O artigo dessa semana trata de um assunto extremamente atual e que está chamando a atenção de todos. Trata-se dos modelos de inteligência artificial e seus impactos para a economia e o trabalho humano.

Em março, foi divulgado o paper dos pesquisadores Tyna Eloundou (OpenAI), Sam Manning (OpenResearch-OpenAI), Pamela Mishkin (OpenAI), e Daniel Rock (University of Pennsylvania) - "GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models". Os autores discorrem sobre o potencial impacto no mercado de trabalho de grandes modelos de linguagens (LLMs) e várias aplicações de IA generativa, incluindo o ChatGPT. O trabalho examinou especificamente as indústrias e os empregos dos EUA mais “expostos” a modelos de linguagens nos quais o chatbot ChatGPT opera.

Os autores foram motivados menos pelo progresso desses modelos sozinhos, e mais pela amplitude, escala e capacidades que eles viram nas tecnologias complementares desenvolvidas em torno destes modelos. O foco da discussão no trabalho foi principalmente nas capacidades generativas dos modelos LLMs.

O que são large language models (LLMs)? São modelos de aprendizado de máquina (machine learning) que utilizam algoritmos de aprendizado em profundidade para processar e entender a linguagem dos seres humanos. Eles são treinados com imensas quantidades de dados para aprender padrões de linguagem de modo a conseguirem desempenhar algumas funções. Segundo os autores, esses modelos também podem ser utilizados para várias tarefas além da geração de texto.

Especificamente, os autores queriam testar a hipótese de que os LLMs têm uma influência generalizada na economia, semelhante à abordagem adotada por (Goldfarb et al., 2023[1]), que analisou a difusão do aprendizado de máquina por meio de postagens de emprego para avaliar seu status como uma tecnologia de uso geral. Porém, em vez de usar postagens de emprego ou estudar aprendizado de máquina em geral, os autores empregaram a abordagem de avaliação de tarefas com anotações humanas e GPT-4. Essa análise, poderia revelar se os impactos estão limitados a um conjunto específico de tarefas ou ocupações semelhantes, ou se serão mais generalizados.

A chave para entender o artigo é a definição do que “exposto” realmente significa. Para os autores, "é uma proxy para o potencial impacto econômico sem distinguir entre efeitos de aumento do trabalho ou deslocamento do trabalho.” Assim, os resultados incluem trabalhos em que os seres humanos poderiam usar a IA para otimizar seu trabalho, juntamente com trabalhos que poderiam ser automatizados por completo.

O General purpose technology (GPTs) como uma tecnologia de uso geral na economia

Os pesquisadores sinalizam a possibilidade dos modelos LLMs serem classificados como uma tecnologia de uso geral. Segundo eles, essa classificação exige que os LLMs atendam a três critérios principais: 1) melhoria ao longo do tempo, 2) penetração em toda a economia, e 3) capacidade de gerar inovações complementares.

As evidências da literatura de IA e aprendizado de máquina demonstram completamente que os LLMs atendem ao primeiro critério - eles estão melhorando em recursos ao longo do tempo com a capacidade de concluir ou ser útil para um conjunto cada vez mais complexo de tarefas. O artigo em tela apresenta evidências para apoiar os dois últimos critérios, constatando que "os LLMs por si só podem ter impactos generalizados em toda a economia e que as inovações complementares possibilitadas pelos LLMs – particularmente por meio de software e ferramentas digitais – podem ter ampla aplicação na atividade econômica".

Além disso, a adoção de LLMs variará em diferentes setores econômicos devido a fatores como disponibilidade de dados, ambiente regulatório e distribuição de poder e interesses. Consequentemente, uma compreensão abrangente da adoção e uso de LLMs por trabalhadores e empresas, requer uma exploração mais aprofundada dessas complexidades.

Os pesquisadores sugerem a possibilidade de que a economia de tempo e a aplicação contínua sejam mais importantes do que a melhoria da qualidade para a maioria das tarefas. Para os pesquisadores, o foco inicial será o aumento do uso, seguido pela automação. Uma maneira pela qual isso pode tomar forma é por meio de uma fase de aumento, em que os empregos primeiro se tornam mais precários (algumas ocupações passarem a ser freelancers) antes da transição para a automação total. Eis o alerta!!

Os LLMs têm o potencial de afetar uma gama diversificada de ocupações

As descobertas sugerem que, com base em suas capacidades de nível de tarefa, os LLMs têm o potencial de afetar significativamente uma gama diversificada de ocupações na economia dos EUA, demonstrando um atributo fundamental das tecnologias de uso geral.

Os resultados indicam que a importância da ciência e das habilidades de pensamento crítico estão fortemente associadas negativamente à exposição, sugerindo que as ocupações que exigem essas habilidades têm menos probabilidade de serem impactadas pelos LLMs atuais. Por outro lado, as habilidades de programação e escrita mostram uma forte associação positiva com a exposição, o que implica que as ocupações que envolvem essas habilidades são mais suscetíveis de serem influenciadas pelos LLMs.

A tabela abaixo ilustra as ocupações com maior exposição. As porcentagens de exposição indicam a parcela da tarefa de uma ocupação que é exposta a GPTs (𝛼) ou software com tecnologia GPT (𝛽 e 𝜁), em que a exposição é definida como uma redução no tempo necessário para concluir a tarefa em pelo menos 50%. Assim, as ocupações listadas nesta tabela são aquelas em que os autores estimam que os GPTs e os softwares baseados em GPT são capazes de economizar uma quantidade significativa de tempo dos trabalhadores concluindo uma grande parte de suas tarefas, mas isso não sugere necessariamente que suas tarefas possam ser totalmente automatizadas por essas tecnologias.

O trabalho indicou que aproximadamente 19% dos empregos dos EUA têm pelo menos 50% de suas tarefas expostas a LLMs ao considerar os recursos do modelo atual e o software baseado em LLM previsto.

Essas tecnologias podem ter impactos generalizados em uma ampla faixa de ocupações nos EUA, e que avanços adicionais apoiados por LLMs, principalmente por meio de software e ferramentas digitais, podem ter efeitos significativos em uma série de atividades econômicas. Mas, claro que existem àquelas ocupações que não estão expostas a essas tecnologias. A tabela 2 abaixo lista as 34 ocupações para as quais nenhuma das medidas utilizadas rotulou nenhuma tarefa como exposta.

Implicações para as políticas públicas

A introdução de tecnologias de automação, incluindo LLMs, já havia sido associada ao aumento da disparidade econômica e à interrupção do trabalho, o que pode dar origem a efeitos adversos à jusante. O trabalho ressalta a necessidade de preparação social e política para a potencial “perturbação econômica” representada pelos LLMs e as tecnologias complementares que eles geram.

É importante prescrições de políticas específicas para facilitar a transição para uma economia com adoção de LLM cada vez mais difundida, relacionadas à educação, treinamento de trabalhadores, reformas de programas de rede de segurança e muito mais.

Impressões deixadas pelo artigo

A capacidade técnica dos LLMs para tornar o trabalho humano mais eficiente parece evidente.

O impacto potencial da tecnologia e modelos semelhantes baseados em IA, depende de vários fatores, incluindo a natureza do trabalho, o nível de automação possível, e tarefas a serem automatizadas.

Mais pesquisas são necessárias para explorar as implicações mais amplas dos avanços do LLM, incluindo seu potencial de aumentar ou deslocar o trabalho humano, seu impacto na qualidade do emprego, impactos na desigualdade, desenvolvimento de habilidades e vários outros resultados.

Ao procurar entender as capacidades e os efeitos potenciais dos LLMs na força de trabalho, os formuladores de políticas e as partes interessadas podem tomar decisões para navegar no cenário complexo da IA e seu papel na formação do futuro do trabalho.

Apesar da pesquisa ser feita nos EUA, serve de sinalização para as demais economias.

[1] Goldfarb, A., Taska, B., and Teodoridis, F. (2023). Could machine learning be a general purpose technology? a comparison of emerging technologies using data from online job postings. Research Policy, 52(1):104653.

¡Excelente semana!