W skrócie
- Źródło
- 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
- Jak je przeprowadzono
- Autorzy ocenili każde zadanie w O*NET, rządowej bazie zawodów i zadań Stanów Zjednoczonych, pod kątem tego, jak dobrze mogłoby je wykonać uczenie maszynowe. Analiza danych. Buduje miarę z istniejących danych, na przykład z opisów stanowisk i zadań.
- Kto brał udział
- 18 156 zadań we wszystkich zawodach z bazy.
- Gdzie
- Dane o zawodach i zadaniach ze Stanów Zjednoczonych.
“Realizing the potential of ML usually requires redesign of job task content.” [Wykorzystanie potencjału uczenia maszynowego zwykle wymaga przebudowy zadań, z których składa się praca.]
Co wykazało badanie
- Uczenie maszynowe dotyka innych zawodów niż wcześniejsze fale automatyzacji.
- Większość zawodów obejmuje przynajmniej część zadań, które nadają się dla uczenia maszynowego.
- Niewiele zawodów da się dzięki niemu w pełni zautomatyzować.
- Żeby skorzystać, zwykle trzeba przebudować zadania, z których składa się praca.
Kiedy wynik się sprawdza
Oceny opisują, co technologia mogłaby zrobić z danym zadaniem. Nie mówią nic o kosztach, danych, przepisach ani o tym, czy klienci by to zaakceptowali.
Ograniczenia
- Ocena pochodzi z 2018 roku, sprzed dzisiejszych czatów AI.
- Praca ukazała się w tomie konferencyjnym, który przechodzi lżejszą recenzję niż zwykły artykuł w czasopiśmie.
Praktyki, które korzystają z tego badania
To badanie wspiera:
- Rozpisz zadania, zanim zdecydujesz, co zautomatyzować Rozłóż stanowiska na zadania i przyjrzyj się każdemu z nich. Publikowane wskaźniki oceniają, jaką część pracy mogłaby wykonać AI, czyli jej „ekspozycję” na AI. Traktuj wysoki wynik jako miejsce, któremu warto się przyjrzeć, a nie jako decyzję o automatyzacji. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Przebuduj proces pracy, zamiast dokładać do niego narzędzie Danie ludziom narzędzia AI w niezmienionym procesie niewiele zmienia. Zdecyduj od nowa, kto wykonuje każdy krok, w jakiej kolejności i gdzie sprawdza człowiek. Zrób potem · Nakład pracy: wysoki (miesiące, kilka zespołów)