Jak się tworzy mit wypierania zawodów przez AI (na przykładzie historyków)

W niedawnym badaniu Microsoftu historycy zajęli drugie miejsce na liście kilkudziesięciu zawodów z najwyższym poziomem stosowalności AI (AI applicability score). Tylko praca tłumaczy miała być lepiej dostosowana do możliwości sztucznej inteligencji, a więc potencjalnie łatwiej zastępowalna. Spojrzenie na metody tej analizy sprawia jednak, że nie pozostaje nam nic innego, jak wzruszyć ramionami i zająć się ważniejszymi problemami niż rzekome wypieranie historyków przez AI.

Celebryci AI twierdzą, że w całej domenie historycznej profesor nie ma już żadnych szans, a publikowane tu i ówdzie opinie i raporty wieszczą kryzys na rynku pracy, wywołany sztuczną inteligencją. Z drugiej strony dane z USA pokazują, że zwolnienia spowodowane wdrożeniem rozwiązań AI wciąż są mniejsze niż te, wywołane np. zmianami politycznymi. Jak czytamy w Axios, od początku 2025 roku do września, w wyniku automatyzacji i prawdopodobnych wdrożeń AI zniknęło nieco ponad 20 tys. miejsc pracy, w tym zniknięcie ponad 17 tys. na pewno miało związek ze stosowaniem AI. W tym samym czasie jednak miało miejsce ponad 208 tys. zwolnień spowodowanych czynnikami ekonomicznymi, a aż 293 tys. - aktywnością zespołu DOGE, prowadzonej od stycznia do maja 2025 roku przez Elona Muska federalnej komisji do spraw zwiększenia efektywności działań administracji.

Zastanówmy się, na jakiej podstawie można twierdzić, że sztuczna inteligencja zabierze pracę? Co ma być podstawą takiego wnioskowania? Badanie Working with AI: Measuring the Applicability of Generative AI to Occupations (DOI: 10.48550/arXiv.2507.07935, 2025) bazowało na 200 tys. dialogów między amerykańskimi użytkownikami a konwersacyjnym systemem AI Copilot. Dane zostały zebrane pod koniec 2024 roku i następnie poddane anonimizacji, usunięto z nich także wszelkie prywatne informacje.

Mamy więc zbiór tekstów, w których użytkownicy m.in. próbują rozwiązywać określone zadania i zdobywać określone informacje w interakcji z AI. Połowa tego zbioru - 100 tys. rozmów - oznaczona była kciukiem w górę, co - jak czytamy - miało być podstawą oceny, że taka konwersacja była pomocna, a więc że sztuczna inteligencja okazała się efektywna w konkretnych zadaniach. Każdą konwersacją podzielono automatycznie na dwie części - jedną zawierającą wypowiedzi i polecenia użytkownika (user goal), i drugą - w której znalazły się maszynowo generowane odpowiedzi (AI action).

No dobrze, ale jak tę ogromną pulę poleceń i odpowiedzi przełożyć na konkretne zawody? IWA (Intermediate Work Activity, w słabym tłumaczeniu Pośrednie Czynności Robocze) to pewna ontologia specyficznych czynności i zadań, którymi opisać można dowolny zawód. Ontologia ta została wypracowana w ramach modelu O*NET, który może być pomocny np. w projektowaniu ogłoszeń o pracę albo budowaniu testów kompetencji. Przykładowo, praca magazyniera zawiera w sobie np. manipulowanie i przenoszenie obiektów czy wykonywanie ogólnych czynności fizycznych, a zawód księdza - modlenie się i promowanie duchowości oraz reagowanie na prośby o pomoc podczas nagłych wypadków lub kryzysów. Opisy z IWA to nic innego jak klocki, z których ułożyć można definicję dowolnego zawodu na rynku pracy. System ten ma zresztą swoją hierarchię, dlatego poza ogólnymi opisami IWA dostępne są bardziej szczegółowe opisy konkretnych zadań.

A skoro tak, to nic nie stoi na przeszkodzie, żeby użyć duży model GPT-4o do przypisania do poszczególnych konwersacji (tak po stronie człowieka, jak i maszyny) odpowiednich kategorii czynności zawodowych (IWA). Wiemy też dzięki O*NET, jaka czynność jak bardzo istotna jest dla danego zawodu (jaką ma wagę). Skoro tak, pozostaje już tylko wszystko przeliczyć. Sprawdzamy, jak istotne (często używane) są poszczególne IWA w konwersacji na Copilocie, czy zadanie postawione przed AI zostało skutecznie ukończone z wykorzystaniem konkretnych IWA oraz jakie znaczenie miały te IWA dla rozwiązania zadania. Z połączenia takich danych powstaje Wskaźnik Stosowalności, który łączy ze sobą analizowane IWA w konkretne zawody.

IWA dla historyków według bazy O*NET to:

Tymczasem w rozmowach w systemie Copilot zidentyfikowano o wiele mniej IWA - widać to dobrze na poniższej wizualizacji:

Mimo tego, że w rozmowach nie pojawiły się zaawansowane zadania historyczne, wyliczono tak wysoki Wskaźnik Stosowalności właśnie dla historyków. Podobnym błędem byłoby, hm, identyfikowanie archeologów po korzystaniu ze szpachelki, robieniu notatek czy pracy poza budynkiem.

Na szczęście autorzy i autorki badania przestrzegają przed pochopnym wyciąganiem wniosków na temat efektów automatyzacji pracy. Przywołują przykład bankomatów, które w żaden sposób nie podważyły sensu pracy kasjerek w bankach. Oczywiście zautomatyzowały podstawowe zadania kasjerów, takie jak przyjmowanie depozytów i realizowanie wypłat, jednak doprowadziło to ostatecznie do wzrostu liczby miejsc pracy dla nich. Jak czytamy, dzięki obniżeniu kosztów obsługi banki mogły otwierać więcej placówek, w których zatrudniano kolejnych kasjerów, teraz już pracujących także przy bardziej skomplikowanych zadaniach jak np. budowanie relacji z klientami.

Zapoznanie się z omawianym badaniem może pomóc w wykształceniu odpowiednio krytycznej postawy wobec twierdzeń o zastępowaniu niektórych zawodów przez sztuczną inteligencję. Przecież bycie historyczką, pisarzem, artystką, naukowcem czy nauczycielką to nie proste wykonywanie czynności zdefiniowanych w zamkniętym katalogu, lecz odkrywanie, interpretowanie według dostępnych metod i teorii, i chyba też przeżywanie. Oraz kontakt z materialnością, do której żaden model językowy nie ma dostępu. Nasza praca nie jest prostą sumą zadań, które wykonujemy.

Omawiane badanie, ale też interpretacje mówiące, jakie zawody znikną ze względu na rozwój AI, stosuje bardzo rynkowe rozumienie tego, czym jest praca. Ludzka praca jako prosty zasób w relacjach kapitalistycznych rzeczywiście może być dowolnie wymieniana na automatyczne odpowiedniki, jeśli najważniejszym celem jest zysk i ekonomiczność. Problem w tym, że w rzeczywistym świecie istnieją prace i zawody, które nie wpisują się w ten prosty schemat. Oto artystka, malująca obrazy, nie zostanie wyparta przez graficzne modele generatywne, bo w jej pracy nie chodzi wyłącznie o ostateczny efekt. Ludzie nie chcą wieszać na ścianach maszynowych slopów, maszynowe slopy też nie są dobrym zasobem inwestycyjnym.

Kiedy mówimy, że AI zastąpi historyków albo pisarki, wyrażamy bardzo uproszczony ogląd świata. Nie ma w nim miejsca na estetykę, przekazywanie wiedzy innym, eksperyment albo aktywizm. Nie ma miejsca na instytucje publiczne, które są kontekstem pracy - urząd, bibliotekę, szkołę czy uniwersytet. Liczy się tylko ostateczny efekt, gotowy produkt, który AI ma szybciej i taniej wygenerować.

Autor: redakcja