Il Tony Blair Institute for Global Change (TBI), un think tank senza scopo di lucro, ha recentemente pubblicato una ricerca che indica che l’intelligenza artificiale potrebbe semplificare la forza lavoro del Regno Unito, ridurre i costi pubblici di miliardi e automatizzare oltre il 40% delle attività dei lavoratori. 

Secondo la ricerca, tuttavia, questi benefici richiederebbero che il governo “investisse nella tecnologia dell’intelligenza artificiale, aggiornasse i propri sistemi di dati, formasse la forza lavoro per utilizzare i nuovi strumenti e coprisse eventuali costi di licenziamento associati all’uscita anticipata dalla forza lavoro”.

Ciò comporterebbe un costo di circa 4 miliardi di dollari all'anno per i successivi cinque anni e di 7 miliardi di dollari all'anno in seguito, scrivono i ricercatori.

Ma il vero problema della ricerca, secondo i ricercatori esterni che hanno letto il documento, è la sua dipendenza da ChatGPT.

Mohammad Amir Anwar dell'Università di Oxford ha espresso l'opinione su X che il Tony Blair Institute stava "inventando stronzate", mentre Emily Bender dell'Università di Washington ha detto a Emanuel Maiberg di 404 Media che i ricercatori "potrebbero anche agitare una palla magica e scrivere le risposte che mostra".

Il problema

I ricercatori del TBI si sono prefissati di fornire una panoramica di alto livello dell'intera forza lavoro, in modo da poter prevedere quale potenziale impatto l'automazione potrebbe avere sul mercato in futuro.

Hanno stabilito che l'IA potrebbe far risparmiare miliardi di dollari al Regno Unito quasi immediatamente. Secondo il documento di ricerca, i costi di investimento rispetto ai potenziali risparmi "implicano che i risparmi netti derivanti dall'utilizzo completo dell'IA nel settore pubblico siano pari a circa l'1,3 percento del PIL ogni anno, equivalenti a 37 miliardi di sterline all'anno in termini odierni".

I ricercatori arrivano addirittura a sostenere che “ciò equivale a un rapporto costi-benefici di 9:1 in totale” in anticipo e “dopo cinque anni stimiamo che il programma potrebbe risparmiare cumulativamente lo 0,5 per cento del PIL annuale (o 15 miliardi di sterline in termini odierni), il che implica che un rapporto costi-benefici di 1,8:1 è possibile se la tecnologia viene implementata rapidamente”.

Anche se questi numeri sono sicuramente entusiasmanti, non è chiaro se abbiano un significato reale.

Ciò che è in discussione è il modo in cui i ricercatori sono giunti alle loro conclusioni. Invece di condurre uno studio esaustivo con lavoratori e datori di lavoro per determinare in che modo l'automazione avrebbe influenzato una determinata posizione, hanno utilizzato il set di dati O*NET per identificare 20.000 attività svolte dai lavoratori e poi hanno inserito i dati in ChatGPT. Il team ha quindi chiesto all'IA di determinare quali attività fossero adatte all'automazione e quali strumenti potessero essere utilizzati per automatizzarle.

Secondo i ricercatori, affidare ogni compito a esperti umani avrebbe reso il loro lavoro “intrattabile”, il che in ambito scientifico significa che è troppo difficile da eseguire.

Ciò significa anche, apparentemente, che sarebbe “intrattabile” per i ricercatori valutare ciascuno degli output di ChatGPT: il team afferma di aver utilizzato il sistema di intelligenza artificiale per categorizzare circa 20.000 attività.

Se possiamo supporre che l'IA abbia commesso degli errori (secondo la ricerca TBI e il sito web del produttore di ChatGPT, OpenAI, i modelli sono inclini a errori), allora possiamo anche supporre che la ricerca contenga informazioni errate e che anche la revisione paritaria sarebbe intrattabile.

L’automazione non è facile

Quindi, qual è il numero reale? Tecnicamente parlando, non sarebbe possibile per ChatGPT comprendere le sfumature dell'automazione su base task-by-task perché è quasi del tutto improbabile che i dati necessari siano nel suo dataset a causa dell'intrattabilità della loro creazione manuale.

Quando si tratta di risolvere nuovi problemi su cui un sistema di intelligenza artificiale non è stato addestrato, i sistemi generativi tendono a fallire.

Ad esempio, le macchine per il caffè automatiche esistono da decenni, ma l'automazione generale, ovvero insegnare a un sistema di intelligenza artificiale a preparare il caffè ovunque, in qualsiasi stanza, è considerata un problema irrisolto nel campo dell'intelligenza artificiale e della robotica.

In parole povere, l'automazione è difficile e richiede un approccio differenziato per ogni singolo compito.

Nel 2017, ad esempio, quando la frenesia dell'IA generativa ha iniziato a prendere piede, si dava per scontato che la guida autonoma sarebbe stata risolta nel giro di qualche anno. Elon Musk ha addirittura previsto che Tesla avrebbe gestito un milione di robotaxi entro il 2020.

Ma, a partire da luglio 2024, la stragrande maggioranza delle case automobilistiche, delle startup e delle grandi aziende tecnologiche che lavoravano su auto a guida autonoma nel 2021 hanno chiuso i rispettivi programmi. Si scopre che il 99% della guida può essere automatizzato, ma finora nessun team di ingegneri ha capito come automatizzare in modo sicuro i casi limite che costituiscono quell'ultimo uno percento.

Sebbene sia facile immaginare che qualsiasi compito semplice possa essere automatizzato, il contesto è importante. ChatGPT potrebbe essere in grado di produrre testo indicando che qualsiasi lavoro può essere automatizzato se si investono abbastanza soldi nel problema, ma la realtà finora si è dimostrata antitetica a queste affermazioni.

Correlato: Intuit licenzia il 10% del personale per concentrarsi sull'intelligenza artificiale