Aleš Maršál a Patryk Perkowsk na stránkách VoxEU uvádějí informace o experimentu v Národní bance Slovenska, který byl zaměřen na přínosy umělé inteligence. Zaměstnancům banky byl totiž „náhodně přidělen přístup k GPT-4.0 při plnění rutinních i nerutinních úkolů. Model zlepšil kvalitu výstupů až o 44 % a zkrátil dobu dokončení úkolů o 21 %, přičemž největší zisky byly zaznamenány u nerutinní práce specifické pro danou oblast.“
Podle studie ekonomů „největší zvýšení kvality zaznamenali méně kvalifikovaní zaměstnanci, zatímco lépe kvalifikovaní kolegové ušetřili nejvíce času.“ Ukazuje se tak, jak „charakteristiky úkolů a lidský kapitál ovlivňují návratnost umělé inteligence“. Nárůst produktivity vyvolaný umělou inteligencí tak bude podle tohoto pohledu „záviset nejen na jejím přijetí, ale i na tom, jak daná organizace změní způsob práce a jednotlivé úkoly.“
Ekonomové připomínají, že generativní umělá inteligence, jako je model GPT-4.0, je nyní široce dostupná. Stále však existuje jen omezené množství experimentálních důkazů o tom, jak ovlivňují práci a produktivitu. Dosavadní studie hlavně ukazují, že umělá inteligence může zlepšit výkon v úzce definovaných úkolech, jako je například tvorba konkrétního programu. Zmíněný experiment v NBS jde dál a zkoumá vliv AI na celkovou práci.
Na uvedeném experimentu se konkrétně podílelo 101zaměstnancůnapříč různými odděleními, od výzkumu a měnovépolitikyaž po IT a provoz. Každý účastník byl požádán o splnění dvouhodinové sady úkolů, které se co nejvíce podobaly jeho každodenní práci.Výsledkypak ukazují, že přístup k GPT-4.0 „vedl k velkému průměrnému nárůstu produktivity napříč všemi oblastmi. Kvalita úkolů se zlepšila o 33 % až 44 %, zatímcodobadokončení úkolů se zkrátila o 21 %. Téměř všichni účastníci (konkrétně 94 %) vytvořili s umělou inteligencí kvalitnější výstupy a velká většina (80 %) dokončila úkoly rychleji.“
Experiment také ukazuje, že „zaměstnanci s nižší kvalifikací byli díky umělé inteligenci schopni odvádět podstatně lepší práci a v některých případech dohnali svými výkony kolegy s vyšší kvalifikací. Největší úsporu času zase zaznamenali lidé s vyššími dovednostmi.“ Některé dosavadní studie přitom vedou k závěru, že generativní umělá inteligence neúměrně pomáhá pracovníkům s nižší kvalifikací. Experiment v NBS ale „vykresluje komplexnější obraz: Lidé s nižší kvalifikací skutečně realizují velké zlepšení kvality, ale zaměstnanci s vyšší kvalifikací zase profitují na straně rychlosti. Generativní umělá inteligence tak může fungovat jednak jako vyrovnávač kvality, ale také může zvyšovat efektivitu.“
Ekonomové vedle výše uvedeného zjistili, že u běžných úkolů AI zlepšila výsledky o 24 %. U nestandardních úkolů se výkon zlepšil o 58 %. U specializovaných úkolů přizpůsobených expertíze zaměstnance zvýšila umělá inteligence výkon o 100–117 %. „Tato zjištění jsou v souladu s teorií, že umělá inteligence je nejproduktivnější, když je spojena s kognitivní komplexností a expertním kontextem. Tedy nikoli tehdy, když je používána k automatizaci jednoduchých nebo opakujících se úkolů.“
Studie v NBS pak naznačuje, že „zavedení umělé inteligence je pouze prvním krokem. Aby organizace mohly plně využít její hodnotu, musí také přehodnotit způsob přidělování úkolů – více sladit nástroje, lidi a práci. Celkově má tedy generativní AI největší přínos u nerutinní, kognitivně náročné práce (syntéza a analýza specifická pro danou oblast), přičemž často zdvojnásobí výkon oproti rutinním úkolům. A „plné využití hodnoty generativní umělé inteligence bude záviset nejen na samotné technologii, ale i na tom, jak dobře ji organizace sladí s lidským kapitálem a zadáváním úkolů.“
Zdroj: VoxEU