Gli effetti sulla produttività dell’intelligenza artificiale generativa

Le tecnologie di automazione – macchine in grado di svolgere compiti produttivi al posto dei lavoratori umani – hanno svolto un ruolo enorme nella storia economica dell’umanità a partire dalla rivoluzione industriale. Dall’automazione della produzione tessile nel XIX secolo alla meccanizzazione dell’agricoltura all’inizio del XX secolo, le ondate storiche di automazione hanno portato a enormi riallocazioni settoriali del lavoro e hanno contribuito a stimolare l’urbanizzazione e un massiccio cambiamento sociale. Queste ondate di automazione sono state tutt’altro che benevole nel breve e medio periodo (Acemoglu e Johnson 2023), ma alla fine hanno contribuito a un’enorme crescita della produzione e del tenore di vita nei paesi industrializzati.

Tra gli anni ’70 e l’inizio degli anni ’20, la storia dell’automazione nei paesi ad alto reddito è rimasta abbastanza coerente (Autor 2015). I progressi nei macchinari, l’avvento dei computer e la proliferazione delle tecnologie digitali hanno portato alla graduale automazione dei compiti “di media qualificazione” che vanno dalle attività di catena di montaggio in fabbrica alle attività di contabilità e contabilità (Autor et al. 2003). Questi compiti – costituiti da sequenze discrete e formalizzabili di passaggi – potrebbero essere sempre più programmati in computer e macchine sempre più economici, sostituendo gli esseri umani da molte occupazioni.

Queste ondate incrementali di automazione “orientata alla routine” hanno contribuito a una “polarizzazione” ampiamente discussa del mercato del lavoro: i lavori a medio salario nel settore manifatturiero e quelli impiegatizi si sono lentamente dissolti mentre sono apparsi nuovi posti di lavoro a basso salario nelle pulizie, nella vendita al dettaglio e nella cura personale come nonché occupazioni manageriali, tecniche e professionali ad alto salario. Di conseguenza, la disuguaglianza salariale e di reddito è aumentata drammaticamente in questo periodo, con i gruppi demografici un tempo concentrati in occupazioni colpite dall’automazione che sono rimasti indietro (Acemoglu e Restrepo 2022) mentre i professionisti a reddito più elevato e i proprietari di capitali sono andati avanti (Moll et al. 2022).

A partire dagli anni 2010, gli economisti hanno osservato che il fiorente campo dell’apprendimento automatico potrebbe indirizzare l’automazione in una nuova direzione. In precedenza, le attività potevano essere automatizzate solo se potevano essere suddivise in sequenze esplicite di passaggi che potevano essere spiegate formalmente a un computer o a una macchina. Molti compiti che richiedevano creatività o conoscenza tacita e difficile da formalizzare – dalla scrittura alla diagnosi medica alla progettazione grafica – evitavano quindi l’automazione. Ma negli anni 2010, gli economisti hanno notato che le tecniche emergenti di “deep learning”, che addestrano i computer in modo induttivo su grandi set di dati esistenti invece di fornire istruzioni esplicite, potrebbero alla fine consentire l’automazione anche di compiti creativi o dipendenti dalla conoscenza tacita.

La prima ondata di tecnologie di automazione basate sull’apprendimento automatico mirava a compiti “predittivi” come decisioni su cauzione, decisioni di assunzione o diagnosi mediche (Kleinberg et al. 2018, Chalfin et al. 2016, Mullainathan e Obermeyer 2022). Gli algoritmi di apprendimento automatico sono diventati sempre più bravi a fare previsioni binarie da dati di input ad alta dimensione, suscitando preoccupazioni sul futuro di professioni come la radiologia. Ma i compiti creativi sembravano ancora saldamente isolati dalla minaccia dell’automazione.

La situazione è cambiata con il rilascio pubblico di impressionanti sistemi di intelligenza artificiale “generativa” tra la metà e la fine del 2022. Addestrati utilizzando tecniche di deep learning per generare grandi corpi coerenti di testo o immagini ben prodotte in risposta a suggerimenti scritti, questi sistemi sono stati sostanzialmente più capace di qualsiasi chatbot o strumento di generazione di immagini preesistente. Per la prima volta sembrava che le attività di scrittura creativa o di progettazione potessero dover affrontare un’imminente automazione diffusa.

In un articolo recente (Noy e Zhang 2023), riportiamo i risultati di un esperimento online che abbiamo condotto che fornisce un primo sguardo alla potenziale produttività e agli impatti sul mercato del lavoro dei sistemi di intelligenza artificiale generativa basati su testo, in particolare ChatGPT 3.5.

Abbiamo condotto l’esperimento su Prolific, una piattaforma di sondaggio che rappresenta un pilastro della ricerca accademica in scienze sociali. Abbiamo esaminato decine di migliaia di intervistati sulla piattaforma per identificare un sottoinsieme di intervistati con istruzione universitaria nelle nostre occupazioni di interesse (manager, professionisti delle risorse umane, autori di sovvenzioni, esperti di marketing, consulenti e analisti di dati) che sono stati scelti in base alla nostra capacità di elaborare compiti di scrittura realistici, specifici per la professione, di 20-30 minuti, che potremmo gestire tramite un sondaggio online. Ai manager e ai professionisti delle risorse umane è stato assegnato il compito di scrivere un'e-mail sensibile, gli esperti di marketing di scrivere un comunicato stampa per un prodotto ipotetico, gli scrittori di sovvenzioni di scrivere una domanda di sovvenzione, i consulenti di scrivere un breve rapporto e gli analisti di dati di scrivere un piano di analisi. Circa l'85% dei partecipanti ha valutato i compiti come imitazioni "realistiche" o "molto realistiche" di compiti reali svolti nelle loro occupazioni.