Od momentu publicznego debiutu ChatGPT w listopadzie 2022 roku media pełne są alarmujących nagłówków o nadchodzącej rewolucji na rynku pracy. Sztuczna inteligencja miała zastąpić miliony pracowników umysłowych, zautomatyzować biura i zmienić gospodarkę nie do poznania. Minęły już 33 miesiące, a więc wystarczający czas, aby pierwsze skutki stały się widoczne. 

Najnowsza analiza Yale University Budget Lab  udowadnia że pomimo szumu medialnego, rynek pracy nie doznał żadnego zauważalnego wstrząsu związanego z generatywną AI. Badacze przywołują wcześniejsze zmiany wywołane przez pojawienie komputera. Minęła niemal dekada, zanim stały się powszechne, a jeszcze więcej czasu zajęło im rzeczywiste przekształcenie sposobu pracy. Podobnie było z internetem na przełomie XX i XXI wieku, mimo paniki o „wszechobecną komputeryzację „, struktura zawodowa gospodarki zmieniła się zaledwie o 7 punktów procentowych w ciągu sześciu lat.

Dlaczego tak się dzieje? Badacze uważają, że potrzebny jest czas na: opracowanie praktycznych zastosowań biznesowych,  przeszkolenie pracowników, zmianę procesów i kultury organizacyjnej, dostosowanie infrastruktury oraz wypracowanie najlepszych praktyk.

Analiza Yale University  Budget Lab pokazuje, że tempo zmian w strukturze zawodowej od premiery ChatGPT jest zaledwie o około 1 punkt procentowy wyższe niż podczas rewolucji internetowej. To różnica niewielka i mieszcząca się w normalnej zmienności rynku pracy.

Badacze przeanalizowali rynek pracy pod kątem kilku kluczowych wskaźników. Wynika z nich, że struktura zawodowa pozostaje stabilna. Gdyby sztuczna inteligencja masowo zastępowała pracowników, obserwowalibyśmy szybkie przesunięcia w rozkładzie zawodów w gospodarce. Tymczasem proporcje utrzymują się na niemal niezmienionym poziomie. Co więcej, trendy, które dostrzegamy obecnie, zaczęły kształtować się już w 2021 roku – przed debiutem ChatGPT.

Sztuczna inteligencja a bezrobocie 

Szczególnie istotna jest analiza bezrobotnych. Jeśli AI faktycznie wypychałaby ludzi z pracy, powinniśmy zobaczyć wzrost bezrobocia wśród osób z zawodów najbardziej narażonych na automatyzację. Dane tego nie potwierdzają. Niezależnie od tego, jak długo ktoś pozostaje bez pracy (5 tygodni czy ponad 27 tygodni), przeciętna „ekspozycja” na AI w jego poprzednim zawodzie pozostaje podobna, między 25% a 35% zadań. Sugeruje to, że AI nie jest głównym czynnikiem wpływającym na długość bezrobocia. Jeśli sztuczna inteligencja byłaby główną przyczyną długotrwałego bezrobocia  osoby bezrobotne długoterminowo pochodziłyby z zawodów o wyższej ekspozycji na AI. Tymczasem proporcje są podobne.

Sektor informacji, finanse i usługi biznesowe to branże teoretycznie najbardziej narażone na wpływ AI. Rzeczywiście widzimy w nich większe zmiany w strukturze zatrudnienia niż w całej gospodarce. Problem w tym, że te zmiany rozpoczęły się znacznie wcześniej, jeszcze przed ChatGPT. A patrząc na dłuższą perspektywę, sektor informacji zawsze charakteryzował się wysoką zmiennością, to cecha branży, nie skutek konkretnej technologii.

Młodzi absolwenci: czy to oni płacą cenę?

Jednym z nielicznych sygnałów ostrzegawczych jest sytuacja młodych absolwentów uczelni. Różnice w strukturze zatrudnienia między osobami w wieku 20-24 lat a starszymi kolegami (25-34 lata) rosną nieco szybciej w ostatnich miesiącach. To może potwierdzać niedawne badania sugerujące wpływ AI na zatrudnienie osób na początku kariery.

Jednak interpretacja tych danych wymaga ostrożności. Po pierwsze, próba badawcza jest niewielka, co zwiększa statystyczną niepewność. Po drugie, różnice te mogą równie dobrze wynikać z ogólnego spowolnienia na rynku pracy, które tradycyjnie najboleśniej uderza w najmłodszych. Historia gospodarcza pokazuje, że to właśnie ludzie z najmniejszym doświadczeniem jako pierwsi odczuwają trudniejsze czasy.

Przepaść między teorią a praktyką

Jednym z najciekawszych odkryć badania jest olbrzymia różnica między teoretyczną „ekspozycją” zawodów na AI a ich rzeczywistym użyciem tej technologii. OpenAI opracowało miarę „ekspozycji” – teoretyczne określenie, jak bardzo AI mogłaby pomóc w wykonywaniu zadań danego zawodu. Tymczasem Anthropic udostępniła dane o rzeczywistym użyciu swojego chatbota Claude. Porównanie tych dwóch miar ujawnia zasadniczą prawdę: korelacja między nimi jest słaba.

Programiści i pisarze faktycznie masowo używają AI, te grupy zawodowe są znacznie nadreprezentowane w danych o użyciu Claude. Ale wiele innych zawodów, teoretycznie równie „narażonych”, praktycznie w ogóle nie korzysta z tych narzędzi. Pracownicy biurowi, którzy mają podobny poziom ekspozycji jak programiści, w rzeczywistości znacznie rzadziej sięgają po AI.

To ujawnia fundamentalną różnicę między tym, co AI mogłaby robić, a tym, co faktycznie robi w codziennej praktyce zawodowej. Technologia dostępna nie oznacza technologii przyjętej.

Problem z danymi: widzimy tylko wierzchołek góry lodowej

Autorzy badania szczerze przyznają: dostępne dane są dalekie od ideału. Miara „ekspozycji” OpenAI to teoretyczna konstrukcja. Mówi nam, które zawody mogłyby skorzystać na AI, ale nic nie mówi o tym, czy faktycznie to robią. To jak prognoza pogody zamiast raportu o rzeczywistej temperaturze.

Z kolei dane Anthropic o użyciu Claude, choć bezcenne w swojej konkretności, mają inne ograniczenia. Claude jest szczególnie popularny wśród programistów i pisarzy ze względu na swoją reputację w tych dziedzinach. Dane z ChatGPT, Gemini czy Copilota mogłyby wyglądać zupełnie inaczej. Patrzymy więc tylko na fragment układanki.

Co więcej, dane Claude nie obejmują wszystkich zadań zawodowych, co stawia badaczy przed dylematem: jak traktować brakujące informacje? Jako zerowe użycie czy po prostu jako „nie wiemy”? Wybór dramatycznie zmienia wyniki: od 70% pracowników w zawodach o wysokim użyciu automatyzacji (licząc tylko obserwowane zadania) do zaledwie 3% (gdy brakujące zadania traktujemy jako zerowe użycie).

Autorzy badania apelują o kompleksowe dane o użyciu AI ze wszystkich głównych platform. Potrzebna jest wiedza nie tylko tego, kto teoretycznie mógłby używać AI, ale kto faktycznie używa, jak często, do jakich zadań i z jakim skutkiem.

Anthropic zasługuje na pochwałę za transparentność w dzieleniu się danymi o użyciu Claude, włączając w to niedawno udostępnione dane korporacyjne. Ale to kropla w morzu potrzeb. Google, Microsoft, OpenAI i inni giganci technologiczni muszą pójść w te ślady. Oczywiście z poszanowaniem prywatności użytkowników, ale również z pełną transparentnością co do skali i charakteru użycia.

Dopiero wtedy będziemy mogli odpowiedzieć na podstawowe pytania:

– Które branże faktycznie adoptują AI w znaczącej skali?

– Jakie konkretnie zadania są automatyzowane?

– Czy AI zastępuje pracę, czy ją wspomaga?

– Jak szybko postępuje rzeczywista adopcja?

Spokój czy cisza przed burzą?

Kluczowe pytanie brzmi: czy obecny spokój na rynku pracy oznacza, że obawy przed AI były przesadzone, czy może po prostu jeszcze za wcześnie na widoczne skutki? Historia sugeruje to drugie. Rewolucje technologiczne potrzebują czasu. Minęło 33 miesiące od ChatGPT – to zaledwie dwa i pół roku. W kontekście dekad, które zajęło komputerom przekształcenie biur, to mgnienie oka. Możliwe, że stoimy u progu transformacji, która dopiero się rozwinie. Z drugiej strony, AI rozwija się w tempie bezprecedensowym. Kolejne modele pojawiają się co kilka miesięcy, każdy potężniejszy od poprzedniego. Bariery wejścia są niższe niż kiedykolwiek, bowiem w przeciwieństwie do wdrażania komputerów w latach 80., dziś każdy z dostępem do internetu może zacząć używać zaawansowanej AI za darmo lub za niewielką opłatę.

Badanie niesie ważne przesłanie dla decydentów i pracodawców: *panika nie jest uzasadniona, ale to nie powód do bezczynności. Brak widocznych skutków dziś nie oznacza, że ich nie będzie jutro. To moment na: monitoring i badania (Budget Lab zapowiada miesięczne aktualizacje swoich analiz), przygotowanie pracowników i systemów wsparcia na nadchodzące zmiany, a także skupienie się na faktach. Media i politycy powinni opierać się na danych, nie na spekulacjach i sensacyjnych nagłówkach. Przesadzona panika może prowadzić do złych decyzji.

Przyszłość pod znakiem zapytania

Autorzy badania przyznają, iże ich analiza nie jest predykcyjna. Opisuje przeszłość i teraźniejszość, nie przyszłość. Fakt, że przez 33 miesiące nie widzieliśmy rewolucji, nie oznacza że nie przyjdzie ona w miesiącu 34., 50. czy 100.

Generatywna AI jest wciąż na wczesnym etapie rozwoju. Możliwości modeli rosną wykładniczo. Rozwijają się też sposoby w jaki firmy uczą się je wykorzystywać Może minąć jeszcze kilka lat zanim zobaczmy prawdziwy wpływ. A może ten wpływ będzie zupełnie inny niż się spodziewamy, nie masowa automatyzacja, ale subtelna transformacja sposobu pracy.

Historia technologii uczy nas pokory. Na początku XX wieku ludzie obawiali się, że automobil zniszczy gospodarkę opartą na koniach i powozach. Mieli rację co do niszczenia starego porządku, ale całkowicie nie docenili skali nowych możliwości, które przyniesie motoryzacja. Być może podobnie jest z AI.