Jak AI mění pracovní trh: Analýza dat z Bing Copilot

V dnešní době se generativní umělá inteligence (AI) stává součástí každodenního života a práce. Tento článek se zaměřuje na studii, která analyzuje 200 tisíc anonymizovaných konverzací mezi uživateli a systémem Microsoft Bing Copilot. Tato data byla shromážděna v USA během devíti měsíců v roce 2024. Studie, jejíž autoři jsou Kiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts a Siddharth Suri, zkoumá, jak AI pomáhá s pracovními aktivitami a jaké to má důsledky pro různá povolání. Používají databázi O*NET, která rozděluje povolání na hierarchické pracovní aktivity, a kombinují to s údaji o mzdách a zaměstnanosti z Bureau of Labor Statistics (BLS).

Klíčovým prvkem analýzy je rozdělení na dvě kategorie: cíle uživatelů, kde AI pomáhá s úkoly, které člověk chce splnit, a akce AI, kde AI sama provádí činnosti. Například, pokud uživatel hledá radu, jak vytisknout dokument, cíl uživatele je obsluhovat kancelářské zařízení, zatímco akce AI je trénovat ostatní v používání zařízení. Tato data ukazují, že AI se nejčastěji používá pro sběr informací, psaní a komunikaci, což odpovídá znalostní práci.

Metodika: Jak byla data zpracována

Studie využívá dvě sady dat: Copilot-Uniform s 100 tisíci náhodně vybranými konverzacemi pro reprezentativní pohled a Copilot-Thumbs s dalšími 100 tisíci konverzacemi, kde uživatelé poskytli zpětnou vazbu pomocí palců nahoru nebo dolů. Konverzace byly klasifikovány do intermediárních pracovních aktivit (IWA) z O*NET, což je 332 obecných činností, jako je "sbírat informace z fyzických nebo elektronických zdrojů".

Klasifikace probíhala pomocí modelu GPT-4o v dvoufázovém procesu: nejprve shrnutí cílů a akcí, pak binární klasifikace, zda konverzace odpovídá dané IWA. Úspěšnost byla měřena zpětnou vazbou uživatelů, mírou dokončení úkolu a rozsahem dopadu, který hodnotí, jak velkou část aktivity AI pokrývá. Na základě toho byl vypočítáno skóre použitelnosti AI pro každé povolání, které zohledňuje pokrytí, úspěšnost a rozsah.

Tento přístup umožňuje relativní srovnání povolání, nikoli absolutní procenta, protože prahy pro "pokrytí" ovlivňují výsledky. Například, pokud se aktivita objevuje v alespoň 0,05 % konverzací, považuje se za pokrytou.

Výsledky: Nejčastější aktivity a ohrožená povolání

Data ukazují, že nejčastější cíle uživatelů zahrnují sběr informací (jako "sbírat informace" nebo "získávat informace o zboží nebo službách"), psaní (jako "psát materiály pro umělecké nebo komerční účely") a komunikaci (jako "poskytovat informace klientům"). Na straně AI jsou běžné akce jako poskytování pomoci, vysvětlování a radění, například "poskytovat obecné rady" nebo "vysvětlovat technické detaily".

Úspěšnost je vysoká u psaní a výzkumu, kde podíl pozitivní zpětné vazby přesahuje 50 %, zatímco analýza dat nebo vizuální design mají nižší úspěšnost. Rozsah dopadu je větší u pomoci uživatelům než u přímých akcí AI. Například, 40 % konverzací má odlišné sady aktivit pro uživatele a AI, což ukazuje na asymetrii.

Nejvíce ovlivněná povolání mají vysoké skóre aplikace AI, což znamená potenciál pro automatizaci nebo vylepšení. Zde je tabulka 10 nejohroženějších povolání podle skóre (průměr z cílů uživatelů a akcí AI). Data vycházejí z tabulky 3 studie, kde je coverage podíl pokrytých aktivit, completion míra dokončení, scope rozsah dopadu a score celkové skóre. Zaměstnanost je v USA.

Tato povolání mají vysoké skóre díky překrývání s aktivitami jako psaní, sběr informací a komunikace. Naopak nejnižší skóre mají povolání s fyzickou prací, jako myči nádobí nebo pokrývači střech.

Diskuse: Co to znamená pro budoucnost

Studie zdůrazňuje, že AI pomáhá především se znalostní prací, ale neznamená to automatickou ztrátu pracovních míst. Například bankovní pokladníci se po zavedení bankomatů zaměřili na vztahy s klienty, což vedlo k více pobočkám. Autoři upozorňují na limity: data jsou jen z jednoho systému, O*NET nemusí být aktuální a konverzace nemusí odrážet veškerou práci. Budoucí výzkum by měl sledovat, jak se povolání mění a jak vznikají nová.

Srovnání s předpověďmi z práce Tyna Eloundou, Sam Manning, Pamela Mishkin a Daniel Rock ukazuje korelaci 0,73 na úrovni povolání, což potvrzuje, že skutečné použití AI odpovídá očekáváním. Nicméně, dopad na mzdy a zaměstnanost zůstává otevřený – AI může zvyšovat produktivitu, ale i měnit strukturu práce.