Horisontal og vertikal kunstig intelligens

Det hjelper ikke å få panikk, skriver The Economist i en av helgens lederartikler. Tiden er inne for gjøre seg bedre forberedt på det som kommer. Og da handler det naturligvis om kunstig intelligens. I helgens utgave er det flere artikler om KI og hvordan arbeidsmarkedet blir endret.

Lederartikkelen "Stop panicking about AI. Start preparing" er en slags overordnet statusoppsummering om hvordan KI har påvirket og vil påvirke arbeidsmarkedet. I en tid der tallene så langt ikke viser noen voldsom effekt, og noen konkluderer allerede nå med at frykten for KI er overdrevet. Samtidig som flere prominente ledere og økonomer, og noen av dem er sitert i lederartikkelen i The Economist, er dypt bekymret for at særlig mange rutinepregede "inngangsjobber" i det kunnskapsbaserte arbeidslivet vil oppleve en radikal nedskalering, og frata de unge muligheter.

Sannheten vil ligge et sted i mellom, mener The Economist, men det å finne den rette kompetanse- og rekrutteringsstrategien er ikke noe teknologien vil gjøre for deg. Det handler om valg virksomhetene selv må ta:

The biggest mistake would be to stop hiring young people altogether. That would not only choke off the pipeline for future talent, it would rob businesses of AI natives. Instead, companies should rethink the type of work they offer young people—less grunt labour, more judgment and analysis; speedier rotations across the business so they gain insight that ai cannot have; piloting new roles and trying new approaches.

Horisontal og vertikal KI 

I tillegg til denne lederartikkelen har The Economist noen ytterligere dypdykk om KI og arbeidsmarkedet, som er svært interessante analyser. Den første, i artikkelen "How to avoid common AI pitfalls in the workplace" går litt dypere inn i hvorfor vi ikke ser den store effekten av KI på produktivitetestallene, og hvor vi kanskje ser noen effekter likevel. Mens tre av fire bedrifter i en undersøkelse som omfatter USA, Storbrinannia, Tyskland og Australia sier at de har tatt i bruk KI, rapporterer 86 prosent av lederne i disse bedriftene at de ikke har sett noen effekter på produktiviteten så langt. 

Hvorfor går det så sakte å oppnå målbare gevinster? En forklaring er at vi ser noe vi har sett før: Det tar litt tid før infrastrukturteknologier som elektrisitet og internett, og nå kunstig intelligens, blir tatt i bruk på en slik måte at det endrer måten vi samhandler på, fordi mange må gjøre det samtidig. Her skiller artikkelen mellom de de kaller "horisontale" og "vertikale" måter å ta i bruk KI i en virksomhet:

"Mike Krieger, who works on new products at Anthropic, the firm behind Claude, makes a distinction between models’ horizontal and vertical capabilities. Horizontal capabilities are the kinds of generic activities that are useful to almost all white-collar workers: writing, conducting research, making a PowerPoint slide without becoming homicidal. Vertical capabilities are harder to get right because they involve specific skills: building a cashflow model in banking, say. The big AI firms are trying to amass more industry expertise by hiring specialists, among other things. But working out what it is that people do all day is hard enough when you sit right next to them, let alone if you’re a software engineer with no experience of the outside world.

Det å utvikle eller forbedre generelle verktøy som brukes i alle slags virksomheter er selvsagt viktig, og gir gevinster når mange tar dem i bruk, men det er også vanskelig å finne unike gevinster hvis alle andre tar dem i bruk. Det å skape spesialiserte tjenster og verktøy for bedrifter og bransjer som virkelig er differensierende, og gir unike konkurransefortrinn, er mye vanskeligere, og krever en helt annet kombinasjon av bransjekompetanse og teknologikunnskap. Men det kommer.

White collar og blue collar

Og siden dette handler om KI og arbeidsmarkedet tar The Economist naturligvis tak i problemstillingen om hvordan de nye verktøyene treffer ulike deler av arbeidslivet. Er det nok en gang de manuelle jobbene som blir automatisert, er det de repetive kontorjobbene, eller er det de mer kunnskapsintensive eller kreaitve jobbene som blir utkonkurrert av teknologi denne gangen? 

I artikkelen "Why AI won’t wipe out white-collar jobs" slår The Economist fast at KIs evne til å ta knekken på jobber for folk med høyere utdanning har vært overdrevet. Det har blitt flere i mange av disse jobbene som skulle være mest utsatt de siste årene, ikke færre:

"For all the alarm, white-collar workers are still doing well. Since late 2022 America has added roughly 3m white-collar jobs—which include management, professional, sales and office roles—while blue-collar employment has remained flat (see chart 1). Some occupations regularly cast as AI’s early victims are on a tear. America has 7% more software developers, 10% more radiologists and 21% more paralegals than three years ago."

Nå er det som nevnt fortsatt tidlig i "KI-transformasjonen" og mange flere oppgaver vil helt åpenbart blir overlatt til teknologi. I tidligere it- og digitaliseringsbølger har det imidlertid blitt skapt flere nye jobber enn det har blitt automatisert bort eksisterende jobber. Samtidig har mange eksistende jobber fortsatte å eksistere, men med en ny sammensetning av arbeidsoppgaver, der noe gammelt har blitt automatisert bort, noe mennsker gjør har vært umulig å erstatte med teknologi, og noen nye arbeidsoppgaver har kommet til.

Mennesker og maskiner sammen

Veldig få jobber er slik at absolutt alt lar seg automatisere bort. Og samtidig er det også slik at hver industrielle teknologirevolusjon har skapt noen nye yrker som ikke fantes tidligere. Det vil også skje med kunstig intelligens. The Economist skriver:

"AI is already generating all-new jobs, too. Companies are hiring “data annotators” to label digital information so that AI can parse it, “forward-deployed engineers” to guide clients through AI implementation and, in the C-suite, “chief AI officers”. Indeed, the fastest-growing white-collar occupations in recent years have been those without settled names. “Other mathematical-science occupations” have seen their ranks swell by around 40% since late 2022."

 

Sannsyligvis er det nok en gang slik at personer i de mest rutinepregede rollene, og unge personer på vei inn i arbeidsmarkedet, og som trenger roller som gjør det mulig å lære og høste erfaring, er mest utsatt. En egen kommentar i The Economisk med overskriften "How big a threat is AI to entry-level jobs?" omtaler denne viktige probolemstillingen spesielt.

Virksomheter i både offentlig og privat sektor har et ansvar for å gjøre noe for at denne typer jobber fortsatt finnes. Og mest sannsynlig vil den verdiskapingen mennesker og KI kan få til sammen overgå den KI kan få til alene, i hvert fall i overskuelig fremtid. Det betyr at hovedutfordringen fremover både virksomeheter, leder eog medarbeidere ikke er å hindre teknologiske fremskritt, eller la være å utnytte mulighetene KI gjør mulig, men å finne den beste måtene for mennesker og maskiner å jobbe sammen på.