"Científicos" e "investigadores" encabezan la lista de trabajos cuyas tareas están más expuestas a los LLM

Si bien los modelos de lenguaje grandes (LLM) y las tecnologías asociadas están listos para irrumpir en el mundo laboral, se ha hecho poco para evaluar este riesgo o desarrollar políticas para abordarlo. En un Foro de Políticas, Tyna Eloundou y sus colegas informan de los resultados de una rúbrica que desarrollaron para evaluar los efectos de los LLM en los mercados laborales. Los autores reportan que las ocupaciones con salarios más altos están más expuestas a los LLM. A pesar de una literatura creciente que busca comprender los impactos de los LLM sobre el mercado laboral, todavía no hay un entendimiento claro de cómo la "exposición" a los sistemas de IA se traducirá en impactos reales sobre la demanda laboral, los salarios, la desigualdad, la calidad del trabajo y otros resultados clave. En esta ocasión, Eloundou y sus colegas utilizaron la base de datos O*NET 27.2, que abarca docenas de ocupaciones y sus flujos de trabajo detallados, y se centraron en 923 ocupaciones en particular. Utilizaron humanos y entrenaron a GPT-4 para evaluar si un LLM podría reducir el tiempo necesario para que un humano complete una tarea en al menos un 50%, manteniendo o mejorando la calidad. Los autores estiman que aproximadamente el 80 % de los trabajadores tienen ocupaciones donde al menos el 10% de las tareas laborales están expuestas a la influencia de los LLM en estas condiciones y el 18,5% de los trabajadores tienen ocupaciones donde el 50 % de sus tareas están expuestas. Un análisis exploratorio adicional reveló que el 1,86 % de las tareas podrían ser completamente automatizadas sin supervisión humana. Eloundou y sus colaboradores encontraron que, en general, las ocupaciones con salarios más altos estaban más expuestas a los efectos de los LLM que las ocupaciones con salarios más bajos. De hecho, los dos grupos de trabajo más expuestos a los LLMs son "Científicos e investigadores" y "Tecnólogos". Sin embargo, según los autores, tareas que actualmente se consideran fuera del alcance de los LLM podrían volverse más viables con futuras innovaciones, y viceversa, tareas que parecen más susceptibles de ser manejadas por los LLM podrían encontrarse con barreras inesperadas. Este trabajo destaca la importancia de desarrollar políticas para facilitar las transiciones en la adopción de LLM y dirigir su desarrollo hacia una dirección socialmente más beneficiosa, asegurando que las ganancias económicas sean amplias y se distribuyan de manera equitativa.

Para los reporteros interesados en tendencias, un estudio publicado en Science Robotics en abril de 2022 investigó  una manera de determinar en qué medida estaba un trabajo en riesgo de ser reemplazado por robots o por inteligencia artificial . El estudio también propone estrategias para mitigar este resultado.