00:00:00 Resumen breve del artículo de investigación de Harvard
00:00:32 Estudio ChatGPT-4 con consultores de BCG
00:01:31 Explorando el impacto de la IA en la productividad
00:02:31 Potencial de desplazamiento de la IA y crítica
00:03:47 Efectos más amplios de la IA en el empleo
Resumen
Conor Doherty de Lokad examina un estudio de Harvard sobre el impacto de la IA en los empleos de cuello blanco, revelando efectos matizados. La investigación, que involucra a 758 consultores, evalúa el papel de la IA en la mejora de la productividad, especialmente en la gestión de la cadena de suministro. Se descubre que la IA mejora el rendimiento en ciertas tareas, especialmente con entrenamiento, pero puede fallar en escenarios complejos. Doherty critica la visión limitada del estudio de la IA como un complemento del trabajo humano, argumentando su potencial para automatizar completamente tareas, revolucionando así la productividad y redefiniendo el trabajo de cuello blanco. Advierte sobre la excesiva confianza en la seguridad laboral, ya que las capacidades completas de la IA podrían alterar drásticamente el panorama laboral.
Transcripción completa
Conor Doherty: Navegando por la frontera tecnológica irregular, un artículo de investigación publicado por la Escuela de Negocios de Harvard tiene como objetivo proporcionar información sobre los efectos de la IA tanto en la productividad como en el empleo.
Hoy, analizaré tres aspectos: uno, la hipótesis y los métodos del artículo; dos, los principales hallazgos y conclusiones del artículo; y tres, la opinión de Lokad. Comencemos.
El artículo explora las implicaciones de la IA en tareas complejas, realistas y basadas en el conocimiento. La IA utilizada fue ChatGPT-4, un modelo de lenguaje grande.
La hipótesis implícita era que la introducción de la IA en los flujos de trabajo de profesionales altamente capacitados resultaría en ganancias de productividad. Los 758 sujetos involucrados eran consultores de Boston Consulting Group (BCG).
Los investigadores dividieron a los sujetos en dos grupos, cada uno de los cuales recibió una tarea única. Una tarea se centró en habilidades analíticas, escritura creativa, persuasión y habilidades de escritura, mientras que la otra se centró en la resolución de problemas mediante la combinación de datos cuantitativos y cualitativos.
Todos los participantes completaron inicialmente una tarea de referencia sin IA. Después de esto, los sujetos se subdividieron en tres grupos: un grupo de control sin IA, un grupo con IA y un tercer grupo con IA y capacitación sobre cómo utilizarla de la mejor manera.
Los sujetos tuvieron entre 30 y 90 minutos para completar sus tareas, que fueron diseñadas para imitar las que se encuentran en firmas de consultoría de alto nivel.
Aunque las tareas fueron diseñadas para tener una dificultad similar, los efectos de la IA fueron bastante diferentes, lo que llevó a lo que los investigadores llamaron una frontera tecnológica irregular.
Esto se refiere a la capacidad de la IA para mejorar significativamente el rendimiento humano en algunas tareas, las que se encuentran dentro de la frontera, pero degradar el rendimiento humano en otras, las que se encuentran fuera de la frontera.
Para las tareas dentro de la frontera, la IA condujo a ganancias significativas de productividad. Ambos grupos de IA superaron al grupo de control, y el grupo que recibió capacitación adicional en IA tuvo el mejor rendimiento en general.
El impulso de productividad fue especialmente potente para las personas que obtuvieron una puntuación en la mitad inferior de la tarea de referencia inicial, lo que sugiere que la IA podría ser especialmente beneficiosa para los trabajadores con menos habilidades.
Sin embargo, para las tareas fuera de la frontera, como la combinación de análisis cuantitativo y cualitativo, el grupo que recibió tanto IA como capacitación tuvo el peor rendimiento. De hecho, el grupo de control superó a ambos grupos de IA, con una diferencia significativa entre el grupo de control y el grupo que recibió tanto IA como capacitación.
Los autores sugieren que para las tareas dentro de la frontera, la IA puede mejorar drásticamente tanto la productividad como la calidad, e incluso desplazar a los humanos. Sin embargo, para las tareas consideradas fuera de la frontera, la IA puede ser mucho menos efectiva.
Aunque el artículo está escrito de manera muy accesible, se basa en una falla metodológica muy seria. No exploró la productividad obtenida a través de la automatización de la IA. En cambio, trató a la IA como una especie de copiloto que debe ser guiado por los humanos.
Esto es profundamente defectuoso porque restringe artificialmente las capacidades de la IA, especialmente cuando se combina con otras técnicas como la generación aumentada por recuperación.
La IA puede componer automáticamente indicaciones con toda la información necesaria recuperada de una base de datos, como las que se mantienen en firmas de consultoría de alto nivel. Esto superaría con creces la producción de una sola persona y será mucho más rentable cuando se implemente a gran escala.
Incluso si la calidad de las respuestas fuera solo tan buena como la del grupo de control, seguirían siendo mucho más económicas debido al costo muy bajo de los modelos de lenguaje grandes (LLMs) en comparación con el salario de seis cifras de un solo graduado de Harvard.
Este es el efecto real de la IA tanto en la cadena de suministro como en el empleo: las ganancias de productividad sin precedentes a través de la automatización tanto de tareas cuantitativas como cualitativas implementadas a gran escala. Esto muy probablemente superaría a los humanos en términos de calidad y ciertamente en términos de retorno de inversión.
Al ignorar este caso de uso obvio, el artículo proporciona una sensación falsa y posiblemente peligrosa de seguridad a las personas que ya están preocupadas por el efecto potencial de la IA en la cadena de suministro y otros trabajos analíticos.
