Koliko je generativna umjetna inteligencija zapravo korisna u svakodnevnim poslovima? Koje zadatke najuspješnije preuzima – i u kojim zanimanjima to doista čini razliku? Microsoft Research pokušao je dati konkretan odgovor na ta pitanja, i to analizom ne predviđanja, nego stvarne upotrebe: čak 200.000 anonimnih interakcija korisnika s Bing Copilotom. Umjesto nagađanja i futurističkih scenarija, pristupili su podacima onako kako bi to učinili inženjeri: statistički, suho i operativno.

Pitanje "Koje poslove AI može preuzeti?" u ovom je istraživanju prevedeno u pitanje: "Koje konkretne zadatke ljudi već sada uspješno obavljaju uz pomoć AI, i u kojim profesijama se ti zadaci najviše pojavljuju?". Takav je pristup omogućio stvaranje realnije slike o poslovima i zadacima na kojima generativna umjetna inteligencija više nije samo teorijska mogućnost, već postaje uhodana, svakodnevna praksa. Rezultati su zanimljivi, skoro bešćutno racionalni i - na sreću nas koji ne volimo novinarski senzacionalizam - lišeni tehnološke mitologije i distopijskog fatalizma.

Što je studija zapravo napravila?

Za razliku od spekulativnih modela koji na temelju opisa zanimanja predviđaju što bi AI jednoga dana mogao raditi, Microsoftov tim se pozabavio onim što AI danas već konkretno radi. Umjesto pretpostavki, proučavali su stvarnu praksu: kako ljudi doista koriste AI sustave u svom svakodnevnom poslu i što ti sustavi zapravo rade. Analizirani su razgovori korisnika s Copilotom, Microsoftovim generativnim AI asistentom, i u svakom se bilježilo što korisnici traže (user goal), što AI konkretno obavlja (AI action) i koliko je to bilo uspješno prema automatiziranim i ljudskim evaluacijama.

Nakon toga, klasificirani su svi ti zadaci i uspoređeni s opisima stvarnih zanimanja iz američke baze O*NET. Time se dobio AI applicability score – brojčana procjena koliki se udio zadataka unutar svakog zanimanja preklapa s onim što AI može obaviti kvalitetno i dosljedno. Uspoređeni su deseci tisuća interakcija i stotine različitih zanimanja.

Važno je istaknuti da ovaj score ne govori ništa o otkazima, zamjeni ljudi, ni brzini promjena. On ne predviđa budućnost, nego opisuje sadašnjost: koliko je neka profesija kompatibilna s trenutačnim mogućnostima generativne umjetne inteligencije. Drugim riječima, koliko su njezini zadaci takvi da ih AI može barem djelomično podržati, ubrzati, olakšati ili čak u nekim slučajevima samostalno izvršiti.

Gdje je AI već sada koristan...?

Najčešće traženi zadaci u interakciji s Copilotom bili su: traženje informacija, pisanje, uređivanje, savjetovanje i objašnjavanje. Ti zadaci, iako naizgled raznorodni, dijele zajedničku srž: svi se temelje na artikulaciji znanja, jezičnom izrazu i konceptualnoj jasnoći. AI se u tim područjima pokazao izuzetno uspješnim jer su upravo takvi zadaci najbliži njegovim kognitivnim "mišićima" – analizi podataka, imitaciji jezika i generiranju strukturiranih odgovora.

Zato ne čudi što su visoko na ljestvici zanimanja s najvećim AI-scoreom upravo profesije koje se temelje na obradi i prijenosu informacija. To su poslovi u kojima jezik nije samo sredstvo komunikacije, nego osnovni alat rada. U njima se znanje pretvara u tekst, brojke, argumente ili preporuke, a sve to generativna AI uči vrlo brzo i reproducira sve uvjerljivije.

Dvanaest (od četrdesetak nabrojanih) trenutno najizloženijih zanimanja su:

• Prevoditelji i tumači

• Pisci i autori

• Novinari, analitičari vijesti

• Tehnički pisci

• Urednici

• Publicisti i PR stručnjaci

• Sveučilišni profesori ekonomije

• Knjižničari i profesori informacijskih znanosti

• Osobni financijski savjetnici

• Statistički asistenti

• Web programeri

• Analitičari tržišta

Riječ je o poslovima u kojima se znanje, informacije i koncepti svakodnevno prevode u jezik – bilo pisani, govorni ili računalni. Ti zadaci omogućuju strojevima da rade ono što najbolje znaju: analiziraju obrasce, kombiniraju informacije i generiraju tekstualne odgovore u uvjerljivoj formi. Ukratko – AI friendly teren.

...a gdje AI (zasad) ne zna što bi sa sobom?

Na suprotnoj strani spektra nalaze se zanimanja u kojima dominiraju fizičke vještine, manipulacija objektima, prisutnost u prostoru, dodir, snaga, rutina koja se odvija u fizičkom, a ne digitalnom svijetu. To su poslovi koji zahtijevaju motoričku koordinaciju, izravnu interakciju s okolišem i sposobnost reagiranja na nepredvidive uvjete – sve ono što današnji modeli umjetne inteligencije jednostavno ne znaju ni percipirati ni upravljati.

Osim toga, u mnogim od tih zanimanja ključna je i interpersonalna komponenta: skrb, briga, nadzor, pouzdanost u stresnim i hitnim situacijama. Strojevi tu ne samo da ne mogu pomoći – često ne mogu ni prepoznati osnovne kontekste u kojima bi trebali reagirati. Sve što nadilazi obradu teksta i podataka još je uvijek u domenu ljudske intuicije, snalažljivosti i osjetilne prisutnosti.

Primjeri dvanaest najmanje kompatibilnih zanimanja su:

• Perači suđa

• Pomoćni radnici u proizvodnji

• Sobarice i čistačice

• Njegovateljice i njegovatelji

• Operateri strojeva za pakiranje

• Zidari i betonski radnici

• Vozači viličara, bagera i teških vozila

• Radnici na održavanju cesta

• Operateri na benzinskim i plinskim postajama

• Liječnici u intenzivnoj i hitnoj medicini

• Uklanjači opasnih tvari

• Kirurški asistenti

Ovdje AI ne samo da nije koristan, nego često i ne zna što bi ponudio. Čak i kad je posrijedi rutina, ona je fizička, prostorno i taktilno specifična, nerijetko vezana uz sigurnost ili zdravlje ljudi. Generativni modeli tu ne pomažu – barem zasad.

Što sve AI (još uvijek) ne razumije?

Postoji niz zadataka u kojima bi AI na papiru mogao pomoći, ali stvarnost je tvrđa. Poslovi koji zahtijevaju finu emocionalnu procjenu, donošenje odluka u realnom vremenu, fizičku prisutnost ili prilagodbu nepredvidivim situacijama, još uvijek ostaju daleko izvan dometa trenutnih sustava. AI modeli ne osjećaju kontekst, ne mogu očitati emocionalni ton, ne znaju kada treba zašutjeti, a kada intervenirati. U dinamičnim okruženjima – kao što su krizne situacije, odgojno-obrazovni procesi ili skrb za nemoćne – izostanak tih sposobnosti nije samo tehnički nedostatak, nego potencijalna opasnost.

Uz to, mnogo toga što ljudi rade u stvarnom svijetu ne može se jasno svesti na zadatak s jednim ciljem i jednim točnim rješenjem. Često su odluke višeslojne, kompromisne, temeljene na neizrečenim pravilima, osjećaju vremena, prostora i neverbalne povratne informacije. Kvaliteta rada AI sustava izravno ovisi o jasnosti zadatka, preciznosti unosa i relevantnosti podataka. AI se ne snalazi u „mutnim vodama“ – ako ne znaš točno što želiš, teško da će ti znati pomoći. A još teže će znati kad nešto ne bi trebao učiniti.

Što ovaj score jest, a što nije?

AI applicability score nije predikcija otkaza, nego ogledalo stvarnosti. Pokazuje koji se zadaci već danas uspješno obavljaju uz pomoć generativne AI. Ujedno razotkriva jaz između zanimanja čiji se zadaci mogu automatizirati – barem djelomično – i onih koji ostaju čvrsto ukorijenjeni u fizičkom i socijalnom svijetu. Taj jaz nije samo tehničke naravi, nego i društvene, kulturne i etičke: govori o tome što smatramo zamjenjivim, a što ljudski nezamjenjivim, barem za sada.

Najvažnije od svega: studija ne najavljuje apokalipsu radne snage. Umjesto toga, nudi hladan, podatkovno utemeljen pogled na ono što se već sada događa. Umjetna inteligencija ne dolazi preuzeti poslove – ali je već počela mijenjati način na koji se mnogi od tih poslova obavljaju. Promjena se često ne očituje u potpunom nestanku radnih mjesta, nego u njihovoj transformaciji – u redefiniranju zadataka, vještina i uloga koje ljudi unutar tih zanimanja svakodnevno obavljaju. Pritom ne uzima inicijativu sama od sebe, nego djeluje unutar okvira koje joj sami postavljamo – kroz alate koje koristimo, zadatke koje joj dodjeljujemo i povjerenje koje joj sve češće ukazujemo.

Zapravo, što više koristimo umjetnu inteligenciju, to je više treniramo da razumije naš posao, naše obrasce ponašanja i naše slabosti. A time joj – često nesvjesno – pokazujemo kako bi nas jednoga dana mogla učiniti suvišnima.