OpenAI, la empresa que está detrás del popular chatbot ChatGPT, ha hecho números sobre la exposición de distintos trabajos a la inteligencia artificial (IA), y las cifras son reveladoras.
Utilizando su último modelo lingüístico de aprendizaje automático (LLM), el recientemente publicado GPT-4, así como la experiencia humana, los investigadores estudiaron las posibles implicaciones de los modelos lingüísticos en las ocupaciones del mercado laboral estadounidense.
Aunque los investigadores subrayan que el documento no es una predicción, descubrieron que alrededor del 80 por ciento de la población activa estadounidense podría ver afectado al menos el 10 por ciento de sus tareas laborales por los GPT, o Generative Pre-trained Transformers.
Alrededor del 19 % de los trabajadores podrían ver afectadas al menos el 50 % de sus tareas.
El estudio, cuyos autores son investigadores de OpenAI, OpenResearch y la Universidad de Pensilvania, examina la “exposición” de las tareas laborales a la IA, “sin distinguir entre los efectos de aumento o desplazamiento de la mano de obra”.
Los investigadores definieron la “exposición” como una medida de si el acceso a un sistema impulsado por GPT podría reducir en al menos un 50 % el tiempo que tarda un humano en realizar una tarea laboral específica.
¿Qué trabajos están más “expuestos”?
Para el estudio, expertos humanos y la IA calcularon por separado la exposición de las distintas ocupaciones. El modelo lingüístico etiquetó 86 trabajos como “totalmente expuestos”.
Los autores señalan que la exposición total no significa que las tareas puedan automatizarse por completo con estas tecnologías, sino que estiman que las GPT podrían ahorrar a los trabajadores “una cantidad significativa de tiempo en la realización de una gran parte de sus tareas”.
Los humanos etiquetaron 15 ocupaciones como totalmente expuestas, mientras que el modelo lingüístico etiquetó 86 como totalmente expuestas.
Las ocupaciones que los humanos consideraron expuestas al 100 por cien son:
- Matemáticos
- Preparadores de impuestos
- Analistas financieros cuantitativos
- Escritores y autores
- Diseñadores de páginas web e interfaces digitales
Otras ocupaciones de alto porcentaje enumeradas por los humanos fueron:
- Investigadores de encuestas (84,4 %)
- Escritores y autores (82,5 %)
- Intérpretes y traductores (82,4 %)
- Especialistas en relaciones públicas (80,6 %)
- Zootecnistas (77,8 %)
Por su parte, los modelos lingüísticos señalan como 100 % expuestos a los siguientes:
- Matemáticos
- Contables y auditores
- Analistas de noticias, reporteros y periodistas
- Secretarios jurídicos y asistentes administrativos
- Gestores de datos clínicos
- Analistas de políticas de cambio climático
Los modelos lingüísticos también detectaron que estos empleos estaban expuestos en más de un 90%:
- Empleados de correspondencia
- Ingenieros de Blockchain
- taquígrafos judiciales y subtituladores simultáneos
- Correctores y correctores de estilo
“Hemos observado que la mayoría de las ocupaciones presentan cierto grado de exposición a los GPT, siendo las ocupaciones con salarios más altos las que, por lo general, presentan más tareas con una exposición elevada”, concluyen los autores.
Limitaciones del estudio
Los autores señalan una serie de limitaciones de su estudio, y una de ellas, la investigadora de OpenAI Pamela Mishkin, las destacó en un hilo de Twitter.
“Los GPT actuales pueden hacer mucho. En los últimos años hemos visto cómo cada vez resuelven mejor tareas cada vez más complejas con menos ejemplos de tareas cada vez menos relacionadas”, publicó.
El documento examina esta tendencia y no un modelo concreto disponible en la actualidad”.
La primera limitación identificada fue el hecho de que su enfoque se basaba en la subjetividad del etiquetado, lo que podría dar lugar a juicios sesgados sobre la fiabilidad y eficacia de las GPT en determinadas tareas laborales dentro de ocupaciones desconocidas para los investigadores humanos.
También afirman que los resultados de la GPT-4 son “sensibles a las alteraciones en la redacción de la rúbrica, el orden y la composición de la pregunta” y otros detalles de la pregunta, lo que significaba que las preguntas de los humanos y las de los LLM diferían.
Además, los autores admiten que no está claro hasta qué punto las ocupaciones pueden desglosarse completamente en tareas específicas, y si este enfoque omite ciertas categorías de habilidades o tareas necesarias para el desempeño competente de un trabajo.
Por Luke Hurst -Euronews