00:00:00 Breve riassunto dello studio di ricerca di Harvard
00:00:32 Studio ChatGPT-4 con consulenti BCG
00:01:31 Esplorazione dell’impatto dell’IA sulla produttività
00:02:31 Potenziale di sostituzione dell’IA e critica
00:03:47 Effetti più ampi dell’IA sull’occupazione
Riassunto
Conor Doherty di Lokad analizza uno studio dell’Università di Harvard sull’impatto dell’IA sui lavori impiegatizi, rivelando effetti sfumati. La ricerca, che coinvolge 758 consulenti, valuta il ruolo dell’IA nel migliorare la produttività, in particolare nella gestione della supply chain. Si scopre che l’IA aumenta le prestazioni in determinati compiti, soprattutto con l’addestramento, ma può vacillare in scenari complessi. Doherty critica la visione limitata dello studio sull’IA come un complemento al lavoro umano, sostenendo il suo potenziale per automatizzare completamente i compiti, rivoluzionando così la produttività e ridefinendo il lavoro impiegatizio. Avverte del pericolo di sovrafiducia nella sicurezza del lavoro, poiché le capacità complete dell’IA potrebbero alterare drasticamente il panorama occupazionale.
Trascrizione completa
Conor Doherty: Navigando la frastagliata frontiera tecnologica, uno studio di ricerca pubblicato dalla Harvard Business School mira a fornire una visione sugli effetti dell’IA sulla produttività e, in definitiva, sull’occupazione.
Oggi, analizzerò tre cose: uno, l’ipotesi e i metodi dello studio; due, le principali conclusioni e risultati dello studio; e tre, il punto di vista di Lokad. Iniziamo.
Lo studio esplora le implicazioni dell’IA su compiti complessi, realistici e ad alta intensità di conoscenza. L’IA utilizzata era ChatGPT-4, un grande modello di linguaggio.
L’ipotesi implicita era che l’introduzione dell’IA nei flussi di lavoro di professionisti altamente qualificati portasse a guadagni di produttività. I 758 soggetti coinvolti erano consulenti del Boston Consulting Group (BCG).
I ricercatori hanno diviso i soggetti in due gruppi, ognuno dei quali ha ricevuto un compito unico. Un compito si concentrava sulle competenze analitiche, la scrittura creativa, la capacità di persuasione e le competenze di scrittura, mentre l’altro si concentrava sulla risoluzione dei problemi combinando dati quantitativi e qualitativi.
Tutti i partecipanti hanno inizialmente completato un compito di base senza l’IA. Successivamente, i soggetti sono stati suddivisi in tre gruppi: un gruppo di controllo senza l’IA, un gruppo con l’IA e un terzo gruppo con sia l’IA che un addestramento su come utilizzarla al meglio.
Ai soggetti sono stati dati da 30 a 90 minuti per completare i loro compiti, che sono stati progettati per simulare quelli trovati nelle società di consulenza di alto livello.
Anche se i compiti sono stati progettati per avere una difficoltà simile, gli effetti dell’IA sono stati molto diversi, portando a quello che i ricercatori hanno definito una frastagliata frontiera tecnologica.
Questo si riferisce alla capacità dell’IA di migliorare significativamente le prestazioni umane per alcuni compiti, quelli all’interno della frontiera, ma di degradare le prestazioni umane per altri, quelli al di fuori della frontiera.
Per i compiti all’interno della frontiera, l’IA ha portato a significativi aumenti di produttività. Entrambi i gruppi con l’IA hanno superato il gruppo di controllo, e il gruppo che ha ricevuto un addestramento aggiuntivo sull’IA ha ottenuto i migliori risultati complessivi.
L’impulso alla produttività è stato particolarmente potente per le persone che hanno ottenuto un punteggio nella metà inferiore del compito di base iniziale, suggerendo che l’IA potrebbe essere particolarmente vantaggiosa per i lavoratori meno qualificati.
Tuttavia, per i compiti al di fuori della frontiera, come la combinazione di analisi quantitative e qualitative, il gruppo che ha ricevuto sia l’IA che l’addestramento ha ottenuto i risultati peggiori. Infatti, il gruppo di controllo ha superato entrambi i gruppi con l’IA, con una differenza significativa riscontrata tra il gruppo di controllo e il gruppo che ha ricevuto sia l’IA che l’addestramento.
Gli autori suggeriscono che per i compiti all’interno della frontiera, l’IA può migliorare notevolmente sia la produttività che la qualità, e forse persino sostituire gli esseri umani. Tuttavia, per i compiti considerati al di fuori della frontiera, l’IA può essere molto meno efficace.
Sebbene l’articolo sia scritto in modo molto accessibile, si basa su un grave difetto metodologico. Non ha esplorato la produttività ottenuta attraverso l’automazione dell’IA. Invece, ha trattato l’IA come una sorta di copilota da guidare dagli esseri umani.
Questo è profondamente sbagliato perché ha limitato artificialmente le capacità dell’IA, soprattutto quando combinato con altre tecniche come la generazione potenziata dal recupero.
L’IA può comporre automaticamente prompt con tutte le informazioni necessarie recuperate da un database, come quelli conservati presso le società di consulenza di alto livello. Questo supererebbe di gran lunga l’output di una singola persona e sarebbe molto più redditizio quando implementato su larga scala.
Anche se la qualità delle risposte fosse solo pari a quella del gruppo di controllo, sarebbero comunque molto più economiche grazie al costo molto basso dei modelli di linguaggio di grandi dimensioni (LLM) rispetto al salario a sei cifre di un singolo laureato di Harvard.
Questo è l’effetto reale dell’IA sia sulla supply chain che sull’occupazione: i guadagni di produttività senza precedenti attraverso l’automazione per compiti quantitativi e qualitativi implementati su larga scala. Questo supererebbe molto probabilmente gli esseri umani in termini di qualità e certamente in termini di ritorno sull’investimento.
Ignorando questo caso d’uso ovvio, l’articolo fornisce una falsa e probabilmente pericolosa sensazione di sicurezza alle persone già preoccupate per l’effetto potenziale dell’IA sulla supply chain e su altri lavori analitici.
