Конус автоматизации: как genAI меняет рынок труда

Генеративный искусственный интеллект (genAI) активно развивается, вызывая закономерное беспокойство относительно его влияния на рынок труда. Исследователи изучают, как структура задач влияет на внедрение genAI, как работники используют новые технологии и куда они могут перейти, если потеряют работу. Новая книга рассматривает концепцию 'конуса автоматизации', который, как полагают авторы, будет расширяться благодаря genAI, замещая рабочую силу в более сложных или редко выполняемых задачах.

В книге представлены главы, написанные учеными из Университета Карнеги-Меллона, Университета Южной Калифорнии и Университета Пенсильвании. Одна из глав, соавтором которой является Рамайя Кришнан, профессор систем управления и информационных систем Университета Карнеги-Меллона, представляет 'конус автоматизации' как визуальное представление ожидаемой автоматизации. Ключевыми факторами являются частота выполнения задачи и ее продолжительность.

Основные выводы концепции 'конуса автоматизации':

Задачи, выполняемые с высокой частотой, более подвержены автоматизации, поскольку это позволяет максимально использовать возможности машин.
Автоматизация также вероятнее для задач средней продолжительности. Легкие задачи становятся объектом автоматизации только при значительном росте объемов производства.
Люди сохраняют экономическое преимущество при работе с особенно долгими и сложными задачами.

GenAI может расширить 'конус автоматизации', замещая труд в более комплексных или редких операциях. Однако, если цена ошибки высока, компании могут ограничить использование genAI из-за его склонности к ошибкам. В таких случаях 'конус автоматизации' сужается, и genAI выполняет вспомогательную роль под присмотром человека.

Лоренс Алес, профессор экономики Университета Карнеги-Меллона, отмечает, что genAI отличается от классических машин своей универсальностью и полезностью, но при этом более подвержен ошибкам. Эти характеристики влияют на то, как предприятия будут внедрять genAI – будет ли он замещать или дополнять существующих работников.

Для понимания этих паттернов недостаточно учитывать только техническую осуществимость автоматизации. Экономические условия внедрения зависят от взаимодействия технических особенностей и структуры процессов. Стоимость и выгода разделения задач определяют, как компании организуют работу и определяют должности. При оценке профессиональной подверженности genAI необходимо учитывать относительную частоту и возможность разделения задач.

В долгосрочной перспективе использование genAI может повлиять на качество данных, используемых для обучения будущих моделей. По мере того как работники с разным уровнем квалификации используют genAI, увеличение количества низкокачественных результатов, созданных теми, кто хуже справляется с ошибками, может привести к деградации качества обучающих данных.

Кристоф Комбемаль, профессор инженерии и государственной политики Университета Карнеги-Меллона, прогнозирует возможное расслоение по качеству genAI. Снижение качества данных может уменьшить комплементарность технологии для высококвалифицированных специалистов. В то же время, в сферах с высокими стандартами контроля ошибок, внедрение genAI будет более медленным, но в долгосрочной перспективе приведет к более высокой комплементарности с высококвалифицированными работниками и качественными данными.

Исследователи также рассматривают потенциальные последствия профессиональных сдвигов, вызванных genAI. Для прогнозирования исходов для работников, чьи профессии оказались под угрозой, необходим сетевой подход к анализу профессий. Даже те, кто не подвержен прямому влиянию genAI, могут столкнуться с конкуренцией и снижением заработной платы, если их профессии станут альтернативой для специалистов, потерявших работу.

Устойчивость рынка труда к таким изменениям будет зависеть от наличия достаточного количества альтернативных профессий, менее подверженных автоматизации с помощью ИИ, куда работники могли бы перейти.