Antecedentes

En un esfuerzo reciente por medir la influencia futura de los modelos de lenguaje grande (LLM) en el empleo, investigadores de IA reunieron proyecciones de expertos sobre cómo el software impulsado por LLM podría alterar las tareas laborales. El estudio se abstiene deliberadamente de predecir cuándo tales tecnologías serán ampliamente adoptadas, optando en cambio por un horizonte abierto que prioriza el potencial teórico sobre cronogramas concretos.

Metodología

Se pidió a los expertos que evaluaran las "capacidades teóricas" de los LLM en un amplio espectro de ocupaciones. El análisis incorporó suposiciones prospectivas sobre el software que podría construirse alrededor de los LLM, etiquetando tareas según la probabilidad de ser aceleradas o transformadas por estas herramientas. Los investigadores señalaron explícitamente que no establecen un plazo autoimpuesto para cuando estos efectos se manifestarían, reconociendo la incertidumbre que rodea las tasas de desarrollo y adopción.

Hallazgos clave

La proyección más destacada es que entre el 47% y el 56% de todas las tareas podrían eventualmente realizarse al menos un 50% más rápido mediante el uso de soluciones impulsadas por LLM. Además, el estudio encontró que el 19% de los trabajadores ocupan roles en los que más de la mitad de sus tareas están etiquetadas como expuestas al impacto de LLM. Ciertas ocupaciones, específicamente matemáticos, escritores y autores, y diseñadores de interfaces web y digitales, fueron identificadas como "completamente expuestas", lo que significa que el 100% de las tareas relacionadas con su trabajo podrían verse significativamente afectadas.

Ejemplos de aplicaciones potenciales incluyen el uso de LLM para mediar negociaciones transcribiendo la perspectiva de cada parte y alimentando los datos a un LLM para ayudar a resolver disputas. Sin embargo, los investigadores reconocieron que la adopción generalizada de tales herramientas requeriría una aceptación amplia, señalando que "muchas personas necesitarían aceptar el uso de nuevas herramientas tecnológicas para lograr esto". También enfatizaron que acelerar una tarea con la asistencia de LLM no es sinónimo de automatización o sustitución total de la mano de obra humana.

Implicaciones

Los hallazgos resaltan una capacidad sustancial, aunque teórica, para que los LLM mejoren la productividad en muchos sectores. Si bien las ganancias de velocidad proyectadas sugieren mejoras de eficiencia notables, el estudio advierte contra interpretar estos números como pronósticos de eliminación de empleos. En cambio, la investigación enmarca a los LLM como tecnologías de aumento que podrían redefinir cómo se realizan las tareas, potencialmente redefiniendo los requisitos de habilidades y los diseños de flujo de trabajo en las ocupaciones afectadas.

Usado: News Factory APP - descubrimiento de noticias y automatización - ChatGPT para Empresas