ΑΙ και εργασία: Η τεχνητή νοημοσύνη ίσως να μην σας κλέψει τη δουλειά, αλλά θα αλλάξει ριζικά το επάγγελμά σας

Κάθε σημαντικό τεχνολογικό κύμα έχει προκαλέσει αντικρουόμενες προβλέψεις σχετικά με την απασχόληση, και η τεχνητή νοημοσύνη (AI) δεν αποτελεί εξαίρεση.

Ορισμένες προβλέψεις κάνουν λόγο για μαζική απώλεια θέσεων εργασίας, ενώ άλλες δίνουν έμφαση στην αύξηση της παραγωγικότητας και στη δημιουργία νέων ρόλων.

Ωστόσο, προτού προσπαθήσουμε να προσδιορίσουμε πόσες θέσεις εργασίας θα καταργήσει ή θα δημιουργήσει η τεχνητή νοημοσύνη, είναι απαραίτητο να διευκρινίσουμε τι ακριβώς αυτοματοποιείται.

Σύμφωνα με τον Hugo Spring-Ragain, ερευνητή μαθηματικών οικονομικών επιστημών, μεγάλο μέρος της σύγχυσης στη δημόσια συζήτηση προέρχεται από τη ταύτιση τριών διακριτών επιπέδων ανάλυσης: της απασχόλησης, των δεξιοτήτων και των εργασιών.

Ιστορικά, η αυτοματοποίηση δεν έχει αντικαταστήσει ποτέ ολοκληρωτικά επαγγέλματα με ομοιόμορφο τρόπο. Αντίθετα, έχει αναδιαμορφώσει συστηματικά τη σύνθεση της εργασίας στο πλαίσιο των θέσεων εργασίας.

Η κατανόηση αυτής της διάκρισης είναι απαραίτητη για την ερμηνεία του πραγματικού οικονομικού αντίκτυπου της AI, όπως γράφει ο Spring-Ragain σε άρθρο του στο The Conversation.

Το μακροπρόθεσμο μοντέλο της αυτοματοποίησης

Τα τελευταία δύο αιώνες, σημαντικές τεχνολογικές επαναστάσεις όπως η ατμοκίνηση, η ηλεκτρική ενέργεια και η βιομηχανική ρομποτική έχουν ακολουθήσει ένα αξιοσημείωτα σταθερό μοτίβο.

Έχουν αντικαταστήσει κυρίως επαναλαμβανόμενες σωματικές εργασίες, αφήνοντας σχετικά ανέπαφες τις γνωστικές δραστηριότητες.

Αυτή η κανονικότητα τυποποιήθηκε από τους οικονομολόγους David Autor, Frank Levy και Richard Murnane το 2003 στο πλαίσιο της «υπόθεσης της πόλωσης των εργασιών».

Σύμφωνα με αυτό το πλαίσιο, η αυτοματοποίηση μειώνει τη ζήτηση για εργασίες ρουτίνας μέσης ειδίκευσης, ενώ αυξάνει τη ζήτηση και στα δύο άκρα της κατανομής δεξιοτήτων.

Από τη μία πλευρά βρίσκονται οι χειρωνακτικές εργασίες χαμηλής ειδίκευσης, όπως η φροντίδα ατόμων ή η υδραυλική, και από την άλλη οι γνωστικές εργασίες υψηλής ειδίκευσης, όπως η ανάλυση, η παροχή συμβουλών ή η συγγραφή ειδικών κειμένων.

Με την πάροδο του χρόνου, αυτό δημιουργεί μια πολωμένη αγορά εργασίας αντί για ομοιόμορφη απώλεια θέσεων εργασίας.

Η επίμονη ψευδαίσθηση σχετικά με τα «ασφαλή» επαγγέλματα

Για πολύ καιρό, θεωρείτο ευρέως ότι τα γνωστικά επαγγέλματα υψηλών δεξιοτήτων θα παρέμεναν σε μεγάλο βαθμό απρόσβλητα από την αυτοματοποίηση.

Δικηγόροι, χρηματοοικονομικοί αναλυτές, σύμβουλοι και ερευνητές θεωρούνταν προστατευμένοι επειδή η εργασία τους φαινόταν πολύ περίπλοκη ή αφηρημένη για να αυτοματοποιηθεί.

Ωστόσο, αυτή η πεποίθηση βασιζόταν σε μια εννοιολογική παρεξήγηση. Ποτέ δεν ήταν ολόκληρα επαγγέλματα που ήταν προστατευμένα, αλλά συγκεκριμένες εργασίες εντός αυτών των επαγγελμάτων.

Μια θέση εργασίας αναφέρεται σε έναν οργανωτικό ρόλο που ορίζεται από μια σύμβαση, ευθύνες και μισθό. Μια δεξιότητα είναι μια μεταβιβάσιμη ικανότητα που μπορεί να εφαρμοστεί σε διαφορετικά πλαίσια.

Μια εργασία, ωστόσο, είναι μια συγκεκριμένη και μετρήσιμη μονάδα εργασίας που μπορεί να αξιολογηθεί ξεχωριστά ως προς το δυναμικό της για αυτοματοποίηση.

Σε αυτό το επίπεδο η τεχνητή νοημοσύνη έχει τη σημαντικότερη επίδρασή της, παρόλο που η δημόσια συζήτηση συχνά το αγνοεί.

Μια ρήξη στο βιομηχανικό πρότυπο

Η γενετική AI σηματοδοτεί μια απομάκρυνση από τα προηγούμενα κύματα αυτοματοποίησης, επειδή επηρεάζει άμεσα εξειδικευμένες γνωστικές εργασίες.

Δραστηριότητες όπως η σύνταξη κειμένων, η περίληψη εγγράφων, η σύνθεση πληροφοριών και η παραγωγή πρώτων εκδόσεων περιεχομένου εκτίθενται πλέον στην αυτοματοποίηση.

Έρευνα των Eloundou, Manning και Mishkin υποδηλώνει ότι περίπου το 80% του εργατικού δυναμικού των ΗΠΑ θα μπορούσε να δει τουλάχιστον το 10% των εργασιών του να επηρεάζεται από μεγάλα γλωσσικά μοντέλα, με μεγαλύτερη έκθεση στα επαγγέλματα υψηλότερου εισοδήματος.

Αυτό αποτελεί ανατροπή των ιστορικών προτύπων, σύμφωνα με τα οποία οι θέσεις εργασίας χαμηλότερης ειδίκευσης ήταν οι πιο ευάλωτες.

Το αναλυτικό πλαίσιο που ανέπτυξαν οι Daron Acemoglu και Pascual Restrepo βοηθά να εξηγηθεί τι συμβαίνει στη συνέχεια.

Διακρίνουν δύο αντίθετες δυνάμεις σε κάθε κύμα αυτοματοποίησης: ένα φαινόμενο εκτόπισης και ένα φαινόμενο επανένταξης.

Το φαινόμενο εκτόπισης συμβαίνει όταν οι μηχανές αντικαθιστούν την ανθρώπινη εργασία σε συγκεκριμένες εργασίες, μειώνοντας τη ζήτηση εργασίας και ασκώντας πτωτική πίεση στους μισθούς των εργαζομένων που επηρεάζονται.

Το φαινόμενο της επανένταξης εμφανίζεται όταν η αυτοματοποίηση δημιουργεί νέες εργασίες όπου η ανθρώπινη συμβολή γίνεται πιο πολύτιμη, δημιουργώντας νέες μορφές ζήτησης που αντισταθμίζουν εν μέρει ή πλήρως τις απώλειες.

Η βιομηχανική ιστορία μπορεί να γίνει κατανοητή ως μια μακρά ακολουθία αλληλεπίδρασης αυτών των δύο φαινομένων, με την επανένταξη να εξισορροπεί συχνά την εκτόπιση με την πάροδο του χρόνου.

Η μετάφραση ως παράδειγμα ανακατανομής εργασιών

Ο τομέας της μετάφρασης απεικονίζει τον τρόπο με τον οποίο συνυπάρχουν αυτές οι δυναμικές.

Η γενετική τεχνητή νοημοσύνη μπορεί πλέον να παράγει ένα πρώτο προσχέδιο μετάφρασης σε δευτερόλεπτα, γεγονός που μειώνει την ανάγκη για ανθρώπινη παρέμβαση στην αρχική μετατροπή μεταξύ γλωσσών. Ωστόσο, αυτό δεν εξαλείφει τους μεταφραστές.

Αντίθετα, μετατοπίζει τον ρόλο τους προς την αναθεώρηση του αποτελέσματος της μηχανής, τη διόρθωση λανθασμένων μεταφράσεων, την προσαρμογή του περιεχομένου σε πολιτισμικά πλαίσια, τη διασφάλιση της ορολογικής συνέπειας και την επικύρωση των τελικών εκδόσεων.

Η εργασία της παραγωγής ακατέργαστου κειμένου αντικαθίσταται εν μέρει, ενώ η εργασία της κρίσης και της βελτίωσης αποκτά μεγαλύτερη σημασία.

Ανακατανομή εντός των επαγγελμάτων

Οι σημαντικότερες αλλαγές συμβαίνουν εντός των επαγγελμάτων και όχι μεταξύ τους.

Σε ρόλους όπως η χρηματοοικονομική ανάλυση ή η νομική συμβουλευτική, ορισμένες εργασίες αναλαμβάνονται όλο και περισσότερο από συστήματα τεχνητής νοημοσύνης, όπως η σύνταξη περιλήψεων, η δημιουργία προκαταρκτικών αναλύσεων ή η σύνταξη εγγράφων. Ταυτόχρονα, άλλες εργασίες αποκτούν μεγαλύτερη αξία, όπως ο καθορισμός αναλυτικών πλαισίων, η αξιολόγηση της αξιοπιστίας των αποτελεσμάτων που παράγονται από μηχανές, ο εντοπισμός σφαλμάτων και η ανάληψη ευθύνης για τις αποφάσεις.

Επομένως, οι θέσεις εργασίας δεν εξαφανίζονται μαζικά. Αντίθετα, αναδιοργανώνονται εσωτερικά, καθώς δέσμες εργασιών αναδιανέμονται μεταξύ ανθρώπων και μηχανών. Αυτή η αναδιάρθρωση αλλάζει τις προσδοκίες των εργοδοτών από τους εξειδικευμένους εργαζόμενους, ακόμη και όταν οι τίτλοι των θέσεων παραμένουν οι ίδιοι.

Η αναδυόμενη πρόκληση της κατάρτισης

Αυτή η αναδιανομή έχει άμεσες συνέπειες για την εκπαίδευση και την επαγγελματική κατάρτιση. Το να διδάσκουμε τα άτομα να χρησιμοποιούν αποτελεσματικά τα εργαλεία τεχνητής νοημοσύνης, είτε μέσω της μηχανικής προτροπών είτε μέσω της εξειδίκευσης στη διεπαφή, είναι χρήσιμο βραχυπρόθεσμα, αλλά δεν αρκεί μακροπρόθεσμα.

Η πιο σημαντική δεξιότητα δεν είναι το πώς να παράγεις αποτελέσματα με την τεχνητή νοημοσύνη, αλλά το πώς να τα εποπτεύεις, να τα αξιολογείς και να τα κρίνεις κριτικά.

Μια τέτοια εποπτεία απαιτεί βαθύτερα γνωστικά θεμέλια.

Εξαρτάται από ευρεία γενική γνώση για τον εντοπισμό πραγματικών ή λογικών σφαλμάτων, από αναλυτική συλλογιστική για την αξιολόγηση της συνοχής και από την κατανόηση των γνωστικών προκαταλήψεων για την αναγνώριση των τυφλών σημείων στα αυτοματοποιημένα αποτελέσματα.

Αυτές οι ικανότητες περιγράφονται συχνά ως «μεταδεξιότητες», δηλαδή ικανότητες που επιτρέπουν στα άτομα να μαθαίνουν, να προσαρμόζονται και να εφαρμόζουν τη γνώση σε άγνωστες καταστάσεις.

Εν τέλει, όσο περισσότερο οι μηχανές παράγουν κείμενο, ανάλυση και σύνθεση, τόσο πιο πολύτιμη γίνεται η ανθρώπινη κρίση στην αξιολόγηση του κατά πόσον αυτά τα αποτελέσματα είναι ακριβή, συναφή και σημαντικά στο πλαίσιο. Σε αυτό το αναδυόμενο τοπίο, η κεντρική μεταμόρφωση δεν είναι η εξαφάνιση της εργασίας, αλλά μια στροφή από την εκτέλεση προς την εποπτεία και την κριτική κρίση.