Fundo

Em um esforço recente para medir a influência futura dos grandes modelos de linguagem (LLMs) no emprego, pesquisadores de IA reuniram projeções de especialistas sobre como o software impulsionado por LLM poderia alterar as tarefas de trabalho. O estudo deliberadamente se abstém de prever quando tais tecnologias serão amplamente adotadas, optando em vez disso por um horizonte aberto que prioriza o potencial teórico sobre cronogramas concretos.

Metodologia

Os especialistas foram solicitados a avaliar as "capacidades teóricas" dos LLMs em um amplo espectro de ocupações. A análise incorporou suposições prospectivas sobre o software que poderia ser construído em torno dos LLMs, rotulando tarefas com base na probabilidade de serem aceleradas ou transformadas por essas ferramentas. Os pesquisadores observaram explicitamente que não estabelecem um prazo autoimposto para quando esses efeitos se manifestariam, reconhecendo a incerteza em torno das taxas de desenvolvimento e adoção.

Principais Conclusões

A projeção mais impressionante é que entre 47% e 56% de todas as tarefas poderiam eventualmente ser feitas pelo menos 50% mais rápido com a ajuda de soluções impulsionadas por LLM. Além disso, o estudo encontrou que 19% dos trabalhadores ocupam papéis em que mais da metade de suas tarefas são rotuladas como expostas ao impacto do LLM. Certas ocupações — nomeadamente matemáticos, escritores e autores, e designers de interface digital e web — foram identificadas como "totalmente expostas", significando que 100% de suas tarefas relacionadas ao trabalho poderiam ser significativamente afetadas.

Exemplos de aplicações potenciais incluem o uso de LLMs para mediar negociações, transcrevendo a perspectiva de cada parte e alimentando os dados para um LLM para ajudar a resolver disputas. No entanto, os pesquisadores reconheceram que a adoção generalizada de tais ferramentas exigiria aceitação ampla, observando que "muitas pessoas precisariam aderir ao uso de novas ferramentas tecnológicas para alcançar isso". Eles também enfatizaram que acelerar uma tarefa com a assistência do LLM não é sinônimo de automação total ou substituição do trabalho humano.

Implicações

As conclusões destacam uma capacidade substancial, embora teórica, para os LLMs melhorarem a produtividade em muitos setores. Embora os ganhos de velocidade projetados sugiram melhorias de eficiência notáveis, o estudo alerta contra a interpretação desses números como previsões de eliminação de empregos. Em vez disso, a pesquisa define os LLMs como tecnologias auxiliares que poderiam redefinir como as tarefas são realizadas, potencialmente redefinindo os requisitos de habilidades e os designs de fluxo de trabalho nas ocupações afetadas.

Usado: News Factory APP - descoberta e automação de notícias - ChatGPT para Empresas