Искусственный интеллект как разрушительная технология на рабочем месте

Искусственный интеллект (ИИ) готов стать следующей разрушительной технологией в сфере труда. Однако, с его быстрым распространением по отраслям и профессиям, трудно отделить хайп и цинизм от реальности того, как он повлияет на рабочие места. Некоторые наблюдатели предсказывают, что эта технология уничтожит карьеры, приведет к массовым увольнениям и безработице. Сторонники, напротив, утверждают, что ИИ откроет новую эру труда, освободив время для работников, чтобы они могли заниматься более сложными и удовлетворяющими задачами.

Реальный ответ не будет найден в заголовках, а в исследованиях, говорит Хатим А. Рахман, доцент управления и организаций в Келлоггской школе управления. «Нам нужно понять, какие тренды мы воспроизводим и какие тренды мы хотим изменить». В своей новой обзорной статье Рахман и его коллеги проанализировали более 300 статей, чтобы разобраться с неуправляемой, но актуальной темой ИИ и неравенства на рабочем месте. Соединив десятилетия работы в разных дисциплинах, они создали структуру, которая поможет современным исследователям и ученым лучше понять, как ИИ вызывает и усиливает неравенство на рабочем месте, подобно каскаду.

Каскад неравенства

Методология каскада отражает то, как, казалось бы, небольшие решения на разных этапах жизненного цикла ИИ могут быстро нарастать. Выборы, сделанные во время проектирования модели, реализации или использования и адаптации, могут вызвать волны, которые усугубляют или уменьшают неравенство на рабочем месте. Используя эту структуру, исследователи могут определить критические точки, где было бы наиболее эффективно вмешаться и минимизировать вред от ИИ или усилить его преимущества.

«Эффекты ИИ будут проявляться на протяжении нескольких лет, если не десятилетий, потому что это сложно и будет варьироваться», — говорит Рахман. «Мы считали очень важным связать способ разработки и внедрения технологии с различными формами неравенства. Таким образом, мы можем лучше понять, как смягчить, исправить и гарантировать, что мы не воспроизводим недавние тренды увеличения неравенства в заработной плате, связанные с распространением новых технологий, таких как компьютеры и цифровизация».

Четыре перспективы на одну цель

Рахман и его соавторы, Арвинд Карунакаран и Девеш Нараянан из Стэнфордского университета и Сара Лебовиц из Университета Вирджинии, исследовали прошлую литературу о том, как ИИ и другие технологии влияют на неравенство на рабочем месте. Они обнаружили, что это привлекло исследователей из множества дисциплин. Ранее доминирующая область компьютерных наук, исследования ИИ теперь привлекают экспертов из экономики, психологии, социологии, организационного и управленческого изучения, философии, права и политики. Авторы организовали этот широкий спектр мнений в четыре различных перспективы, каждая из которых сосредоточена на различных последствиях внедрения ИИ на рабочем месте:

• Закодированное неравенство: как проектирование ИИ-систем может воспроизводить существующие социальные предвзятости и идеологии;
• Оценочное неравенство: как предвзятости в человеческом суждении и уровень доверия или недоверия к ИИ могут повлиять на его использование в организациях;
• Неравенство в заработной плате: как структура организаций, включая иерархию работ или навыков и спрос на типы работников, может создавать или усиливать разрывы в оплате;
• Реляционное неравенство: как отношения между людьми и группами внутри организаций могут быть нарушены ИИ, создавая новые дисбалансы власти.

Хотя эти перспективы исследуют неравенство с использованием различных экспертиз, их выводы часто пересекаются, как обнаружили авторы. Установление этой общей основы может предотвратить повторение исторических ошибок.

Спиральные эффекты

Вместо того чтобы рассматривать эти четыре типа неравенства как отдельные потенциальные результаты ИИ, Рахман и его коллеги предлагают связать их последовательно в метафору каскада. Эта структура отражает то, что различные точки на жизненном цикле ИИ могут вызвать цепь событий, которые могут выйти из-под контроля, если их не контролировать.

Например, решения, принятые во время проектирования модели ИИ, могут иметь непредвиденные последствия. Система для отбора кандидатов на работу, обученная на резюме из недиверсифицированной популяции, может привести к дискриминационным практикам найма. Система оценки, созданная для оценки производительности белых воротничков, может оценивать работников синих воротничков более строго, создавая более широкие разрывы в оплате.

Вместо того чтобы просто смотреть на то, что делает модель ИИ, Рахман говорит: «Мы должны спрашивать: «Кто ее спроектировал? Каковы были их ценности и приоритеты при проектировании модели?» Проектирование и разработка, по крайней мере в моей области, — это та область, которая чаще всего игнорируется и очень редко обсуждается.

Исследовательская повестка вверх по течению

На фоне бума ИИ существует множество вопросов о неравенстве на рабочем месте, которые исследователи могут выбрать для изучения. Какие виды работ наиболее подвержены влиянию технологии при ее внедрении? Предоставляет ли это возможность работникам низшего ранга «повысить квалификацию» своих работ, взяв на себя более сложные задачи? Какие факторы вдохновляют работников экспериментировать с ИИ, а не реагировать страхом и опасением? Какие новые рабочие места оно создает?

Концепция каскада неравенства ИИ может помочь направить внимание на наиболее значимые вопросы, говорит Рахман. Сосредоточив внимание на местах в жизненном цикле ИИ, где возникают неравенства, исследователи могут помочь работникам и политикам понять и предотвратить эти последствия.

Но чтобы добиться наибольшего эффекта, он предлагает смотреть вверх по течению, на ранние этапы проектирования и внедрения. Это легче сказать, чем сделать, когда коммерческие технологии строятся на строго охраняемых секретах, а рандомизированные контролируемые испытания невозможны.

Стратегическое резюме

В заключение, ИИ представляет собой мощный инструмент, который может как улучшить, так и ухудшить неравенство на рабочем месте. Важно, чтобы исследователи и бизнес-руководители работали вместе, чтобы понять, как проектирование и внедрение технологий могут повлиять на различные аспекты неравенства. Применение междисциплинарного подхода и использование структурированных методов, таких как дизайн-мышление и методология Agile, могут помочь в создании более справедливых и эффективных систем ИИ. В конечном итоге, правильное понимание и использование ИИ может привести к созданию более инклюзивной и продуктивной рабочей среды, где технологии служат на благо всем работникам.