GPTs are GPTs: Labor market impact potential of LLMs · Eloundou et al. 2024

Sinossi

Tyna Eloundou e Pamela Mishkin, ricercatrici di OpenAI, hanno lavorato con Sam Manning del Centre for the Governance of AI di Oxford e con Daniel Rock della Wharton School per stimare quanta parte del lavoro statunitense sia esposta ai grandi modelli linguistici. Il loro metodo riprende l'analisi per compiti: ogni occupazione viene scomposta nelle attività che la compongono, e per ciascuna si giudica se un modello linguistico, da solo o con programmi costruiti sopra di esso, potrebbe ridurre di molto il tempo necessario a parità di qualità. Le valutazioni vengono sia da annotatori umani sia dallo stesso GPT-4, che applicano una griglia comune. Nella versione estesa del lavoro, diffusa come preprint nel 2023, circa l'80 per cento dei lavoratori statunitensi ha almeno il 10 per cento dei propri compiti esposto, e circa il 19 per cento ha esposta almeno metà dei compiti. Con il solo modello si potrebbe svolgere molto più in fretta circa il 15 per cento dei compiti, ma con gli strumenti costruiti sopra di esso la quota sale fra il 47 e il 56 per cento. L'esposizione tocca tutti i livelli di reddito ed è più alta in molte occupazioni ben pagate, al contrario di quanto era avvenuto con le ondate precedenti di automazione. Eloundou e colleghi ne concludono che questi modelli hanno i tratti di una tecnologia di uso generale, cioè di una tecnologia che si diffonde in molti settori e richiede investimenti complementari. Si tratta di una stima di esposizione potenziale e non di una previsione: non dice quando né se le aziende adotteranno gli strumenti, e una parte delle valutazioni è stata fatta da un modello sviluppato dall'azienda per cui lavorano due delle autrici.

Che cosa significa per un'organizzazione

Il valore non viene dal modello in sé ma dagli strumenti e dai processi costruiti attorno a esso, per cui la riorganizzazione del lavoro conta quanto l'acquisto della tecnologia.