Internet je plný sebavedomých predpovedí o tom, ako AI spustí veľkú vlnu prepúšťania. Najohrozenejšie majú byť profesie, ktoré po sebe zanechávajú digitálne stopy. Tieto stopy možno zozbierať, vytvoriť z nich veľké databázy a trénovať na nich AI modely, ktoré v nich nájdu vzorce a potom dokážu generovať vlastné digitálne stopy. Tak má umelá inteligencia vytlačiť z trhu práce pôvodných tvorcov digitálnych stôp – programátorov, právnikov, účtovníkov či rádiológov.
Poslední menovaní patria v medicíne medzi najčastejšie spomínaných kandidátov na nahradenie AI. V rádiológii máme veľké množstvo dát v podobe digitálnych snímok, ide o úlohu, ktorá je zo svojej podstaty založená na rozpoznávaní vzorov, a zároveň existuje jasná spätná väzba na učenie modelov. Vieme spätne povedať, ktoré diagnózy boli správne a kde došlo k omylu. AI sa v takomto prostredí „cíti ako doma“.
Aj preto krstný otec AI a nositeľ Nobelovej ceny za fyziku za rok 2024 Geoffrey Hinton varoval: „Ak pracujete ako rádiológ, ste ako kojot, ktorý už beží za okrajom útesu, ale ešte sa nepozrel dole, takže si neuvedomuje, že pod ním už nie je žiadna zem. Mali by sme hneď prestať vzdelávať nových rádiológov. Je úplne jasné, že do piatich rokov bude AI robiť ich prácu lepšie.“
Táto úvaha má jednu chybu: zaznela v roku 2016. Už vtedy existovali funkčné aplikácie využívajúce AI, ktoré v testoch dokázali prekonať aj špičkových rádiológov. Mnohí boli presvedčení, že prácu rádiológov čoskoro nahradí AI. Dnes, o desať rokov neskôr, však vieme, že sa to nestalo. Rádiológov v USA pracuje viac než predtým a na trhu sú voľné pozície, ktoré sa nedarí obsadiť.
Práce pribudlo
Ak teda AI už pred mnohými rokmi vedela prekonať špičkových odborníkov v rádiológii, prečo ich nenahradila?
Prvý dôvod ekonómovia poznajú ako Jevonsov paradox. Ide o situáciu, keď vďaka inováciám dokážeme efektívnejšie využívať nejaký zdroj – s menším množstvom vstupov vytvoriť viac výstupov –, no napriek tomu jeho celková spotreba narastie.
Klasickým príkladom je uhlie počas priemyselnej revolúcie. Parné stroje sa neustále zefektívňovali, potrebovali menej uhlia na jednotku práce, no celková spotreba uhlia aj tak rástla. Dôvod bol jednoduchý: efektívnejšie stroje sa začali používať aj tam, kde to predtým nedávalo ekonomický zmysel. Efektivita zvýšila dopyt.
Niečo podobné sa môže diať aj pri profesiách, ktoré AI automatizuje. Keď sa služba stane rýchlejšou, lacnejšou a dostupnejšou, ľudia ju začnú využívať viac. Ak AI zefektívni röntgenovanie, tomografiu či magnetickú rezonanciu, lekári môžu častejšie posielať pacientov na zobrazovacie vyšetrenia. A ak dopyt po týchto službách rastie rýchlejšie, ako AI nahrádza konkrétne úlohy, výsledkom môže byť viac práce pre rádiológov.
Jedna úloha nestačí
Druhý dôvod je ešte dôležitejší. Takmer žiadne zamestnanie neobsahuje len jednu izolovanú úlohu, ale ide o balík mnohých činností. Niektoré sú technické, iné komunikačné, organizačné, rozhodovacie či právne.
Rádiológ nečíta iba snímky, táto činnosť mu v skutočnosti zaberá len tretinu pracovného času. Okrem toho komunikuje s kolegami, konzultuje klinický kontext, stretáva sa s pacientmi a vysvetľuje im nálezy, pomáha nastavovať ďalší postup, podieľa sa na tvorbe protokolov, zaučuje mladších kolegov, podpisuje sa pod vyšetrenia a nesie za výsledok právnu aj profesionálnu zodpovednosť.
Práve tam sa láme väčšina prehnaných predpovedí. Správne odhadnúť, či AI zvládne jednu konkrétnu úlohu, ešte neznamená správne odhadnúť, či zanikne celé povolanie.
Tento rozdiel ešte ďalej rozvíja nová ekonomická štúdia s názvom Weak Bundle, Strong Bundle: How AI Redraws Job Boundaries ( Slabý balík, silný balík: Ako AI prekresľuje hranice pracovných pozícií ?) . Jej autori upozorňujú, že podstatné nie je len to, do akej miery vie AI nahradiť ľudí pri vykonávaní jednotlivých úloh. Dôležité je aj to, ako silno sú tieto úlohy navzájom prepojené. Inými slovami: aké vysoké sú náklady na ich koordináciu.
Ak sú nízke, niektoré úlohy možno pomerne ľahko „vyňať“ z pracovného balíka a nahradiť externou službou, napríklad AI modelom. Ak sú však vysoké, automatizácia jednej úlohy ešte neznamená, že celé povolanie bude nejako ovplyvnené. Nestačí totiž vedieť danú činnosť vykonať. Treba ju aj zasadiť do širšieho procesu, zosúladiť s ostatnými úlohami, niesť za ňu zodpovednosť a prepojiť ju s rozhodovaním v reálnom svete.
To je aj prípad rádiológie. Čítanie snímok je súčasťou širšieho diagnostického procesu. Aj keby AI vedela túto čiastkovú úlohu robiť výborne, ešte z toho automaticky nevyplýva, že možno celé povolanie rádiológa „rozobrať na súčiastky“ a jednu z nich nahradiť mesačným predplatným AI nástroja.
S odhadmi opatrne
Preto treba opatrne čítať rôzne výskumy a reporty, ktoré ukazujú, do akej miery sú jednotlivé povolania „automatizovateľné“ a vystavené vplyvu AI. Odhady samy osebe nehovoria, či ľudia v danom povolaní naozaj prídu o prácu. Medzi schopnosťou AI vykonať úlohu a schopnosťou trhu, firiem a profesií preusporiadať celé pracovné miesto je obrovský rozdiel.
Z podobných dôvodov sa v minulosti nepotvrdili ani rôzne divoké predikcie o masovom zániku pracovných miest v priemysle. Už takmer pred 10 rokmi označovali odborníci Slovensko za krajinu, kde automatizácia ohrozuje najväčší podiel pracovných miest. Dnes v priemysle pracuje štvrtina Slovákov a pritom je tam stále mnoho voľných pracovných miest.
Nikto dnes nevie, ako AI zmení trh práce. Nevedia to technologickí vizionári, držitelia Nobelových cien ani AI inžinieri. Nevedia to ekonómovia. Nevie to ani autor tohto textu.
Jedno však vieme celkom isto: z toho, že AI dokáže vykonávať niektoré úlohy lepšie než ľudia, ešte nevyplýva, že ich automaticky nahradí. Práve preto treba všetky sebavedomé apokalyptické prognózy brať s veľkou rezervou.
