Olhando especificamente para a visão computacional, os pesquisadores descobriram que as barreiras técnicas e de custo poderiam levar a uma automação gradual, em vez de rápida, de tarefas de IA.
O surgimento da inteligência artificial generativa fez com que as empresas se esforçassem para definir a estratégia de IA e encontrar casos de uso, enquanto os trabalhadores se preocupam com a possibilidade de a automação estar chegando aos seus empregos.
Mas embora a deslocação de empregos na IA seja provavelmente substancial a longo prazo, a implementação será gradual. Um novo documento de trabalho, “Além da exposição à IA: quais tarefas são econômicas para automatizar com visão computacional”, descobriu que, embora a IA provavelmente mude os padrões de trabalho, as previsões de automação rápida e generalizada não consideram uma curva de adoção lenta e a viabilidade técnica e atratividade económica da construção de sistemas de IA para realizar um trabalho específico.
Os pesquisadores Neil Thompson, Maja S. Svanberg e Wensu Li do MIT; Martin Fleming, do Instituto de Produtividade; e Brian Goehring, da IBM, criaram um novo modelo de automação de tarefas de IA para prever com mais precisão o ritmo da automação. Olhando especificamente para a visão computacional, descobriram que as barreiras técnicas e de custos poderiam deixar cerca de três quartos dos empregos inalterados no curto prazo.
“Nosso trabalho destaca a importância de ir além da ‘exposição à IA’, que analisa tecnologicamente o que pode ser automatizado, para levar em conta a economia da decisão de adoção para saber o que é atraente para automatizar”, disse Thompson, cientista pesquisador do MIT Sloan. e o Laboratório de Ciência da Computação e Inteligência Artificial do MIT. “É importante separar o impacto da IA na automação do trabalho e no aumento do emprego, o que provavelmente terá efeitos muito diferentes na economia.”
Um novo modelo para prever a automação de IA
Embora estudos anteriores de automação tenham medido o potencial geral da IA para afetar uma determinada área ou trabalho, os pesquisadores criaram um modelo para observar quando a adoção da IA é economicamente atraente, com base no seguinte:
O nível de desempenho necessário para que um sistema automatizado conclua uma tarefa específica, com base em pesquisas com trabalhadores familiarizados com a tarefa.
As considerações técnicas para realmente construir um sistema de IA capaz desse desempenho.
Os fatores econômicos envolvidos na construção e implantação de tal sistema.
O modelo olhou especificamente para aplicações de visão computacional, onde a modelagem de custos está mais desenvolvida. Os investigadores descobriram que, aos custos atuais, apenas 23% dos salários dos trabalhadores associados a tarefas de visão seriam realmente atrativos para automatizar. Isso significa que as empresas dos EUA provavelmente optariam por não automatizar a maioria das tarefas de visão que se prestam à IA.
Para ilustrar como o modelo funciona, os pesquisadores usaram o exemplo de uma pequena padaria decidindo se automatizaria com visão computacional. Os padeiros verificam visualmente a qualidade dos ingredientes, uma tarefa que poderia ser substituída por um sistema de visão computacional capaz de detectar quando a comida estragou.
Com base em dados do Bureau of Labor Statistics, os padeiros gastam cerca de 6% do seu tempo verificando a qualidade dos alimentos. Isso significa que uma pequena padaria com cinco padeiros que ganham um salário típico de US$ 48 mil cada um espera uma economia potencial de mão de obra de US$ 14 mil por ano para automatizar essa tarefa. “Esse valor é muito menor do que o custo de desenvolvimento, implantação e manutenção de um sistema de visão computacional”, escrevem os pesquisadores. “Concluiríamos que não é econômico substituir o trabalho humano por um sistema de IA nesta padaria.”
Muitas tarefas simplesmente não são atraentes para automatizar porque os sistemas de IA necessários para realizá-las seriam muito caros para construir para garantir um retorno adequado do investimento, disse Thompson, e normalmente não há trabalhadores suficientes realizando uma tarefa para justificar o custo de criando e implantando um sistema para automação.
Os investigadores também observaram que a maioria das avaliações do impacto da IA combina a automatização total das tarefas, que tem maior probabilidade de deslocar trabalhadores, e a automatização parcial, que provavelmente melhorará a produtividade dos trabalhadores.
Outras descobertas importantes da pesquisa
Espere uma curva de adoção. As grandes empresas têm maior probabilidade de se interessar e, em última análise, implementar sistemas de IA do que as pequenas empresas com recursos mais limitados. No entanto, a lenta implementação da IA poderá ser acelerada se os custos dos sistemas diminuírem ou se as aplicações forem implementadas utilizando plataformas de IA como serviço, que oferecem maior escala.
No entanto, existem desafios com a abordagem de IA como serviço. Exigirá a colaboração da indústria e iniciativas políticas para promover a partilha de dados entre empresas, e também exigirá uma grande recalibração da indústria e da organização se as tarefas forem parceladas e transferidas para fornecedores terceiros.
A automação de IA provavelmente não superará a automação de trabalho existente. A automação já chegou para os empregos dos trabalhadores e não está claro se a adição de IA ao mix alterará substancialmente o número de empregos perdidos, descobriram os investigadores. Uma grande parte da automação de tarefas de IA será canalizada para áreas onde a automação tradicional já está acontecendo. “Portanto, os dois tipos substituir-se-ão, pelo menos em parte, e o efeito líquido será menor do que a soma de cada um”, escrevem os investigadores.
Os pesquisadores também descobriram que, após um pico inicial, a perda de empregos devido à visão computacional provavelmente será menor do que a rotatividade de empregos existente observada no mercado.
A adoção gradual permite tempo para intervenção. Uma curva de adoção lenta cria tempo para instituir novas políticas ou programas de reciclagem de funcionários que abordem o impacto da automação sobre os trabalhadores.
“Os nossos resultados apontam para um caminho notavelmente diferente para a automação da IA do que o anteriormente explorado na literatura – um caminho onde o ritmo está mais alinhado com a rotatividade de empregos tradicional e mais receptivo às intervenções políticas tradicionais, e onde a relação custo-eficácia dos sistemas é crucial para determinar sua propagação”, escrevem os pesquisadores.
Publicado em 05/03/2024 21h54
Artigo original: