L’Intelligenza Artificiale Generativa, in particolare i Large Language Models (LLMs), rappresentano una svolta nel modo in cui possiamo interagire e lavorare con le informazioni e i dati. Il dibattito pubblico sull’impatto potenziale dell’AI sui lavoratori è spesso polarizzato e incerto, il report pubblicato a settembre dal World Economic Forum, in collaborazione con Accenture, intitolato “Jobs of Tomorrow: Large Language Models and Job” si concentra specificamente sugli LLMs e sulle attività che possono svolgere, offrendoci un approccio strutturato per comprendere l’impatto diretto degli LLMs su lavori specifici. Tale analisi offre un corposo contributo per aiutare le organizzazioni a prendere decisioni più informate in merito alla formazione, alla pianificazione della forza lavoro e ad altri investimenti strategici.
I punti salienti del report del WEF
Il panorama lavorativo globale sta subendo rapidi cambiamenti a causa di fattori come la crescita, la geoeconomia, la sostenibilità e l’evoluzione tecnologica. Secondo il Future of Jobs Report 2023 [1]pubblicato dal World Economic Forum, si prevede che il 23% dei lavori a livello globale subirà cambiamenti nei prossimi cinque anni. Un elemento chiave di questa trasformazione è l’emergere dell’intelligenza artificiale generativa, in particolare i Large Language Models (LLMs). Come già scritto questi modelli linguistici avanzati hanno il potenziale per influenzare significativamente il mercato del lavoro, sia in termini di automazione che di creazione di nuove opportunità.
In sintesi:
- Evoluzione dell’AI: l’intelligenza artificiale generativa, rappresentata da prodotti come GitHub’s Copilot, Midjourney e ChatGPT, sta guadagnando un’importanza senza precedenti nel panorama tecnologico. Questi strumenti sono visti come potenzialmente rivoluzionari per diverse professioni e settori.
- Adozione dell’AI: vi è un crescente interesse da parte delle aziende nell’adozione dell’AI. Il 75% delle persone intervistate ha già pianificato i progetti per integrare l’AI nelle attività delle loro organizzazioni. Inoltre, il 62% ha piani per adottare le tecnologie di elaborazione di testi, immagini e voce.
- Impatto dei LLMs: se fino al 62% del tempo lavorativo venisse dedicato a compiti basati sul linguaggio, l’impatto dei LLMs potrebbe essere davvero significativo. Tuttavia, mentre alcune professioni potrebbero essere automatizzate, altre potrebbero beneficiare dell’AI come strumento di supporto o di potenziamento.
Il documento analizza l’impatto potenziale dei LLMs su oltre 3.000 compiti individuali, classificandoli in base al loro potenziale di esposizione all’adozione di LLMs. Questi compiti sono suddivisi in categorie come “alto potenziale per l’automazione” o “alto potenziale per l’incremento”.
In che modo gli LLM impattano sui singoli compiti che svolgiamo nel lavoro
Le forme più recenti di modelli di Intelligenza Artificiale Generativa sono frutto del deep learning, questi modelli vengono addestrati su enormi quantità di dati e solitamente assumono la forma di una rete neurale. La struttura di tali reti è ispirata all’organizzazione dei neuroni nel cervello umano. Una volta addestrati, questi modelli presentano capacità predittive che sembrano superare quelle umane e possono generare testo o immagini in risposta a un comando scritto.
Fino ad ora, questi modelli di AI Generativa sono stati utilizzati in diversi strumenti e contesti: dalla creazione di immagini, audio o video, alla rilevazione di frodi finanziarie e altri rischi legati alla sicurezza. Inoltre, sono in grado di svolgere molteplici compiti linguistici, come la generazione di linguaggio naturale, matematico e computazionale. Sebbene esista una vasta gamma di applicazioni per l’AI Generativa, il report del WEF si concentra in particolare sui modelli di linguaggio di grandi dimensioni (LLMs) e sulle loro straordinarie capacità di generare linguaggio perché hanno il potenziale per influenzare un numero significativo di lavori e attività nel prossimo futuro.
Infatti, gli LLMs sono estremamente versatili: possono riformulare testi, fornire feedback dettagliati, tradurre in altre lingue, correggere errori e persino riscrivere un testo con un tono o uno stile diverso. Possono anche generare nuovi contenuti e offrire una certa competenza su argomenti presenti nei dati con cui sono stati addestrati. Ad esempio, possono eseguire una revisione di un testo o completare un compito, attività tipica, ad esempio, di un assistente di ricerca. Considerando che anche i linguaggi di programmazione sono testo, gli LLMs possono fungere da assistenti di programmazione, incrementando notevolmente la produttività, come dimostrato dall’implementazione di GitHub’s Copilot, che ha aumentato la produttività dei programmatori del 56%. Integrando gli LLMs con altri sistemi, si potrà estendere la loro applicazione a una maggiore varietà di compiti, come organizzare riunioni, effettuare ordini, rispondere alle e-mail o fornire ricerche su specifici argomenti.
Data l’ampia sovrapposizione tra le capacità degli LLMs e i compiti lavorativi attuali, emergono alcune domande cruciali:
- Come l’introduzione degli LLMs nelle organizzazioni cambierà materialmente il lavoro?
- Quali singole parti di un lavoro saranno maggiormente influenzate, di conseguenza modificate, dall’introduzione degli LLMs?
- Quali lavori in generale saranno maggiormente influenzati dagli LLMs?
- Quali nuovi lavori potranno emergere?
Attraverso un’analisi dettagliata, un lavoro viene scomposto nei suoi singoli compiti per valutare come ogni singola attività possa essere influenzata dagli LLMs. I compiti dipendenti dal linguaggio e quelli routinari, come quelli svolti da impiegati e amministrativi che passano attraverso la lettura, l’inserimento di dati e la revisione delle transazioni, sono i più esposti all’automazione, con un’alta probabilità che non saranno più eseguiti dagli esseri umani in futuro. La ricerca ha utilizzato dati da O*NET e dal United States Bureau of Labor Statistics, caratterizzando 867 lavori con oltre 19.000 singoli compiti.
Basandosi su questi dati, i compiti lavorativi sono stati valutati e classificati in una delle quattro categorie:
- Alto potenziale per l’automazione: il compito sarà eseguito dagli LLMs e non dagli esseri umani.
- Alto potenziale per il potenziamento: gli esseri umani continueranno a svolgere il compito, ma con l’assistenza degli LLMs per aumentare la produttività.
- Basso potenziale per l’automazione o il potenziamento: il compito continuerà ad essere svolto dagli esseri umani con un impatto minimo o nullo da parte degli LLMs.
- Non influenzati: Compiti non basati sul linguaggio.
Ad esempio, insegnanti negli Stati Uniti hanno già iniziato a sfruttare gli LLMs, con il 30% di essi che utilizza ChatGPT per la pianificazione delle lezioni, la generazione di idee creative per le classi e la costruzione di conoscenze di base per lezioni e classi. Allo stesso modo, gli sviluppatori software possono utilizzare gli LLMs per generare blocchi standardizzati di codice, accelerando il processo di sviluppo e consentendo di dedicare più tempo ai compiti architetturali di alto livello.
Identificare l’esposizione potenziale di compiti e lavori
Un’analisi preliminare evidenzia quali compiti lavorativi hanno il maggior potenziale per l’automazione o il potenziamento e quali hanno un potenziale minore o nullo. I compiti con il più alto potenziale di automazione tramite LLMs sono quelli più routinari, come le attività amministrative o attività legate ad analisi elementari, come progettare database o analizzare dati. D’altra parte, i compiti con la possibilità di maggiore miglioramento sono quelle che richiedono capacità di astrazione, in particolare quelle che si sviluppano attraverso le interazioni tra le persone. Ad esempio, valutare le capacità del personale o raccogliere dati sulle esigenze dei consumatori.
Mentre l’implementazione di un sondaggio potrebbe essere altamente automatizzata, la formulazione delle domande richiede un alto grado di attenzione da parte del ricercatore. I compiti con un potenziale di esposizione inferiore sono quelli che richiedono un’alta interazione personale, come la negoziazione di contratti o la creazione di programmi educativi. Infine, i compiti non basati sul linguaggio, come previsto, riguardano movimenti fisici, come attività di carico, montaggio o lavori agricoli.
I compiti e i livelli di impatto degli LLMs
L’analisi si pone l’obiettivo di chiarire come i modelli di linguaggio di grandi dimensioni (LLMs) influenzino i diversi lavori in base ai compiti specifici associati a ciascuna professione. Considerando gli sviluppatori software, un mestiere particolarmente sensibile all’introduzione degli LLMs, si scopre che il 28,7% del loro tempo lavorativo è dedicato a compiti con un alto potenziale di automazione, come l’analisi dei dati o l’analisi delle prestazioni dei sistemi. Allo stesso tempo, il 43,2% del tempo è dedicato a compiti che potrebbero beneficiare del potenziamento attraverso gli LLMs, come la creazione di materiali informativi o la valutazione delle caratteristiche dei prodotti.
Dall’altro lato dello spettro, i manager delle risorse umane, un ruolo meno esposto agli effetti degli LLMs, dedicano solo il 16,1% del loro tempo a compiti con potenziale di automazione, come la gestione dei budget o la determinazione delle necessità delle risorse. Mentre il 22,2% del tempo potrebbe vedere una certa forma di potenziamento con gli LLMs, ad esempio nella formazione o nella spiegazione di regolamenti. Tuttavia, una sostanziale parte del loro lavoro, il 61,7%, coinvolge interazioni dirette e coordinamento con individui o gruppi, rendendo questi compiti meno suscettibili all’influenza degli LLMs.
L’analisi, come immaginabile, ha rivelato che le professioni con la più alta probabilità di automazione attraverso gli LLMs sono quelle caratterizzate da procedure routinarie e ripetitive, con una bassa necessità di comunicazione interpersonale. Ad esempio, i “Credit Authorizers”, “Checkers” e “Clerks” potrebbero vedere l’81% delle loro attività automatizzate, mentre i “Management analysts” il 70%, i “Telemarketers” il 68%, gli “Statistical assistants” il 61% e i “Tellers” il 60%. Inoltre, molte figure impiegate in compiti d’ufficio, specialmente quelle legate alla gestione e registrazione delle informazioni, sono particolarmente esposte: le segretarie legali e gli assistenti amministrativi, per esempio, hanno circa il 54% dei loro compiti a rischio di automazione.
Le professioni che mostrano una maggiore probabilità di essere migliorate o integrate attraverso l’uso degli LLMs sono prevalentemente quelle che necessitano di un elevato pensiero critico e competenze nella risoluzione di problemi complessi, in particolar modo nei settori STEM (Scienza, Tecnologia, Ingegneria e Matematica). Gli “Insurance underwriters” sono in cima a questa lista, con un’analisi che suggerisce che potrebbero beneficiare degli LLMs nel 100% delle loro attività. Altre professioni che seguono includono i “bioingegneri e ingegneri biomedici” (84%), i “matematici” (80%) e gli “editori” (72%). È importante notare che molte delle professioni con il maggiore potenziale di integrazione attraverso gli LLMs, come i “medical transcriptionists” o gli “insurance appraisers”, hanno anche una certa predisposizione all’automazione, il che significa che potrebbero essere fortemente influenzate dall’introduzione dell’AI.
L’analisi suggerisce che le professioni incentrate su compiti non legati al linguaggio sono meno suscettibili, o del tutto immuni, agli impatti potenziali degli LLMs. Le professioni con il minore rischio di esposizione, sia in termini di automazione che di integrazione, sono quelle che richiedono un’intensa interazione personale, come gli operatori sanitari o gli insegnanti, o un significativo movimento fisico, come gli atleti o i lavoratori manuali. Ad esempio, i consulenti e advisor in ambito educativo e professionale mostrano l’84% del loro tempo lavorativo con basso rischio di trasformazione attraverso l’AI, seguiti da figure religiose (84%), assistenti legali (83%), assistenti domiciliari alla salute (75%) e anestesisti (74%). Professioni legate ai servizi comunitari, sociali e sanitari sono tra le meno esposte agli effetti degli LLMs, rappresentando 10 delle prime 15 professioni con il minore potenziale di esposizione.
Alcune professioni, che non prevedono compiti legati al linguaggio, non risentiranno in alcun modo dell’adozione degli LLMs nel mondo del lavoro. Tra queste troviamo: lavapiatti, operai per la manutenzione stradale, addetti al taglio di carne e pesce, operatori ferroviari per la posa e manutenzione dei binari, assistenti carpentieri, operatori di macchine per la lavorazione della carta, macellai, addetti alla lavorazione del petrolio e del gas, addetti alla pressatura di tessuti e indumenti, laminatori e operai che lavorano alle produzioni in vetroresina.
Le nuove professioni in ascesa
Mentre l’intelligenza artificiale generativa porterà a un nuovo modo di collaborare tra esseri umani e AI, trasformando il modo in cui si svolge il lavoro e ridefinendo le professioni, si fanno largo nuove figure professionali:
- Ingegneri e scienziati AI: questi esperti continueranno a sviluppare e perfezionare gli LLMs, spaziando dalla progettazione di algoritmi a ingegneri elettrici che creano chip personalizzati. Una sottocategoria, gli “Ingegneri delle Istruzioni”, sarà fondamentale per ottimizzare le domande poste agli LLMs, al fine di ottenere risultati più precisi.
- Designer di interfacce e interazioni: per rendere gli LLMs accessibili al grande pubblico, saranno necessari professionisti che creino interfacce intuitive. Questi designer, simili ai designer dell’esperienza utente, si concentreranno sull’adattamento degli LLMs a vari tipi di input e sull’elaborazione di assistenti AI personalizzati.
- Creatori di contenuti AI: questi professionisti sfrutteranno gli LLMs per produrre rapidamente contenuti approfonditi in vari campi, dalla creazione di articoli e libri alla generazione di trame per film e serie TV.
- Curatori di dati e formatori: gli LLMs dipendono da grandi set di dati di addestramento. Garantire dati di alta qualità sarà essenziale, dato che l’output di un LLM riflette direttamente la qualità dei suoi dati di formazione. Ciò porterà alla nascita di una forza lavoro specializzata nella cura dei dati.
- Specialisti in etica e governance: Gli LLMs potrebbero produrre contenuti problematici se addestrati con dati prevenuti o inappropriati. Oltre alla cura dei dati, sarà necessario testare rigorosamente gli LLMs prima del loro rilascio pubblico. Questo compito spetterà a esperti specializzati in sicurezza AI e etica, nonché a regolatori e avvocati specializzati a livello governativo.
L’introduzione degli LLMs porterà non solo all’emergere di nuovi ruoli professionali, ma anche alla trasformazione di quelli già esistenti. Considerando il settore del servizio clienti come esempio, un’analisi ha mostrato che, dei 13 compiti fondamentali, quattro rimarranno esclusivamente in mano agli esseri umani, quattro potrebbero essere completamente automatizzati grazie all’AI generativa, mentre altri cinque potrebbero essere potenziati tramite AI per supportare il personale. Inoltre, sono stati identificati cinque nuovi compiti di grande valore. Con l’adozione dell’AI, gli operatori del servizio clienti avranno nuove responsabilità, come fornire il feedback per il miglioramento dei sistemi, garantire l’etica nell’interazione con l’AI e monitorare la privacy dei dati.
Questa evoluzione del ruolo consentirà ai professionisti di influenzare direttamente l’implementazione dell’AI, migliorare l’esperienza del cliente e mantenere standard etici elevati. Un altro punto fondamentale è che l’implementazione dell’AI generativa nel servizio clienti ha ridotto il turnover dei dipendenti, evidenziando come l’AI possa essere utilizzata per rafforzare la produttività e migliorare la soddisfazione dei lavoratori.
Analisi per settore
Dall’analisi emerge una chiara tendenza riguardo all’esposizione di certi lavori all’automazione e al potenziamento attraverso gli LLMs. Analizzando i diversi settori, i risultati indicano i servizi finanziari in generale, insieme alla gestione degli strumenti finanziari (capital markets), i più inclini a subire questi cambiamenti. Seguono il settore dell’informatica e delle comunicazioni digitali e, infine, quello dei media e dell’intrattenimento. È evidente che i settori con maggiore esposizione presentano un elevato potenziale sia per l’automazione che per il potenziamento. Questo suggerisce che, nonostante l’introduzione di tali tecnologie possa rivoluzionare il panorama del mercato del lavoro, non si prevede una riduzione del numero complessivo di posti di lavoro.
Analisi per funzioni organizzative
L’analisi aggregata delle professioni in funzioni organizzative evidenzia che quelle con la maggiore esposizione potenziale agli LLMs sono l’IT, con il 73% del tempo lavorativo coinvolto, le attività di finanza e amministrazione con il 70%. Seguono le vendite (67% di esposizione), le operations (65%) e le risorse umane (57%). Le funzioni organizzative con maggiore probabilità di automazione tendono anche ad avere un’alta possibilità di essere potenziate dalla tecnologia. Ciò sfida l’idea che di base l’innovazione tecnologica riduca i posti di lavoro, suggerendo invece che li trasforma, eliminando alcune attività e valorizzandone altre.
LLMs: aspettative di crescita e cambiamenti nel mondo del lavoro
L’analisi contenuta nel “Future of Jobs Report 2023[2]” mostra una notevole convergenza con le previsioni dei leader globali del business. Il rapporto identifica l’elaborazione di informazioni e dati come l’attività principale destinata all’automazione nel prossimo quinquennio. Analogamente, questa analisi pubblicata a settembre, sottolinea una forte predisposizione all’automazione per attività correlate, come la progettazione di database. Mentre il report pubblicato in maggio anticipa una minore tendenza all’automazione per le attività di ragionamento e presa di decisione, questa analisi vede in questi compiti una forte opportunità di ampliamento e miglioramento. Questa coerenza tra i risultati indica che le dinamiche attuali del mercato del lavoro sono in fase di profonda evoluzione e che i leader del settore sono già in sintonia con questi cambiamenti imminenti. I lavori con la maggiore probabilità di automatizzazione, evidenziati nella successiva figura, coincidono sostanzialmente con quelli previsti in declino nel prossimo quinquennio secondo il “Future of Jobs Report 2023”.
Per esempio, i cassieri bancari (87% del tempo su attività ad alto rischio di automatizzazione) sono previsti in calo del 41%, gli impiegati che si occupano di data entry (58% potenziale di automatizzazione) con un calo previsto del 36% e le segretarie amministrative (69% potenziale di automatizzazione) con un calo del 34%. Alcune professioni come i broker finanziari mostrano aspettative di crescita nonostante l’alto rischio di automazione dei loro singoli compiti.
Al contrario, i lavori con un alto potenziale di potenziamento mostrano forti previsioni di crescita. Gli specialisti in AI e machine learning presentano il maggior tasso di crescita previsto, con il 75% del loro tempo su compiti che possono essere potenziati e una crescita attesa del 39%. Seguono gli analisti e scienziati dei dati (84% potenziale di potenziamento, 31% crescita prevista) e i professionisti di database e reti (83% potenziale di potenziamento, 14% crescita prevista).
Tuttavia, alcuni lavori in questa categoria, come gli impiegati del data entry e gli sviluppatori web, hanno previsioni di crescita più basse. Riguardo ai lavori con basso rischio di impatto da LLMs, molti si trovano nel settore dell’education. I docenti universitari, ad esempio, spendono il 41% del loro tempo in compiti con basso rischio di esposizione agli LLMs e hanno una crescita prevista del 10% nei prossimi cinque anni. In generale, lavori con basso rischio di esposizione mostrano una crescita attesa media vicina allo zero. La domanda per le professioni nel settore della cura e dell’istruzione, difficilmente automatizzabili, dovrebbe tuttavia aumentare nei prossimi anni.
Conclusioni
L’introduzione degli LLMs rivoluzionerà il mondo del lavoro, portando alla scomparsa di alcune professioni, all’evoluzione di altre e alla creazione di nuovi ruoli. È essenziale che aziende e governi si preparino attivamente a questa trasformazione per garantire che l’intera società tragga vantaggio dall’AI generativa. Questo white paper ci offre una valutazione ben articolata dell’impatto degli LLMs sul lavoro, offrendo una guida su come affrontare le sfide e le opportunità emergenti. Gli organi decisionali dovranno rafforzare la pianificazione della forza lavoro, i sistemi di apprendimento continuo e le reti di sicurezza sociale.
Collaborazioni tra governi, datori di lavoro e istituti di formazione potranno aiutare nella transizione, fornendo programmi di formazione mirati. Per le aziende, comprendere l’impatto diretto degli LLMs aiuterà a sostenere i lavoratori durante la transizione verso nuove professioni e metodologie di lavoro. L’adozione rapida degli LLMs rappresenta una doppia sfida: se gestita correttamente, può migliorare le condizioni del lavoro umano ma presenta anche rischi per la forza lavoro.
