Czy sztuczna inteligencja pozbawi nas pracy? A może problemem będzie nie tyle masowe bezrobocie, ile niedobór personelu umiejącego współpracować z maszynami? W takiej sytuacji to te ostatnie mogą okazać się bezużyteczne i powędrować do lamusa

Rozpowszechniona dziś opinia głosi, że postęp w obszarze nowych technologii (ze sztuczną inteligencją na czele) doprowadzi niebawem do bezrobocia na masową skalę. Zdaniem niektórych analityków o swoją zawodową przyszłość powinni się martwić nie tylko ludzie o niskich kwalifikacjach, wykonujący powtarzalną i łatwą do zautomatyzowania pracę fizyczną, ale także ci spośród pracowników umysłowych, którzy zajmują średnie stanowiska w firmowej hierarchii. Oni bowiem również na co dzień wykonują zadania, które stopniowo będą automatyzowane przez systemy informatyczne.

Żeby plusy nie przesłoniły minusów

Jeśli taki scenariusz jest realny, to SI musi sobie już całkiem nieźle radzić. Czy tak jest naprawdę, postanowili sprawdzić autorzy raportu „AI @ Work” poświęconego możliwościom SI w miejscu pracy, a przygotowanego przez Future Says we współpracy z Oxford Internet Institute.

W ciągu 1,5 roku badacze przeanalizowali treść ponad 400 artykułów oraz raportów poświęconych zastosowaniom uczenia maszynowego w różnych branżach. Skupili się przede wszystkim na problemach z wykorzystaniem tej technologii. Co wynika z badania? Autorzy wskazują trzy główne obszary problemowe: integrację, zaufanie i przejrzystość. Przyjrzyjmy im się bliżej.

Rzucona na głęboką wodę

Trudność ze zintegrowaniem systemów SI w firmie czy instytucji może wynikać z różnych przyczyn, jak np. brak odpowiednich danych czy niezoptymalizowane procesy. Autorzy raportu podkreślają jednak jeszcze jeden czynnik: brak elastyczności wielu systemów SI. Na przykład lekarskie narzędzie diagnostyczne może być bardzo skuteczne w warunkach laboratoryjnych, jednak kompletnie nie sprawdzać się w codziennej pracy w szpitalu. Dlaczego? Ponieważ personel nie zawsze jest w stanie dostarczyć maszynie dane w takiej jakości, w jakiej były one dostępne na etapie trenowania narzędzia w laboratorium.

Co więcej, lekarze nierzadko spierają się co do diagnozy i zdarzają im się zmiany decyzji. Tymczasem systemy SI okazują się oporne na ręczne modyfikacje, prowadząc tym samym do dodatkowych obciążeń w pracy personelu, który nie może tak po prostu pominąć danego narzędzia.

Inny problem, na który zwracają uwagę autorzy raportu, to wciąż ograniczony potencjał większości rozwiązań bazujących na SI. Mimo szumnych deklaracji twórców czy marketingowców, masa systemów SI wciąż nie jest w stanie w pełni zastąpić człowieka. Oprócz tego czas i wysiłek potrzebny do wytrenowania systemu jest często tak długi, że niektóre firmy się zniechęcają i zarzucają wdrożenie.

SI jest wciąż bardzo daleka od doskonałości i samodzielności, i wymaga obsługi przez pracowników dobrze rozumiejących zasady jej działania. Gdy ich zabraknie, „inteligentne” narzędzia mogą po prostu okazać się nieprzydatne

Źródłem kłopotów może być też zmiana kontekstu, w jakim działa maszyna. W jednym z nowojorskich szpitali SI nauczyła się diagnozować pacjentów z zapaleniem płuc. Gdy jednak spróbowano zastosować ją w innym miejscu, okazała się mało użyteczna. Przyczyna? Maszyna rozpoznawała chorobę nie na podstawie objawów, ale typu sprzętu używanego do wykonywania zdjęć RTG. Po prostu w cięższych przypadkach lekarze ze szpitala w Nowym Jorku korzystali zwykle z przenośnego rentgena.

Sztuczna czy naturalna?

Powyższy przykład wiąże się z drugim z wymienionych w raporcie problematycznych obszarów, czyli wiarygodnością technologii. Jak przekonują autorzy, narzędzia reklamowane jako wykorzystujące SI w rzeczywistości są w wielu przypadkach wspierane przez rzesze nisko opłacanych pracowników, zazwyczaj z biedniejszych rejonów świata. Tak było właśnie w przypadku pewnego indyjskiego start-upu, który chwalił się, że jego system pozwala w ciągu godziny zbudować od zera aplikację. W rzeczywistości odpowiadał za to sztab niewidocznych dla klienta inżynierów. Takie sytuacje przywodzą natychmiast na myśl Mechanicznego Turka – XVIII-wieczny „wynalazek”, który rzekomo potrafił sam grać w szachy z ludzkim przeciwnikiem, zaś w rzeczywistości skrywał w sobie żywego gracza, który udawał ruchy „maszyny”.

Co istotne, podkreślają autorzy, rejony świata, z których rekrutuje się ludzi pracujących na rzecz (lub zamiast) SI pokrywają się dość dokładnie z obszarami dawnych kolonii. Niegdysiejsza tania siła robocza parająca się produkcją na rzecz państw rozwiniętych stopniowo przeobraża się w równie tanie zastępy pracowników wspierających SI. Nie zawsze muszą to zresztą być inżynierowie. Często to ludzie pracujący w tzw. fabrykach danych, gdzie zajmują się np. etykietowaniem zdjęć używanych do trenowania inteligentnych maszyn.

Ponadto spora część dostępnych na rynku narzędzi SI wciąż działa w sposób dość uproszczony, oferując użytkownikom rozwiązania zerojedynkowe w sytuacjach, gdy potrzebne są bardziej zniuansowane rekomendacje.

W tym kontekście autorzy podają przykład dyskryminacji kobiet przez SI wykorzystywaną w jednej z dużych firm technologicznych do usprawnienia procesu rekrutacji. Początkowo sądzono, że problem kryje się w danych, na których system został wyuczony. Z czasem okazało się jednak, że źródłem kłopotów był sposób działania samego narzędzia, które skonstruowano na wzór systemów rekomendacji w sklepie internetowym. W efekcie, korzystając z uproszczonych kryteriów wyboru, system arbitralnie wybierał pięciu „najlepszych” kandydatów, odrzucając 95 procent z nich i nie pozwalając na bardziej wyważoną ocenę zgłoszeń.

Nieprzejrzyste mechanizmy

Jednym z najpoważniejszych problemów rozpoznanych przez autorów raportu okazuje się nadmierne zachłyśnięcie przez pracodawców nowymi technologiami kosztem rozwoju pracowników. W rezultacie pieniądze inwestowane są głównie w zakup nowych narzędzi, a podnoszenie umiejętności personelu traktowane jest po macoszemu. To duży błąd, przestrzegają badacze. SI jest bowiem wciąż bardzo daleka od doskonałości i samodzielności, i wymaga obsługi przez pracowników dobrze rozumiejących zasady jej działania. Gdy ich zabraknie, „inteligentne” narzędzia mogą po prostu okazać się nieprzydatne.

Ten obszar wiąże się z jeszcze jedną grupą problemów. Chodzi o umniejszanie roli pracowników, którzy działają gdzieś w cieniu maszyn i zarabiają mniej, niż gdyby wykonywali swoją pracę jawnie we własnym imieniu. To jednak nie wszystko. Taka sytuacja negatywnie wpływa również na użytkowników. Ci mogą bowiem myśleć, że ich dane są przetwarzane wyłącznie przez autonomiczne systemy, podczas gdy w rzeczywistości mają do nich dostęp ludzie. Grozi to utratą kontroli nad wrażliwymi informacjami i z czasem może być źródłem problemów tak dla klientów, jak i przedsiębiorców.

Kłopoty z SI nie sprowadzają się więc wyłącznie do spraw technicznych. Równie często są to kwestie związane z relacjami z ludźmi – zarówno wewnątrz, jak i na zewnątrz firmy. Dopóki SI nie będzie wdrażana w przejrzysty sposób, dopóty z jej nadejściem będą rosły problemy na styku ludzi i technologii. Przekonanie, że w tym starciu ostatecznie muszą zwyciężyć maszyny, może być jednak mylne.

Skip to content