Dlaczego sztuczna inteligencja może (jeszcze) nie odebrać ci pracy

Niedawne postępy w dziedzinie sztucznej inteligencji wzbudziły obawy przed bezrobociem spowodowanym przez technologie, podsycone przez determinizm technologiczny. Sztuczna inteligencja może rozszerzyć paletę zawodów, zamiast ją zawęzić.

Oto znowu zaczyna się nowa fala nagłówków w mediach i badań naukowych z przewidywaniami i szacunkami, które zawody są najbardziej podatne na automatyzację. Ostatnim razem, gdy to się stało, było prawie dokładnie dziesięć lat temu, gdy powszechnie cytowane badanie Carla Benedikta Freya i Michaela Osborne’a[1]  z Uniwersytetu Oksfordzkiego przewidywało, że niemal połowa wszystkich miejsc pracy w Stanach Zjednoczonych jest zagrożona automatyzacją w ciągu „dekady lub dwóch”. Teraz wiemy, że przynajmniej nie stało się to w pierwszej dekadzie.

Scenariusz z horroru

Nowe badania są wykorzystywane do ponownego pisania scenariuszy z horroru. Przynajmniej dwa ostatnie badania [2] [3] próbowały oszacować, w jaki sposób zadania zawodowe i branże zostaną dotknięte przez najnowsze osiągnięcia w uczeniu maszynowym – “duże modele językowe”, takie jak ChatGPT[4].

Są to modele oparte na sieciach neuronowych szkolonych na ogromnych ilościach danych, takich jak tekst czy obrazy, które “uczą się” “rozumieć” i komunikować w naturalnym języku. Mogą również generować tekst, obrazy lub dźwięk. Systemy te wykazują pewne cechy ogólnej inteligencji, ale dodatkowo można je szkolić w określonych dziedzinach lub umiejętnościach.

Celem najnowszych badań jest ocena, w jaki sposób “zdolności” tych systemów pokrywają się z ludzkimi umiejętnościami wymaganymi w różnych zawodach i branżach, aby oszacować prawdopodobieństwo, że te mogą zostać zastąpione przez już istniejące duże modele językowe.

Według jednego z badań[5], ChatGPT i podobne systemy sztucznej inteligencji mogą już wykonywać około połowy zadań wykonywanych przez jednego na pięciu pracowników w USA. Ogólnie rzecz biorąc, wzrasta prawdopodobieństwo automatyzacji dla zawodów o wyższych zarobkach i wymaganiach dotyczących umiejętności. Innymi słowy, wciąż trudno zautomatyzować prace fizyczne z większą ilością praktycznych zadań.

Dramatyczne stwierdzenia

Badania dotyczące potencjalnego wpływu AI na rynek pracy są ważne, przede wszystkim dlatego, że zwiększają świadomość konieczności przeprowadzenia obszernych reform społecznych i politycznych[6] oraz potencjalnej konieczności spowolnienia rozwoju technologicznego. Różne rodzaje technologii AI będą bowiem miały fundamentalny wpływ na świat w naszym życiu. Ale jak szybko i w jaki sposób? Czy wielu z nas będzie musiało w ciągu kilku najbliższych lat przenieść się do nowej branży lub zawodu?

Choć badacze podkreślają niepewność dotycząca wyników badań, podsumowania prac pełne są dramatycznych oświadczeń, listami i diagramami zawodów i branż „zagrożonych” automatyzacją. Oczywiście media szybko publikują streszczenie tych prac, okraszając je bardziej lub mniej alarmującymi tytułami. Jeśli jednak czyta się artykuły naukowe uważnie, wnioski są o wiele mniej pewne niż sugerują to nagłówki. Ponadto, Ponadto, pominięte przez media aspekty kwestionują krótkoterminowy wpływ systemów AI na rynek pracy w bliskiej przyszłości.

Trzy zastrzeżenia

Trzy ważne kwestie wymagają większej uwagi w debacie publicznej na temat automatyzacji pracy.

1. Nie wszystko, co można zautomatyzować, zostanie zautomatyzowane: dany zawód nie znika tylko dlatego, że nowa technologia może wykonywać zadania wykonywane przez ludzi. Technologia jest oczywiście warunkiem koniecznym, ale to, czy praca przestaje istnieć lub zmienia się, zależy również od innych czynników: ekonomii, regulacji prawnych i kultury. Jeśli zastąpienie ludzi technologią nie jest opłacalne, jej wdrożenie staje się znacznie mniej prawdopodobne. Wysokie płace (szczególnie wysokie płace minimalne) przyspieszają rozwój technologiczny, ponieważ sprawiają, że ludzie są drożsi niż technologia. Ale to nie jest negatywne zjawisko, o ile tworzymy co najmniej tyle samo nowych i lepszych miejsc pracy – co będzie zachęcało do popytu wśród pracowników o wysokiej skłonności do konsumpcji – oraz o ile ludzie są w stanie wykonywać te prace. Historycznie to właśnie w ten sposób działa zmiana strukturalna na rynku pracy.

Jeśli zastąpienie pracy ludzkiej technologią nie jest dozwolone prawnie lub jest zbyt skomplikowane, to do takiej sytuacji nie dojdzie lub zajmie to więcej czasu. Regulacje – w tym reformy polityczne, prawodawstwo, licencjonowanie zawodowe, umowy zbiorowe, standardy techniczne i umowy handlowe – wpływają na różne sposoby na to, czy i jak innowacje techniczne mogą być wprowadzone w życie zawodowe i gospodarcze. Jeśli nie jesteśmy zadowoleni z warunków wymaganych do funkcjonowania technologii, nie zostanie ona szybko przyjęta, lub wcale tak się nie stanie. Kultura obejmuje z kolei postawy, nawyki i normy. Facebook na przykład nie odniósłby takiego sukcesu, gdyby wszyscy chcieli pozostać anonimowi w Internecie (co rzeczywiście większość z nas preferowała 20 lat temu). Te trzy czynniki różnią się w czasie i w różnych społeczeństwach i branżach. Technologia jest niezbędnym, ale niewystarczającym warunkiem.

2. Badania nie uwzględniają rozróżnienia między rozszerzaniem kompetencji  a zastępowaniem: większość badań nad automatyzacją pracy nie bierze pod uwagę, czy osoba wykonująca pracę skorzysta lub ucierpi na skutek technologii. Badania oceniają jedynie, jak “narażona” lub “podatna” jest dana profesja lub branża na określoną technologię, a “narażenie” można zdefiniować i zmierzyć na różne sposoby.  W wymienionym na początku badaniu Oxfordu profesja jest uważana za “narażoną”, jeśli co najmniej połowa jej zadań może być wykonywana przez GPT-4; a inne badania stosują różne miary. Co ważniejsze, wiele zawodów narażonych na nową technologię zwiększa poziom wymaganych kwalifikacji i stają się tym samym się lepiej opłacane. Inne zawody i zadania są faktyczne zastępowane przez technologie lub degradowane, ale historycznie rzecz biorąc to raczej wyjątkowa sytuacja. Wiele zawodów nie zanika, jeśli niektóre zadania są wykonywane przez nową technologię, lecz zmieniają się, często na lepsze. Wiemy też, że nowe technologie historycznie prowadziły do powstania wielu nowych miejsc pracy. Gdyby tym razem było inaczej, byłoby to sprzeczne z całym doświadczeniem historycznym.

3. Badania mają znaczne słabości metodologiczne: większość eksploracji wpływu nowej technologii na pracę opiera się na bazach danych (często amerykańskiej bazie danych O*NET), zawierających dziesiątki tysięcy klasyfikacji zawodów. Informacje w tych bazach opierają się na standaryzowanych, subiektywnych ocenach, które rzadko są aktualizowane i mogą nie być w pełni wiarygodnym odzwierciedleniem rzeczywistych zawodów i zadań.

Dodatkowo, w badaniach wykorzystuje się asystentów badawczych lub oprogramowanie automatyzujące, aby ocenić, jak dobrze informacje w bazie danych dotyczącej zawodów i umiejętności pokrywają się z możliwościami systemów sztucznej inteligencji. Te oceny są subiektywne i obarczone ryzykiem błędów. Badacze wskazują to jako ważne źródło niepewności, które również różni się w zależności od kontekstu. Istnieje kilka innych problemów metodologicznych, które zwykle omawiane są w artykułach naukowych, ale mogą być trudne do zrozumienia lub po prostu nie pasują do krótszych artykułów medialnych.

Z tych wszystkich powodów powinniśmy być sceptyczni wobec badań szacujących krótkoterminowe ryzyko automatyzacji pracy. W dłuższej perspektywie przewidywania są mniej pewne, a ryzyko może być wyższe. Wąsko ukierunkowane, techniczne badania, które ignorują ogromną gamę czynników organizacyjnych, politycznych i ekonomicznych kształtujących technologię, nie powinny być uważane za zapowiedź końca pracy ludzkiej.

German Bender jest głównym analitykiem w sztokholmskim think tanku Arena Idé i doktorantem w Szkole Ekonomii w Sztokholmie. Obecnie jest stypendystą badawczym w Harvard Law School’s Center for Labor and a Just Economy.

Komentarze

W ostatnich miesiącach bardzo głośno jest o narzędziu ChatGPT działającym w oparciu o algorytmy sztucznej inteligencji – to pierwsze tego typu narzędzie, łatwo dostępne i dla wszystkich. Łatwość i szybkość z jaką można uzyskać wynik do zapytania są nieprawdopodobne. Oczywiście inną kwestią jest jakość tego wyniku, bo musimy pamiętać, że algorytm przetwarza dane i nie wykaże się inwencją twórczą jak człowiek. Korzystając  z niego faktycznie można się zastanawiać jakie zawody zostaną zastąpione przez podobne toolsy i kiedy to nastąpi. W mojej opinii, w pierwszej kolejności zagrożone są zawody związane z przetwarzaniem danych jak analitycy finansowi i analitycy danych oraz  pracownicy branży IT, tutaj mam na myśli koderów i programistów. Już teraz ChatGPT potrafi tworzyć proste aplikacje, a kod źródłowy pisze zdecydowanie szybciej niż człowiek.

Zdecydowanie inaczej widzę przyszłość pracowników logistyki. Uważam, że największym zagrożeniem dla ich miejsc pracy nie jest AI, zdecydowanie bardziej zagraża im automatyzacja i robotyzacja. Według ogólnie dostępnych raportów, 6 na 10 firm logistycznych, w najbliższych latach zamierza zainwestować w automatyzację i robotyzację swoich procesów. Takie inwestycje na pewno przełożą się na redukcję zatrudnienia, w końcu to jeden z głównych targetów. Szczególnie zagrożone są pozycje operatorów wózków widłowych czy osób pracujących przy kompletacji. Oczywiście to są tylko moje domniemania, zobaczymy co przyniesie przyszłość, może już niedługo AI zastąpi dyrektorów logistyki 🙂

Podobnie jak w innych branżach, tak i w sektorze TSL algorytmy AI mają możliwość automatyzacji powtarzalnych i przewidywalnych zadań. Choć może to usprawnić operacje, obniżyć koszty i zwiększyć ogólną wydajność w branży, zrozumiałe jest, że generuje to obawy wynikające z potencjalnego przesunięcia niektórych ról zawodowych.

Dla przykładu, jeśli chodzi o obszary, którymi zajmujemy się w Otimo, tj. optymalizację tras czy procesów magazynowych, szacuje się, że optymalizacja tras czy pojazdy AGV mogą zredukować zapotrzebowanie na kierowców, a zautomatyzowane systemy magazynowe na pracowników fizycznych obsługujących realizację zamówień. Choć wdrożenie AI może rzeczywiście doprowadzić do zastąpienia lub przekształcenia niektórych miejsc pracy, to jednak wraz z tymi zmianami pojawiają się nowe role i możliwości. Technologia ta wymaga ludzkiego nadzoru, konserwacji i podejmowania decyzji. Branża TSL będzie potrzebować profesjonalistów, którzy potrafią interpretować i wykorzystywać spostrzeżenia generowane przez AI, zarządzać i utrzymywać systemy oraz skoncentrują się na takich zadaniach jak obsługa klienta, rozwiązywanie złożonych problemów i podejmowanie decyzji strategicznych.

Jak w przypadku każdego znaczącego postępu technologicznego kluczem do odnalezienia się w nowym krajobrazie pracy będą adaptacja, podnoszenie kwalifikacji i przekwalifikowanie. Przy czym trzeba podkreślić, że wdrożenie AI w branży TSL na naprawdę szeroką skalę to kwestia wielu lat. Proces ten będzie się odbywać się stopniowo i nie dotknie każdego obszaru, więc wszyscy mamy czas na odpowiedniego przygotowanie się do nowej sytuacji.

[1] https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

[2] https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4375268

[3] https://arxiv.org/abs/2303.10130

[4] https://www.socialeurope.eu/the-promise-and-peril-of-generative-ai

[5] https://arxiv.org/pdf/2303.10130.pdf

[6] https://www.bostonreview.net/forum/ais-future-doesnt-have-to-be-dystopian/

Artykuł ukazał się w czasopiśmie Eurologistics 3/2023