Ipinakita ng Anthropic ang epekto ng AI sa mga mataas-kasanayan na trabaho, pinakamalaking panganib ang mga programmer

Kahapon, inilabas ng Anthropic ang isang pag-aaral na detalyado ang mga trabaho na kasalukuyang binabago ng AI. Ang mga grupo na pinakamalaking epekto ay nagsisilbing kahanga-hanga: mas matanda, mas edukado, at mas mataas ang kita (47% mas mataas kaysa sa average). At ang kanilang posibilidad na may graduate degree ay apat na beses na mas mataas kaysa sa mga taong hindi pa nababawasan ng AI.

Ngunit ang pag-aaral ay nagpapakita na ang AI ay malayo pa sa kanyang teoretikal na limitasyon, at ang kasalukuyang praktikal na sakop ay tanging kaunting bahagi lamang ng mga maaaring maisagawa. Sa partikular, bagaman may teoretikal na kakayahang maisagawa ng AI ang ilang mga gawain, hindi pa ito nabuo bilang malawakang praktikal na aplikasyon, at ang pangunahing dahilan ay ang mga limitasyon ng modelo mismo, mga pagtatakda ng batas at regulasyon, mga hadlang sa pagkakasya ng espesyalisadong software, at mga pangangailangang human verification.

Mahalagang tandaan na ang kumpanya na naglabas ng pag-aaral na ito ay ang mismo ang kumpanya na nagbebenta ng kilalang malaking modelo na Claude. Isang kumpanya na nagbebenta ng AI, ay naglabas ng pinakamasamang data para sa sarili nito. Maaaring paborin ni Anthropic ang mga konklusyon dahil sa mga komersyal na motibo, ngunit pinili pa rin nilang gawing publiko.

Bago ipakita ang mga resulta ng pag-aaral, ipinakilala ng Anthropic, “Sa kasalukuyan, ang ebidensya tungkol sa epekto ng AI sa paggawa ay limitado pa. Ang aming layunin ay magtatag ng isang paraan upang masukat kung paano nakakaapekto ang AI sa paggawa, at mag-update nang regular sa hinaharap. Ang paraang ito ay hindi makakakuha ng lahat ng paraan kung paano binabago ng AI ang merkado ng puwes, ngunit sa pamamagitan ng pagtatayo ng pundasyon bago lumabas ang malaking epekto, inaasahan naming mas maaasahan namin ang pagkilala sa mga ekonomikong pagbabago sa hinaharap, kaysa magbigay ng dahilan pagkatapos. Ang epekto ng AI ay maaaring maging napakalaking bagay sa wakas. Ngunit habang ang epekto ay hindi pa malinaw, ang framework na ito ay lalong kapaki-pakinabang upang matukoy ang pinakamahina mga trabaho bago mangyari ang pagpapalit.”

Ang lohika ng kanilang pag-aaral ay diretso. Binuo ng Anthropic ang isang bagong indikador na tinatawag na “observed exposure,” na hindi tumitingin kung ano ang “kakayahan” ng AI, kundi kung ano ang “ginagawa” nito sa totoong mga propesyon. Sa kasalukuyan, batay ang indikator na ito sa mga totoong data mula sa milyon-milyon na mga diyalogo ng Claude ng mga corporate user. Kung nag-utos ka ng apat na taon at $200,000 para makakuha ng isang degree para makapasok sa isang白领 na trabaho, ang mga kumpanyang nag-develop ng Claude ay tiyak na: ang iyong observed exposure ay maaaring mas mataas kaysa sa barkeeper na nagbenta ng alak sa iyo sa iyong graduation ceremony.

Halimbawa, sa mga posisyon na may kinalaman sa kompyuter at matematika, ang pagkakatugma ng teorya ng malalaking modelo ay 94%, ngunit ang kasalukuyang sakop ay 33% lamang; sa mga posisyon sa opisina at administrasyon, ang teoryal na kakayahan ay 90%, samantalang ang kasalukuyang paggamit ay 40%. Ang pagkakaiba sa pagitan ng “ano ang kayang gawin ng AI” at “ano na ang ginagawa nito” ay patuloy na malaki. Malinaw din na ipinahayag ng mga mananaliksik ang susunod na mangyayari: habang tumataas ang kakayahan at lumalalim ang aplikasyon, ang praktikal na paggamit ay magkakaroon ng paulit-ulit na pagpuno sa teoryal na kakayahan.

Ayon sa mga datos, ang mga programmer ay nasa unang lugar sa listahan ng 10 pinakamataas na propesyon na may malaking eksposur sa AI, na may 74.5% na coverage ng mga gawain (na sumasalamin sa karaniwang paggamit ng AI sa pag-unlad ng code); ang mga customer service representative ay nasa pangalawa dahil sa madalas na paggamit ng official API interface, na may 70.1%; at ang mga data entry clerk ay nasa pangatlo dahil sa mataas na automation ng proseso ng pag-input ng impormasyon, na may 67% na coverage.

Sa ibaba, ang mga espesyalista sa medikal na档案 ay 66.7%; ang mga analista sa pag-aaral ng merkado at mga espesyalista sa pagmemarka ay 64.8%; ang mga representante ng pagbebenta sa wholesale at paggawa (hindi kasama ang teknikal at siyentipikong produkto) ay 62.8%; ang mga analista sa pondo at pag-invest ay 57.2%; ang mga analista at tester sa kalidad ng software ay 51.9%; ang mga analista sa seguridad ng impormasyon ay 48.6%; ang mga espesyalista sa suporta sa computer user ay 46.8%.

Hindi ito mga paghuhula, kundi totoong pagpapalit ng trabaho na nangyayari saayon sa mga AI platform ngayon.

Bukod dito, ang teknolohiyang nagpapabago sa mga propesyonal na trabaho ay may kaunting epekto sa halos isang-katlo ng puwersa ng paggawa. Mula sa mga propesyong nasa dulo, 30% ng mga manggagawa ay walang anumang eksposur sa AI; ang kanilang mga gawain ay sobrang mababa sa kahalagahan sa statistikal na sample, kaya hindi ito nakarating sa threshold para sa pagsukat, at ang kanilang pagkakaroon ng AI sa kanilang mga gawain ay zero. Mga karaniwang posisyon ay kasama ang mga kusinero, teknisyo ng motorcycle, tagapagligtas, bartender, tagapaglinis ng pinggan, at mga serbisyo sa locker room. Samantala, marami pa ring mga trabaho na nananatili sa labas ng hangganan ng kakayahan ng AI, kabilang ang pagpapalit ng puno, paggamit ng makinarya sa agrikultura, at iba pang praktikal na legal na gawain tulad ng pagiging abogado sa korte.

Hindi na ang pagkakaiba ay “mataas na kasanayan vs mababang kasanayan,” kundi “kung nakakapalibot ng AI.” Sa pamamagitan ng paggawa ng regression analysis sa antas ng trabaho na may timbang na batay sa kasalukuyang laki ng paggawa, ang mga resulta ay nagpapakita: Mas mataas ang aktwal na eksposur sa AI, mas mahina ang inaasahang paglago ng trabaho. Bawat 10 porsyento pagtaas sa takip ng gawain, bumababa ang inaasahang paglago ng trabaho ng BLS ng 0.6 porsyento. Ang mahinang ugnayan na ito ay nagpapatotoo sa pagkakasunod-sunod ng indikator na ito sa mga datos ng propesyonal na pagtataya ng trabaho; mahalaga na tandaan na ang paggamit lamang ng tradisyonal na koepisyenteng kakayahan β ay hindi makakakita ng katangiang ito.

Ang tunay na nagdudulot ng pag-aalala ay ang mga natuklasan sa antas ng demograpiko. Kapag ihahambing ang mga propesyonal sa 25% na may pinakamataas na eksposur sa 30% na may zero eksposur, malinaw ang pagkakaiba: mas mataas ang porsyento ng mga kababaihan sa grupo na may mataas na eksposur ng 16 puntos, mas mataas ang porsyento ng mga puti ng 11 puntos, at halos doble ang porsyento ng mga Asyano.

At ang pinakamataas na antas ng pagkakaroon ng AI, ang kanilang average na kita ay 47% mas mataas kaysa sa pinakamababang antas ng pagkakaroon, at mas mataas din ang pangkalahatang antas ng edukasyon. Sa grupo na may zero na pagkakaroon, ang porsyento ng mga may gradwadong degree ay 4.5% lamang, samantalang sa grupo na may mataas na pagkakaroon, ito ay 17.4%, isang pagkakaiba na halos apat na beses.

Ipapakita ng pagkalkula sa ekstremong skenaryo na kung ang mga empleyado sa mga posisyon na may pinakamataas na eksposur (top 10%) ay masakop ng malawakang pagpapabaya, ang antas ng kawalan ng trabaho sa unang kuartil ng mga may mataas na eksposur ay maaaring tumaas mula sa 3% patungo sa 43%, habang ang pangkalahatang antas ng kawalan ng trabaho ay maaaring umabot mula sa 4% patungo sa 13%.

At ang mga tao na ito, sila ang mga dating itinuturing na “naka-protekta ng edukasyon.” Isang netizen ang nagkomento, “Seryoso, medyo nakakagulat, pero makatotohanan, dahil posibleng may mga kasanayan sila na madaling ma-transfer sa mga mabilis na umuunlad na teknolohiya.”

Lalo na dapat pansinin ang mga kabataang manggagawa, ayon kay Brynjolfsson at iba pa, sa grupo ng mga taong 22 hanggang 25 taong gulang, bumaba ang dami ng pagkakataon sa trabaho na mataas ang eksposur sa 6% hanggang 16%. Sa pananaliksik, ang pangunahing dahilan ng pagbaba sa pagkakataon sa trabaho ay ang pagbaba ng paghingi ng mga kumpanya, hindi ang pagtaas ng pagpapalaya o pagkakawala ng trabaho.

Dagdag pa, natuklasan ng mga siyentipiko ng Anthropic na pagkatapos tanggalin ang mga espesyal na pagkakaiba-iba sa panahon ng 2020 hanggang 2021, may malinaw na pagkakahati sa trend ng paghingi ng kabataan sa mga trabaho noong 2024: ang pagkakaroon ng mga posisyon na mataas ang eksposur sa AI ay nagsabog nang malaki. Ang buwanang rate ng pagkakaroon ng mga bagong empleyado sa mga propesyon na mababang eksposur ay nanatili sa parehong antas na 2%, habang bumaba ang rate ng pagkakaroon ng mga bagong empleyado sa mga mataas na eksposur na posisyon ng halos 0.5 puntos porsyento. Ang komprehensibong pagkalkula ay nagpapakita na mula nang maabot ni ChatGPT ang pangkalahatang paggamit, bumaba ang rate ng pagkakaroon ng kabataan sa mga mataas na eksposur na propesyon ng 14% kumpara sa 2022; ang resultang ito ay nasa marginal na estadistikal na kahalagahan; samantala, wala namang ganitong pagbaba sa paghingi ng empleyado sa mga manggagawa na higit sa 25 taong gulang.

Hindi lamang ito mga “trabaho” ang entry-level positions; sila ay mga training ground: ang entry-level analysts ay nagiging senior analysts dito, ang entry-level lawyers ay natututunan kung paano buuin ang kanilang argumento. Kung nawala ang antas na ito, saan mabubuo ang mga magiging senior professional sa hinaharap? Ang tanong na ito, hanggang ngayon, ay walang sagot.

Sambil iyon, may nagkomento ang isang netizen: “Kung ang AI ay magpapalit sa lahat ng mga manggagawa sa kaalaman at mga teknikal na propesyonal, sino ang magpapagawa ng susunod na hanay ng training data kung ang kasalukuyang dataset ng model ay nagsisimula nang magiging obsolete? Sino ang maglilikha ng malaking dami ng nilalaman na maaaring i-search sa internet, na siya naman ang pangunahing sangkap para sa output ng AI model? Bukod pa rito, kung ang karamihan sa pangunahing gumagamit ng AI ay magkakaroon ng pagkawala ng trabaho, sino ang magpapatuloy na magbabayad ng malaking gastos sa computing power upang suportahan ang pagpapatakbo at pagpapabuti ng AI?”

Mga kaukulang link: https://www.anthropic.com/research/labor-market-impacts

Nakuha mula sa WeChat public account na "AI Frontline", inayos: Hua Wei