Καμία σημαντική επίδραση στα κέρδη ή τις καταγεγραμμένες ώρες εργασίας σε οποιοδήποτε επάγγελμα δεν έφερε η τεχνητή νοημοσύνη, σύμφωνα με έρευνα σε 7.000 χώρους εργασίας. Διαπιστώνει επίσης ότι μπορεί να υιοθετήθηκε ταχύτατα από τις επιχειρήσεις, αλλά τα αποτελέσματά της όσον αφορά την παραγωγικότητα δεν είναι ακόμη ορατά.
Η μελέτη για την τεχνητή νοημοσύνη στην εργασία εκπονήθηκε από το Εθνικό Γραφείο Οικονομικών Ερευνών της Δανίας και τους οικονομολόγους Άντερ Χούμλουμ και Έμιλι Βέστεργκααρντ.
Από το 2023, όταν η OpenAI κυκλοφόρησε το ChatGPT, η τεχνητή νοημοσύνη μέσω των chatbots είναι η τεχνολογία που υιοθετήθηκε ταχύτερα στην ιστορία. Ακόμη και σε σχέση με τους υπολογιστές. Όμως, αυτή, μια από τις πρώτες μελέτες που εξέτασαν η χρήση της τεχνητής νοημοσύνης σε συνδυασμό με δεδομένα απασχόλησης διαπιστώνει ότι η επίδραση της τεχνολογίας στον χρόνο και η οικονομική απόδοση είναι αμελητέα.
«Τα chatbots τεχνητής νοημοσύνης δεν είχαν σημαντικό αντίκτυπο στα κέρδη ή στις καταγεγραμμένες ώρες εργασίας σε κανένα επάγγελμα», επισημαίνουν οι Δανοί οικονομολόγοι. Ο Χούμλουμ είναι επίκουρος καθηγητής οικονομικών στο Booth School of Business του Πανεπιστημίου του Σικάγο. Η Βέστεργκααρντ διδακτορική φοιτήτρια οικονομικών στο Πανεπιστήμιο της Κοπεγχάγης.
Εξέτασαν 25.000 εργαζόμενους σε 7.000 χώρους εργασίας στη Δανία, εστιάζοντας σε επαγγέλματα που πιστεύεται ότι είναι ευάλωτα σε διαταραχές από την Τεχνητή Νοημοσύνη. Δηλαδή, λογιστές, ειδικούς υποστήριξης πελατών, οικονομικούς σύμβουλους, επαγγελματίες ανθρώπινου δυναμικού. Επίσης, ειδικούς υποστήριξης πληροφορικής, δημοσιογράφους, νομικούς, επαγγελματίες μάρκετινγκ, υπάλληλους γραφείου, προγραμματιστές λογισμικού και εκπαιδευτικούς.
3% εξοικονόμηση χρόνου
Κατά μέσο όρο, οι χρήστες της Τεχνητής Νοημοσύνης στην εργασία είχαν εξοικονόμηση χρόνου 3%. Κάποιοι εξοικονόμησαν περισσότερο χρόνο, αλλά δεν είδαν καλύτερες αμοιβές. Μόνο το 3%-7% των κερδών από την αύξηση της παραγωγικότητας μεταφέρθηκε στους μισθούς. Το συμπέρασμα ήταν ότι δεν υπήρξε μαζική μετατόπιση εργαζομένων, ούτε μετασχηματίστηκε η παραγωγικότητα. Επίσης, δεν υπήρξαν μεγάλες αυξήσεις για υπερεργαζομένους που χειρίζονται την Τεχνητή Νοημοσύνη.
«Ενώ η υιοθέτηση ήταν ταχεία, με τις εταιρείες να επενδύουν πλέον σε μεγάλο βαθμό στην απελευθέρωση του τεχνολογικού δυναμικού, οι οικονομικές συνέπειες μικρές», γράφουν οι επιστήμονες.
Τα ευρήματα αποτελούν έκπληξη στο πλαίσιο της επιθετικής εταιρικής υιοθέτησης της Τεχνητής Νοημοσύνης. Όμως όπως εξηγούν οι Χούμλουμ και Βέστεργκααρντ, αυτό δεν σημαίνει ότι τα προηγούμενα ευρήματα για την αύξηση της παραγωγικότητας από την Τεχνητή Νοημοσύνη ήταν λανθασμένα. Ήταν απλώς ελλιπή.
Οι προηγούμενες έρευνες επικεντρώνονται «στα επαγγέλματα όπου η εξοικονόμηση χρόνου είναι η μεγαλύτερη», λέει ο Δανός καθηγητής Οικονομικών. Η Τεχνητή Νοημοσύνη μπορεί να επιταχύνει εργασίες όπως το λογισμικό, σύνταξη κώδικα, σύνταξη εργασιών μάρκετινγκ, σύνταξη αγγελιών εργασίας για επαγγελματίες HR. «Αλλά σε μια ευρύτερη επαγγελματική έρευνα, όπου η Τεχνητή Νοημοσύνη μπορεί να είναι χρήσιμη, βλέπουμε πολύ μικρότερες εξοικονομήσεις», είπε.
Κερδίζοντας χρόνο – αλλά πού;
Σημαντικό στοιχείο για τη συμβολή που έχει η Τεχνητή Νοημοσύνη είναι η σωστή διαχείριση του χρόνου. «Μπορεί να εξοικονομήσω χρόνο στη σύνταξη ενός email χρησιμοποιώντας ένα μεγάλο γλωσσικό μοντέλο, οπότε εξοικονομώ λίγο χρόνο εκεί, αλλά το σημαντικό ερώτημα είναι, σε τι χρησιμοποιώ αυτήν την εξοικονόμηση χρόνου; Είναι η οριακή εργασία που μετατοπίζω την εργασία μου προς μια παραγωγική εργασία;»
Οι εργαζόμενοι αφιέρωσαν περισσότερο από το 80% του εξοικονομημένου χρόνου τους σε άλλες εργασίες, οι οποίες ήταν αποτέλεσμα της χρήσης της τεχνητής νοημοσύνης. Για παράδειγμα, οι εκπαιδευτικοί έπρεπε να βεβαιωθούν ότι οι μαθητές δεν χρησιμοποίησαν την τεχνητή νοημοσύνη για να αντιγράψουν. Λιγότερο από το 10% δήλωσαν ότι έκαναν περισσότερα διαλείμματα ή ότι κέρδισαν ελεύθερο χρόνο.
Και βεβαίως, λένε οι επιστήμονες, οι πραγματικοί χώροι εργασίας είναι λιγότερο δομημένοι από τα εργαστηριακά πειράματα.
«Στον πραγματικό κόσμο, πολλοί εργαζόμενοι χρησιμοποιούν την τεχνητή νοημοσύνη χωρίς την έγκριση του εργοδότη. Κάποιοι δεν γνωρίζουν καν αν επιτρέπεται να τη χρησιμοποιήσουν. Κάποιοι επιτρέπεται αλλά δεν ενθαρρύνονται πραγματικά να τη χρησιμοποιήσουν», λέει ο Humlum. «Σε έναν χώρο εργασίας όπου δεν ενθαρρύνεται ρητά, υπάρχει περιορισμένος χώρος για να απευθυνθείς στον προϊστάμενό σου και να πεις: «Θα ήθελα να αναλάβω περισσότερη δουλειά επειδή η Τεχνητή Νοημοσύνη με έχει κάνει πιο παραγωγικό»». Το να διαπραγματευτείς υψηλότερο μισθό με βάση την υψηλότερη παραγωγικότητα είναι ακόμα πιο δύσκολο.
Υπάρχει και το ενδεχόμενο οι εργαζόμενοι να μην θέλουν να διαφημίσουν πόσο παραγωγικοί έχουν γίνει με την Τεχνητή Νοημοσύνη. Συχνά, η ανταμοιβή για τους αποδοτικούς εργαζόμενους είναι περισσότερη δουλειά.
Μεγάλες προσδοκίες, μεσαία αποτελέσματα
Ακόμη ένα συμπέρασμα της έρευνας είναι ότι ενώ η Τεχνητή Νοημοσύνη έχει τεράστιες δυνατότητες, αυτές έχουν υπερεκτιμηθεί σε μεγάλο βαθμό στα ΜΜΕ και στην αγορά.
Ερευνα της IBM σε 2.000 διευθύνοντες συμβούλους αποκάλυψε ότι μόνο το 25% των έργων από την Τεχνητή Νοημοσύνη αποδίδουν την υποσχεθείσα απόδοση της επένδυσής τους. Ο κύριος λόγος που την υιοθετούν είναι ο φόβος μην μείνουν πίσω σε σύγκριση με τους ανταγωνιστές τους. Ακόμη και αν δεν κατανοούν την προστιθέμενη αξία που φέρνει στον οργανισμό.
Ο βραβευμένος με Νόμπελ Ντάρον Ατζέμογλου, που έχει ερευνήσει εκτενώς τον αυτοματισμό και την εργασία, εκτιμά την αύξηση της παραγωγικότητας της Τεχνητής Νοημοσύνης σε περίπου 1,1% έως 1,6% του ΑΕΠ την επόμενη δεκαετία. Αυτό είναι σημαντική ώθηση για μια οικονομία όπως οι ΗΠΑ, αλλά μακριά από τον διπλασιασμό του ΑΕΠ που έχουν προβλέψει ορισμένοι τεχνολόγοι. Και τόνισε ότι υπάρχει κίνδυνος με την Τεχνητή Νοημοσύνη «η διαφημιστική εκστρατεία να προκαλέσει πολύ μεγαλύτερη ζημιά στη διαδικασία από ό,τι προβλέπουν οι ειδικοί». Αυτό γιατί «η επίτευξη κερδών παραγωγικότητας από οποιαδήποτε τεχνολογία απαιτεί οργανωτική προσαρμογή, μια σειρά συμπληρωματικών επενδύσεων και βελτιώσεις στις δεξιότητες των εργαζομένων, μέσω εκπαίδευσης και μάθησης κατά την εργασία».
Οι Χούμλουμ και Βέστεργκααρντ συμφωνούν. Διαπίστωσαν ότι τα κέρδη παραγωγικότητας ήταν μεγαλύτερα όταν οι εργοδότες ενθάρρυναν και εκπαίδευαν τους εργαζόμενους στην Τεχνητή Νοημοσύνη.
Οι Δανοί οικονομολόγοι κάνουν μια αναγωγή με την εποχή της Βιομηχανικής Επανάστασης και την εφεύρεση της ατμομηχανής: «Χρειάστηκαν μερικές δεκαετίες για να δούμε ότι μπορούμε να έχουμε μια γραμμή συναρμολόγησης που τροφοδοτείται από ηλεκτρισμό αντί να λειτουργούν όλα κεντρικά μέσω μιας ατμομηχανής».
Από την Αρχοντία Κάτσουρα
Πηγή: Fortune
