Ωστόσο, πιο πρόσφατα ευρήματα αμφισβητούν αυτό το όραμα και προτείνουν ένα μέλλον, όπου οι κορυφαίοι επαγγελματίες θα ανεβαίνουν ακόμη ψηλότερα – ενώ  οι υπόλοιποι θα μένουν πίσω. Σε σύνθετες εργασίες όπως η έρευνα και η διαχείριση, νέα δεδομένα δείχνουν ότι οι κορυφαίοι επαγγελματίες είναι σε καλύτερη θέση να συνεργαστούν με την τεχνητή νοημοσύνη. Η αξιολόγηση των αποτελεσμάτων των μοντέλων απαιτεί εξειδίκευση και καλή κρίση. Όπως και προηγούμενες τεχνολογικές επαναστάσεις, η τεχνητή νοημοσύνη αντί να μειώνει τις ανισότητες είναι πιθανό να διευρύνει τις διαφορές στο εργατικό δυναμικό.

Η άποψη ότι η τεχνητή νοημοσύνη μπορεί να λειτουργήσει ως εξισωτής υποστηρίχθηκε από έρευνες που έδειξαν ότι η τεχνολογία ενισχύει την παραγωγικότητα περισσότερο για τους λιγότερο έμπειρους εργαζομένους. Μια μελέτη του 2023 από τους Erik Brynjolfsson του Πανεπιστημίου Στάνφορντ και Danielle Li και Lindsey Raymond του MIT διαπίστωσε ότι τα εργαλεία της δημιουργικής τεχνητής νοημοσύνης αύξησαν την παραγωγικότητα των αρχάριων υπαλλήλων εξυπηρέτησης πελατών κατά 34%, βοηθώντας τους να ανταποκρίνονται στα ερωτήματα των πελατών ταχύτερα και αποτελεσματικότερα. Αντίθετα, οι έμπειροι εργαζόμενοι είδαν ελάχιστο όφελος, καθώς η τεχνητή νοημοσύνη απλώς ενίσχυε τις μεθόδους που ήδη χρησιμοποιούσαν. Αυτό υποδήλωνε ότι η τεχνολογία θα μπορούσε να μειώσει τις ανισότητες μεταφέροντας βέλτιστες πρακτικές από τους πιο ταλαντούχους στους λιγότερο ταλαντούχους εργαζομένους.

Παρόμοια τάση παρατηρήθηκε και σε άλλες εργασίες έντασης γνώσης. Έρευνα των Shakked Noy και Whitney Zhang του MIT διαπίστωσε ότι οι πιο αδύναμοι συγγραφείς παρουσίασαν τη μεγαλύτερη βελτίωση στην ποιότητα της εργασίας τους όταν χρησιμοποιούσαν το ChatGPT της OpenAI για τη σύνταξη δελτίων τύπου και εκθέσεων. Πολλοί είδαν βελτιώσεις στην ποιότητα απλώς χρησιμοποιώντας το μη επεξεργασμένο αποτέλεσμα της τεχνητής νοημοσύνης, υπογραμμίζοντας την ικανότητά της να ανυψώνει το βασικό επίπεδο απόδοσης.Παρόμοια ευρήματα υπήρξαν και σε άλλες γνώσεις υψηλής εξειδίκευσης. Ο Jonathan Choi του Πανεπιστημίου της Νότιας Καλιφόρνιας και οι συνεργάτες του διαπίστωσαν ότι ένα εργαλείο τεχνητής νοημοσύνης γενικής χρήσης βελτίωσε την ποιότητα της νομικής εργασίας, όπως η σύνταξη συμβάσεων, κυρίως για τους λιγότερο ταλαντούχους φοιτητές νομικής.

Το πρόβλημα είναι ότι αυτό αντισταθμίζεται από μια άλλη επίδραση. Μια δουλειά μπορεί να θεωρηθεί ως ένα σύνολο εργασιών, τις οποίες η τεχνολογία είτε εμπορευματοποιεί είτε υποστηρίζει. Για τους ελεγκτές εναέριας κυκλοφορίας, η τεχνολογία λειτουργεί ως ενίσχυση: επεξεργάζεται δεδομένα πτήσεων ενώ αφήνει τις αποφάσεις στους ανθρώπους, διατηρώντας τους μισθούς υψηλούς. Αντίθετα, τα συστήματα αυτοεξυπηρέτησης απλοποιούν το ρόλο του ταμία, αυτοματοποιώντας εργασίες όπως ο υπολογισμός των λογαριασμών. Αυτό μειώνει την ανάγκη για δεξιότητες, οδηγώντας στη στασιμότητα των μισθών.

Έτσι, παρά την αρχική αισιοδοξία, οι υπάλληλοι εξυπηρέτησης πελατών και άλλοι εργαζόμενοι χαμηλής εξειδίκευσης μπορεί να αντιμετωπίσουν ένα μέλλον παρόμοιο με αυτό ενός ταμία. Οι επαναλαμβανόμενες εργασίες τους είναι ευάλωτες στην αυτοματοποίηση. Ο Amit Zavery της ServiceNow, μιας εταιρείας επιχειρηματικού λογισμικού, εκτιμά ότι πάνω από το 85% των περιπτώσεων εξυπηρέτησης πελατών για ορισμένους πελάτες δεν απαιτούν πλέον ανθρώπινη παρέμβαση. Καθώς η τεχνητή νοημοσύνη προοδεύει, αυτό το ποσοστό πιθανότατα θα αυξηθεί, οδηγώντας σε λιγότερους υπαλλήλους που θα χειρίζονται μόνο τις πιο περίπλοκες περιπτώσεις. Αν και η τεχνητή νοημοσύνη μπορεί αρχικά να αυξήσει την παραγωγικότητα, η μακροπρόθεσμη επίδρασή της θα είναι η εμπορευματοποίηση των δεξιοτήτων και η αυτοματοποίηση των εργασιών.

Σε αντίθεση με την προηγούμενη αυτοματοποίηση, η οποία αντικατέστησε επαναλαμβανόμενες εργασίες όπως η γραμμή παραγωγής και η λογιστική, η τεχνητή νοημοσύνη μπορεί να επεκτείνει την εμβέλειά της και σε μη επαναλαμβανόμενες και δημιουργικές εργασίες. Μπορεί να μαθαίνει αυτόματα, να αναγνωρίζει μοτίβα και να κάνει προβλέψεις χωρίς ρητές οδηγίες. Ισως, με τον καιρό, να μπορεί να γράφει ψυχαγωγικά σενάρια και να σχεδιάζει χρήσιμα προϊόντα. Προς το παρόν, φαίνεται ότι στις βιομηχανίες με υψηλές αποδοχές, τα νεότερα στελέχη είναι τα πιο ευάλωτα στην αυτοματοποίηση. Στην A&O Shearman, μια νομική εταιρεία, τα εργαλεία τεχνητής νοημοσύνης πλέον αναλαμβάνουν μεγάλο μέρος των εργασιών ρουτίνας που παλαιότερα έκαναν οι δικηγόροι ή οι νομικοί βοηθοί. Το λογισμικό της εταιρείας μπορεί να αναλύει συμβόλαια, να τα συγκρίνει με προηγούμενες συμφωνίες και να προτείνει αναθεωρήσεις σε λιγότερο από 30 δευτερόλεπτα. Οι κορυφαίοι επαγγελματίες είναι αυτοί που χρησιμοποιούν καλύτερα την τεχνολογία για τη λήψη στρατηγικών αποφάσεων, λέει ο David Wakeling, επικεφαλής του τμήματος τεχνητής νοημοσύνης της εταιρείας.

Οι πρόσφατες οικονομικές έρευνες υποστηρίζουν αυτή την παρατήρηση. Αν και οι πρώτες μελέτες πρότειναν ότι οι χαμηλότερης απόδοσης εργαζόμενοι μπορούσαν να επωφεληθούν απλά αντιγράφοντας τις απαντήσεις της τεχνητής νοημοσύνης, οι πιο πρόσφατες έρευνες εξετάζουν πιο σύνθετες εργασίες, όπως την επιστημονική έρευνα, τη διαχείριση μιας επιχείρησης και τις επενδύσεις. Σε αυτά τα πλαίσια, οι κορυφαίοι επαγγελματίες ωφελούνται πολύ περισσότερο από τους λιγότερο αποδοτικούς συναδέλφους τους. Σε ορισμένες περιπτώσεις, οι λιγότερο παραγωγικοί εργαζόμενοι δεν βλέπουν καμία βελτίωση ή ακόμα χειρότερο, χάνουν έδαφος.

Για παράδειγμα, ο Aidan Toner-Rodgers του MIT, διαπίστωσε ότι η χρήση ενός εργαλείου τεχνητής νοημοσύνης για την ανακάλυψη νέων υλικών σχεδόν διπλασίασε την παραγωγικότητα των κορυφαίων ερευνητών, ενώ δεν είχε μετρήσιμο αντίκτυπο στο χαμηλότερο τρίτο της κλίμακας. Το λογισμικό επέτρεπε στους ερευνητές να καθορίσουν τα επιθυμητά χαρακτηριστικά και στη συνέχεια να προτείνει υλικά που πιθανώς τα διέθεταν. Οι κορυφαίοι επιστήμονες, εξοπλισμένοι με βαθιά εξειδίκευση, μπορούσαν να αναγνωρίσουν τις υποσχόμενες προτάσεις και να απορρίψουν τις άχρηστες. Αντίθετα, οι λιγότερο έμπειροι ερευνητές δυσκολεύονταν να αναγνωρίσουν τις χρήσιμες πληροφορίες και να τις διαχωρίσουν από τις άσχετες (βλ. διάγραμμα 2).

Παρόμοια αποτελέσματα εμφανίστηκαν και σε άλλους τομείς. Ο Nicholas Otis από το Πανεπιστήμιο της Καλιφόρνια, Berkeley, και οι συνεργάτες του διαπίστωσαν ότι οι ισχυρότεροι Κενυάτες επιχειρηματίες, με τη βοήθεια ενός βοηθού τεχνητής νοημοσύνης, αύξησαν τα κέρδη τους κατά πάνω από 15%, ενώ οι λιγότερο αποδοτικοί είδαν τα κέρδη τους να μειώνονται. Η διαφορά έγκειται στον τρόπο με τον οποίο εφάρμοσαν τις προτάσεις της τεχνητής νοημοσύνης. Οι χαμηλών επιδόσεων επιχειρηματίες ακολουθούσαν γενικές συμβουλές, όπως να αυξήσουν τη διαφήμιση, ενώ οι πιο ικανοί χρησιμοποιούσαν την τεχνητή νοημοσύνη για να βρουν εξατομικευμένες λύσεις, όπως η εξασφάλιση νέων πηγών ενέργειας κατά τη διάρκεια διακοπών ρεύματος (βλ. διάγραμμα 3).

Στη λήψη οικονομικών αποφάσεων, ο Alex Kim από το Πανεπιστήμιο του Σικάγο και οι συνεργάτες του διεξήγαγαν ένα πείραμα όπου οι συμμετέχοντες, πριν επενδύσουν 1.000 δολάρια σε ένα προσομοιωμένο χαρτοφυλάκιο, χρησιμοποιούσαν την τεχνητή νοημοσύνη για να αναλύσουν αποδελτιώσεις οικονομικών ανακοινώσεων. Οι έμπειροι επενδυτές πέτυχαν σχεδόν 10% υψηλότερες αποδόσεις με την τεχνητή νοημοσύνη, ενώ οι λιγότερο έμπειροι μόλις 2%. Οι έμπειροι επενδυτές αξιοποιούσαν καλύτερα τις πληροφορίες από τις οικονομικές ανακοινώσεις, όπως τις δαπάνες για έρευνα και ανάπτυξη, την επαναγορά μετοχών και τα λειτουργικά κέρδη προ αποσβέσεων.

Καθώς η τεχνητή νοημοσύνη μεταμορφώνει την εργασία, νέες δουλειές εμφανίζονται. Ο Rajeev Rajan από την Atlassian, μια εταιρεία λογισμικού γραφείου, λέει ότι τα εργαλεία τεχνητής νοημοσύνης ελευθερώνουν μερικές ώρες την εβδομάδα για τους μηχανικούς, επιτρέποντάς τους να επικεντρωθούν σε δημιουργικές εργασίες. Οι νέοι δικηγόροι περνούν λιγότερο χρόνο σε εργασίες ρουτίνας και περισσότερο με πελάτες. «Οι πραγματικά έξυπνοι άνθρωποι, που ίσως βαριούνται να αναλύουν επαναλαμβανόμενες οικονομικές ανακοινώσεις, θα ωφεληθούν περισσότερο», λέει ένας διευθυντής μεγάλης επενδυτικής εταιρείας. «Η δεξιότητα που θα ανταμειφθεί περισσότερο βραχυπρόθεσμα είναι η φαντασία στην εύρεση δημιουργικών τρόπων χρήσης της τεχνητής νοημοσύνης.» Η βαρετή δουλειά σε αυτούς τους κλάδους αυτοματοποιείται, επιτρέποντας στους νεότερους υπαλλήλους να αναλαμβάνουν προηγμένες εργασίες νωρίτερα στην καριέρα τους.

Οι αγορές εργασίας πάντοτε καθορίζονταν από την καταστροφή παλαιών ρόλων και τη δημιουργία νέων. Ο David Autor του MIT έχει εκτιμήσει ότι περίπου το 60% των θέσεων εργασίας στην Αμερική το 2018 δεν υπήρχαν το 1940. Ο όρος «σχεδιαστής αεροπλάνων» προστέθηκε στην απογραφή στις δεκαετίες του 1950, ενώ ο «διοργανωτής συνεδρίων» εμφανίστηκε τη δεκαετία του 1990. Αλλά ποιος θα αναλάβει τις νέες δουλειές της τεχνητής νοημοσύνης όταν αυτές εμφανιστούν; Η ιστορία δείχνει ότι οι τεχνολογικές αλλαγές ευνοούν τους ικανούς. Στη Βιομηχανική Επανάσταση, οι μηχανικοί που ήξεραν να χειριστούν τα νέα μηχανήματα είδαν τους μισθούς τους να εκτινάσσονται στα ύψη, ενώ οι εργάτες ρουτίνας έχασαν την δουλειά τους. Η εποχή των υπολογιστών επιβράβευσε τους μηχανικούς λογισμικού και κατέστησε τους δακτυλογράφους ξεπερασμένους. Η τεχνητή νοημοσύνη φαίνεται έτοιμη να ακολουθήσει μια παρόμοια πορεία, ωφελώντας όσους διαθέτουν κρίση, ευελιξία και τεχνογνωσία ώστε να μπορούν να πλοηγηθούν σε περίπλοκα, πλούσια σε πληροφορίες περιβάλλοντα.

Επιπλέον, τα σημερινά εργαλεία τεχνητής νοημοσύνης είναι απλώς η αρχή. Καθώς η τεχνολογία εξελίσσεται, οι ημιαυτόνομοι πράκτορες, ικανοί να λειτουργούν ανεξάρτητα – όπως έχει οραματιστεί ο κ. Huang – μπορεί να μεταμορφώσουν τους χώρους εργασίας. Αυτή η αλλαγή ίσως μετατρέψει κάθε εργαζόμενο σε ένα είδος διευθύνοντος συμβούλου, όπως έχει προβλέψει ο επικεφαλής της Nvidia. Όμως η ανισότητα δεν θα μειωθεί: οι πιο ταλαντούχοι θα παραμείνουν οι καλύτεροι διευθύνοντες σύμβουλοι.

Πηγή: The Economist