，以这种方式涉及年长的工人支持几代人之间的知识转移，这应该使经济中的每个人受益。
然而，目前，责任是在老年工人而不是组织和政府上。
AI，尤其是可以创建文本，图像和其他媒体的生成模型，以产生看起来合理但有时是合理的输出而闻名错误或误导。最能识别这些错误的人是具有深厚领域知识的人 - 数十年来的经验。
这不是对数字转换或AI采用的反驳。相反，它强调将老年人纳入数字设计，培训和访问应该是战略性的当务之急。AI无法取代人类的判断增强它。
如果公司，政策和社会将年长的工人排除在AI转换过程之外，那么他们实际上是在删除人类监督的关键层，以使AI输出可靠，道德和安全使用。年龄中立的方法将是解决此问题的关键。
零碎的努力和缓慢的反应可能会导致一系列经验，人才和专业知识的不可逆转损失。现在，工人和企业需要的是从一开始就可以使用的系统，政策和工具，可用于所有年龄段的人。