Stanfordská studie s 1500 pracovníky: Co skutečně chtějí od umělé inteligence

Výzkumníci ze Stanford SALT Lab provedli průlomovou celonárodní studii, která odhaluje zásadní rozpor mezi tím, co zaměstnanci skutečně chtějí od AI agentů (AI agents), a současným směřováním technologického výzkumu a investic. Studie s názvem "Budoucnost práce s AI agenty" analyzovala data od 1500 pracovníků ze 104 různých povolání a přináší první komplexní pohled na to, jak se hlasy zaměstnanců často ztrácejí v debatě o automatizaci pracovních míst.

Rozsáhlá databáze WORKBank odhaluje skutečné preference pracovníků

Ve spolupráci s ekonomy ze Stanford Digital Economy Lab výzkumníci vytvořili inovativní auditní rámec založený na průzkumech a zvukovém zpracování dat, který mapuje rizika a příležitosti AI agentů napříč celým spektrem amerických povolání. Tento přístup zaměřený na pracovníky získává poznatky přímo od lidí, kteří konkrétní úkoly skutečně vykonávají. Výsledkem je databáze AI Agent Worker Outlook & Readiness Knowledge Bank (WORKBank) - první databáze, která zachycuje schopnosti AI agentů a preference pracovníků.

Databáze WORKBank v současnosti obsahuje odpovědi od 1500 pracovníků ze 104 povolání a anotace od 52 AI expertů, pokrývající 844 profesních úkolů. Jako zdroj úkolů využívá databázi O*NET amerického ministerstva práce a je navržena tak, aby byla snadno rozšiřitelná o další úkoly a odrážela vyvíjející se technologické schopnosti a preference pracovníků.

Strach a touha - co skutečně motivuje zaměstnance

Studie odhalila tři nejčastější obavy pracovníků ohledně AI automatizace pomocí analýzy přepisů rozhovorů. Nedostatek důvěry představuje 45 % obav, strach z nahrazení prací 23 % a absence lidského přístupu 16,3 %. Zajímavé je, že v sektorech umění, designu a médií získalo pozitivní hodnocení pouze 17,1 % úkolů, což ukazuje na výrazný odpor v kreativních oborech.

Navzdory těmto obavám 46,1 % úkolů získalo od pracovníků pozitivní postoj k AI automatizaci (hodnocení nad 3 na 5bodové Likertově škále), a to i po výslovném zvážení obav, jako je ztráta zaměstnání a snížená spokojenost s prací. Nejčastěji citovanou motivací pro automatizaci je "uvolnění času pro hodnotnější práci", kterou vybralo 69,4 % respondentů. Dalšími běžnými důvody jsou opakující se povaha úkolů (46,6 %), stresovost (25,5 %) a příležitosti ke zlepšení kvality (46,6 %).

Čtyři zóny automatizace odhalují investiční nesoulady

Kontrastování pohledů pracovníků a AI expertů umožnilo klasifikaci profesních úkolů do čtyř zón. Automatizační "zelená zóna" (Automation "Green Light" Zone) obsahuje úkoly s vysokou touhou po automatizaci i vysokými schopnostmi AI - tyto úkoly jsou prvořadými kandidáty pro nasazení AI agentů s potenciálem širokých produktivních a společenských přínosů.

Automatizační "červená zóna" (Automation "Red Light" Zone) zahrnuje úkoly s vysokými schopnostmi AI, ale nízkou touhou pracovníků. Nasazení zde vyžaduje opatrnost, protože může čelit odporu pracovníků nebo představovat širší negativní společenské dopady. Zóna příležitostí pro výzkum a vývoj (R&D Opportunity Zone) obsahuje úkoly s vysokou touhou, ale současně nízkou schopností AI - tyto představují slibné směry pro výzkum umělé inteligence. Zóna nízké priority (Low Priority Zone) pak zahrnuje úkoly s nízkou touhou i schopností.

Výzkumníci použili společnosti Y Combinator (YC) jako zástupný ukazatel a zmapovali je na úkoly v databázi WORKBank. Bohužel současné investice YC se nesoustředí na automatizační "zelenou zónu" a zónu příležitostí pro výzkum a vývoj. Celých 41,0 % společností YC je mapováno na zónu nízké priority a automatizační "červenou zónu", zatímco mnoho slibných úkolů v "zelené zóně" a zóně příležitostí zůstává současnými investicemi nedostatečně pokryto.

Nová škála lidské kontroly HAS mění pohled na automatizaci

Výrazným aspektem auditního rámce je, že jde nad rámec typického zaměření na automatizaci a zkoumá také augmentaci (augmentation) - kde technologie doplňuje a posiluje lidské schopnosti. Pro poskytnutí společného jazyka pro kvantifikaci automatizace versus augmentace výzkumníci představili škálu lidské kontroly (Human Agency Scale - HAS), pětistupňovou škálu od H1 (žádná lidská účast) po H5 (lidská účast nezbytná). Tato nová škála doplňuje automatizační úrovně SAE L0-L5 tím, že kvantifikuje stupeň lidské účasti potřebné pro dokončení profesních úkolů a zajištění jejich kvality, spíše než se zaměřuje na pohled "AI na prvním místě".

Škála lidské kontroly H3 (rovnocenné partnerství - Equal Partnership) se ukázala jako dominantní úroveň preferovaná pracovníky ve 47 ze 104 analyzovaných povolání. To ukazuje na silnou preferenci vyváženého, kolaborativního partnerství s AI napříč mnoha profesemi.

Pracovníci preferují vyšší lidskou kontrolu než technologie vyžaduje

Ze 844 úkolů pracovníci preferují vyšší úrovně lidské kontroly, než co experti považují za technologicky nutné u 47,5 % úkolů. Významně u 16,4 % úkolů je úroveň preferovaná pracovníky o dva stupně vyšší než hodnocení expertů. Toto zjištění potenciálně předznamenává tření, jak se schopnosti AI budou zvyšovat a technologie bude schopna převzít větší část úkolů, než si pracovníci přejí.

Úkoly v rámci stejného povolání se mohou výrazně lišit v požadovaných úrovních lidské kontroly. Výzkumníci navrhují, aby vývoj AI agentů zohledňoval různé úrovně lidské kontroly, aby umožnil kvalitnější a zodpovědnější přijetí.

Transformace dovedností - od zpracování informací k mezilidským schopnostem

Studie také analyzovala posun lidských dovedností pomocí databáze WORKBank. Každý profesní úkol byl spojen se specifickými dovednostmi, na které se spoléhá. Například úkol "schvalovat, zamítat nebo koordinovat schválení nebo zamítnutí úvěrových linek nebo komerčních, realitních nebo osobních půjček" (vykonávaný finančními manažery) je mapován na "rozhodování a řešení problémů" a "vedení, řízení a motivování podřízených".

Pro každou dovednost výzkumníci odhadli úroveň lidské kontroly na základě hodnocení expertů a průměrnou mzdu podle údajů amerického statistického úřadu práce jako míru současné ekonomické hodnoty. Porovnáním hodnocení dovedností na základě těchto dvou dimenzí odhalili tři vznikající trendy, které by mohly potenciálně formovat budoucnost lidské práce.

Prvním trendem je snižující se poptávka po dovednostech zpracování informací. Dovednosti související s analýzou dat a aktualizací znalostí, i když jsou běžné v současných vysokoplatových povoláních, jsou méně výrazné v úkolech, které vyžadují vysokou lidskou kontrolu.

Druhým trendem je větší důraz na mezilidské a organizační dovednosti. Dovednosti zahrnující lidskou interakci, koordinaci a monitorování zdrojů jsou častěji spojeny s úkoly s vysokou HAS, i když nejsou v současnosti upřednostňovány v hodnoceních založených na mzdách.

Třetím trendem je, že vysokokontroldí dovednosti pokrývají rozmanité aspekty. Prvních 10 dovedností s nejvyšší průměrnou požadovanou lidskou kontrolou zahrnuje širokou škálu od mezilidských a organizačních schopností po rozhodování a posuzování kvality.