NastępnyNastępny poradnik
Praca AI w organizacjach non-profit
Społeczeństwo
PRZEWODNIK Społeczny
Zawody najbardziej narażone na sztuczną inteligencję to te, w których duża część pracy polega na czytaniu, pisaniu, analizowaniu lub tworzeniu informacji na komputerze.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min
Przykładami są agenci obsługi klienta, asystenci administracyjni, tłumacze, księgowi, asystenci prawni oraz niektóre stanowiska związane z marketingiem i programowaniem. Ekspozycja mierzy, ile zadań w pracy może przyspieszyć sztuczna inteligencja. Nie mierzy, czy dane stanowisko zniknie, a wiele odsłoniętych stanowisk zostanie wzmocnionych, a nie wyeliminowanych.
Naukowcy mierzą narażenie, dzieląc zawody na zadania i zadając pytania, które zadania mogłaby wykonać lub przyspieszyć dana technologia. Sposób, w jaki to robią, zmieniał się z biegiem czasu. W wpływowym badaniu przeprowadzonym w 2013 roku przez Carla Freya i Michaela Osborne'a oszacowano, że około 47 procent osób zatrudnionych w USA było zatrudnionych w zawodach o wysokim ryzyku komputeryzacji. Krytycy zwracali uwagę, że oceniał całe zawody, mimo że stanowiska składają się z pakietów zadań. Późniejsze prace OECD, w których wykorzystano dane na poziomie zadań, wykazały znacznie mniejszy odsetek stanowisk, które można było w pełni zautomatyzować. W 2023 roku Tyna Eloundou, Sam Manning, Pamela Mishkin i Daniel Rock opublikowali artykuł „GPT to GPT”. Ocenili zadania US O*NET, używając zarówno ludzkich adnotatorów, jak i GPT-4. Szacuje się, że około 80 procent pracowników w USA pracuje w zawodach, w których co najmniej 10 procent zadań jest narażonych na ryzyko, a około 19 procent w zawodach, w których co najmniej połowa z nich jest narażona. Podczas odwrócenia się wcześniejszych fal automatyzacji, które uderzały głównie w rutynową pracę fizyczną, zawody o wyższych zarobkach i lepiej wykształcone były bardziej narażone. Badanie Międzynarodowej Organizacji Pracy przeprowadzone w 2023 r. wykazało, że najbardziej narażoną grupą na świecie są pracownicy biurowi i stwierdzono, że w przypadku większości zawodów bardziej prawdopodobne jest rozszerzenie niż pełna automatyzacja. W 2024 r. MFW oszacował, że narażonych jest około 40 proc. światowego zatrudnienia, przy czym większy udział ma to w gospodarkach rozwiniętych. Ekspozycja to nie to samo, co wymiana. To, czy miejsca pracy zostaną utracone, zależy od kosztów przyjęcia, przepisów, preferencji klientów i reakcji popytu, gdy produkcja staje się tańsza. Często przytaczanym przykładem historycznym jest to, że zatrudnienie kasjerów bankowych w USA nie spadło po rozpowszechnieniu się bankomatów, ponieważ banki otworzyły więcej oddziałów, a kasjerzy podjęli inną pracę. Najczęstszym błędnym przekonaniem jest to, że wyniki ekspozycji przewidują zwolnienia. Są to szacunki tego, co jest technicznie wykonalne, a nie prognozy.
Centrum obsługi klienta dodaje asystenta AI, który przygotowuje odpowiedzi. Agenci zamykają więcej zgłoszeń na godzinę, a firma w odpowiedzi zatrudnia mniej nowych agentów, zamiast zwalniać obecnych pracowników.
Niezależny tłumacz stwierdza, że klienci coraz częściej oczekują późniejszej edycji tłumaczenia maszynowego zamiast pełnego tłumaczenia, często przy niższej stawce za słowo.
Asystent prawny wykorzystuje sztuczną inteligencję do podsumowania tysięcy dokumentów odkrywczych. Oszczędza to czas, ale także zmniejsza liczbę godzin młodszych rozliczanych w danej sprawie.
Twórca oprogramowania używa asystenta kodowania do testów kodowych i jednostkowych. Zadanie pozostaje, ale jego większa część skupia się na przeglądaniu kodu, projektowaniu systemu i debugowaniu.
Szacunki narażenia będą się zmieniać w miarę zdobywania przez modele nowych umiejętności, takich jak posługiwanie się narzędziami, kontrola komputera i lepsze rozumowanie, co może rozszerzyć ekspozycję na zadania, które wcześniej były nisko oceniane. Nie jest pewne, ile z tego przełoży się na utratę miejsc pracy. Rozprzestrzenianie się w organizacjach wcześniejszych technologii zajęło zwykle lata, a efekty uwidoczniły się przede wszystkim w wolniejszym zatrudnianiu na stanowiska niższego szczebla, a nie w masowych zwolnieniach. Naukowcy coraz częściej łączą wyniki narażenia z rzeczywistymi danymi dotyczącymi użytkowania i rynku pracy, aby odróżnić, co sztuczna inteligencja mogłaby zrobić, od tego, co faktycznie robi. Przyjrzyj się tym dowodom, a nie nagłówkom procentowym.
Darmowy newsletter
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Zawody najbardziej narażone na sztuczną inteligencję to te, w których duża część pracy polega na czytaniu, pisaniu, analizowaniu lub tworzeniu informacji na komputerze. Przykładami są agenci obsługi klienta, asystenci administracyjni, tłumacze, księgowi, asystenci prawni oraz niektóre stanowiska związane z marketingiem i programowaniem. Ekspozycja mierzy, ile zadań w pracy może przyspieszyć sztuczna inteligencja. Nie mierzy, czy dane stanowisko zniknie, a wiele odsłoniętych stanowisk zostanie wzmocnionych, a nie wyeliminowanych.
Ekspozycja dotyczy wykonalności technicznej na poziomie zadania. Nie przewiduje zwolnień, które zależą od kosztów, przepisów, popytu i reakcji organizacji.
Krytycy argumentowali, że traktowanie zawodu jako pojedynczej jednostki jest zawyżonym ryzykiem. Analizy na poziomie zadań, takie jak prace następcze OECD, wykazały znacznie mniej stanowisk pracy, które można w pełni zautomatyzować.
Wcześniejsza automatyzacja dotyczyła głównie rutynowej pracy ręcznej i biurowej. Badanie z 2023 r. wykazało, że narażenie na generatywną sztuczną inteligencję było często wyższe w przypadku dobrze płatnej pracy opartej na wiedzy.
MOP uznała pomoc biurową za najbardziej narażoną grupę i stwierdziła, że w przypadku większości zawodów bardziej prawdopodobne jest wzmocnienie niż pełna automatyzacja.
Zatrudnienie kasjerów nie spadło po wprowadzeniu bankomatów, ponieważ banki otworzyły więcej oddziałów, a praca kasjerów uległa zmianie. Samo narażenie nie determinowało wyniku w pracy.
Ucz się dalej
Wybrano więcej przewodników na ten temat
NastępnyNastępny poradnik
Praca AI w organizacjach non-profit
Społeczeństwo