Самая удобная история об ИИ и рабочих местах начинается с чёткой сцены: в ноябре 2022 года появляется ChatGPT, и рынок труда начинает шататься. Январский препринт на arXiv указывает, что шататься он начал раньше. Для истории, в которой главный герой уже определён, это неудобный факт.
В статье не утверждается, что генеративный ИИ безвреден. Её вывод более узкий — и более неприятный для тех, кто любит стройные причинно-следственные объяснения.
Что на самом деле сделали исследователи
Авторы объединили три вида данных: сведения из американской системы страхования на случай безработицы, карьерные истории из профилей в интернете и информацию об университетских курсах. Вместе эти данные позволили сравнить изменения по профессиям и когортам выпускников, а не просто смотреть на общий график безработицы и строить догадки.
Такой подход важен, потому что вопрос не в том, стало ли некоторым людям труднее на рынке труда. Вопрос в том, когда это произошло, с кем и в каких профессиях.
Проблема хронологии
Главный вывод касается дат. В профессиях, наиболее подверженных влиянию больших языковых моделей, риск безработицы начал расти с минимума, достигнутого в начале 2022 года. ChatGPT запустили в ноябре того же года, так что рост начался почти за двенадцать месяцев до его появления.
Данные о выпускниках рисуют похожую картину:
- Когорта 2021 года. Начиная с выпуска 2021 года, выпускники стали реже устраиваться в профессии с высокой подверженностью влиянию ИИ, чем представители предыдущих когорт.
- Когда возник разрыв. Этот разрыв появился ещё до конца 2022 года — снова раньше чат-бота, который теперь всем запомнился как стартовый выстрел.
Если бы ChatGPT был выключателем, свет не мигал бы ещё зимой, предшествовавшей его установке.
Чего авторы не утверждают
Исследователи не говорят, что генеративный ИИ никак не повлиял на рынок труда. Их мысль в том, что его запуск нельзя считать чёткой границей для установления причинно-следственной связи, поскольку негативные тенденции начались раньше.
Их интерпретация данных указывает на другие факторы: общеэкономические и отраслевые сдвиги, которые уже оказывали давление на профессии, тесно связанные с технологиями. Иными словами, проблемы в этих профессиях могли возникнуть по причинам, почти не связанным с чат-ботом, а сам чат-бот появился, когда события уже разворачивались.
В этом есть занятная ирония. ИИ винят в спаде, который, судя по этим данным, начался без него. Технологиям порой ставят в заслугу события, на которых они всего лишь присутствовали.
Напоминание о том, что означает 'подверженность влиянию'
В анализе есть и методологическое предостережение, которое часто теряется в заголовках. Подверженность влиянию ИИ показывает, в какой степени возможности языковых моделей могут затронуть задачи, выполняемые в рамках профессии. Это не подсчёт рабочих мест, действительно потерянных из-за ИИ.
Это совершенно разные вещи. Профессия может быть весьма подвержена влиянию ИИ в теории, но при этом терять работников по не связанным с ним причинам. Примерно на это и указывает хронология.
Обратная сторона требует такой же честности. Данные носят наблюдательный характер, основаны на записях о безработице и карьерных историях и не исключают более поздних последствий внедрения LLM в отдельных отраслях или регионах. Статья, показывающая, что история началась раньше, не доказывает, что на этом она закончилась. Внедрение требует времени, а эффект, возникший после окончания периода наблюдений, в данные не попадёт.
Вывод об образовании
Более обнадёживающий результат статьи касается выпускников. Те, кто учился по программам с большей подверженностью влиянию ИИ, после появления ChatGPT показывали лучшие результаты. На первой работе они получали более высокую зарплату и тратили меньше времени на её поиск.
Авторы осторожны в интерпретации этого результата. Речь о статистической связи, а не об обещании какому-либо отдельному работнику или группе. Тем не менее они видят в этом довод в пользу того, чтобы целенаправленно связывать навыки, учебные программы и карьерные результаты, а не надеяться, что всё согласуется само собой.
Это скромная и разумная рекомендация. К тому же она остаётся в силе независимо от того, чем закончится спор о причинно-следственных связях.
Какие выводы стоит сделать
Стоит запомнить три вещи.
- Даты — это доказательства. Если спад начинается раньше предполагаемой причины, одной этой причины для объяснения недостаточно.
- Подверженность влиянию — это прогноз возможностей. А не подсчёт потерь.
- Отсутствие доказательств работает в обе стороны. Статья ослабляет утверждение о том, что ChatGPT запустил спад, но оставляет открытым вопрос о более поздних и локальных эффектах.
Практический вывод менее эффектен, чем хотелось бы любому из лагерей. Винить ИИ во всём — ленивый подход, но полностью сбрасывать его со счетов было бы столь же лениво. Куда труднее измерять происходящее — профессия за профессией, когорта за когортой. Это медленнее, чем писать заголовки, и заметно менее увлекательно.