Com amplia la IA les funcions de les persones a la feina

La IA canvia la feina que fan les persones. En una anàlisi de més de 800.000 missatges d’usuaris nord-americans de ChatGPT, la nostra nova recerca indica que el 16,8 % dels missatges relacionats amb la feina i el 43,5 % dels missatges específics d’una ocupació tracten de tasques associades a una altra ocupació.

El propietari d’una petita empresa pot redactar textos publicitaris, revisar un contracte o fer una anàlisi financera bàsica pel seu compte. Un comercial pot utilitzar la IA per explorar un conjunt de dades de clients que abans potser hauria encarregat a un analista. Un professional del màrqueting pot resoldre problemes d’un lloc web sense haver d’esperar un desenvolupador. En cada cas, la IA no només canvia com es fa la feina, sinó també qui fa què.

El nostre nou informe, El treball a l’avantguarda: com la IA amplia les funcions de les persones a la feina, estudia aquest canvi. Anomenem el patró resultant encreuament de tasques: feines històricament associades a una ocupació que apareixen en l’ús de la IA que fan persones d’una altra. En el nostre Marc de transició laboral davant la IA⁠(s'obre en una finestra nova), sostenim que és probable que moltes feines es reorganitzin, ja que les seves tasques quotidianes podrien canviar substancialment. Aquest informe és el primer de la nostra nova sèrie El treball a l’avantguarda, que analitza com la IA transforma la feina en temps real. 

Gràcies a la nostra perspectiva única sobre com canvia el món laboral, oferirem periòdicament conclusions basades en dades i proves per orientar les polítiques i la pràctica.

Molts estudis sobre la IA i la feina parteixen d’una llista fixa de tasques associades a una ocupació concreta i es pregunten si els models poden dur-les a terme. Les nostres dades indiquen que la IA també està canviant qui assumeix cada tasca.

Per mesurar l’encreuament de tasques, primer separem la feina associada a una ocupació de la que apareix en moltes feines diferents. Algunes activitats, com ara redactar, resumir i planificar, són tan comunes a diverses ocupacions que no es poden considerar proves d’encreuament. Les classifiquem com a genèriques. Pel que fa als missatges restants, determinem si la tasca pertany a l’ocupació de l’usuari o n’és aliena. Entre els missatges no genèrics, el 43,5 % correspon a tasques alienes a l’ocupació de l’usuari. Això ofereix una primera visió de com la IA pot estar transformant les tasques pròpies de cada feina abans que aquests canvis apareguin en les descripcions o els títols dels llocs de treball.

Això indica que una part considerable de l’ús laboral de ChatGPT correspon a usuaris que amplien les seves funcions. Aquest patró és especialment marcat en diversos grups. Un cop exclosa la feina genèrica, les tasques alienes a l’ocupació representen: 

• el 77 % dels missatges específics d’una ocupació dels professionals de l’experiència del client
• el 75 % dels dissenyadors
• el 69 % dels professionals de recursos humans
• el 56 % dels professionals de l’àmbit jurídic 
• el 53 % dels professionals del màrqueting

Aquestes ocupacions "manlleven" aquestes tasques d’altres rols. Les dades apunten a una nova divisió de la feina: algunes activitats que abans calia derivar a una altra persona ara les pot fer qui detecta primer la necessitat.

El mapa de calor següent mostra l’encreuament de tasques identificant a quina ocupació s’assembla més la feina de cada missatge no genèric. Les tasques de màrqueting i enginyeria són les que arriben més lluny i apareixen sovint en missatges de professionals d’altres àmbits.

Quan passem de les ocupacions a tasques concretes, l’encreuament no es distribueix uniformement. Tant els càlculs financers com la resolució de problemes tecnològics figuren entre les tres tasques externes més habituals en els altres set grups professionals analitzats. La feina de màrqueting també s’estén àmpliament: la creació de materials de màrqueting apareix en cinc grups més i destaca especialment entre els usuaris de disseny.

L’anàlisi de conjunts de tasques més amplis revela dues direccions diferents d’encreuament. Algunes feines incorporen moltes tasques d’altres ocupacions. D’altres aporten tasques que apareixen en moltes feines diferents.

El disseny il·lustra el primer patró. Aproximadament el 35,2 % dels missatges dels dissenyadors inclouen feines habitualment associades a una altra ocupació, mentre que les tasques de disseny només representen l’1,7 % dels missatges dels professionals d’altres àmbits. Els dissenyadors recorren molt a tasques externes, però la feina de disseny rarament apareix en altres àmbits.

En enginyeria, la situació s’acosta més a la inversa. Només el 18,5 % dels missatges d’enginyeria inclouen tasques d’altres àmbits, però les tasques d’enginyeria representen el 7,4 % dels missatges dels professionals d’altres ocupacions. L’enginyeria és una font important de tasques que assumeixen professionals d’altres àmbits, des de resoldre problemes de programari fins a treballar amb sistemes tècnics.

El màrqueting destaca en totes dues direccions. Els professionals del màrqueting dediquen el 24,3 % dels missatges a tasques associades a altres ocupacions, mentre que les tasques de màrqueting representen el 8,9 % dels missatges dels professionals d’altres àmbits: la proporció externa més alta de la mostra. Els professionals del màrqueting combinen tasques de diversos àmbits, i la feina de màrqueting també s’estén àmpliament per tota l’organització.

La mida i l’estructura d’una empresa determinen com la IA transforma la feina. En una gran empresa, els empleats poden tenir accés a equips especialitzats, fluxos de treball establerts i serveis interns. En una organització més petita, és més probable que el professional més proper al problema l’assumeixi en lloc de delegar-lo.

Entre els usuaris mitjans, la proporció de tasques alienes a l’ocupació baixa del 18,9 % per als usuaris d’espais de treball amb 2–5 places al 16,3 % per als d’espais amb més de 100 places. Entre els usuaris més intensius, no observem el mateix patró de descens constant.

Una possible explicació és que els usuaris moderats d’organitzacions més petites recorren a la IA quan es troben amb feines que, altrament, requeririen una altra funció. En canvi, és possible que els usuaris intensius hagin desenvolupat fluxos de treball estables assistits per IA, més semblants entre organitzacions, o que utilitzin la IA amb més intensitat dins de la seva ocupació principal.

La IA pot ser especialment útil com a eina generalista quan escassegen els recursos especialitzats.

Aquestes dades sobre l’ús de la IA indiquen cap on es desplaça la feina. Ens permeten veure com la IA ajuda els professionals a provar noves combinacions d’activitats abans que les empreses reescriguin les descripcions dels llocs de treball o creïn nous títols professionals. En aquest sentit, els patrons d’ús poden oferir un senyal primerenc de canvis professionals que les estadístiques convencionals del mercat laboral només reflectiran més endavant.