AI: NESSUNO SA QUANTI LAVORI SARANNO PERSI

Qualunque cosa questo significhi

Ho scritto qui: sulla corsa all’intelligenza artificiale, ma da quello che ho imparato recentemente sull’IA, risulta che bisogna pensare a questo problema in termini di perdita di posti di lavoro.

Il modello popolare dell’automazione è che porta gli esseri umani a rimanere senza lavoro (oggi hai un lavoro ritenuto prezioso e domani sei nei registri dell’INPS, Istituto Nazionale della Previdenza Sociale).

Non è così che le cose hanno funzionato in passato: abbiamo implementato la tecnologia di automazione per secoli e, a partire dal 2023, praticamente, ogni essere umano che vuole un lavoro lo ottiene, ma non c’è fondamentalmente modo di far credere alla gente che questa prossima ondata di automazione sarà quella che, alla fine, manderà gli esseri umani in disuso.

Questi timori sono amplificati da una sfilata infinita e implacabile di resoconti dei media, che dichiarano che una grande percentuale di posti di lavoro è: vulnerabile all’automazione, o andrà persa a causa dell’automazione.

Office and administrative positions (46%) and legal jobs (44%) are exposed most in Goldman's model. They expect to see manual labor hit, but not nearly to the same extent. pic.twitter.com/tfhnRm0cEC

— INSIDE (@inside) April 5, 2023

In realtà, il rapporto Goldman non dice nulla del genere, come vedremo tra poco. In effetti, i ricercatori che hanno pubblicato questo tipo di rapporto, hanno migliorato sostanzialmente il loro linguaggio e la loro metodologia negli ultimi anni; i resoconti dei media semplicemente non hanno tenuto conto del cambiamento positivo.

Ma prima, esaminiamo rapidamente la storia di questo tipo di rapporto.

Siamo già stati qui e l’ultima volta non aveva molto senso.

Nel corso degli anni ci sono stati molti studi che affermavano che l’X% dei posti di lavoro sono a rischio di automazione. Ad esempio, ecco quello della Vox nel 2018:

I ricercatori della  Citibank e dell’Università di Oxford hanno stimato che il 57% dei posti di lavoro nei paesi dell’OCSE – un gruppo internazionale di 36 nazioni, tra le quali gli Stati Uniti – erano ad alto rischio di automazione entro i prossimi decenni. In un altro studio ben citato, i ricercatori dell’OCSE hanno calcolato che solo il 14% dei posti di lavoro è ad alto rischio di automazione, entro la stessa tempistica. Questa è un ampio ventaglio, se si considera che significa una differenza di centinaia di milioni di potenziali posti di lavoro persi, nei prossimi decenni.

Quello della Price Waterhouse Coopers nel 2016:

La percentuale stimata di posti di lavoro esistenti ad alto rischio di automazione, entro i primi anni 2030, varia significativamente da paese a paese. Queste stime vanno, da solo circa il 20-25% in alcune economie dell’Asia orientale e nordica, con livelli di istruzione medi relativamente elevati, ad oltre il 40% nelle economie dell’Europa orientale, dove la produzione industriale, che tende ad essere più facile da automatizzare, rappresenta ancora una quota relativamente elevata dell’occupazione totale.

Eccone un altro dal World Economic Forum, nel 2016, che dà un risultato di circa il 40%.

In altre parole, abbiamo ricevuto avvertimenti sulla perdita di posti di lavoro di massa, a causa dell’automazione (o vulnerabilità all’automazione) da ben prima che ChatGPT e i suoi cugini apparissero sulla scena.

Questo solleva una domanda chiave: cosa diavolo significa essere automatizzato per un lavoro?

• Significa che un essere umano viene sostituito da una macchina e va a far parte dei registri dell’assistenza sociale?
• Significa che un essere umano viene sostituito da una macchina e ottiene un lavoro simile per un altro datore di lavoro?
• Significa che un essere umano viene sostituito da una macchina e ottiene un diverso tipo di lavoro con lo stesso datore di lavoro?
• Significa che un essere umano viene sostituito da una macchina e ottiene un diverso tipo di lavoro con un datore di lavoro diverso?
• Significa che un essere umano usa una macchina per svolgere alcune delle sue mansioni e lavora meno in generale, pur mantenendo lo stesso lavoro con lo stesso datore di lavoro?
• Significa che un essere umano usa una macchina per svolgere alcune delle sue mansioni lavorative, mentre assume ulteriori nuove mansioni e mantiene la sua qualifica professionale con lo stesso datore di lavoro?
• Significa che un essere umano usa una macchina per svolgere alcune delle sue mansioni lavorative, mentre assume ulteriori nuove mansioni lavorative e cambia la sua qualifica professionale pur rimanendo con lo stesso datore di lavoro?

… E così via. Nessuno degli studi di cui sopra definisce esattamente cosa significhi “un lavoro da automatizzare“, ma le differenze tra le potenziali definizioni hanno enormi conseguenze sul fatto che dovremmo temere, o abbracciare l’automazione.

Se dici a un lavoratore: “Otterrai nuovi strumenti che ti permetteranno di automatizzare la parte noiosa del tuo lavoro, di passare a un titolo di lavoro più responsabile e di ottenere un aumento”, è fantastico!

Se dici a un lavoratore: “Dovrai imparare a fare cose nuove e usare nuovi strumenti nel tuo lavoro”, può essere stressante, ma alla fine non è un grosso problema.

Se dici a un lavoratore: “Dovrai passare anni a riqualificarti per un’altra occupazione, ma alla fine il tuo stipendio sarà lo stesso”, è altamente dirompente, ma alla fine sopportabile.

E se dici a un lavoratore: “Scusa, ora sei obsoleto come un cavallo, divertiti a imparare come funzionano i buoni pasto”, beh, è molto molto brutto.

Ad ogni modo, non solo gli studi non riescono a definire cosa significhi essere automatizzato per un lavoro, ma non cercano nemmeno di capire l’impatto aggregato di questa automazione, sul mercato del lavoro.

Se un posto di lavoro viene distrutto dall’automazione e altri due vengono creati per salari più alti, i lavoratori, ovviamente, vincono, ma questo tipo di studio esaminerà quel risultato e dirà solo che: “un lavoro è stato automatizzato“, il che suona come una perdita per i lavoratori.

Inoltre, il modo in cui questi studi valutano quali lavori siano a rischio di essere “automatizzati“, è altamente sospetto.

Ad esempio: diamo un’occhiata a Frey e Osborne (2013), il documento dietro il rapporto Oxford / Citibank. Ecco come hanno deciso se un’occupazione era automatizzabile:

“In primo luogo, insieme a un gruppo di ricercatori ML, abbiamo etichettato soggettivamente, a mano, 70 occupazioni, assegnando 1 se automatizzabile e 0 se non automatizzabile. Le nostre assegnazioni di etichette erano basate sull’osservazione delle attività O∗NET e sulla descrizione del lavoro di ogni occupazione … L’etichettatura manuale delle professioni è stata fatta rispondendo alla domanda: “I compiti di questo lavoro possono essere sufficientemente specificati, subordinati alla disponibilità di grandi dati, per essere eseguiti da apparecchiature controllate da computer all’avanguardia”. Pertanto, abbiamo assegnato solo un 1 alle occupazioni completamente automatizzabili, nelle quali abbiamo considerato tutte le attività automatizzabili. Per quanto a nostra conoscenza, abbiamo considerato la possibilità di semplificare le attività, eventualmente consentendo l’automazione di alcune attività attualmente non automatizzabili. Le etichette sono state assegnate solo alle occupazioni su cui eravamo più sicuri.”

Quindi, in pratica, questi ricercatori hanno esaminato un database di descrizioni dei lavori e hanno deciso, soggettivamente, quali pensavano potessero essere sostituiti dai computer. Poi, hanno testato le proprie previsioni correlandole con varie descrizioni numeriche nel database (ad esempio: quanta “destrezza manuale” o “originalità” si dice che un lavoro richieda, su una scala a 3 punti) ed hanno scoperto che le loro valutazioni soggettive erano fortemente correlate con questi attributi.

Per essere perfettamente schietti, questo sembra un metodo piuttosto scadente per valutare l’automatizzabilità dei lavori.

In primo luogo, è chiaro che gli autori hanno un’ipotesi su quali tipi di lavori siano automatizzabili – fondamentalmente, cose che non richiedono molta originalità, destrezza manuale, o interazione umana – e, quindi, in pratica, assumono che l’ipotesi sia vera e classificano i lavori di conseguenza.

Questo è, sostanzialmente, solo un essere umano che guarda una descrizione molto generale, di un lavoro di cui non capisce affatto le specifiche e decide se è il tipo di cosa che pensa che un computer potrebbe sostituire.

Rispettosamente, non penso che questo tipo di metodologia aggiunga molto alla nostra comprensione di come l’automazione influenzerà i lavori, in modo specifico, o nel complesso. Se l’elenco delle attività associate a ciascun lavoro, nel database non è in realtà una descrizione completa di ciò che il lavoro comporta – se ci sono requisiti di lavoro sottili che non sono elencati nel breve schizzo del Dipartimento del lavoro – allora, l’intera analisi potrebbe essere massicciamente buttata via.

Ad esempio: è probabile che poche descrizioni di lavoro includano compiti come: “massaggiare l’ego del tuo capo, in modo che non prenda decisioni stupide che fanno perdere tempo”, eppure, in realtà, questa è probabilmente una componente significativa di molti lavori!

Ed è anche qualcosa che potrebbe essere molto più difficile da automatizzare rispetto, ad esempio, alla “compilazione di fogli di calcolo Excel” o, per lo meno, richiede un tipo di automazione molto diverso.

Gli autori ignorano anche la possibilità che i lavoratori possano aggiungere nuove attività al loro lavoro, quando le vecchie attività vengono automatizzate, ad esempio, mantenendo una pressa per trapano, piuttosto che forare le cose a mano.

Inoltre, questo ha attirato la mia attenzione:

Il fatto che etichettiamo solo 70 delle 702 occupazioni complete, selezionando quelle occupazioni di cui siamo altamente sicuri dell’etichetta di informatizzazione, riduce ulteriormente il rischio di pregiudizi soggettivi che influenzano la nostra analisi.

In che modo l’eliminazione soggettiva del 90% dei dati riduce il pregiudizio soggettivo in un’analisi quantitativa?

Per me non ha alcun senso. Ma comunque, sto divagando.

Il punto qui, è che prevedere l’impatto dell’automazione su lavori specifici è molto molto difficile, specialmente quando:

1. non definisci effettivamente cosa significa per un lavoro essere “automatizzato”,
2. non conosci i dettagli dei lavori in questione e
3. hai solo alcune vaghe ipotesi generali su ciò che l’automazione può e non può fare. I rapporti mozzafiato secondo cui il 57%, o il 40%, o il 14% dei posti di lavoro americani sono vulnerabili all’automazione, possono, quindi, essere tranquillamente ignorati.

Fortunatamente, il recente ciclo di studi è migliorato notevolmente, sia in termini di obiettivi che in termini di metodologia.

Sfortunatamente, i resoconti apocalittici dei media non sono migliorati allo stesso modo.

Studi migliori, soliti vecchi freakout dei media

Lo studio di Goldman Sachs, di Briggs e Kodnani, non è disponibile pubblicamente, ma questo è tratto da un riassunto pubblicato sul sito web di Goldman:

“Analizzando i database che descrivono in dettaglio il contenuto delle attività di oltre 900 occupazioni, i nostri economisti stimano che, circa due terzi delle occupazioni statunitensi, siano esposte a un certo grado di automazione da parte dell’IA. Stimano, inoltre, che, circa un quarto delle occupazioni che sono esposte, potrebbe sostituire fino a metà del loro carico di lavoro. Ma non tutto questo lavoro automatizzato si tradurrebbe in licenziamenti, dice il rapporto. “Sebbene l’impatto dell’IA sul mercato del lavoro sia probabilmente significativo, la maggior parte dei posti di lavoro e delle industrie sono solo parzialmente esposti all’automazione e hanno, quindi, maggiori probabilità di essere integrati piuttosto che sostituiti dall’IA”, scrivono gli autori.”

In altre parole, i ricercatori Goldman non si esprimono su quali lavori avranno tutti i loro compiti automatizzati, ma solo su quali lavori avranno almeno alcuni dei loro compiti automatizzati.

Questa è un’affermazione molto più facile da fare.

I ricercatori di Goldman riconoscono anche che, quando solo alcune delle attività di un lavoro sono automatizzate, ciò non significa necessariamente che ci saranno licenziamenti in quell’occupazione e che l’automazione spesso finisce per integrare lo sforzo di un lavoratore, invece di sostituirlo. In altre parole, riconoscono la differenza fondamentale tra l’automazione dei processi e l’automazione

delle attività.

Il team di Goldman riconosce anche che le nuove tecnologie portano alla creazione di nuovi tipi di posti di lavoro.

Da un riassunto AEI dello studio Goldman:

“La tecnologia può sostituire alcuni compiti, ma può anche renderci più produttivi nell’esecuzione di altri compiti e creare nuovi compiti e nuovi posti di lavoro. GS cita una ricerca che rileva che: “il 60% dei lavoratori, oggi è impiegato in occupazioni che non esistevano nel 1940, il che implica che oltre l’85% della crescita dell’occupazione, negli ultimi 80 anni, è spiegata dalla creazione di nuove posizioni guidata dalla tecnologia”. L’ipotesi operativa di GS qui è che GenAI sostituirà il 7% dell’attuale occupazione negli Stati Uniti, completerà il 63% e lascerà inalterato il 30%.”

Si noti che questo è completamente diverso dal modo in cui Inside.com e altri punti vendita come Forbes hanno riferito sullo studio Goldman.

Banks afferma che Goldman prevede 300 milioni di posti di lavoro persi, anche se Goldman prevede, specificamente, che la maggior parte dell’automazione non significherà perdite di posti di lavoro.

Forbes afferma che 300 milioni di posti di lavoro saranno “persi o degradati“, anche se Goldman afferma che la stragrande maggioranza dei posti di lavoro sarà “completata” piuttosto che degradata.

E Inside.com afferma che Goldman dichiara che il 25% dei posti di lavoro sono a rischio di sostituzione, anche se la cifra reale di Goldman è del 7%.

Molte persone sono così abituate alla narrativa: “i robot prendono il nostro lavoro“, che riportano ogni risultato che vedono, attraverso quella lente deformata e distorta.

A loro merito, canali come Bloomberg e CNN hanno interpretato correttamente lo studio di Goldman, ma: “l’intelligenza artificiale aumenterà la produttività del lavoro, costringendo un piccolo numero di persone a trovare nuovi posti di lavoro”, non è il tipo di storia che diventa virale sui social media, mentre: “300 milioni di posti di lavoro andranno persi”, è sicuramente quel tipo di storia.

La gente ama leggere dell’apocalisse imminente ed è responsabilità dei media non assecondare questo desiderio.

Ad ogni modo, non riesco a vedere la metodologia dello studio Goldman, ma so che i ricercatori, in generale, hanno migliorato la vecchia metodologia di: “basta guardare una descrizione del lavoro e decidere se pensi che un computer possa farlo”. 

Felten, Raj e Seamans (2018) hanno sviluppato un metodo più credibile. Hanno ancora utilizzato valutazioni soggettive di esperti, ma ciò che gli esperti hanno valutato, è stato se i progressi nelle varie capacità di intelligenza artificiale, sarebbero associati a tutte le varie abilità umane, nel database di lavoro O * NET.

Questo metodo è ancora soggettivo, ma è una soggettività basata sul fatto che l’automazione influenzi un determinato lavoro, piuttosto che sostituirlo.

Questa è una cosa molto più umile da valutare!

Felten et al. trovano anche che queste valutazioni fanno un buon lavoro nel prevedere quali descrizioni del lavoro vengono riviste dal Bureau of Labor Statistics (il che significa che il lavoro è cambiato in qualche modo).

Questa non è la prova che la metodologia sia perfetta, ma è un buon controllo.

In un nuovo documento del 2023, gli autori usano questo metodo per indovinare quali lavori saranno influenzati dalla nuova ondata di IA generativa. Come il team di Goldman Sachs, sono estremamente cauti nel definire che l’influenza dell’IA sul lavoro sia una cosa buona o cattiva:

“Si potrebbe immaginare che i telemarketing umani potrebbero trarre beneficio, dalla modellazione linguistica utilizzata per aumentare il loro lavoro. Ad esempio: le risposte dei clienti possono essere inserite in un motore di modellazione linguistica, in tempo reale e le richieste pertinenti e specifiche del cliente, vengono inviate rapidamente al telemarketing. Oppure, si potrebbe immaginare che i telemarketing umani siano sostituiti da bot, abilitati alla modellazione linguistica. Il potenziale della modellazione linguistica per aumentare, o sostituire, il lavoro dei telemarketing umani evidenzia un aspetto della misura AIOE: misura “l’esposizione” all’IA, ma se tale esposizione porta all’aumento, o alla sostituzione, dipenderà dalle specifiche di una determinata occupazione.”

Studi come questo, beneficiano dei loro modesti obiettivi.

Invece di dirci chi sarà “automatizzato“, ci dicono chi ha maggiori probabilità di essere influenzato dall’automazione, in qualche modo.

Ovviamente, ci piacerebbe sapere se sarà un modo buono, o cattivo, ma la verità è che nessuno lo sa ancora e gli economisti rendono un servizio al mondo, rifiutandosi di fingere di saperlo.