Експерти, які досліджували вплив автоматизації на ринок праці, дійшли висновку, що штучний інтелект нині не здатен одностайно визначити, які професії найбільше піддаються ризику заміни. Про це з посиланням на The Wall Street Journal повідомляє 8 канал.
Американські економісти проаналізували 18 тисяч робочих завдань з бази даних ONET та звернулися до трьох провідних моделей ШІ — ChatGPT-5, Gemini 2.5 та Claude 4.5 — із проханням оцінити ймовірність заміни конкретних професій штучним інтелектом. Однак експерти зафіксували значну різноманітність у відповідях.
Наприклад, мовна модель Claude віднесла бухгалтерів до однієї з найбільш вразливих категорій, тоді як Gemini оцінив можливість їхньої автоматизації значно нижче. Також помітні відмінності виникли в прогнозах щодо рекламних менеджерів і керівників компаній.
Як свідчить дослідження, відповіді ChatGPT і Gemini часто співпадали, але у кожному четвертому випадку їхні оцінки суттєво розходилися. Найтруднішим для прогнозування виявилися професії, які поєднують і фізичну, і розумову діяльність.
Автори роботи припускають, що такі відмінності зумовлені особливостями навчальних даних, на яких тренуються моделі. Якщо спеціалісти певної сфери вже активно застосовують інструменти ШІ, система має більше інформації про їхню діяльність і вважає цю галузь більш вразливою до автоматизації.
Журналісти 8 каналу підкреслюють, що наведене дослідження ставить під сумнів достовірність прогнозів розвитку ринку праці, які базуються виключно на аналізі штучного інтелекту. Отже, політикам, бізнес-лідером та освітянам слід ставитися до таких висновків із обережністю.
Раніше стало відомо про те, що компанії знову почали запрошувати на роботу колишніх працівників, оскільки очікування від впровадження ШІ залишилися не виправданими. На сьогодні штучний інтелект замінює лише окремі етапи робочих процесів, а не цілі посади.
Дані підтверджує і звіт дослідників Массачусетського технологічного інституту (MIT), у якому йдеться, що 95% компаній, інвестувавши в ШІ, поки не отримали суттєвого фінансового зиску. Однією з головних причин є складнощі у донавчанні моделей на конкретні бізнес-завдання.
