生成AI是一种变革性技术，具有重新定义工作性质的潜力。了解其在工作场所中的作用，以及使其与过去的自动化不同的原因，需要从AI中转变能做什么应该做。
对Genai对工人的影响的典型分析集中于该技术是否可以从事特定的工作。这样的研究通常会分解工作，并评估该技术可以执行的组成任务的份额。例如，呼叫中心中客户服务代表的常见任务包括与客户互动，记录交互以及解决或升级问题。Genai可以处理这些任务，这意味着它可以取代此类工人。
但是，请考虑最初看起来像等效的职业：紧急服务手机操作员。这两个工作共享许多类似的任务。我们应该期望他们面临同等水平的自动化风险吗？答案比仅技术能力更细微。除了道德考虑之外，自动化此类角色还引入了涉及经济学，任务设计和相互依存的复杂权衡。
作者
劳伦斯·艾尔斯（Laurence Ales）是卡内基·梅隆大学（Carnegie Mellon University）的教育高级院长和经济学教授特珀商学院
Christophe Combemale是卡内基·梅隆（Carnegie Mellon）的工程和公共政策助理研究教授，也是Valdos Consulting的首席执行官
我们认为，组织在考虑自动化时应该考虑四个关键问题。
首先，任务有多复杂？复杂性是人工劳动和人工智能成本的主要驱动力。紧急服务调度员解决了各种各样的问题，涉及一定程度的复杂性，超过了客户服务代表的重复互动。通常，任务越复杂，自动化的可能性就越小，因为人类目前比机器更好地处理复杂性。
其次，任务有多频繁？频率越高，自动化的可能性就越大。机器在长期保持速度方面具有明显的优势。与客户的经常互动会加强AI替代客户服务代表的经济案例。
第三，任务如何相互联系？在提供服务或创建产品时，许多工作都参与了一系列相互联系的任务，通常由不同的工人和机器完成。在任务之间交接期间发生的事情通常被忽略。分裂成本来自交接过程中的效率低下和错误。
客户服务代表的最初任务涉及与客户交谈，而最终任务是解决他们的问题。当涉及不同的工人或机器时，这些任务之间的交接可能会很昂贵。如果处理最终决议的工人最初没有与客户互动，则需要额外的时间来查看所有先前收集的信息。
即使在技术上可行，高分裂成本也应阻止公司在人类和生成AI之间分配任务。在紧急服务中自动化最初的分类电话似乎是具有成本效益的，但是在从AI到人类调度员的过渡期间，至关重要的信息可能会丢失。
第四，执行任务时，失败的成本是多少？紧急调度员的错误会带来很大的风险，尤其是在生命或死亡情况下。和genai的精确性可能不如过去的某些自动化形式。
这些问题应指导公司考虑自动化的公司，并有助于解释为什么Genai对某些职业的影响比其他职业更大。例如，考虑计算机程序员。广泛的，有据可查的编码示例使Genai甚至可以为复杂的任务提供有效的解决方案。许多编码任务的高频和重复性非常适合Genai。
在Genai之前，程序员将大型编码项目划分了，诸如分布式开发平台和模块化设计之类的创新降低了分裂成本。安全测试环境保持失败的成本较低，因为可以廉价地检测到Genai生产的代码中的许多错误。在我们的框架内，这些功能有助于解释为什么传统上自动化受益人的程序员面临着对Genai的破坏的原因。
进一步阅读
l Ales，C Combemale和K Ramayya的生成AI，采用和任务结构（2024年，SSRN 4786671）。
它如何做到：技术变革的劳动含义的一般理论，l ales，c bombemale，er fuchs和k Whitefoot（2024，SSRN 4615324）。
上面的四个问题突出显示了使生成AI独特地成为自动化技术的原因。随着它的发展，Genai正在展示其高速管理复杂任务的能力，这使其比传统自动化更通用。通过提供无缝的界面和自然语言处理能力，Genai逐渐降低了与传统自动化相比的分裂成本。但是，围绕Genai产出的不确定性可能会增加任务失败的风险。
生成AI是一种变革性的技术，具有重塑劳动力市场的潜力。它的最终影响和采用的可能性是由特定职业内任务的结构所塑造的。任务的复杂性，其频率，分裂成本和失败成本共同影响，影响了明显的成本节省和隐藏成本之间的平衡。