OpenAI, la società dietro il popolare chatbot ChatGPT, ha analizzato i numeri sull’esposizione di diversi lavori all’intelligenza artificiale (AI) e questi numeri sono illuminanti.
Utilizzando il suo ultimo modello linguistico di apprendimento automatico (LLM), il GPT-4 rilasciato di recente, nonché l’esperienza umana, i ricercatori hanno studiato le potenziali implicazioni dei modelli linguistici sulle occupazioni all’interno del mercato del lavoro statunitense.
Mentre i ricercatori sottolineano che il documento non è una previsione, hanno scoperto che circa l’80% della forza lavoro statunitense potrebbe avere almeno il 10% delle proprie attività lavorative influenzate da GPT, o trasformatori generativi pre-addestrati.
Nel frattempo, circa il 19% dei lavoratori potrebbe subire un impatto su almeno il 50% delle proprie attività.
Il documento, scritto da ricercatori di OpenAI, OpenResearch e dell’Università della Pennsylvania, esamina l'”esposizione” delle attività lavorative all’intelligenza artificiale, “senza distinguere tra effetti di aumento del lavoro o effetti di sostituzione del lavoro”.
I ricercatori hanno definito “esposizione” come una misura del fatto che l’accesso a un sistema alimentato da GPT potrebbe ridurre il tempo necessario a un essere umano per eseguire una specifica attività lavorativa di almeno il 50%.
Quali sono i lavori più ‘esposti’?
Per lo studio, gli esperti umani e l’intelligenza artificiale hanno elaborato separatamente l’esposizione di diverse occupazioni. Il modello linguistico ha etichettato 86 lavori come “completamente esposti”.
Completamente esposto non significa che le attività possano essere completamente automatizzate da queste tecnologie, notano gli autori, ma significa che stimano che i GPT potrebbero far risparmiare ai lavoratori “una notevole quantità di tempo completando gran parte delle loro attività”.
Gli esseri umani hanno etichettato 15 occupazioni come completamente esposte, mentre il modello linguistico ha etichettato 86 come completamente esposte.
Le occupazioni che gli esseri umani hanno scoperto erano esposte al 100% sono:
- Matematici
- Preparatori fiscali
- Analisti finanziari quantitativi
- Scrittori e Autori
- Progettisti di interfacce web e digitali
Altre occupazioni ad alta percentuale elencate dagli umani erano:
- Ricercatori di sondaggi (84,4)
- Scrittori e autori (82,5)
- Interpreti e traduttori (82,4)
- Specialisti in pubbliche relazioni (80,6)
- Scienziati animali (77,8)
I modelli linguistici nel frattempo elencavano quanto segue come esposti al 100%:
- Matematici
- Ragionieri e Revisori Contabili
- Analisti di notizie, giornalisti e giornalisti
- Segretari Legali e Assistenti Amministrativi
- Responsabili dei dati clinici
- Analisti delle politiche sui cambiamenti climatici
I modelli linguistici hanno inoltre riscontrato che questi lavori sono esposti per oltre il 90%:
- Impiegati di corrispondenza
- Ingegneri blockchain
- Reporter giudiziari e sottotitolatori simultanei
- Correttori di bozze e pennarelli
“Abbiamo osservato che la maggior parte delle occupazioni mostra un certo grado di esposizione ai GPT, con occupazioni con salari più alti che generalmente presentano più compiti con un’elevata esposizione”, hanno concluso gli autori.
Limiti dello studio
Gli autori notano una serie di limitazioni del loro studio, con una, la ricercatrice OpenAI Pamela Mishkin, che le ha evidenziate in un thread su Twitter.
“I GPT di oggi possono fare molto. Negli ultimi anni li abbiamo visti migliorare sempre di più nel risolvere compiti sempre più complessi con sempre meno esempi di compiti sempre meno correlati”, ha pubblicato.
Il documento esamina questa tendenza non alcun modello particolare disponibile oggi”.
La prima limitazione identificata è stata il fatto che il loro approccio si basava sulla soggettività dell’etichettatura, che potrebbe portare a giudizi distorti sull’affidabilità e l’efficacia dei GPT in determinate attività lavorative all’interno di occupazioni non familiari ai ricercatori umani.
Affermano inoltre che i risultati GPT-4 sono “sensibili alle alterazioni nella formulazione della rubrica, nell’ordine e nella composizione del prompt” e altri dettagli nel prompt, il che significava che i prompt umani e LLM differivano.
Inoltre, gli autori ammettono che non è chiaro fino a che punto le occupazioni possano essere interamente suddivise in compiti specifici e se questo approccio ometta determinate categorie di abilità o compiti necessari per l’esecuzione competente di un lavoro.
Image:Getty Images
