Τους τελευταίους μήνες γίνονται μελέτες στις σειρές ερευνών που διεξήγαγαν οικονομολόγοι σχετικά με την αξία της τεχνητής νοημοσύνης στον εργασιακό χώρο. «Πόσο βοηθάει η τεχνητή νοημοσύνη τους επαγγελματίες να κάνουν τη δουλειά τους»; Η αύξηση της παραγωγικότητας που παρατήρησαν είναι σημαντική: Η τεχνητή νοημοσύνη κάνει σαφώς καλύτερους και ταχύτερους τους εργαζόμενους. Οι αριθμοί έχουν ωθήσει τους αισιόδοξους της ΤΝ να προβλέψουν οικονομική έκρηξη και τους απαισιόδοξους της ΤΝ να ανησυχούν για ένα μέλλον με λιγότερες θέσεις εργασίας.
Αλλά πίσω από αυτούς τους αριθμούς, θαμμένο λίγο βαθύτερα στις μελέτες, βρίσκεται το εύρημα που πραγματικά ενδιαφέρει τον κόσμο. Το ερώτημα δεν είναι πόσο βοηθάει η τεχνητή νοημοσύνη στο γραφείο, αλλά ποιον βοηθάει και γιατί.
Η τεχνητή νοημοσύνη, όπως δείχνουν οι μελέτες, κάνει τους εργαζόμενους πιο παραγωγικούς με έναν περίεργο τρόπο. Δεν βοηθάει όλους να γίνουν καλύτεροι στη δουλειά τους. Κυρίως ενισχύει τους εργαζόμενους που είναι κακοί στη δουλειά τους, ενώ κάνει ελάχιστα πράγματα για να βοηθήσει – ή ακόμα και να εμποδίσει – εκείνους που είναι ήδη παραγωγικοί εξ αρχής. Η τεχνητή νοημοσύνη, με άλλα λόγια, αυξάνει τη συνολική παραγωγικότητα μειώνοντας το χάσμα μεταξύ των υψηλών και των χαμηλών επιδόσεων. Εξισώνει την εργασία των υπαλλήλων – ένα τεράστιο τμήμα της οικονομίας που ανέκαθεν βασιζόταν στην υπόθεση ότι κάποιοι άνθρωποι θα είναι εγγενώς πολύ, πολύ καλύτεροι στη δουλειά τους από άλλους, σύμφωνα με το Business Insider.
Ανασκόπηση των ευρημάτων
Οι οικονομολόγοι εξέτασαν τον αντίκτυπο της τεχνητής νοημοσύνης σε έξι διαφορετικούς τομείς εργασίας:
1. Δημιουργική γραφή: Οι ερευνητές ανέθεσαν στους ανθρώπους να γράψουν μια σύντομη ιστορία, με και χωρίς τη βοήθεια ενός εργαλείου τεχνητής νοημοσύνης για τη δημιουργία ιδεών. Εκείνοι που δεν είχαν ιδιαίτερη έμπνευση έγιναν κατά 11% πιο μυθιστορηματικοί και κατά 23% πιο ευχάριστοι με τη βοήθεια της ΤΝ. Αλλά το εργαλείο δεν ωφέλησε εκείνους που ήταν ήδη δημιουργικοί από μόνοι τους.
2. Υπομνήματα γραφείου: Οι ερευνητές έβαλαν μερικά άτομα να ολοκληρώσουν εργασίες γραφής που είναι συνηθισμένες σε επαγγελματικές θέσεις εργασίας, όπως δελτία τύπου, σύντομες αναφορές και μηνύματα ηλεκτρονικού ταχυδρομείου. Η πρόσβαση στην τεχνητή νοημοσύνη έκανε όλους ταχύτερους, ανεξάρτητα από το επίπεδο δεξιοτήτων τους, κατά μέσο όρο 37%. Αλλά όταν επρόκειτο για την ποιότητα των γραπτών τους, η ΤΝ βοήθησε κυρίως τις χαμηλές επιδόσεις.
3. Κωδικοποίηση: Οι μηχανικοί λογισμικού με λιγότερα χρόνια επαγγελματικής εμπειρίας στον προγραμματισμό επωφελήθηκαν πολύ περισσότερο από την πρόσβαση στο GitHub Copilot, έναν βοηθό τεχνητής νοημοσύνης στον προγραμματισμό, από ό,τι οι ήδη προχωρημένοι προγραμματιστές.
4. Συμβουλευτική διοίκησης: Οι ερευνητές βαθμολόγησαν τους επαγγελματίες συμβούλους σε 18 εργασίες έντασης γνώσης παρόμοιες με αυτές που κάνουν στην πραγματικότητα στη δουλειά τους. Η πρόσβαση στο GPT-4 αύξησε τη βαθμολογία των χαμηλών επιδόσεων κατά 43%, σε σύγκριση με μόνο 17% για τους υψηλούς επιδότες.
5. Νομική σχολή: Οι ερευνητές χορήγησαν εξετάσεις σε φοιτητές νομικής με και χωρίς GPT-4. Οι φοιτητές που βρίσκονταν στο τέλος της τάξης έλαβαν μεγάλη ώθηση στις επιδόσεις τους. Αλλά η πρόσβαση στο εργαλείο στην πραγματικότητα έβλαψε τους βαθμούς των φοιτητών που βρίσκονταν στην κορυφή της τάξης τους.
6. Εργασία σε τηλεφωνικά κέντρα: Οι ερευνητές μέτρησαν τα αποτελέσματα ενός προσαρμοσμένου εργαλείου τεχνητής νοημοσύνης που εισήχθη σε ένα πραγματικό τηλεφωνικό κέντρο. Οι αρχάριοι και οι χαμηλής ειδίκευσης εργαζόμενοι έγιναν 34% πιο παραγωγικοί, ενώ όσοι είχαν μεγαλύτερη εμπειρία και δεξιότητες είδαν ελάχιστα οφέλη. Η πρόσβαση στην τεχνητή νοημοσύνη εμπόδισε ακόμη και ελαφρώς τους εργαζόμενους με τις καλύτερες επιδόσεις σε ορισμένα μέτρα, όπως η ποιότητα των συνομιλιών.
Η τεχνητή νοημοσύνη αυξάνει την παραγωγικότητα σε μια ευρεία ποικιλία κοινών εργασιών γραφείου, από επαναλαμβανόμενες εργασίες σε χαμηλόμισθα τηλεφωνικά κέντρα έως περίπλοκα καθήκοντα σε ελίτ εταιρίες διαχείρισης. Και παρόλο που οι περισσότερες από τις μελέτες ήταν υποθετικά πειράματα σε εργαστήριο (γεγονός που καθιστά δύσκολη την εξαγωγή των συμπερασμάτων τους στον πραγματικό κόσμο) η μελέτη για το τηλεφωνικό κέντρο εξέτασε την πραγματική απόδοση των εργασιών σε μια πραγματική εταιρεία. Αλλά είναι ο τρόπος με τον οποίο η τεχνητή νοημοσύνη αυξάνει την παραγωγικότητα που θα πρέπει να μας ενδιαφέρει περισσότερο. Μαζί, οι μελέτες παρουσιάζουν μια ισχυρή υπόθεση ότι, ενισχύοντας δυσανάλογα αυτούς που βρίσκονται στον πάτο, αυτή η νέα γενιά εργαλείων τεχνητής νοημοσύνης μειώνει τη διακύμανση στην απόδοση των θέσεων εργασίας. Μέσα σε λίγους μόλις μήνες, κάνει ήδη αυτό που δεν κατάφεραν δεκαετίες εκπαίδευσης – εξισώνει τον αμερικανικό χώρο εργασίας.
Αυτό έρχεται σε αντίθεση με τον τρόπο που έχει συνηθίσει ο μέσος άνθρωπος να σκέφτεται για την τεχνολογία στον εργασιακό χώρο. Τις τελευταίες δεκαετίες, οι νέες τεχνολογίες, όπως τα βιομηχανικά ρομπότ, ο προσωπικός υπολογιστής και το διαδίκτυο, βοήθησαν δυσανάλογα τους εργαζόμενους με υψηλά προσόντα και πτυχία κολεγίου, αλλά δεν βοήθησαν ιδιαίτερα όσους είχαν λιγότερες δεξιότητες και λιγότερη εκπαίδευση. Οι οικονομολόγοι αποκαλούν αυτή την τεχνολογική αλλαγή με βάση τις δεξιότητες, και είναι ένας σημαντικός λόγος που η εισοδηματική ανισότητα έχει αυξηθεί πολύ από τη δεκαετία του 1980.
Ευρύτερες επιπτώσεις των μελετών
Αν η τεχνητή νοημοσύνη ενισχύσει την παραγωγικότητα των χαμηλών επιδόσεων, θέτοντάς τους σε ισότιμη θέση με τους σούπερ σταρ, πώς θα αλλάξει αυτό την επαγγελματική εργασία όπως την ξέρουμε;
Μια πιθανότητα είναι ότι η τεχνητή νοημοσύνη θα μπορούσε να συμβάλει στην αναστροφή του αυξανόμενου χάσματος εισοδηματικής ανισότητας στην Αμερική. Ένα μέρος της ανισότητας που βλέπουμε σήμερα είναι αποτέλεσμα των τεράστιων μισθολογικών διαφορών σε πολλά ελίτ επαγγέλματα – ενός σούπερ σταρ μηχανικού λογισμικού, για παράδειγμα, που μπορεί να παράγει χιλιάδες γραμμές κώδικα εν ριπή οφθαλμού, σε σύγκριση με έναν τεχνικό με μέσες επιδόσεις. Προφανώς, ο σούπερ σταρ πληρώνεται περισσότερο επειδή είναι πολύ καλύτερος στη δουλειά του από όλους τους άλλους. Αλλά αν η Τεχνητή Νοημοσύνη καταστήσει κάθε προγραμματιστή ικανό να δουλέψει, θα είναι πολύ πιο δύσκολο για τους κορυφαίους να δικαιολογήσουν τους αστρονομικούς μισθούς τους.
Αυτό είναι κάτι που θίγει η μελέτη της Νομικής Σχολής. «Το νομικό επάγγελμα έχει έναν γνωστό διπολικό διαχωρισμό μεταξύ «ελίτ» και «μη ελίτ» δικηγόρων όσον αφορά τις αμοιβές και τις ευκαιρίες σταδιοδρομίας», γράφουν οι συγγραφείς. «Βοηθώντας να ανεβάσουν τους κατώτερους (και ακόμη και δυνητικά να κατεβάσουν τους ανώτερους), τα εργαλεία τεχνητής νοημοσύνης θα μπορούσαν να αποτελέσουν μια σημαντική δύναμη για την ισότητα στην άσκηση του δικηγορικού επαγγέλματος».
Αλλά η πραγματική υπόσχεση της ΤΝ έγκειται στη μείωση των ανισοτήτων όχι εντός των επαγγελμάτων, αλλά μεταξύ τους. Οι προγραμματιστές λογισμικού στις Ηνωμένες Πολιτείες κερδίζουν, κατά μέσο όρο, 5,5 φορές περισσότερα από τους εργαζόμενους στα ταχυφαγεία. «Αν η Τεχνητή Νοημοσύνη διευκολύνει έναν εργαζόμενο σε φαστφουντάδικο να μετακινηθεί σε μια θέση κωδικοποίησης, τότε είναι που θα αρχίσουμε πραγματικά να βλέπουμε το χάσμα εισοδήματος να συρρικνώνεται», λένε οι μελετητές. Η μελέτη GitHub Copilot το υπαινίχθηκε αυτό: Διαπίστωσε ότι το εργαλείο ωφέλησε τους αρχάριους προγραμματιστές πολύ περισσότερο από τους έμπειρους. Αυτό θα μπορούσε να μειώσει το εμπόδιο εισόδου για μια ολόκληρη νέα γενιά επίδοξων μηχανικών.
Αν είναι κανείς ήδη από τους υψηλά αμειβόμενους προγραμματιστές, αυτό μάλλον δεν θα είναι καλό νέο: Εν μέρει ο λόγος που οι προγραμματιστές πληρώνονται τόσο καλά είναι επειδή είναι τόσο λίγοι. Επιτρέποντας σε τόνους ανθρώπων να κατακλύσουν το επάγγελμα – και μετατρέποντας τους μέτριους προγραμματιστές σε αξιοπρεπείς – η τεχνητή νοημοσύνη είναι σχεδόν βέβαιο ότι θα συμπιέσει τους ουρανοκατέβατους μισθούς εκείνων που βρίσκονται στην κορυφή του επαγγέλματος. Η εκπαίδευση και η τεχνογνωσία δεν θα μετράνε τόσο πολύ όσο παλαιότερα.
Αυτό το σενάριο είναι μια αισιόδοξη άποψη για το πώς η Τεχνητή Νοημοσύνη θα επηρεάσει τους μισθούς. Ακόμα κι αν συμβάλλει στην αύξηση του επιπέδου δεξιοτήτων των υποδεέστερων προγραμματιστών, τότε δεν θα αυξήσει απαραίτητα και τον μισθό τους.
Υπάρχει ένας άλλος τρόπος με τον οποίο η ΤΝ θα μπορούσε να μειώσει την ανισότητα των μισθών: Θα μπορούσε να συμπιέσει τις αμοιβές των κορυφαίων χωρίς να κάνει πολλά για να αυξήσει τους μισθούς των χαμηλόμισθων. Καθώς η παραγωγικότητα αυξάνεται, οι ιδιοκτήτες μπορεί να επιλέξουν να τσεπώσουν τα κέρδη για τον εαυτό τους, μειώνοντας το ανώτατο όριο μισθού αντί να αυξήσουν το κατώτατο όριο μισθού. Σε αυτό το σενάριο, θα υπάρχει λιγότερη εισοδηματική ανισότητα χάρη στην Τεχνητή Νοημοσύνη.
Διαβάστε ακόμη:
Το «πάρτι» στα ευρωπαϊκά χρηματιστήρια – Γιατί οι μετοχές καταρρίπτουν διαδοχικά ρεκόρ
Σκλαβενίτης: Δίνει αυξήσεις 5,17% από τα Χριστούγεννα – Στα €900 ο βασικός μισθός
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφθείτε το Πρώτο ΘΕΜΑ