Gaat AI onze jobs afpakken?

Er wordt tegenwoordig veel gespeculeerd over de mogelijke impact van AI en generatieve AI, waarbij ook aangehaald wordt dat deze technologieën heel wat taken en dus ook jobs zouden kunnen overnemen. Een nieuwe studie van het MIT relativeert dat door naar de technische haalbaarheid en vooral ook de kost van AI te kijken. Toch stelt men vast dat een relatief groot aantal taken effectief geautomatiseerd kan worden.

De nieuwe studie van het MIT, in samenwerking met het IBM Watson AI Lab, werd gepubliceerd onder de titel “Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision?”

Dat de studie focust op één domein in artificiële intelligentie, namelijk visie, is volgens de onderzoekers omdat er in dat domein meer data beschikbaar is om een grondige analyse te doen. Want dat is meteen de belangrijkste boodschap die in de studie gebracht wordt: heel wat voorspellingen rond AI zijn onvoldoende onderbouwd door feiten en gaan voorbij aan twee essentiële punten, namelijk de technische haalbaarheid en de kost.

Divers takenpakket

Als het over visie gaat, stelt de studie dat 23% van de loonkost die verbonden is aan taken rond visie geautomatiseerd zou kunnen worden. Dat is op het eerste zicht een wat vreemde formulering maar ze is het gevolg van een andere belangrijke boodschap uit de studie, namelijk dat het takenpakket van de meeste mensen zeer divers is en dat het in de huidige stand van zaken niet realistisch is dat AI het volledige pakket zou overnemen.

Daarom heeft men in de studie geprobeerd om de taken te isoleren die rechtstreeks met visie te maken hebben. In een kleine industriële bakkerij, bijvoorbeeld, komt men tot de conclusie dat mensen 6% van de tijd bezig zijn met taken rond visie, bijvoorbeeld bij het controleren van ingrediënten. In die kleine bakkerij is de kost die daarmee overeenkomt onvoldoende om een investering in AI te verantwoorden. Als we naar de industrie in het algemeen kijken, zou voor 23% van de visietaken het wel zinvol kunnen zijn om de investering te doen.

Foundation modellen

De studie geeft aan dat de kost voor de implementatie van AI doorgaans onderschat wordt. Hoewel er al heel wat zogenaamde foundation modellen beschikbaar zijn om direct van start te gaan, moet er voor een concrete implementatie eerst nog extra geïnvesteerd worden in modellen die afgestemd zijn op een specifieke toepassing.

Die redenering geldt niet alleen voor visietoepassingen maar kan ook doorgetrokken worden naar generatieve AI op basis van Large Language Models. Toepassingen als ChatGPT leveren indrukwekkende resultaten af maar zijn zeer generalistisch in hun benadering. Om de technologie te gebruiken in een concrete, professionele setting is een apart model nodig dat getraind is met de taal, kennis en geplogenheden die eigen zijn aan een specifieke sector of onderneming. Dat vergt een aanzienlijke investering die vandaag meestal nog niet te verantwoorden is.

Automation vs. Augmentation

Bij dit alles heeft de studie gekeken naar de volledige automatisering van taken, waar de conclusie dus is dat het voorlopig nog niet zo’n vaart zal lopen. Een andere studie van IBM op basis van een rondvraag bij managers in ondernemingen leert dat 83% van hen verwacht dat AI de medewerkers zal ondersteunen in hun taken, eerder dan die over te nemen. AI valt in dat kader eerder te beschouwen als een tool die de productiviteit in bedrijven kan doen stijgen. Al moet daar wel bij opgemerkt worden dat het gebruik van AI ook nieuwe, bijkomende taken zal introduceren – taken die al dan niet door AI ingevuld kunnen worden.

Een interessant feitje nog dat in de studie wordt aangehaald, is dat slechts 50% van de start-ups in artificiële intelligentie hun klanten helpen om de loonkost terug te dringen. 98% van hen maken producten om de mogelijkheden van hun klanten te doen toenemen.

Bij dit onderwerp leek het ons wel interessant om AI een illustratie te laten maken voor het artikel. Bovenstaande foto werd gegenereerd door DALL·E 3 als antwoord op de vraag naar een arbeider die naar het werk gaat. Onze eerste prompt was algemener en vroeg naar iemand die naar het werk gaat, wat een tekening opleverde van een aardige dame die lipstick stond aan te brengen, wat ons iets minder geschikt leek maar tegelijk wel mooi het generalistische karakter van dergelijke generatieve AI toepassingen illustreert.

De studie van het MIT is vrij te raadplegen via onderstaande link.

futuretech-site.s3.us-east-2.amazonaws.com/2024-01-18+Beyond_AI_Exposure.pdf

© Productivity.be, 26/01/2024