El mensaje en aquel momento era que la educación protegía. Las nuevas investigaciones indican que eso ya no es así. En otras palabras, los trabajadores que enfrentan mayores (menores) barreras para ingresar a sus trabajos derivados de las exigencias de preparación tienden a experimentar una mayor (menor) exposición a los GPT. ¿Esto quiere decir que los trabajos previos estaban metodológicamente mal? No, quiere decir que el avance de la tecnología volvió obsoletas comparaciones hechas hace ya diez años. Trina et al. estiman que entre el 28 % y el 40 % de la variación en la exposición a la IA no estaba presente cuando la exposición se realizaba con tecnologías anteriores.

Veamos cuál es la metodología empleada en este nuevo paper. Los autores evalúan las ocupaciones usando un nuevo criterio llamado GPT-Task Exposure Index (GTEI), que mide el grado de correspondencia entre las capacidades de los GPT y las tareas laborales. El GTEI se basa en dos fuentes de información: la experiencia humana y las clasificaciones de GPT-4. La experiencia humana se obtiene a través de una encuesta a expertos en inteligencia artificial y economía, que asigna puntuaciones a cada tarea según su estimación del desempeño que tendría un GPT. Las clasificaciones de GPT-4 se obtienen mediante el uso del modelo para generar descripciones textuales de cada tarea y luego compararlas con las descripciones originales del Occupational Information Network (O*NET), una base de datos que contiene información detallada de más de 900 ocupaciones en Estados Unidos. El GTEI es el promedio ponderado de las puntuaciones humanas y las clasificaciones de GPT-4 para cada tarea. El paper también utiliza el Standard Occupational Classification (SOC), un sistema que agrupa las ocupaciones según el tipo de trabajo realizado y las habilidades requeridas. Se calcula el GTEI para cada grupo ocupacional del SOC y se relaciona con variables como el salario medio, la educación requerida y el crecimiento proyectado.

La investigación concluye que los trabajos que más expuestos están son aquellos que tienen un alto GTEI, es decir, que tienen una alta correspondencia con las capacidades de los GPT. El paper expone que los grupos ocupacionales con mayor exposición son los siguientes:

• Arquitectos e ingenieros (GTEI = 0,72), debido a que sus tareas implican el diseño, la simulación y la optimización de sistemas complejos, así como la comunicación de resultados técnicos.
• Profesionales de las ciencias sociales y legales (GTEI = 0,71), debido a que sus tareas implican el análisis, la interpretación y la síntesis de datos e información provenientes de diversas fuentes, así como la redacción de informes y documentos legales.
• Profesionales de las artes, el diseño y los medios (GTEI = 0,69), debido a que sus tareas implican la creación, la edición y la presentación de contenidos visuales, auditivos y textuales para diversos fines y públicos.

Estos grupos ocupacionales también se caracterizan por tener salarios medios y altos, una educación requerida elevada (al menos una licenciatura) y un crecimiento proyectado moderado o bajo (menos del 10 % para el período 2019-2029).

Los autores realizan una evaluación preliminar del impacto que tendrán los GPT y las tecnologías relacionadas en el mercado laboral estadounidense. En su opinión, el impacto dependerá de varios factores, como la velocidad de adopción, la complementariedad o sustitución con el trabajo humano, la demanda de nuevos servicios y productos, y las políticas públicas. Ellos sugieren que el impacto podría ser tanto positivo como negativo, dependiendo de cómo se distribuyan los beneficios y los costos entre los diferentes grupos sociales y económicos.

Por otro lado, los sectores menos expuestos son aquellos que tienen un bajo GTEI, es decir, que tienen una baja correspondencia con las capacidades de los GPT. El paper expone que los grupos ocupacionales con menor exposición son los siguientes:

• Trabajadores de la salud y técnicos (GTEI = 0,27), debido a que sus tareas implican el cuidado directo de pacientes, el uso de equipos médicos especializados y la aplicación de conocimientos clínicos.
• Trabajadores de la construcción y la extracción (GTEI = 0,28), debido a que sus tareas implican el trabajo físico en entornos al aire libre o subterráneos, el manejo de materiales pesados y la coordinación con otros trabajadores.
• Trabajadores de la producción e instalación (GTEI = 0,29), debido a que sus tareas implican el ensamblaje, la reparación y el mantenimiento de maquinaria y productos industriales, así como el control de calidad y la seguridad.

Estos grupos ocupacionales también se caracterizan por tener salarios medios y bajos, una educación requerida baja (menos de una licenciatura) y un crecimiento proyectado negativo o nulo (menos del 0 % para el período 2019-2029).

Nos hemos centrado aquí en el caso paradigmático del ChatGPT; pero la misma tendencia de evolución en sus capacidades está presente en otros terrenos de habilidades tradicionalmente “humanas”, como ser el reconocimiento de audios (speech-to-text), el reconocimiento de imágenes y videos, y la manipulación de objetos tridimensionales. En definitiva, con un retraso respecto al procesamiento de lenguaje natural de unos pocos años, no hay razón para suponer que no habrá un avance equivalente en todos los ámbitos, estímulos y mecanismos por los cuales los humanos interactúan con el mundo y entre sí.

¿Cuál es la evaluación que se puede realizar del impacto de tendrán estos cambios tecnológicos en la realidad económica, social y especialmente laboral?

Entre los posibles efectos positivos, se destacan:

• El aumento de la productividad y el crecimiento económico, al reducir los costos y mejorar la calidad de bienes y servicios.
• La creación de nuevas ocupaciones y sectores, al generar nuevas demandas y oportunidades de innovación.
• La mejora de las condiciones laborales y el bienestar humano, al liberar a los trabajadores de tareas rutinarias o peligrosas.

Entre los posibles efectos negativos:

• La pérdida o transformación de empleos existentes, al reemplazar o modificar las tareas humanas por las máquinas.
• La polarización o desigualdad del mercado laboral, al aumentar la brecha entre los trabajadores con altas y bajas habilidades o ingresos.
• Los desafíos éticos y sociales, al plantear cuestiones sobre la responsabilidad, la privacidad, la seguridad y la gobernabilidad de las tecnologías.

[1]     Tyna E., T; Sam Manning S., Mishkin, P. y Rock D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130 [econ.GN], 17 de marzo de 2023.

[2]           Frey, C. B., & Osborne, M. (2013). «The future of employment: How susceptible are jobs to computerisation?», setiembre de 2013.