Исследование Стэнфорда WORKBank показывает, где ИИ должен автоматизировать или поддерживать работу

ИИ-агенты меняют выполнение рабочих задач

ИИ-агенты трансформируют способы выполнения задач, беря на себя сложные и целенаправленные процессы. В отличие от статичных алгоритмов, они используют многоэтапное планирование и программные инструменты для управления рабочими процессами в таких сферах, как образование, юриспруденция, финансы и логистика. Работники уже применяют их для поддержки различных профессиональных обязанностей, что меняет взаимодействие человека и машины.

Гармонизация возможностей ИИ и предпочтений работников

Главная проблема – разрыв между тем, что может делать ИИ, и тем, что работники хотят, чтобы он делал. Даже при наличии технически способных систем работники могут сопротивляться полной автоматизации из-за забот о удовлетворенности работой, сложности задач или важности человеческого суждения. В то же время некоторые задачи, которые работники хотят автоматизировать, не имеют зрелых ИИ-решений. Этот разрыв препятствует ответственному внедрению ИИ.

Расширение оценки за пределы отдельных профессий

Ранее исследования ИИ сосредотачивались на ограниченном числе ролей, например, разработчиках или службах поддержки, и ставили во главу угла производительность компаний, а не опыт работников. Анализировали текущие модели использования, не давая прогнозов на будущее, что привело к созданию ИИ-инструментов без учета реальных потребностей работников.

WORKBank: опросы для понимания мнений работников

Исследователи Стэнфорда создали WORKBank — датасет на основе опросов 1500 работников и оценок 52 ИИ-экспертов с использованием данных O*NET. С помощью аудиоподдерживаемых мини-интервью были собраны подробные предпочтения. В центре — Шкала Человеческого Вовлечения (Human Agency Scale, HAS) с пятью уровнями, измеряющая желаемую степень участия человека в выполнении задач.

Шкала HAS: баланс между контролем ИИ и человека

HAS варьируется от H1 (полный контроль ИИ) до H5 (полный контроль человека). Не все задачи выгодно полностью автоматизировать: например, транскрипция данных или подготовка отчетов (H1-H2) подходят для ИИ. Задачи, как планирование обучения или участие в обсуждениях по безопасности (H4-H5), требуют участия человека. Работники оценивали желания автоматизации и предпочтительный уровень HAS, эксперты — возможности ИИ.

Выводы из WORKBank: где ИИ приветствуется, а где — нет

Данные показывают, что около 46,1% задач работники хотят автоматизировать, в основном рутинные и низкоценные. Задачи, требующие творчества или межличностного взаимодействия, вызывают сопротивление, несмотря на возможности ИИ. Задачи распределены по четырем зонам: Зеленый свет автоматизации (высокие возможности и желание), Красный свет (высокие возможности, низкое желание), Зона исследований и разработок (низкие возможности, высокое желание), и Низкий приоритет (низкие возможности и желание). 41% задач в компаниях Y Combinator попадают в зоны Низкого приоритета и Красного света, что указывает на несоответствие между инвестициями стартапов и потребностями работников.

Значение для ответственного внедрения ИИ

Исследование предлагает комплексный подход, учитывающий техническую готовность и человеческие ценности, что помогает разрабатывать ИИ с учетом пожеланий работников. Это важный шаг для политики труда и обучения, направленный на ответственное внедрение автоматизации и поддержки ИИ в рабочих процессах.