In sintesi
- Fonte
- Brynjolfsson, Mitchell and Rock (2018). What Can Machines Learn and What Does It Mean for Occupations and the Economy?. AEA Papers and Proceedings, 108, 43–47. doi:10.1257/pandp.20181019
- Come è stato condotto
- Gli autori hanno dato a ogni attività di O*NET, la banca dati del governo degli Stati Uniti su professioni e attività, un punteggio su quanto bene l’apprendimento automatico potrebbe svolgerla. Analisi di dati. Costruisce una misura a partire da dati esistenti, come registri di professioni e attività.
- Chi ha partecipato
- 18.156 attività nelle professioni della banca dati.
- Dove
- Dati su professioni e attività degli Stati Uniti.
“Realizing the potential of ML usually requires redesign of job task content.” [Sfruttare il potenziale dell’apprendimento automatico di solito richiede di riprogettare il contenuto delle attività di un lavoro.]
Che cosa ha trovato
- L’apprendimento automatico tocca professioni diverse da quelle toccate dalle ondate precedenti di automazione.
- La maggior parte delle professioni comprende almeno alcune attività adatte all’apprendimento automatico.
- Poche professioni si possono automatizzare del tutto con esso.
- Per ottenere il vantaggio di solito bisogna riprogettare le attività che compongono un lavoro.
Quando vale il risultato
I punteggi descrivono che cosa la tecnologia potrebbe fare con un’attività. Non dicono nulla su costi, dati, norme o sull’accettazione da parte dei clienti.
Limiti
- I punteggi risalgono al 2018, prima degli attuali strumenti di chat con l’IA.
- L’articolo è uscito in un volume di atti di convegno, con una revisione più leggera di un normale articolo su rivista.
Pratiche che usano questo studio
Questo studio sostiene:
- Mappi le attività prima di decidere cosa automatizzare Scomponga i ruoli in attività ed esamini ciascuna. Esistono punteggi pubblicati che misurano quanta parte di una professione l’IA potrebbe svolgere: la sua “esposizione”. Tratti un punteggio alto come un punto da guardare, non come una decisione di automatizzare. Prima di tutto · Impegno: basso (giorni, una persona)
- Riprogetti il flusso di lavoro invece di aggiungervi uno strumento Dare alle persone uno strumento di IA dentro un processo rimasto uguale cambia poco. Decida di nuovo chi svolge ogni passo, in che ordine e dove una persona controlla. Subito dopo · Impegno: alto (mesi, diversi gruppi di lavoro)