Περίληψη άρθρου:
Μελέτη του Εθνικού Γραφείου Οικονομικών Ερευνών διαπίστωσε ότι ένας βοηθός τεχνητής νοημοσύνης αύξησε την παραγωγικότητα μιας ομάδας εξυπηρέτησης πελατών κατά 14% προσφέροντας προτεινόμενες απαντήσεις σε ιδιοκτήτες μικρών επιχειρήσεων που ζητούσαν τεχνική υποστήριξη. Ωστόσο, τα δεδομένα με τα οποία εκπαιδεύτηκε το ρομπότ προέρχονταν από τους κορυφαίους εργαζόμενους, γεγονός που εγείρει ερωτήματα σχετικά με το αν θα πρέπει να αποζημιώνονται για τη συμβολή τους. Οι εργαζόμενοι με τα υψηλότερα προσόντα δεν είδαν κανένα κέρδος από το chatbot και μάλιστα είδαν τις βαθμολογίες ικανοποίησης των πελατών τους να υποχωρούν ελαφρώς, γεγονός που υποδηλώνει ότι το bot μπορεί να αποσπούσε την προσοχή. Οι ερευνητές σχεδιάζουν να συνεχίσουν να μελετούν τον αντίκτυπο του εργαλείου τεχνητής νοημοσύνης για να διαπιστώσουν αν οι εργαζόμενοι εξαρτώνται από αυτό.

Κύρια σημεία του άρθρου:

• Οι βοηθοί τεχνητής νοημοσύνης μπορούν να αυξήσουν την παραγωγικότητα και να μειώσουν τον κύκλο εργασιών σε ρόλους εξυπηρέτησης πελατών.
• Τα δεδομένα που χρησιμοποιούνται για την εκπαίδευση των βοηθών ΤΝ είναι πολύτιμα και θα πρέπει να αποζημιώνονται.
• Οι ιστορικοί παραλληλισμοί υποδηλώνουν ότι οι εργαζόμενοι υψηλής ειδίκευσης μπορεί να βρεθούν σε μειονεκτική θέση από τους βοηθούς ΤΝ.
• Οι εταιρείες θα πρέπει να εξετάσουν δίκαια συστήματα αποζημίωσης, όπως η αξία Shapley.
• Οι βοηθοί ΤΝ θα πρέπει να χρησιμοποιούνται για την αναβάθμιση των δεξιοτήτων των εργαζομένων και την αύξηση της εργασιακής ικανοποίησης.

Αναλυτικά το άρθρο:
Μια πρόσφατη μελέτη του Εθνικού Γραφείου Οικονομικών Ερευνών έθεσε ερωτήματα σχετικά με την αποζημίωση των εργαζομένων με κορυφαίες επιδόσεις, οι συνομιλίες των οποίων έχουν εκπαιδεύσει τα chatbots AI. Η μελέτη εξέτασε κατά πόσον ένας βοηθός τεχνητής νοημοσύνης που χρησιμοποιεί την τεχνολογία δημιουργίας κειμένου της OpenAI θα μπορούσε να κάνει τους υπαλλήλους εξυπηρέτησης πελατών πιο παραγωγικούς. Το ρομπότ προσέφερε στους πράκτορες προτεινόμενες απαντήσεις σε ιδιοκτήτες μικρών επιχειρήσεων που ζητούσαν τεχνική υποστήριξη με βάση τις προηγούμενες απαντήσεις των εργαζομένων με υψηλές επιδόσεις. Τα αποτελέσματα έδειξαν ότι το εργαλείο τεχνητής νοημοσύνης αύξησε την παραγωγικότητα της ομάδας υποστήριξης κατά 14%. Ωστόσο, αυτό δημιούργησε ερωτήματα σχετικά με το αν οι εργοδότες θα πρέπει να αποζημιώνουν τους εργαζόμενους με τις καλύτερες επιδόσεις, τα δεδομένα των οποίων ενεργοποίησαν τα συστήματα τεχνητής νοημοσύνης που αυξάνουν την παραγωγικότητα. Η οικονομολόγος της Σχολής Διοίκησης MIT Sloan School of Management, Danielle Li, συν-συγγραφέας της μελέτης με την υποψήφια διδάκτορα του MIT, Lindsey Raymond, και τον Erik Brynjolfsson, διευθυντή του Εργαστηρίου Ψηφιακής Οικονομίας του Stanford, προτείνει ότι είναι σημαντικό να βρεθεί ένας τρόπος να μετρηθεί και να αποζημιωθεί αυτή η παραγωγικότητα σε έναν κόσμο όπου τα πολύτιμα δεδομένα μπορούν να χρησιμοποιηθούν για την επίλυση προβλημάτων άλλων ανθρώπων. Παράλληλα, η Raymond υποστηρίζει ότι θα ήταν προς το συμφέρον των εργοδοτών να ανταμείβουν τους εργαζόμενους των οποίων τα δεδομένα επιτρέπουν συστήματα τεχνητής νοημοσύνης που αυξάνουν την παραγωγικότητα, καθώς χρειάζονται υψηλές επιδόσεις για να συνεχίσουν να παράγουν βέλτιστες πρακτικές στο μέλλον.

Μια μελέτη του MIT και του Stanford ανέδειξε την πιθανή ένταση μεταξύ των εργαλείων τεχνητής νοημοσύνης και των εργαζομένων στις εταιρείες. Η έρευνα επικεντρώθηκε σε μια εταιρεία Fortune 500 που χρησιμοποίησε ένα chatbot με βάση την τεχνητή νοημοσύνη για να βοηθήσει τους υπαλλήλους εξυπηρέτησης πελατών. Πολλές από τις δεξιότητες που απαιτούνται για αυτόν τον ρόλο ήταν "σιωπηρή γνώση" που δεν μπορούσε εύκολα να κωδικοποιηθεί, αλλά τις οποίες το chatbot μπορούσε να απορροφήσει από τα αρχεία καταγραφής συνομιλιών, μιμούμενο τεχνικές και φράσεις για να βοηθήσει τους πράκτορες στην επίλυση προβλημάτων και να ηρεμήσει τους αναστατωμένους πελάτες. Η χρήση του bot οδήγησε σε αύξηση κατά 14% των επιλυμένων ζητημάτων ανά ώρα, καθώς και σε μείωση κατά 9% των ποσοστών εναλλαγής προσωπικού και μείωση κατά 25% των αιτημάτων για να μιλήσουν με τους διευθυντές. Ωστόσο, ενώ οι λιγότερο ειδικευμένοι εργαζόμενοι είδαν αύξηση της παραγωγικότητας κατά 35%, οι πιο έμπειροι ή ειδικευμένοι εργαζόμενοι παρέμειναν ανεπηρέαστοι, ενώ ορισμένοι είδαν ακόμη και τις βαθμολογίες ικανοποίησης πελατών να μειώνονται ελαφρώς. Αυτό μπορεί να συνέβη επειδή η εργασία τους ήταν πιο δύσκολο να αναπαραχθεί από τον βοηθό τεχνητής νοημοσύνης. Η μελέτη έχει εγείρει ερωτήματα σχετικά με το κατά πόσο θα πρέπει να προσφέρεται αποζημίωση στους εργαζόμενους των οποίων τα δεδομένα χρησιμοποιούνται για την εκπαίδευση συστημάτων τεχνητής νοημοσύνης εντός των ίδιων των εταιρειών τους.

Οι εταιρείες ενδέχεται να χρειαστεί να βρουν τρόπους να αποζημιώνουν δίκαια τους εργαζόμενους με υψηλές επιδόσεις για τη συμβολή τους στην εκπαίδευση των συστημάτων τεχνητής νοημοσύνης. Ο ιστορικός Aaron Benanav, συγγραφέας του βιβλίου “Automation and the Future of Work”, προειδοποιεί ότι η τάση αυτή είναι μια υπενθύμιση του συστήματος παραγωγικότητας του Frederick Taylor, το οποίο περιελάμβανε τη χρήση ενός χρονόμετρου για τον εντοπισμό του τρόπου με τον οποίο οι φυσικές διαδικασίες θα μπορούσαν να εκτελούνται πιο αποτελεσματικά. Αυτό οδήγησε σε μείωση των εισοδημάτων των πιο εξειδικευμένων εργαζομένων υπέρ της φθηνότερης εργασίας. Μια λύση θα μπορούσε να είναι η αξία Shapley, η οποία χρησιμοποιεί τη θεωρία παιγνίων για να καθορίσει τη δίκαιη κατανομή των κερδών όταν πολλοί παίκτες συνεισφέρουν διαφορετικά ποσά σε ένα ομαδικό επίτευγμα. Ωστόσο, η τεχνική δεν έχει ακόμη εφαρμοστεί σε μεγάλη κλίμακα σε γλωσσικά μοντέλα και περιλαμβάνει ένα στοιχείο τυχαιότητας όταν εφαρμόζεται σε πλαίσιο μηχανικής μάθησης.

Η χρήση των chatbots στον εργασιακό χώρο θα μπορούσε να οδηγήσει τους εργαζόμενους να απαιτήσουν νέες προσεγγίσεις για την αποζημίωση, ακολουθώντας παραδείγματα από χώρες όπως η Γερμανία και η Σουηδία, όπου οι εταιρείες επενδύουν περισσότερο στους εργαζομένους τους. Ωστόσο, υπάρχει επίσης ο κίνδυνος η τεχνολογία να μετατραπεί σε μια μορφή αλγοριθμικής διαχείρισης, περιορίζοντας τις αμοιβές και την εργασιακή ικανοποίηση. Η έρευνα σχετικά με τον αντίκτυπο των εργαλείων τεχνητής νοημοσύνης, όπως τα chatbots, στους εργαζομένους βρίσκεται σε εξέλιξη, προκειμένου να διαπιστωθεί αν αυτοί εξαρτώνται από αυτά ή μαθαίνουν από αυτά. Ενώ η τεχνολογία αντικαθιστά ορισμένες χειρωνακτικές δεξιότητες, η πρόσβαση σε αυτήν επιτρέπει την ανάπτυξη νέων δεξιοτήτων.

Πηγή: You Trained the Chatbot to Do You Job. Why Didn’t You Get Paid?