Sblocca gratuitamente il digest dell'editore
L'intelligenza artificiale generativa è una tecnologia trasformativa che ha il potenziale per ridefinire la natura del lavoro. Comprendere il suo ruolo sul posto di lavoro e ciò che lo rende diverso dall'automazione passata, richiede un passaggio da ciò che AI Potere fare a cosa Dovrebbe Fare.
Le analisi tipiche dell'impatto di Genai sui lavoratori si concentrano sul fatto che la tecnologia possa svolgere posti di lavoro specifici. Tali studi spesso abbattono un lavoro e valutano la quota dei compiti costituenti che la tecnologia può eseguire. Ad esempio, le attività comuni per un rappresentante del servizio clienti in un call center includono l'interazione con i clienti, la registrazione di interazioni e la risoluzione o la crescente preoccupazione. Genai può gestire questi compiti, implicando che potrebbe spostare tali lavoratori.
Ma considera un'occupazione che potrebbe apparire inizialmente equivalente: un operatore del telefono di servizio di emergenza. I due lavori condividono molti compiti simili. Dovremmo aspettarci che affrontino uguali livelli di rischio di automazione? La risposta è più sfumata della sola capacità tecnica. Oltre alle considerazioni etiche, l'automazione di tali ruoli introduce complessi compromessi che coinvolgono economia, progettazione di attività e interdipendenza operativa.
Riteniamo che le organizzazioni dovrebbero considerare quattro domande chiave quando si contempla l'automazione.
Innanzitutto, quanto è complesso il compito? La complessità è un motore chiave sia del lavoro umano che dei costi di intelligenza artificiale. I dispatcher del servizio di emergenza risolvono una vasta gamma di problemi, che coinvolgono un livello di complessità che supera le interazioni ripetitive di un rappresentante del servizio clienti. In generale, più complesso è il compito, meno è probabile che sia automatizzato, poiché gli umani sono – per ora – meglio delle macchine a gestire una maggiore complessità.
Secondo, quanto è frequente l'attività? Maggiore è la frequenza, più è probabile che sia automatizzato. Le macchine hanno un chiaro vantaggio nel mantenere la velocità per periodi prolungati. Interazioni frequentemente ripetute con i clienti rafforzano il caso economico per la sostituzione dell'intelligenza artificiale dei rappresentanti del servizio clienti.
Terzo, quanto sono interconnessi i compiti? Nel fornire un servizio o creazione di un prodotto, molti posti di lavoro sono coinvolti in una catena di compiti interconnessi spesso completati da diversi lavoratori e macchine. Quello che accade durante il trasferimento tra i compiti viene spesso trascurato. I costi di frammentazione derivano da inefficienze ed errori nel processo di consegna.
L'attività iniziale per un rappresentante del servizio clienti prevede la conversazione con il cliente, mentre l'attività finale sta risolvendo il loro problema. Quando sono coinvolti diversi lavoratori o macchine, il trasferimento tra questi compiti può essere costoso. Se il lavoratore che gestisce la risoluzione finale non interagisse inizialmente con il cliente, sarebbe necessario un tempo aggiuntivo per rivedere tutte le informazioni precedentemente raccolte.
Gli alti costi di frammentazione dovrebbero scoraggiare le aziende dalla divisione dei compiti tra umani e AI generativa, anche se tecnicamente fattibile. L'automazione della chiamata di triage iniziale nei servizi di emergenza potrebbe sembrare conveniente, ma le informazioni cruciali potrebbero essere perse durante il passaggio dall'IA a un dispatcher umano.
In quarto luogo, durante l'esecuzione di un'attività, qual è il costo del fallimento? Gli errori di dispacciatori di emergenza rappresentano rischi significativi, in particolare nelle situazioni di vita o di morte. E Genai può essere meno preciso di alcune forme passate di automazione.
Queste domande dovrebbero guidare le aziende considerando l'automazione e aiutare a spiegare perché Genai colpisce alcune professioni più di altre. Prendi in considerazione i programmatori di computer, per esempio. Esempi di codifica estesi e ben documentati consentono a Genai di fornire soluzioni efficaci anche per compiti complessi. L'alta frequenza e la ripetitività di molti compiti di codifica si adattano bene a Genai.
Ben prima di Genai, i programmatori hanno diviso grandi progetti di codifica e innovazioni come piattaforme di sviluppo distribuito e progettazione modulare hanno ridotto i costi di frammentazione. Gli ambienti di test sicuri mantengono bassi il costo del fallimento, poiché molti errori nel codice prodotto da Genai possono essere rilevati economici. All'interno del nostro framework, queste caratteristiche aiutano a spiegare perché i programmatori, tradizionalmente beneficiari dell'automazione, stanno affrontando una maggiore interruzione da parte di Genai.
Le quattro domande di cui sopra evidenziano ciò che rende l'IA generativa unica come tecnologia di automazione. Mentre si evolve, Genai sta dimostrando la sua capacità di gestire compiti complessi ad alta velocità, rendendolo più versatile dell'automazione tradizionale. Offrendo un'interfaccia senza soluzione di continuità e capacità di elaborazione del linguaggio naturale, Genai riduce progressivamente i costi di frammentazione rispetto all'automazione tradizionale. Tuttavia, l'incertezza che circonda la produzione di Genai aumenta potenzialmente il rischio di fallimento in un'attività.
L'intelligenza artificiale generativa è una tecnologia trasformativa con il potenziale per rimodellare i mercati del lavoro. Il suo impatto finale e la sua probabilità di adozione sono modellati dalla struttura dei compiti all'interno di una particolare occupazione. La complessità dei compiti, la loro frequenza, i costi di frammentazione e il costo del fallimento, presi insieme, influenzano l'equilibrio tra risparmio di costi palesi e costi nascosti.