Credit Manager Magazine 4/2024

TECHNOLOGIE CZERWIEC / JUNE 2024 www.creditmanagermagazine.pl 51 Od mniej więcej lat 80. XX w., w USA i innych rozwiniętych krajach świata spada popyt na pracę osób wykonujących rutynowe zadania. Są one bowiem kodyfikowane, a człowiek zastępowany jest szybciej i efektywniej działającą maszyną. Mowa tu zarówno o pracy w przemyśle – np. w branży motoryzacyjnej pracowników przy taśmie produkcyjnej zastępują roboty – ale też w usługach czy w pracy biurowej, gdzie automatyzacja polega na ogół na wdrożeniu pewnego komputerowego software’u. W efekcie spada zapotrzebowanie na pracę w zawodach wykonujących czynności powtarzalne, charakteryzujących się średnimi poziomami wynagrodzeń. Oznacza to polaryzację na rynku pracy: zanika środkowa część rozkładu dochodów, a podział na pracowników dużo i mało zarabiających staje się wyraźniejszy. Wykorzystując szczegółowe informacje na temat typów zadań wykonywanych w poszczególnych zawodach, Carl Benedikt Frey i Michael Osborne z Uniwersytetu Oksfordzkiego oszacowali, które zawody będą w kolejnych latach podlegały automatyzacji (i nieco szerzej „komputeryzacji”), a które wydają się na nią odporne. Ich artykuł, opublikowany w 2017 r., był szeroko cytowany i doczekał się szeregu modyfikacji oraz rozszerzeń. W obliczu generatywnej SI jego ustalenia są jednak już nieaktualne. Pierwszym badaniem próbującym oszacować, w jaki sposób generatywna sztuczna inteligencja, w szczególności duże modele językowe, będzie w przyszłości oddziaływać na rynek pracy, jest artykuł OpenAI z 2023 r. (Eloundou et al., 2023). Każdemu zawodowi przypisano tam stopień, w jakim jest on narażony na automatyzację przez generatywną SI. Okazuje się, że profil tych zawodów jest zupełnie inny niż w przypadku poprzedniej fali automatyzacji: tym razem narażone są przede wszystkim zawody wysokopłatne, wykonywane zwykle przez osoby z wyższym wykształceniem – np. specjaliści z różnych dziedzin, audytorzy, księgowi, dziennikarze, prawnicy, informatycy czy naukowcy. Z kolei najmniej narażone są prace fizyczne, wykonywane przez m.in . robotników budowlanych, mechaników samochodowych, kucharzy czy sportowców. Bezpieczne są też (jak na razie) prace wymagające ciągłej relacji z człowiekiem, jak np. zawody opiekuńcze. Można się spodziewać, że w przyszłości automatyzacja będzie postępować dwutorowo – ta bardziej klasyczna będzie nadal oddziaływać na prace rutynowe, a ta najnowsza – na nierutynowe prace umysłowe, w szczególności na niemal wszystkie zadania realizowane przed komputerem. Wobec tego, które zawody mogą liczyć na wzrost lub chociaż utrzymanie dotychczasowego popytu na pracę? Z jednej strony dotyczy to osób wykonujących nierutynowe prace fizyczne, jak np. hydraulicy czy brukarze oraz prace w relacji z człowiekiem, jak np. przedszkolanki czy pielęgniarki. Z drugiej strony są osoby wykonujące najbardziej zaawansowane zadania wspierane sztuczną inteligencją, a więc Zwłaszcza, że sztuczna inteligencja ma istotne zastosowania również w działalności badawczo-rozwojowej, prowadzącej do przyspieszenia tempa postępu technologicznego i wzrostu gospodarczego, a w szczególności także wzrostu produktywności SI. Jak wskazuje prof. Anton Korinek z University of Virginia, współczesne duże modele językowe, jak np. GPT-4, mogą być bardzo przydatne w pracy naukowej, wspierając aż sześć obszarów pracy naukowca: poszukiwanie tematów badawczych i stawianie hipotez, pisanie tekstu, przegląd literatury, kodowanie, analiza danych oraz obliczenia matematyczne. A jeśli ktoś jeszcze wątpi, że modele językowe oprócz rozmowy umieją też liczyć, to warto wspomnieć, że w styczniu 2024 r. Google DeepMind opracował model AlphaGeometry, potrafiący rozwiązywać skomplikowane problemy geometryczne na poziomie zbliżonym do złotych medalistów Międzynarodowej Olimpiady Matematycznej. Jest to hybryda dużego modelu językowego, wymyślającego schematy rozwiązań, a także algorytmu symbolicznej dedukcji, sprawdzającego ich poprawność. Szybki postęp technologiczny w obszarze SI oznacza, że produktywność tych technologii będzie szybko wzrastać. Zadania dające się zautomatyzować będą więc stopniowo automatyzowane. najwyżej płatne zawody o charakterze specjalistycznym i menedżerskim. Jak radzi główny ekonomista Google’a Hal Varian, „staraj się być rzadkim zasobem, komplementarnym względem zasobów coraz powszechniej dostępnych”. Parafrazując, najwyżej płatne zawody przyszłości to te, w których wykorzystuje się generatywną sztuczną inteligencję do wykonywania zadań, których ona sama bez ludzkiego nadzoru nie jest (jeszcze) w stanie wykonać. Komplementarność i substytucyjność Generatywna sztuczna inteligencja ma szerokie spektrum zastosowań i może zarówno wspomagać pracę umysłową człowieka, jak i ją całkowicie zastępować. W pierwszym przypadku działania człowieka i SI są komplementarne, a wartość wytworzona dzięki ich współpracy jest wyższa, niż gdyby każde z nich działało osobno. W drugim przypadku jest odwrotnie: działania i człowieka, i SI są substytucyjne, a ich współpraca nie przynosi żadnych dodatkowych korzyści, przez co efektywniej jest zatrudnić tylko jeden rodzaj wykonawcy – najlepiej ten, który jest relatywnie tańszy. Wobec szybkiego postępu kompetencji sztucznej inteligencji nie jest to miła sytuacja: jeśli będziemy konkurować z SI wyłącznie ceną, to prędzej czy później w tej konkurencji przegramy. „Można się spodziewać, że w przyszłości automatyzacja będzie postępować dwutorowo – ta bardziej klasyczna będzie nadal oddziaływać na prace rutynowe, a ta najnowsza – na nierutynowe prace umysłowe, w szczególności na niemal wszystkie zadania realizowane przed komputerem.” „Jeśli będziemy konkurować z SI wyłącznie ceną, to prędzej czy później w tej konkurencji przegramy.”