Kamitopi akan Bagaimana AI memengaruhi lapangan pekerjaan? Ini adalah pertanyaan terpenting tentang teknologi, setelah “apakah AI akan membunuh kita semua?”, dan sangat sulit untuk dijelaskan – bahkan saat batasnya bergeser dari fiksi ilmiah ke kenyataan.
Di satu sisi spektrum, ada klaim yang agak Pollyannaish bahwa teknologi baru hanya menciptakan lapangan kerja baru; di sisi lain, ada ketakutan bahwa bisnis akan mengganti seluruh tenaga kerja dengan perangkat AI. Terkadang, perselisihan bukan tentang kondisi akhir, tetapi lebih tentang kecepatan transisi: pergolakan yang selesai dalam beberapa tahun bersifat merusak bagi mereka yang terjebak di tengahnya, dengan cara yang mungkin dapat diatasi oleh pergolakan yang memakan waktu dua dekade.
Bahkan analogi dengan masa lalu kurang jelas seperti yang kita harapkan. Mesin pembakaran internal mengakhiri keberadaan kuda pekerja – pada akhirnya. Namun mesin uap melakukan hal yang sebaliknya, jauh lebih meningkat jumlah hewan pengangkut yang digunakan di Inggris. Mengapa? Karena kereta api menyebabkan lonjakan pengiriman barang ke seluruh negeri, tetapi tidak dapat menyelesaikan pengiriman dari depo ke rumah. Kuda dibutuhkan untuk melakukan hal-hal yang tidak dapat dilakukan oleh mesin uap.
Sampai mereka tidak ada lagi.
Tenaga uap dan mesin pembakaran internal adalah contoh teknologi serba guna, terobosan yang membentuk ulang seluruh struktur masyarakat. Tidak banyak, bahkan jika Anda mulai menghitungnya dari tulisan – atau, sebelum itu, dari api itu sendiri. Saya yakin, ini adalah suatu kebetulan yang lengkap bahwa istilah “transformator generatif yang telah dilatih sebelumnya” memiliki inisial yang sama, sehingga GPT tampak seperti GPT.
Bukan pekerjaannya, bodoh
Orang bukan kuda (diperlukan kutipan)Tampaknya tidak masuk akal jika teknologi AI akan mampu melakukan semua hal yang dapat dilakukan manusia, karena sebagian dari apa yang dapat dilakukan manusia adalah jadilah manusiasebuah klaim yang tidak mengenakkan namun penting. Kuda masih ikut serta dalam pacuan kuda, karena jika Anda mengganti kuda dengan mobil, itu bukan pacuan kuda. (diperlukan kutipan); orang-orang akan tetap menyediakan layanan-layanan yang, entah apa pun alasannya, mereka ingin orang lain menyediakannya. Seiring dengan berkembangnya budaya AI, layanan-layanan apa saja yang mereka tawarkan adalah mungkin mengejutkan kita. AI dalam bidang kesehatan diremehkan, misalnya, karena bagi banyak orang “sentuhan manusia” adalah buruk masalahnya: dokterlah yang Anda khawatirkan menghakimi kebiasaan minum Anda, atau terapislah yang Anda bohongi karena Anda ingin mereka menyukai Anda.
Akibatnya, banyak orang lebih suka berpikir bukan tentang pekerjaan, tetapi tentang “tugas”. Ambil sebuah pekerjaan, definisikan dalam hal tugas yang dilibatkan, dan tanyakan apakah AI dapat melakukan tugas-tugas tersebut. Dengan begitu, Anda mengidentifikasi beberapa yang berisiko mengalami kanibalisasi total, beberapa yang benar-benar aman, dan sebagian besar kelompok menengah yang akan “terpengaruh” oleh AI, apa pun hasilnya.
Perlu diperhatikan bahwa pendekatan tersebut secara mekanis akan menghasilkan sejumlah besar pekerjaan yang “terdampak” dan sejumlah kecil pekerjaan yang “hancur”. (Bahkan pekerjaan yang paling terdampak AI kemungkinan memiliki beberapa tugas yang dianggap sulit oleh AI.) Mungkin itulah sebabnya mengapa ini merupakan metodologi yang dipelopori oleh OpenAI. Dalam sebuah makalah tahun 2023, Para peneliti yang berafiliasi dengan laboratorium memperkirakan:“Bahwa 80 persen pekerja termasuk dalam suatu pekerjaan yang setidaknya 10 persen tugasnya terpapar LLM, sementara 19 persen pekerja berada dalam suatu pekerjaan yang lebih dari setengah tugasnya diberi label terpapar.”
Laporan tersebut menyatakan bahwa antara 15 dan 86 pekerjaan “terpapar sepenuhnya”, termasuk matematikawan, sekretaris hukum dan … jurnalis.
Saya masih di sini. Namun setahun kemudian, ide tersebut kembali menjadi berita berkat sebuah makalah dari Tony Blair Institute (TBI). lembaga thinktank besar itu kuat dan berpengaruh bahkan sebelum kemenangan telak Partai Buruh dua minggu lalu; sekarang, lembaga ini dipandang sebagai salah satu arsitek pemikiran Starmerite. Dan lembaga ini menganggap sektor publik siap untuk disrupsi AI. Dari makalah lembaga tersebut, Dampak Potensial AI pada Tenaga Kerja Sektor Publik Bahasa Indonesia:
Lebih dari 40 persen tugas yang dilakukan oleh pekerja sektor publik sebagian dapat diotomatisasi dengan kombinasi perangkat lunak berbasis AI, misalnya model pembelajaran mesin dan model bahasa besar, dan perangkat keras berkemampuan AI, mulai dari sensor berkemampuan AI hingga robotika canggih.
Pemerintah perlu berinvestasi dalam teknologi AI, meningkatkan sistem datanya, melatih tenaga kerjanya untuk menggunakan alat-alat baru dan menanggung biaya redundansi yang terkait dengan keluarnya karyawan lebih awal dari dunia kerja. Berdasarkan skema peluncuran yang ambisius, kami memperkirakan biaya ini setara dengan £4miliar per tahun rata-rata selama masa jabatan parlemen ini.
Selama beberapa minggu terakhir, TechScape telah mengamati pendekatan pemerintah baru terhadap AI. Besok, kita akan mengetahui lebih banyak lagi, dengan RUU AI yang diharapkan akan disahkan pidato Raja. Makalah TBI memberi kita satu titik acuan untuk diperhatikan: apakah investasi dalam transformasi akan mendekati £4 miliar per tahun? Banyak yang dapat dilakukan secara cuma-cuma, tetapi lebih banyak lagi yang dapat dilakukan dengan uang yang banyak. Pengeluaran tersebut membuahkan hasil, lebih dari 9:1, menurut perkiraan lembaga tersebut; tetapi tagihan sebesar £20 miliar sulit diselundupkan melalui parlemen tanpa pertanyaan.
Ahli AI
Selama akhir pekan, laporan itu mendapat gelombang minat kedua, setelah para kritikus mempermasalahkan metodologinya. Dari 404 Media:
setelah promosi buletin
Masalah dengan prediksi ini, yang diambil oleh PolitikBahasa Indonesia: TeknologiRadarBahasa Indonesia: Majalah Forbes dan yang lainnya, adalah bahwa hal itu dibuat oleh ChatGPT setelah penulis makalah tersebut mengakui bahwa membuat prediksi berdasarkan wawancara dengan para ahli akan terlalu sulit. Pada dasarnya, temuan bahwa AI dapat menggantikan manusia dalam pekerjaan mereka dan secara radikal mengubah cara kerja pemerintah itu sendiri sebagian besar dibuat oleh AI.
“Tidak ada validasi dalam metode ini bahwa model bahasa bagus dalam mengerjakan apa yang, pada prinsipnya, dapat diotomatisasi,” Michael Vealeprofesor asosiasi di University College London, mengatakan kepada saya. “Otomatisasi adalah fenomena yang kompleks – dalam pemerintahan, hal ini melibatkan berbagai tingkatan administrasi, standar bersama, perubahan undang-undang, biaya kegagalan yang dapat diterima sangat rendah. Tugas-tugas ini tidak berdiri sendiri, tetapi merupakan bagian dari serangkaian praktik dan rutinitas yang jauh lebih luas.”
Pemecahan pekerjaan menjadi beberapa tugas telah dilakukan, dengan basis data yang luas yang dibuat oleh Departemen Tenaga Kerja AS. Namun dengan 20.000 tugas seperti itu, mendeskripsikan tugas mana yang terpapar AI merupakan pekerjaan berat. Dalam makalah serupa OpenAI, “para penulis secara pribadi memberi label pada sejumlah besar contoh tugas dan DWA dan meminta anotator manusia berpengalaman yang telah meninjau keluaran GPT-3, GPT-3.5 dan GPT-4 sebagai bagian dari pekerjaan penyelarasan OpenAI”, tetapi mereka juga meminta GPT-4 yang saat itu baru untuk melakukan tugas yang sama, dan menemukan antara 60 dan 80 persen kesesuaian antara robot dan manusia.
Makalah TBI mengabaikan para ahli dan hanya mengajukan pertanyaannya kepada AI untuk dijawab. Setelah mendapat banyak perhatian, makalah tersebut diam-diam diperbarui dengan lampiran delapan halaman yang membela pilihan tersebut:
Jelas ada trade-off antara berbagai metode. Tidak ada yang sempurna. Ketergantungan yang lebih besar pada penilaian manusiaPenilaian dapat membatasi analisis ke kategorisasi tugas yang lebih luas dengan spesifisitas yang lebih rendah sehingga menghemat waktu. Di sisi lain, mengejar kategorisasi yang lebih rinci biasanya melibatkan lebih banyak ketergantungan pada AI untuk mendukung penilaian.
Namun, tidak hanya pelabelan manusia yang membedakan makalah OpenAI dengan tindak lanjut TBI. Para ahli juga menggunakan perintah yang jauh lebih rinci, mendorong sistem AI untuk mempertimbangkan secara rinci sifat kerja kognitif dan fisik yang terlibat dalam tugas tertentu, sebelum menanyakan apakah AI dapat melakukan tugas tersebut, dan kemudian mengajukan pertanyaan tindak lanjut untuk memastikan bahwa hanya tugas tersebut yang dapat dilakukan. praktis yang dapat diotomatisasi sebenarnya dihitung.
Ini adalah “rekayasa cepat” yang sedang beraksi, dengan sistem AI didorong untuk mengambil pendekatan penalaran langkah demi langkah untuk meningkatkan jawabannya. Ini juga merupakan contoh dari apa yang disebut “overhang”: para peneliti menggunakan model GPT-4 yang sama dalam kedua contoh, tetapi dengan menjadi lebih baik dalam bekerja dengan itu, tim TBI mampu mendapatkan pekerjaan yang lebih baik dari dia.
Saat debu mulai mereda, lampiran baru mungkin menjadi bagian terpenting dari keseluruhan makalah. Temuan tingkat atas mungkin benar secara umum, karena GPT-4 sangat bagus dalam menghasilkan teks yang mungkin benar secara umum. Tidak diragukan lagi, jika seseorang punya waktu untuk meneliti ribuan halaman teks yang dihasilkannya dalam memberi label pada puluhan ribu tugas tersebut, akan ada ketidakakuratan, klise, dan halusinasi. Namun, dalam skala penelitian, hal itu tidak penting.
Begitu pula dengan temuannya. “Beberapa tugas sektor publik, tetapi tidak semua, dapat diotomatisasi oleh AI” adalah klaim yang cukup mudah. Menetapkan angka untuk hal ini membantu mendukung investasi, tetapi Anda akan bodoh jika bertaruh bahwa “40 persen” lebih akurat daripada 50 atau 30 persen.
Sebaliknya, makalah ini mengajarkan sambil melakukan. Anda ingin tahu bagaimana AI akan memengaruhi pemerintahan dan politik? Nah, itu dia dalam praktik. Sebuah makalah dibuat dengan biaya yang jauh lebih murah dari sebelumnya, tetapi disajikan kepada audiens yang metode pembuatannya menimbulkan keraguan atas temuannya.
Bilas dan ulangi untuk 8.000 tugas selanjutnya, dan Anda akan jauh lebih dekat dalam memahami dampak AI pada pekerjaan – dan melihat bahwa itu akan menjadi transisi yang jauh dari kata bersih.
