Με την τεχνητή νοημοσύνη όλοι οι εργαζόμενοι γίνονται καλοί, αλλά αυτό δεν είναι υποχρεωτικά θετικό

Τους τελευταίους μήνες σκέφτομαι μια σειρά μελετών που έχουν πραγματοποιήσει οικονομολόγοι σχετικά με την αξία της τεχνητής νοημοσύνης στο χώρο εργασίας. Αυτό που ήθελαν να διαπιστώσουν είναι πόσο βοηθά η τεχνητή νοημοσύνη τους επαγγελματίες στη δουλειά τους.

Τα κέρδη παραγωγικότητας που έχουν παρατηρήσει είναι σημαντικά: η τεχνητή νοημοσύνη μας κάνει ξεκάθαρα καλύτερους και ταχύτερους εργαζόμενους. Οι αριθμοί ώθησαν τους αισιόδοξους της τεχνητής νοημοσύνης να προβλέψουν μια οικονομική έκρηξη και τους απαισιόδοξους της τεχνητής νοημοσύνης να ανησυχούν για ένα μέλλον λιγότερων θέσεων εργασίας.

Αλλά πίσω από αυτούς τους αριθμούς, θαμμένο λίγο πιο βαθιά στις μελέτες, βρίσκεται το εύρημα που με ενδιαφέρει. Το ερώτημα δεν είναι πόσο βοηθά η τεχνητή νοημοσύνη στο γραφείο, αλλά ποιον βοηθάει και γιατί.

Η τεχνητή νοημοσύνη, δείχνουν οι μελέτες, μας κάνει πιο παραγωγικούς με έναν περίεργο τρόπο. Δεν βοηθάει όλους να γίνουν καλύτεροι στη δουλειά τους. Βοηθάει ως επί το πλείστον τους εργαζόμενους που είναι λιγότερο αποδοτικοί στη δουλειά τους, ενώ ενισχύει ελάχιστα – ή ακόμα και προκαλεί εμπόδια – σε εκείνους που είναι ήδη πολυ αποδοτικοί.

Η τεχνητή νοημοσύνη, με άλλα λόγια, αυξάνει τη συνολική παραγωγικότητα μειώνοντας το χάσμα μεταξύ υψηλών επιδόσεων και χαμηλών επιδόσεων. Είναι ένας εξισορροπιστής στις εργασίες γραφείου, ένα τεράστιο κομμάτι της οικονομίας που πάντα βασιζόταν στην υπόθεση ότι ορισμένοι άνθρωποι θα είναι εγγενώς πολύ καλύτεροι στη δουλειά τους από άλλους.

[…] H τεχνητή νοημοσύνη ενισχύει την παραγωγικότητα σε μια μεγάλη ποικιλία κοινών εργασιών γραφείου, από επαναλαμβανόμενες εργασίες σε τηλεφωνικά κέντρα έως πολύπλοκα καθήκοντα σε εταιρείες διαχείρισης ελίτ. […]

Αλλά αυτό που πρέπει να μας ενδιαφέρει περισσότερο είναι το πώς η τεχνητή νοημοσύνη αυξάνει την παραγωγικότητα. Οι μελέτες παρουσιάζουν μια ισχυρή υπόθεση: ενισχύοντας δυσανάλογα όσους βρίσκονται στο χαμηλότερο επίπεδο παραγωγικότητας, αυτή η νέα γενιά εργαλείων τεχνητής νοημοσύνης περιορίζει τη διακύμανση στην απόδοση της εργασίας. Μέσα σε λίγους μόλις μήνες, κάνει ήδη αυτό που δεν κατάφεραν να κάνουν δεκαετίες εκπαίδευσης: Επιτυγχάνει μια εξίσωση τον χώρο εργασίας.

Αν σκεφτείτε πώς λειτουργούν τα μεγάλα γλωσσικά μοντέλα (LLM) της τεχνητής νοημοσύνης, αυτό το συμπέρασμα εξηγείται. Τα LLM βασικά ανακαλούν ό,τι έχει «λειτουργήσει» στο παρελθόν. Και αυτό θα μπορούσε να διδάξει πολλά στα άτομα με χαμηλές επιδόσεις. Όμως όλα αυτά τα γνωρίζουν ήδη τα άτομα με υψηλή απόδοση.

Αυτό έρχεται σε αντίθεση με όσα είχαμε μάθει μέχρι σήμερα από τη χρήση της τεχνολογίας στο χώρο εργασίας. Τις τελευταίες δεκαετίες, οι νέες τεχνολογίες όπως τα βιομηχανικά ρομπότ, ο προσωπικός υπολογιστής και το Διαδίκτυο έχουν βοηθήσει δυσανάλογα τους εργαζόμενους υψηλής ειδίκευσης, αλλά έχουν προσφέρει ελάχιστα στους ανθρώπους με λιγότερες δεξιότητες και χαμηλότερη εκπαίδευση. Οι οικονομολόγοι αποκαλούν αυτό το φαινόμενο ως «μεροληπτική τεχνολογική αλλαγή» και αποδίδουν σε αυτό – κατά έναν σημαντικό βαθμό – και την εισοδηματική ανισότητα που έχει αυξηθεί τόσο πολύ από τη δεκαετία του 1980.

Και τώρα περνάμε στις ευρύτερες επιπτώσεις των πρόσφατων μελετών. Εάν η τεχνητή νοημοσύνη ενισχύει την παραγωγικότητα των ατόμων με χαμηλές επιδόσεις, τοποθετώντας τους σε ισότιμη βάση με τους κορυφαίους του επαγγελμάτος, πώς θα επηρεάσει αυτό τις εργασίες;

Μια πιθανότητα είναι ότι η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει να αντιστραφεί το αυξανόμενο χάσμα της εισοδηματικής ανισότητας.

Ορισμένες από τις ανισότητες που βλέπουμε σήμερα είναι αποτέλεσμα των τεράστιων μισθολογικών διαφορών σε πολλά επαγγέλματα. Ένας «σουπερ σταρ» μηχανικός λογισμικού, ας πούμε, που μπορεί να αναπαράγει χιλιάδες γραμμές κώδικα εν ριπή οφθαλμού, πληρώνεται περισσότερο επειδή είναι πολύ καλύτερος στη δουλειά του από όλους τους υπόλοιπους. Αλλά εάν η τεχνητή νοημοσύνη δίνει τη δυνατότητα σε κάθε προγραμματιστή να κάνει το ίδιο, τότε θα είναι πολύ πιο δύσκολο για τους «σούπερ σταρ» να δικαιολογήσουν τους αστρονομικούς μισθούς τους.

Αυτό είναι ένα φαινόμενο που απασχόλησε και μια πρόσφατη μελέτη νομικής σχολής. «Στο δικηγορικό επάγγελμα είναι γνωστος ο διαχωρισμός μεταξύ κορυφαίων και μη κορυφαίων δικηγόρων, ο οποίος μεταφράζεται στην αμοιβή αλλά και στη σταδιοδρομία», αναφέρει η μελέτη και προσθέτει: «Ανεβάζοντας αυτούς που βρίσκονται σε χαμηλότερο επίπεδο, τα εργαλεία τεχνητής νοημοσύνης θα μπορούσαν να αποτελέσουν σημαντική δύναμη για την εξισορρόπηση στον νομικό χώρο».

Αλλά η αληθινή υπόσχεση της τεχνητής νοημοσύνης έγκειται όχι μόνο στη μείωση των ανισοτήτων εντός ενός επαγγέλματος, αλλά εν γένει μεταξύ των ανθρώπων στην αγορά εργασίας. Οι προγραμματιστές στις ΗΠΑ βγάζουν, κατά μέσο όρο, 5,5 φορές περισσότερα χρήματα από τους εργαζόμενους σε fast food. Εάν όμως η τεχνητή νοημοσύνη διευκολύνει έναν εργαζόμενο στο fast food να αλλάξει επάγγελμα και να περάσει στον χώρο της κωδικοποίησης, τότε θα αρχίσουμε να βλέπουμε πραγματικά μια τεράστια μείωση του οικονομικού χάσματος.

Για παράδειγμα, μια μελέτη πάνω στο GitHub Copilot (μοντέλο τεχνητής νοημοσύνης για την ανάπτυξη κώδικα) κατέληξε επί της ουσίας στο εξής συμπέρασμα: Το εν λόγω εργαλείο ωφέλησε τους αρχάριους προγραμματιστές πολύ περισσότερο από τους ειδικούς και αυτό θα μπορούσε να μεταφραστεί και σε μείωση των περιορισμών για την είσοδο στο χώρο μιας εντελώς νέας γενιάς επίδοξων μηχανικών λογισμικού. Η εκπαίδευση και η τεχνογνωσία δεν θα μετράνε πλέον τόσο όσο στο παρελθόν.

Ομολογουμένως, αυτό το σενάριο που έχω παρουσιάσει είναι σε κάποιο βαθμό μια αισιόδοξη άποψη για ένα μεγάλο μέρος της κοινωνίας. Εάν αυξάνεται το επίπεδο των δεξιοτήτων, τότε αυξάνεται και η αμοιβή. Σωστά; Όχι απαραίτητα.

Υπάρχει ένας άλλος τρόπος με τον οποίο η τεχνητή νοημοσύνη θα μπορούσε να μειώσει τις μισθολογικές ανισότητες. Θα μπορούσε για παράδειγμα να μειώσει τις αμοιβές των κορυφαίων εργαζομένων χωρίς να κάνει πολλά για να αυξήσει τους μισθούς για αυτούς που βρίσκονται στο χαμηλότερο επίπεδο. Αφού η παραγωγικότητα αυξάνεται, οι ιδιοκτήτες των εταιρείων μπορεί να επιλέξουν να κρατήσουν το όφελος για αυτούς, μειώνοντας το ανώτατο όριο μισθών αντί να αυξήσουν το κατώτατο όριο. Σε αυτό το σενάριο και πάλι θα επιτευχθεί μικρότερη εισοδηματική ανισότητα χάρη στην τεχνητή νοημοσύνη, αλλά όλοι θα  βγάζουμε λιγότερα.

Και δυστυχώς, αυτός είναι ο τρόπος με τον οποίο η τεχνητή νοημοσύνη επηρεάζει την αγορά εργασίας μέχρι στιγμής. Σε μια μελέτη, οι ερευνητές εξέτασαν τι έχει συμβεί στους ελεύθερους επαγγελματίες στην ηλεκτρονική πλατφόρμα Upwork, οι οποίοι προσφέρουν υπηρεσίες που επηρεάζονται περισσότερο από εργαλεία τεχνητής νοημοσύνης (πχ δημιουργία εικόνων). Ο αριθμός των θέσεων εργασίας στην πλατφόρμα μειώθηκε, όπως και τα εισοδήματά τους.

Κάνοντας τη δουλειά των εικονογράφων, μείωσε την αμοιβή τους με τον ίδιο τρόπο που οι μηχανοποιημένοι αργαλειοί επηρέασαν τους τεχνίτες υφαντών στην έναρξη της Βιομηχανικής Επανάστασης. Και τα συστήματα τεχνητής νοημοσύνης το κάνουν, με έναν ειρωνικό τρόπο, τροφοδοτούμενα από την εμπειρία των κορυφαίων σε επιδόσεις ανθρώπων, η εργασία των οποίων παρέχει τα σύνολα των δεδομένων στα οποία εκπαιδεύεται η ΑΙ.

Εάν η λοιπόν η τεχνητή νοημοσύνη οδηγεί σε έναν κόσμο στον οποίο οι εργοδότες λαμβάνουν λίγο – πολύ την ίδια δουλειά από όλους, ανεξάρτητα από το πτυχίο, το πανεπιστήμιο, την εμπειρία και το εγγενές ταλέντο – αυτό δημιουργεί μια εξαιρετικά ιδιαίτερη κατάσταση για το μέλλον της εργασίας.

[…] Αν έπρεπε να κάνω μια εκτίμηση για το τι θα συμβεί στο μέλλον, θα έλεγα για τους «βετεράνους» υποψιάζομαι πως έρχεται μια επίθεση, μια εποχή στην οποία το να είσαι καλός τη δουλειά σου δεν θα προσφέρει πλέον τις προστασίες και τα προνόμια που προσέφερε κάποτε. Σε επαγγέλματα, όπως η νομική και η διοίκηση, το ταλέντο και η εμπειρία θεωρούνται εισιτήριο επιτυχίας και υψηλών αμοιβών. Τώρα στην εποχή της εξισορρόπησης της τεχνητής νοημοσύνης, μπορεί να αποδειχθούν απλώς μια δαπανηρή υποχρέωση για τους εργοδότες.  

• Η Άκι Ίτο είναι δημοσιογράφος του Insider με ειδίκευση στο χώρο εργασίας και την οικονομία