Greitas generatyvinio AI pritaikymas


„ChatGPT“ išleidimas 2022 m. lapkritį sukrėtė pasaulį. Per kelis mėnesius ji sukaupė daugiau nei 100 milijonų vartotojų ir paskatino kelių kitų generuojamųjų AI produktų, įskaitant Claude, Llama, Gemini ir Microsoft Copilot, išleidimą. Tai taip pat sukėlė diskusiją apie tai, kokiu mastu generatyvus AI pakeis mūsų ekonomiką ir visuomenę (pvz., Acemoglu ir kt., 2023, Bohren ir kt., 2024, Albanesi ir kt., 2023). Viena vertus, daugelis įrodinėjo, kad generuojantis AI iš esmės pakeis mūsų ekonomiką, padidindamas produktyvumą, bet taip pat ir perkeldamas darbo rinką. Kiti teigė, kad generuojantis AI išliks nišiniu ar nauju produktu, siūlantis naudingas programas keliose darbo vietose, bet tik nedidelį poveikį platesnei ekonomikai. Šios diskusijos yra didelės – darbuotojams, renkantiems karjerą, vadovams, optimizuojantiems savo gamybos procesą, investuotojams, vertinantiems su dirbtiniu intelektu susijusių technologijų vertę, ir politikos formuotojams, balansuojantiems susirūpinimą dėl augimo ir nelygybės.

Galutinis generatyvaus AI poveikis ekonomikai priklauso nuo atsakymų į du susijusius klausimus. Pirma, ar technologija pagerina daugelio svarbių darbo užduočių našumą? Antra, kaip greitai ir intensyviai darbuotojai ir įmonės perima generatyvųjį AI?

Svarbi kliūtis atsakant į šiuos klausimus yra patikimų, nacionaliniu mastu reprezentatyvių duomenų apie generatyvų AI pritaikymą trūkumas. Visų pirma turime žinoti, kiek žmonių naudoja generatyvųjį dirbtinį intelektą, kurie žmonės ja naudojasi, kaip dažnai naudojasi ir kokioms užduotims atlikti dažniausiai.

Norėdami įveikti šią kliūtį, pradėjome pirmąjį nacionalinį reprezentatyvų tyrimą dėl generatyvaus AI pritaikymo namuose ir darbe. Mūsų duomenys gaunami iš naujo Real-Time Population Survey (RPS), internetinės darbingo amžiaus suaugusiųjų JAV apklausos, vykdomos nuo 2020 m., modulio (Bick ir Blandin 2023). Anksčiau RPS buvo naudojamas tiriant Covid-19 pandemijos poveikį darbo rinkai (Bick ir Blandin 2020) ir su tuo susijusią darbo namuose augimą (Bick and Blandin 2023, Bick ir kt. 2024a). RPS užduoda tuos pačius pagrindinius klausimus kaip ir dabartinis gyventojų tyrimas (CPS), mėnesinis darbo jėgos tyrimas, kurį atlieka JAV surašymo biuras ir Darbo statistikos biuras. Tai leidžia mums patvirtinti daugelį mūsų priemonių pagal patikimą etaloną, tačiau vis tiek lieka vietos naujiems klausimams.

Pirmą kartą savo generatyvųjį AI modulį panaudojome mažesniame bandomajame tyrime 2024 m. birželio mėn. Šiame stulpelyje daugiausia dėmesio skiriame mūsų pirmosios visapusės apklausos, atliktos po dviejų mėnesių, 2024 m. rugpjūčio mėn., rezultatams, kuriuos išsamiau aptariame savo straipsnyje. (Bick ir kt. 2024b).

Kiek paplitęs generatyvus AI pritaikymas?

Mes nustatėme, kad 2024 m. rugpjūčio mėn. 32 % 18–64 metų JAV gyventojų naudojo generatyvųjį AI bent kartą per savaitę prieš tyrimą (žr. 1 pav.). Apie 24% dirbančių respondentų praėjusią savaitę naudojo generatyvųjį AI darbe, o 11% naudojosi kiekvieną darbo dieną tą savaitę. Generatyvusis dirbtinio intelekto naudojimas yra dažnesnis ne darbo metu, bet ne toks intensyvus: vienas iš trijų respondentų (32,7 %) teigė, kad naudoja generatyvųjį AI ne darbo metu, tačiau tik 6,4 % naudojo jį kiekvieną dieną praėjusią savaitę ne darbo metu.

1 pav Darbingo amžiaus suaugusiųjų, naudojančių generatyvųjį AI, dalis

Klausėme respondentų, kokius generuojančius AI produktus jie naudojo. Pastebėjome, kad dažniausiai buvo naudojamas „ChatGPT“, po to – „Google Gemini“. Mūsų įvertinimai glaudžiai atitinka kitus „ChatGPT“ naudojimo įvertinimus. 2024 m. vasario mėn. Pew tyrimų centro atlikta apklausa parodė, kad 27 % JAV suaugusiųjų nuo 18 iki 64 metų pranešė kada nors vartoję ChatGPT (McClain 2024), palyginti su 28 % mūsų apklausoje po šešių mėnesių. 2024 m. balandžio mėn. atlikta Reuters apklausa parodė, kad 18 % JAV suaugusiųjų naudojosi ChatGPT bent kartą per savaitę, palyginti su 19 % darbingo amžiaus suaugusiųjų mūsų apklausoje (Fletcher ir Nielsen 2024). Skirtingai nuo šių ankstesnių tyrimų, klausėme apie visą generatyvų AI naudojimą (ne tik „ChatGPT“); atskirai klausėme apie naudojimą darbe ir ne darbo metu; ir surinkome išsamesnius duomenis apie tai, kurie darbuotojai naudoja generatyvųjį dirbtinį intelektą, kaip dažnai jie jį naudoja ir kokiais konkrečiais tikslais.

Kaip generatyvus AI pritaikymas skiriasi nuo kitų technologijų?

Ar iki šiol generatyvaus AI pritaikymo tempą turėtume vertinti kaip greitą ar lėtą? Vienas iš būdų atsakyti į šį klausimą yra palyginti generatyvaus AI priėmimo greitį su asmeniniu kompiuteriu (PC) ir internetu, naudojant CPS Computer and Internet Use Supplement ir Tarptautinės telekomunikacijų sąjungos (ITU) duomenis.

Pastebime, kad generatyvinis AI buvo priimtas greičiau nei kompiuteriai ar internetas (žr. 2 pav.). Praėjus dvejiems metams po ChatGPT įvedimo, 39 % asmenų pranešė, kad naudoja generatyvųjį dirbtinį intelektą (32 % naudojo praėjusią savaitę), palyginti su 20 % asmeniniais kompiuteriais praėjus trejiems metams po pirmojo masinio kompiuterio išleidimo (IBM PC, 1981 m. ).

2 pav Kompiuterių, interneto ir AI pritaikymo trajektorija

Priešingai, pastebime, kad generatyvaus AI pritaikymo darbe tempas yra panašus į asmeninių kompiuterių. (Negalime atskirti interneto naudojimo namuose ir darbe.) Taip pat pastebime, kad generatyvūs AI pritaikymo modeliai pagal amžių, išsilavinimą ir savaitės uždarbio procentilį yra labai panašūs į ankstyvojo kompiuterio pritaikymo modelius. Kitaip tariant, ankstyvas generacinis AI pritaikymas atrodo labai panašus į asmeninius kompiuterius pagal tai, kiek žmonių naudojasi šia technologija darbe ir kokie darbuotojai ja naudojasi. Tai gali būti aktualu prognozuojant galimą generatyvaus AI ekonominį poveikį. Pavyzdžiui, kompiuterių ir susijusių informacinių technologijų įdiegimas buvo susijęs su dideliu pajamų nelygybės padidėjimu ir, vėluojant, dideliu produktyvumo padidėjimu.

Kaip darbuotojai naudoja generatyvųjį AI?

Norėdami ištirti, kaip generatyvus AI veikia darbą, paklausėme darbuotojų, kaip jie jį naudojo. Respondentams buvo pateiktas 3 pav. pavaizduotas užduočių sąrašas ir buvo prašoma pasirinkti tas, kurioms praėjusią savaitę darbe naudojo generatyvųjį AI.

3 pav Kurioms konkrečioms užduotims dirbtinis intelektas yra naudingiausias?

Dažniausios užduotys buvo tos, kurios buvo susijusios su rašymu („Ryšių rašymas“) arba informacijos rinkimu/analizavimu („Faktų ar informacijos paieška“, „Dokumentavimas ar išsamios instrukcijos“, „Interpretavimas/vertimas/apibendrinimas“). Tačiau galbūt svarbiausias dalykas yra tai, kad generuojantis AI naudojamas įvairioms užduotims atlikti, o visų dešimties apibrėžtų užduočių naudojimo lygis yra 25% arba didesnis. Kai mes paprašėme respondentų reitinguoti užduotis, kurioms jie naudojo generatyvųjį AI, pagal tai, kiek technologija buvo naudinga atliekant užduotį, aštuonias iš dešimties užduočių mažiausiai 10% respondentų įvertino tarp dviejų geriausių.

Žvilgsnis į ateitį: kiek generatyvus AI galėtų padidinti darbo našumą?

Galiausiai ištyrėme, kaip intensyviai respondentai naudojo generatyvųjį AI tomis dienomis, kai pranešė, kad ją naudojo. Tai leido mums įvertinti visų darbo valandų JAV dalį, kuri apima generatyvųjį AI. Manome, kad šiuo metu 1–8 % visų darbo valandų JAV padeda generuoti AI. Jei generatyvusis AI padidintų produktyvumą 25 % – vidutinis įvertinimas per penkis skirtingus atsitiktinių imčių tyrimus – generatyvusis AI tikriausiai galėtų padidinti darbo našumą 0,2–2,1 %, esant dabartiniam naudojimo lygiui (Brynjolfsson ir kt., 2023, Cui ir kt., 2024, Dell’Acqua ir kt., 2023, Noy ir Zhang 2023, Peng ir kt., 2023).

Apibendrinant galima pasakyti, kad generatyvaus dirbtinio intelekto įtaka JAV ekonomikai priklauso nuo to, kiek darbuotojų naudojasi šia technologija ir kokią didelę jų darbo dalį daro ši technologija. Iki šiol generatyvus AI buvo priimtas gana greitai, palyginti su kitomis transformacinėmis technologijomis. Taip pat pastebime, kad darbuotojai naudoja generatyvųjį AI įvairioms užduotims atlikti. Tuo pačiu metu generatyvinis AI tiesiogiai naudojamas mažiau nei 10 % darbo valandų, todėl jis vis dar toli gražu nėra paplitęs. Taigi, ar generatyvinis AI yra tikrai transformuojanti technologija, priklausys nuo to, ar ji ir toliau plis visoje darbo rinkoje. Kas kelis mėnesius planuojame paskelbti naują apklausą, kad galėtume atidžiai stebėti šiuos pokyčius.

Nuorodos

Acemoglu, D., D. Autorius ir S. Johnsonas (2023), „Kaip dirbtinis intelektas gali tapti pro-darbininku“, VoxEU.org, spalio 4 d.

Albanesi, S, A da Silva, J Jimeno, A Lamo ir A Wabitsch (2023), „Artistic intelligence and jobs: Evidence from Europe“, VoxEU.org, liepos 29 d.

Bick, A ir A Blandin (2020), „Realiojo laiko darbo rinkos įvertinimai 2020 m. koronaviruso protrūkio metu“, VoxEU.org, gegužės 6 d.

Bick, A ir A Blandin (2023), „Darbdavio perskirstymas COVID-19 pandemijos metu: „Pasidaryk pats“ CPS patvirtinimas ir taikymas“, Ekonominės dinamikos apžvalga 49: 58-76.

Bick, A, A Blandin, A Caplan ir T Caplan (2024a), „Darbo namuose tendencijų matavimas: šešių JAV duomenų rinkinių įrodymai“, CEPR diskusijų dokumentas, 19495 m.

Bick, A, A Blandin ir D Deming (2024b), „Greitas generatyvaus AI pritaikymas“, CEPR diskusijų dokumentas, 19515 m.

Bick, A, A Blandin ir K Mertens (2023), „Darbas iš namų prieš ir po COVID-19 protrūkio“, Amerikos ekonomikos žurnalas: Makroekonomika 15(4): 1-39.

Bohren, N, R Hakimov ir R Lalive (2024), „Kūrybinės ir strateginės generatyvaus dirbtinio intelekto galimybės: didelio masto eksperimentų įrodymai“, CEPR diskusijų dokumentas, 19507 m.

Brynjolfsson, E, D Li ir L Raymond (2023), „Generatyvusis AI darbe“, darbo dokumentas.

Cui, Z, M Demirer, S Jaffe, L Musolff, S Peng ir T Salz (2024), „Generatyvaus dirbtinio intelekto poveikis aukštos kvalifikacijos darbui: įrodymai iš trijų lauko eksperimentų su programinės įrangos kūrėjais“, darbo dokumentas.

Dell’Acqua, F, E McFowland, E Mollick, H. Lifshitz-Assaf, K Kellogg, S Rajendran, L Krayer, F Candelon ir K Lakhani (2023), „Navigacija dantytose technologijų ribose: AI poveikio lauko eksperimentiniai įrodymai apie žinių darbuotojo produktyvumą ir kokybę“, darbo dokumentas.

Fletcher, R and R Nielson (2024), „Ką šešių šalių visuomenė mano apie generatyvųjį dirbtinį intelektą naujienose?“, spaudoje.

McClain, C (2024), „Amerikiečiai naudojasi ChatGPT sparčiai auga, tačiau mažai kas pasitiki jo rinkimų informacija“, spaudoje.

Noy, S ir W Zhang (2023), „Generatyvinio dirbtinio intelekto produktyvumo poveikis“, VoxEU.org, birželio 7 d.

Peng, S, E Kalliamvakou, P Cihon ir M Demirer (2023), „AI poveikis kūrėjo produktyvumui: įrodymai iš github kopiloto“, darbo dokumentas.



Source link

Back To Top

Draugai: - Marketingo paslaugos - Teisinės konsultacijos - Skaidrių skenavimas - Fotofilmų kūrimas - Karščiausios naujienos - Ultragarsinis tyrimas - Saulius Narbutas - Įvaizdžio kūrimas - Veidoskaita - Nuotekų valymo įrenginiai -  Padelio treniruotės - Pranešimai spaudai -