Breve storia dell’impatto della tecnologia sulla forza lavoro
Prima di esplorare il potenziale impatto dell’AI generativa sui lavori di oggi, vediamo brevemente come la tecnologia ha influenzato il lavoro e l’economia in momenti chiave della storia recente (vedi, ad esempio, Acemoglu, 2002).
Dal 1770 al 1970: l’automazione ha contribuito all’aumento della produttività
Nel XIX secolo in Gran Bretagna, la manodopera poco qualificata era abbondante mentre i lavoratori altamente qualificati erano scarsi. In questo periodo, le fabbriche semplificarono e automatizzarono i lavori artigianali qualificati, come la filatura del cotone nell’industria tessile. Ciò portò a notevoli guadagni di produttività ma anche a proteste come le rivolte dei luddisti, in cui gli artigiani distruggevano le macchine per impedire proprio questa automazione.
Uno sviluppo simile avvenne all’inizio del XX secolo con l’introduzione della catena di montaggio, che aumentò (massicciamente) la domanda di lavori ripetitivi e poco qualificati. Dal 1970 in poi, però, questa è stata l’eccezione: da allora, le nuove tecnologie hanno per lo più avvantaggiato i lavoratori altamente qualificati, sostituendo compiti di routine non o semi-qualificati spesso svolti da lavori di classe media, come descritto nella sezione seguente.
Un esempio è l’automazione diffusa nel settore agricolo, prima tramite macchine trainate da cavalli e poi con il motore a combustione che ha sostituito faticosi lavori manuali.
Dal 1970 al 2010: l’automazione ha contribuito all’aumento della disuguaglianza
Quando ho terminato il dottorato in economia del lavoro e statistica qualche anno fa, assistevamo a quattro decenni di crescente disuguaglianza salariale. Questo aumento era, in larga misura, l’effetto della maggiore domanda di lavoratori più istruiti (insieme alla pressione al ribasso sui salari per i lavori delocalizzabili). Altri fattori, ovviamente, giocano un ruolo importante, come il calo della copertura sindacale.
È stato un fenomeno sorprendente, dato che l’espansione dell’istruzione ha portato a un enorme aumento dell’offerta di giovani laureati altamente qualificati nello stesso periodo. Automazioni poco “intelligenti”, come i robot, combinate con l’offshoring, sono state implementate ampiamente, in particolare nella manifattura, e hanno sostituito i precedenti lavori della classe media, spesso inibendo compiti di routine soggetti ad automazione (vedi Autor et al., 2022).
Esempi includono compiti ripetitivi di assemblaggio, picking o smistamento, e registrazione o calcolo. Microsoft Excel ha cambiato chiaramente i lavori d’ufficio tipici, e professioni come cassieri di banca o operatrici di centralino sono perlopiù scomparse. Allo stesso tempo, non abbiamo vissuto un mondo senza lavoro perché sono comparse carriere prima inesistenti, come data analyst, tecnici di turbine eoliche o counselor per la salute mentale. L’emergere di questi lavori non è direttamente un effetto dell’automazione, ma automazione e aumento di produttività ci hanno liberato per concentrarci su nuovi ambiti.
Gli effetti macroeconomici complessivi di queste nuove tecnologie sono stati inferiori alle attese. Gli aumenti di produttività hanno rallentato in modo evidente dai primi anni ’70 (con una breve eccezione attorno alla bolla dot-com di fine anni ’90, vedi Moss et al., 2020). Il premio Nobel Robert Solow descrisse questo nel suo noto paradosso della produttività: “Vedi l’era dei computer ovunque tranne che nelle statistiche sulla produttività.”
C’è un ampio dibattito sulle ragioni esatte per cui i computer non ci hanno reso più produttivi (ad esempio, errori di misurazione o prodotti apparentemente gratuiti come Wikipedia o i social media), ma i motivi restano controversi. Non è in discussione il fatto che la crescita della produttività è circa la metà di quella dei trent’anni successivi alla Seconda guerra mondiale.
Dal 2010 al COVID-19: crescita dell’occupazione in assenza di AI e di progressi tecnologici legati alla pandemia
Sebbene la ripresa (e la crescita della produttività) sia stata deludente dopo la Grande Recessione, la domanda di lavoro è stata forte, o come titolava The Economist nel 2019: “Il mondo ricco sta vivendo un boom di posti di lavoro senza precedenti.” Questi aumenti occupazionali sono stati in gran parte trainati da fattori non legati alle nuove tecnologie, come stimoli economici, tassi d’interesse bassi e maggiore partecipazione femminile al mercato del lavoro.
Le aziende hanno iniziato a assumere specialisti in AI intorno al 2010. La tendenza si è accelerata di nuovo intorno al 2015, e ci sono alcune prove che queste imprese abbiano ridotto le assunzioni in altri segmenti aziendali. Tuttavia, fino all’inizio della pandemia di COVID-19, ci sono poche prove che i primi modelli di machine learning abbiano influenzato occupazione o salari (vedi, ad esempio, Acemoglu et al., 2022).
La pandemia di COVID ha avuto un impatto imprevisto su imprese e lavori che altrimenti avrebbe richiesto un decennio per manifestarsi. Il lavoro da remoto e l’home office sono diventati diffusi; mentre prima del Covid solo circa il 5% di tutte le giornate lavorative si svolgeva da casa, questo valore è salito al 60% nel culmine della pandemia ed è rimasto intorno al 30% da allora (vedi Bloom et al., 2023). Molte aziende hanno anche accelerato gli investimenti in automazione, ad esempio tramite robot o casse self-service.
Come incideranno gli LLM sui lavori impiegatizi?
Questa breve digressione storica mostra che l’impatto del cambiamento tecnologico sui lavori non è univoco. Gli economisti dicono che può essere sostitutivo delle competenze (come nel XIX secolo) o complementare alle competenze (come nel XX secolo).
Nei modelli economici moderni, talvolta chiamati modello canonico rivisitato (Acemoglu e Autor, 2011), assumiamo che i lavori consistano in un insieme di compiti e che esistano diversi gruppi di competenze umane o livelli di istruzione, ciascuno con il proprio vantaggio comparato.
Questi gruppi possono sostituirsi tra loro, ma solo in modo imperfetto. Se le nuove tecnologie sostituiranno determinati gruppi di competenze dipende, tra le altre cose, dalla domanda di specifici compiti, dall’offerta o disponibilità di questi gruppi e dai loro salari.
In generale, abbiamo visto paesi avanzati con invecchiamento più rapido come Germania, Giappone e Corea del Sud adottare più robot in risposta alla scarsità di lavoratori nella produzione. Le imprese hanno l’incentivo a inventare e adottare tecnologie sostitutive delle competenze se non ci sono abbastanza lavoratori altamente qualificati, se i loro salari sono alti o se c’è un disallineamento tra le competenze richieste e quelle disponibili. In DataCamp, lavoriamo attivamente per rendere disponibili a quante più persone possibili alcune competenze molto richieste!
Curiosamente, fino a poco tempo fa, molti avrebbero probabilmente pensato che la nuova intelligenza artificiale, come le auto a guida autonoma, avrebbe anzitutto sostituito i lavori manuali come autisti di camion o treni. Tuttavia, le applicazioni di AI generativa lanciate di recente mostrano notevoli abilità tipiche dei lavoratori impiegatizi, come scrivere testi, fare ricerche di base o programmare.
Chiediamo agli LLM come ChatGPT quali compiti potrebbero automatizzare.
Suggerisce traduzione, generazione di testi, immagini, video, composizione musicale, agenti conversazionali o raccomandazioni personalizzate. Questo elenco evidenzia perché alcuni studi suggeriscono che l’AI generativa potrebbe incidere maggiormente sulle professioni con redditi più alti. Questi lavori includono insegnanti di lingua, letteratura, storia, servizi legali, finanza, assicurazioni e contabilità (come discusso da Felten et al., 2023).
Anche se l’impatto dell’AI generativa sull’istruzione sarà probabilmente profondo, pensa ad assistenti AI che permettono agli studenti di apprendere ai propri ritmi. Tuttavia, è improbabile che le posizioni di insegnamento vengano sostituite in misura significativa a breve (poiché hanno ruoli cruciali oltre a ciò che un chatbot può insegnare). I progressi dell’AI generativa nel riconoscimento di immagini, testi e audio potrebbero però avere implicazioni profonde su ricerche di base, diagnosi medica, assistenza clienti o analisi (dei dati).
Questo non significa che radiologi, traduttori o contabili scompariranno, ma potrebbe darsi che questi lavori avranno un aspetto molto diverso in futuro. Dando ai medici (si spera) più tempo per concentrarsi sui pazienti e liberandoli da compiti amministrativi di base.
Le stime di OpenAI e Goldman Sachs sull’impatto sui lavori
Uno studio cofirmato da OpenAI, i creatori di ChatGPT, considera i nuovi modelli LLM come una tecnologia di uso generale che, primo, può essere adottata in un insieme versatile di flussi di lavoro in molti ambiti, secondo, migliora continuamente e, terzo, porta a innovazioni complementari ed effetti di ricaduta.
Stimano che il 15% di tutti i compiti svolti dalla forza lavoro negli Stati Uniti potrebbe essere eseguito significativamente più velocemente tramite LLM. Se si aggiungono tecnologie complementari, questa cifra potrebbe superare la metà di tutti i compiti.
Esempi di compiti fortemente esposti sono scrittura e coding, mentre scienza o pensiero critico no. Qui l’esposizione è calcolata in base al fatto che “un LLM o un sistema basato su LLM ridurrebbe il tempo necessario a un essere umano per svolgere […] o completare un compito di almeno il 50 per cento”. In generale, trovano che i lavori che richiedono più istruzione, formazione ed esperienza tendono a essere maggiormente esposti.
Goldman Sachs stima che due terzi di tutti i lavori negli Stati Uniti saranno almeno in parte interessati dall’AI generativa (con il 25% - 50% dei loro compiti potenzialmente automatizzabili). Tuttavia, non si aspettano licenziamenti di massa e vedono l’AI generativa più come una tecnologia complementare agli esseri umani che sostitutiva.
Gli impatti a breve termine dell’AI generativa
È probabile che questo sia un limite superiore per gli impatti a breve e medio termine, poiché le nuove tecnologie richiedono solitamente un certo tempo di adozione. L’AI generativa probabilmente sarà adottata più velocemente, per esempio, di internet, che ha impiegato uno o due decenni per diventare veramente mainstream.
Questioni legali ed etiche attorno all’adozione dell’AI generativa
Anche le nuove tecnologie devono comunque superare alcune barriere. Ci sono questioni legali particolarmente rilevanti nelle professioni impiegatizie ben retribuite e incognite nell’automatizzare compiti in istruzione, medicina o servizi professionali.
Chi sarebbe, ad esempio, responsabile se l’AI generativa commettesse un errore, o che dire di potenziali violazioni del copyright dovute al crawling massivo del web per addestrare tali modelli? E va aggiunto che persino le aziende che pubblicano gli LLM più recenti riconoscono che questi modelli talvolta falliscono in modo spettacolare (e sembra complicato valutare esattamente il perché).
Discontinuità in specifici lavori dovute all’AI generativa
Questi ostacoli non sono ugualmente rilevanti per tutti i lavori impiegatizi. L’AI generativa potrebbe, e probabilmente lo sta già facendo, sconvolgere specifici segmenti del nostro mercato del lavoro. Pensa al marketing, che spesso prevede la stesura di testi piuttosto generici, o al supporto clienti, dove i chatbot stanno migliorando enormemente. Gli LLM sembrano così capaci di tradurre, sintetizzare e persino interpretare testi che è difficile immaginare che in futuro avremo bisogno dello stesso numero di traduttori.
Strumenti come Google Translate o DeepL sono già eccellenti, e il primo caso d’uso dei BERT di Google è stato proprio la traduzione. In seguito, lavori di sviluppo software relativamente semplici e la creazione di contenuti standard nei media e nell’istruzione potrebbero essere in parte esternalizzati alle macchine, così come compiti da paralegal o di preparazione fiscale.
I lavori nel customer service saranno senza dubbio interessati, dato l’enorme progresso nei compiti conversazionali di supporto. Per esempio, un working paper appena pubblicato, cofirmato da Erik Brynjolfsson, stima che l’AI generativa abbia aumentato la performance di oltre 5.000 agenti di customer service di circa il 14% in media, soprattutto per i lavoratori più nuovi ma difficilmente per gli agenti più esperti.
Per i lavoratori interessati, l’effetto dell’esternalizzazione alle macchine (automazione) e dell’esternalizzazione a paesi esteri (offshoring) è molto simile. I loro lavori saranno codificati ed eseguiti localmente da robot più economici o trasferiti elettronicamente o spediti fisicamente in altri paesi e svolti da manodopera più a basso costo.
Gli impatti a lungo termine dell’AI generativa
L’impatto dell’AI generativa sulla nostra economia nel medio-lungo periodo sarà certamente profondo. Se combinata con altre tecnologie, come la robotica, la maggior parte dei lavori sarà interessata in misura variabile (anche se maestre d’asilo, camerieri o assistenti sociali sono, per il momento, una scommessa più sicura).
Negli ultimi decenni abbiamo visto aumentare domanda e salari in particolare per i lavori altamente qualificati, mentre il numero di lavori della classe media è diminuito e i salari dei lavori poco pagati spesso sono rimasti stagnanti. Ma abbiamo anche osservato un’altra tendenza che ha portato a una polarizzazione del mercato del lavoro: un aumento della domanda di lavori di servizio, spesso poco pagati. Questi includono consegna di pacchi, rifornimento degli scaffali nei supermercati, lavoro in magazzino e servizi alla persona come pulizie, sicurezza o cura di giovani e anziani. Considera qui anche autisti di camion, treni o Uber.
Tre possibili scenari per il futuro dello sviluppo dell’AI generativa
Molti di questi lavori potrebbero essere vulnerabili se le tecnologie automotive avanzassero ulteriormente e i robot diventassero sia intelligenti sia più capaci di compiti 3D non banali. Posso immaginare tre diversi scenari:
- Stiamo assistendo a un punto di svolta e l’AI generativa è una tecnologia rivoluzionaria come la stampa a caratteri mobili, la macchina a vapore o la produzione di transistor, con cambiamenti significativi nel modo in cui lavoriamo e viviamo, e miglioramenti continui attesi nel medio termine.
- L’AI generativa potrebbe richiedere decenni di sviluppo prima di poter sostituire in sicurezza compiti umani oltre aree specifiche, come le auto a guida autonoma, che incontrano limiti di sicurezza senza supervisione umana, nonostante i grandi miglioramenti di un decennio fa.
- Le tecnologie attuali potrebbero aver già raggiunto il picco, e non ci sia molto altro all’orizzonte, in modo simile ai motori di ricerca in cui il PageRank di Google rivoluzionò la ricerca (strappando quota di mercato a Yahoo! e Altavista) nei primi anni 2000, portando poi a progressi incrementali.
Ovviamente non sappiamo quale di questi scenari si realizzerà, ma sono molto più ottimista (e in parte inquieto) rispetto a qualsiasi altro momento dai primi giorni di internet sul fatto che stiamo vedendo una tecnologia trasformativa prendere slancio.
Stiamo andando verso un’utopia AI o una distopia AI?
Questi sviluppi ci porteranno a un futuro distopico in cui restano pochi lavori che includono principalmente interazioni dirette faccia a faccia con altri esseri umani, lo sviluppo e la manutenzione di queste nuove tecnologie, o compiti manuali complessi o particolari?
Non lo credo.
Di solito siamo bravi a inventare nuovi ruoli che completano la tecnologia o fanno qualcosa di completamente nuovo (come data scientist, dramaterapeuti o tatuatori). Per questo non sono preoccupato per un futuro senza lavoro.
Ciononostante, se fossi a capo di un’azienda, considererei molto seriamente il potenziale impatto sul mio business e penserei in modo strategico su come reagire e chi assumere.
Come individuo, rifletterei anche con attenzione sulle competenze su cui voglio investire e se queste siano vulnerabili all’automazione tramite macchine intelligenti.
Come policy maker, incoraggerei ulteriormente l’istruzione, rivedrei i curricula, sensibilizzerei sul fatto che potremmo essere a un punto di svolta ed eviterei di attirare in lavori che saranno presto automatizzati, in particolare i giovani.
Fai il passo successivo
Cosa puoi fare, individualmente, come persona responsabile del successo della tua azienda o di altre persone, per ottenere il massimo dall’AI generativa?
Penso che, ad oggi, ci siano buone probabilità che stiamo davvero assistendo allo sviluppo di una nuova tecnologia dirompente. Pertanto, raccomando vivamente di comprendere le basi dell’AI generativa per decidere come reagire al meglio.
Come puoi farlo? Potresti, per esempio, imparare ChatGPT con il corso Introduction to ChatGPT di DataCamp (e altri corsi che rilasceremo presto) o alcune delle nostre altre risorse, come la nostra guida all’uso di ChatGPT per progetti di data science o il nostro cheat sheet sull’API di OpenAI in Python.
Ovviamente, ti suggerisco di provare tu stesso queste nuove tecnologie e generare qualche catena di prompt. Se conosci meglio gli LLM, puoi anche leggere alcuni degli articoli di ricerca linkati sotto e restare aggiornato sugli sviluppi.
Fonti:
