Original: https://www.hbs.edu/ris/PublicationFiles/24-013_d9b45b68-9e74-42d6-a1c6-c72fb70c7282.pdf
O objetivo deste documento é explorar o impacto da inteligência artificial sobre a produtividade e a qualidade dos trabalhadores do conhecimento, tirando conclusões de experimentos de campo. A equipe de pesquisa inclui especialistas da Harvard Business School, da Wharton School da University of Pennsylvania, da MIT Sloan School of Management e de outras instituições. Os resultados do estudo ajudarão a entender a aplicação da IA em cenários de trabalho.
O lançamento do Large Language Model (LLM) chamou a atenção para o impacto da inteligência artificial na produtividade e na qualidade dos profissionais do conhecimento. O LLM tem um impacto significativo no desempenho dos profissionais do conhecimento, especialmente em tarefas de inovação, análise e redação. Experimentos controlados e randomizados pré-registrados permitem avaliar o impacto do LLM em profissionais com alto capital humano. O LLM melhora significativamente a produtividade e a qualidade em uma série de competências.
O LLM reduz a taxa de correção fora dos recursos do LLM. Os usuários adotaram dois modos diferentes de uso do LLM, "Centauro" e "Ciborgue", e o LLM criou uma "fronteira técnica irregular" com impactos diferentes no trabalho, dependendo da tarefa. O LLM cria uma "fronteira técnica irregular" com diferentes impactos no trabalho, dependendo da tarefa.
Os usuários precisarão avaliar se as tarefas estão dentro das capacidades do LLM e como colaborar efetivamente com o LLM. As organizações precisam repensar a colaboração entre humanos e computadores, as novas funções, as partes interessadas etc., para aproveitar todo o potencial dos LLMs, que terão um impacto profundo no trabalho do conhecimento, e os usuários e as organizações precisarão se adaptar a esse impacto. Adotar o modelo "centauro", ou seja, dividir o trabalho entre o LLM e os humanos com base em seus respectivos pontos fortes, é o uso mais eficaz da IA que foi demonstrado nos experimentos atuais dentro e além das capacidades do LLM.
Impacto da IA no desempenho de tarefas realistas, complexas e com uso intenso de conhecimento
Os recursos de Inteligência Artificial (IA) criaram uma "fronteira de tecnologia robusta" em que algumas tarefas podem ser facilmente executadas pela IA, enquanto outras estão além dos recursos da IA atual. Em tarefas dentro da fronteira da capacidade de IA, os consultores que usam IA são significativamente mais produtivos, enquanto em tarefas fora da fronteira, o resultado da IA é impreciso, menos útil e reduz o desempenho humano. É difícil para os profissionais saberem exatamente quais são os limites dessa fronteira em um determinado momento. Os profissionais que são hábeis em navegar nessa fronteira obtêm benefícios significativos de produtividade ao trabalhar com IA. A utilidade da IA pode variar no fluxo de trabalho de um profissional, com algumas tarefas localizadas dentro da fronteira e outras fora dela. Para tarefas dentro da fronteira, a IA melhora significativamente o desempenho e a qualidade de cada especificação de modelo. A IA pareceu equilibrar as diferenças de desempenho entre os níveis de habilidade e melhorar a qualidade das tarefas dentro da fronteira. O desafio de que o uso da IA pode levar a uma redução na diversidade de ideias pode representar um desafio para as organizações. A IA parece prometer afetar significativamente as habilidades cognitivas e de resolução de problemas dos seres humanos. O potencial transformacional da IA oferece insights sobre como aproveitar seus recursos para obter os melhores resultados. Otimismo em relação às capacidades da IA em tarefas de trabalho de conhecimento de alto nível, como geração rápida de ideias, redação, persuasão, análise estratégica e inovação criativa de produtos. As fronteiras da IA continuam desafiadoras e a compreensão das fronteiras precisa ser recalibrada. A IA pode desempenhar um papel semelhante na redução dos custos associados ao pensamento e ao raciocínio humanos, possivelmente com impactos amplos e transformadores.
O impacto da IA no desempenho do consultor
A IA teve um efeito significativo no desempenho dos consultores. O tratamento GPT+Visão Geral teve um efeito positivo mais pronunciado do que apenas o GPT. A visão geral aumentou a "retenção" e foi associada a um melhor desempenho. Fatores como gênero, fluência no idioma nativo, tempo de serviço, local e abertura à tecnologia tiveram impacto sobre os resultados. Os indivíduos com níveis de habilidade mais baixos são os maiores beneficiários do uso da IA.O GPT-4 ajuda a gerar conteúdo de melhor qualidade, mas também pode levar a um resultado mais homogêneo.A IA pode proporcionar benefícios de desempenho em tarefas que exigem interação humana intensa. O grupo tratado com IA apresentou uma redução significativa no desempenho em tarefas localizadas fora da fronteira. O tratamento com IA teve um impacto negativo significativo na correção em tarefas experimentais localizadas fora da fronteira. O tratamento com IA reduziu o tempo necessário para que os participantes concluíssem as tarefas em tarefas experimentais localizadas fora da fronteira. Os participantes que usam IA fornecem conselhos de maior qualidade em tarefas experimentais localizadas fora da fronteira. No fluxo de trabalho de profissionais altamente qualificados, a IA pode afetar o desempenho de várias maneiras. Para tarefas localizadas dentro da fronteira, a IA pode melhorar o desempenho humano. Para tarefas localizadas fora da fronteira, o excesso de confiança na IA pode levar a erros. o uso da IA pode melhorar as taxas de conclusão de tarefas. o uso da IA pode levar a uma menor diversidade na geração de conteúdo. o uso da IA pode levar a uma economia de tempo, mas também pode afetar a qualidade do trabalho.
O impacto da IA nos trabalhadores do conhecimento
Pesquisas descobriram que a IA tem impactos positivos e negativos sobre os trabalhadores do conhecimento.
Os impactos positivos incluem:
Aumente a produtividade: os profissionais do conhecimento que usam IA conseguem concluir as tarefas mais rapidamente, com um aumento médio de velocidade de 25,11 TP3T.
Melhoria da qualidade da tarefa: o uso da IA não apenas acelera o trabalho, mas também leva a uma melhoria significativa na qualidade do trabalho, com as classificações melhorando em uma média de mais de 401 TP3T.
Especialmente para os trabalhadores do conhecimento menos capazes, a assistência da IA pode melhorar muito seu desempenho, com ganhos de desempenho de até 43%.
O uso da IA pode reduzir as tarefas repetitivas e computacionalmente intensivas no fluxo de trabalho, dando aos profissionais do conhecimento mais tempo e energia para se concentrarem em tarefas que exigem mais dos recursos exclusivos dos seres humanos.
Os impactos negativos incluem:
Em algumas tarefas, o uso de IA reduz o desempenho, como uma redução de 19 pontos percentuais na taxa de acerto dos consultores que usam IA em tarefas fora dos recursos da IA.
O excesso de confiança na IA pode fazer com que os profissionais do conhecimento abandonem seu próprio julgamento, o que é particularmente perigoso em tarefas que exigem julgamento e criatividade humanos exclusivos.
O uso da IA pode reduzir a diversidade criativa, o que é um problema em potencial para campos que exigem criatividade diversificada.
Pode haver implicações éticas e legais para o uso indevido ou abuso da IA que exigem atenção especial das organizações e dos funcionários.
De modo geral, o impacto da IA sobre os trabalhadores do conhecimento é duplo; ela pode ser usada como uma ferramenta poderosa para melhorar a produtividade e a qualidade das tarefas, mas também pode levar à degradação do desempenho em alguns casos. Portanto, as organizações e os funcionários precisam aprender a usar a IA de forma eficaz e, ao mesmo tempo, estar cientes de suas limitações e evitar a dependência excessiva dela para tarefas em que ela não é boa.
Avaliação do impacto da IA na produtividade e na qualidade dos trabalhadores do conhecimento
O impacto da IA sobre a produtividade e a qualidade dos trabalhadores do conhecimento foi avaliado por meio de dois experimentos controlados e randomizados. Os sujeitos foram 758 consultores colaboradores individuais do Boston Consulting Group (BCG). Esses consultores foram designados aleatoriamente para um grupo de controle ou experimental e foram solicitados a concluir 18 tarefas autênticas de consultoria em cinco horas. As tarefas abrangeram a gama de recursos de IA e incluíram tarefas analíticas, criativas, repetitivas e computacionalmente intensivas.
No experimento, os consultores do grupo de controle foram solicitados a usar ferramentas tradicionais de aconselhamento e mecanismos de pesquisa para concluir as tarefas, enquanto os consultores do grupo experimental foram autorizados a usar o GPT-4 para ajudá-los em seu trabalho. Os pesquisadores avaliaram o impacto da IA comparando a conclusão de tarefas entre os dois grupos. Eles mediram o número de tarefas concluídas por cada participante, o tempo de conclusão da tarefa e a qualidade da tarefa. A qualidade da tarefa foi avaliada por especialistas externos que não sabiam se cada tarefa havia sido concluída manualmente ou com a assistência da IA.
Os resultados do estudo mostraram que os trabalhadores do conhecimento que usaram IA concluíram uma média de 12,21 TP3T a mais de tarefas do que o grupo de controle que não usou IA, e a velocidade de conclusão da tarefa aumentou em 25,11 TP3T.Além disso, os consultores que usaram IA produziram tarefas com pontuações de qualidade que melhoraram em uma média de mais de 401 TP3T.Particularmente, para os consultores com competências mais baixas, o desempenho dos consultores que usaram IA aumentou em Esses resultados sugerem que a IA pode melhorar significativamente a produtividade e a qualidade das tarefas dos trabalhadores do conhecimento.
No entanto, o estudo também descobriu que os consultores que usaram IA tiveram um desempenho pior do que um grupo de controle que não usou IA em determinadas tarefas que estavam fora do escopo dos recursos da IA. Isso sugere que o impacto da IA é duplo: ela pode ser usada como uma ferramenta poderosa para melhorar a produtividade e a qualidade das tarefas, mas também pode levar a um declínio no desempenho em alguns casos. Portanto, as organizações e os funcionários precisam aprender a usar a IA de forma eficaz e, ao mesmo tempo, estar cientes de suas limitações.
Integrar efetivamente a IA e o trabalho humano para melhorar a eficiência e a qualidade do trabalho
As estratégias para integrar efetivamente a IA e o trabalho humano para melhorar a produtividade e a qualidade incluem:
Estratégia de alocação de tarefas: alocar racionalmente as tarefas de acordo com as áreas de especialização da IA e dos seres humanos. Por exemplo, deixe a IA lidar com tarefas que exijam processamento e análise extensivos de dados, enquanto os humanos se concentram em tarefas que exijam criatividade, inteligência emocional e interações interpessoais complexas.
Centauros: essa estratégia envolve trabalhadores humanos que usam a IA em conjunto com tarefas que aproveitam ao máximo os pontos fortes da IA em áreas como processamento de informações e geração de linguagem, mantendo o domínio humano na tomada de decisões estratégicas e no pensamento inovador. Os funcionários humanos precisam ter a capacidade de julgar quando e como usar a IA da melhor forma possível.
Estratégia Cyborg (Cyborgs): essa estratégia enfatiza a estreita integração de humanos e IA, com trabalhadores humanos interagindo continuamente com a IA durante o processo da tarefa, otimizando os resultados da IA por meio de experimentação e feedback constantes, melhorando, assim, a eficiência e a qualidade.
Treinamento e educação: para integrar a IA de forma eficaz, tanto as organizações quanto os funcionários precisam ser devidamente treinados e instruídos para entender melhor os recursos e as limitações da IA e como fazer o uso mais eficaz dela.
Monitoramento e avaliação: as organizações devem monitorar o uso da IA e avaliar regularmente seu impacto na produtividade e na qualidade. Isso ajuda a identificar possíveis problemas com a IA e a tomar as medidas necessárias.
Considerações éticas e legais: ao integrar a IA, as organizações precisam considerar as preocupações éticas e legais para garantir que o uso da IA não infrinja a privacidade do cliente, os direitos de propriedade intelectual ou outras leis e regulamentações.
Fluxos de trabalho inovadores: redesenhar os fluxos de trabalho para acomodar os recursos de IA. Isso pode envolver a revisão dos fluxos de trabalho existentes para maximizar o potencial da IA.
Manutenção da diversidade criativa: embora a IA seja excelente em determinadas tarefas, os funcionários humanos precisam manter a diversidade criativa para evitar que a dependência excessiva da IA leve à exaustão criativa.
Com essas estratégias, as organizações podem aproveitar melhor os benefícios da IA e, ao mesmo tempo, evitar seus possíveis impactos negativos, resultando em produtividade e qualidade das tarefas.
Pontos e conclusões importantes apresentados no documento
Os pontos e conclusões importantes apresentados no documento incluem:
Impacto da IA no trabalho do conhecimento: a IA pode melhorar significativamente a produtividade e a qualidade das tarefas dos trabalhadores do conhecimento. Por exemplo, no experimento, os consultores que usaram IA concluíram uma média de 12,21 TP3T a mais de tarefas de consultoria do que o grupo de controle sem IA, e a velocidade de conclusão da tarefa aumentou em 25,11 TP3T, com pontuações de qualidade significativamente mais altas.
Estratégias para o uso da IA: o estudo se refere a "Centauros" (estratégias de centauro) e "Ciborgues" (estratégias de ciborgue) como duas estratégias diferentes para o uso da IA. A primeira refere-se a consultores capazes de distribuir com eficácia a IA e as tarefas humanas, enquanto a segunda refere-se a consultores que integram a IA em seu fluxo de trabalho e interagem com frequência com a IA.
IA em tarefas criativas: a IA está tendo um desempenho particularmente bom em tarefas criativas, o que pode ter implicações para a forma como a inovação será organizada no futuro. Entretanto, ao mesmo tempo, a IA pode levar a uma redução na diversidade criativa, o que exige que as organizações sejam cautelosas no uso da IA e considerem como manter a diversidade criativa.
Limitações da IA: o estudo também constatou que os consultores que usaram IA tiveram um desempenho pior do que o grupo de controle que não usou IA em determinadas tarefas que estavam fora do escopo dos recursos da IA. Isso demonstra as limitações da IA e os problemas que podem surgir do excesso de confiança na IA.
Impacto da IA no marketing: a IA pode ajudar na geração de estratégias de marketing, incluindo segmentação de mercado, seleção de mercados-alvo e desenvolvimento de slogans de marketing. Entretanto, as possíveis deficiências da IA em termos de diversidade criativa também precisam de atenção.
Função da IA no desenvolvimento de produtos: a IA pode ajudar no desenvolvimento de produtos, desde a ideia inicial até o lançamento final no mercado. Por exemplo, a IA pode fornecer ideias de produtos, ajudar a selecionar o melhor produto, projetar protótipos de produtos, realizar a segmentação de mercado e o desenvolvimento de estratégias de marketing.
Impacto da IA na tomada de decisão: o uso da IA pode afetar o processo de tomada de decisão dos trabalhadores humanos, incluindo o aumento da dependência da IA e a possibilidade de que a IA faça com que os tomadores de decisão abandonem seu próprio julgamento em alguns casos.
Vantagens competitivas potenciais da IA no mercado: a IA pode ajudar as empresas a prever tendências de mercado, otimizar o design do produto e melhorar a eficiência da produção, obtendo assim uma vantagem na concorrência do mercado.
Impacto potencial da IA nos fluxos de trabalho: embora a IA possa transformar os fluxos de trabalho e aumentar a eficiência, ela também exige treinamento e educação adequados dos funcionários para que eles possam utilizar a IA de forma eficaz.
Potencial de IA nos setores: o estudo destaca o potencial de uso da IA em diversos setores, especialmente nas tarefas que exigem grandes quantidades de processamento e análise de dados.
Esses insights e conclusões não se baseiam apenas nas análises do pesquisador, mas também são apoiados por dados experimentais específicos e estudos de caso. Por exemplo, os experimentos controlados e aleatórios mencionados no estudo, a análise do desempenho dos consultores do Boston Consulting Group e as descrições específicas da função da IA no desenvolvimento de produtos e no marketing fornecem suporte empírico para essas ideias.
Limitações da IA
As limitações da IA incluem:
Propensão da IA ao erro: os modelos de IA tendem a produzir resultados errôneos, inclusive alucinações ou confabulações, bem como problemas com matemática e fornecimento de citações. Isso inclui "alucinações" ou "confabulações", bem como problemas em matemática e no fornecimento de citações. Por exemplo, no experimento, os consultores que usaram IA tiveram menor probabilidade de acerto em algumas tarefas do que o grupo de controle que não usou IA, uma queda de 19 pontos percentuais.
Gama de recursos da IA: os recursos da IA não são distribuídos uniformemente; ela tem uma "fronteira tecnológica irregular". Isso significa que a IA é muito boa em algumas tarefas, mas ruim em outras tarefas aparentemente semelhantes. Isso pode dificultar a localização de áreas em que a IA tem um desempenho significativamente pior do que o de trabalhadores humanos ao projetar tarefas.
Impacto da IA no julgamento humano: o estudo constatou que os funcionários humanos podem confiar demais no resultado da IA e até mesmo abandonar seu próprio julgamento ao usar a IA. Por exemplo, no experimento, os funcionários humanos deram notas mais altas às respostas incorretas geradas pela IA, o que sugere que o resultado da IA pode influenciar o julgamento dos funcionários humanos.
Possíveis deficiências da IA na diversidade criativa: embora a IA seja excelente em tarefas criativas, ela pode levar a uma redução na diversidade criativa. Esse é um problema em potencial para campos que exigem criatividade diversificada.
A importância das dicas de alta qualidade
A ideia de que "altos níveis de retenção podem resultar do envolvimento com prompts de alta qualidade" sugere que os profissionais do conhecimento que utilizam assistentes de IA, como o ChatGPT, podem melhorar a produtividade e a qualidade da tarefa fornecendo prompts de alta qualidade para orientar a IA a gerar conteúdo mais útil. Esse comportamento de solicitação de alta qualidade pode incluir ajudar a IA a melhorar iterativamente suas respostas até atingir um estado de perfeição antes de incorporar grande parte do conteúdo em suas próprias respostas.
Na documentação fornecida, os pesquisadores observaram experimentalmente que alguns participantes tendiam a confiar muito no resultado da IA, ou seja, a "reter" grandes quantidades de conteúdo gerado pela IA. Esses participantes podem ter orientado a IA a produzir conteúdo de alta qualidade por meio de dicas bem elaboradas, com base em uma compreensão dos recursos e das limitações da IA. Esse comportamento de estímulo pode ser um fator importante que leva à alta retenção, pois permite o uso eficaz dos recursos da IA e, ao mesmo tempo, garante que o resultado final seja preciso e útil.
Por exemplo, o documento menciona que, no experimento de solução criativa de problemas, os participantes foram solicitados a conceituar novas ideias de produtos por meio de uma série de perguntas. Os pesquisadores descobriram que os participantes que conseguiram utilizar a IA de forma eficaz não apenas incluíram mais conteúdo gerado pela IA em suas respostas, mas a qualidade desse conteúdo também foi altamente avaliada por especialistas externos. Isso sugere que orientar a IA com prompts de alta qualidade pode melhorar significativamente a produtividade das tarefas criativas e a qualidade dos resultados.
No entanto, os pesquisadores também observam que a análise atual do estudo não foi capaz de distinguir se a alta retenção se deve a comportamentos de sugestão de alta qualidade ou a um excesso de confiança na IA. Portanto, essa observação, embora forneça uma possível explicação, precisa ser confirmada por mais pesquisas. Ao mesmo tempo, ela sugere que, na prática, devemos nos concentrar no treinamento e na educação adequados dos funcionários para que eles possam entender e utilizar melhor os recursos da IA e, ao mesmo tempo, evitar o excesso de confiança nela.
Todos os pontos mencionados no documento
Aqui está uma lista de todas as ideias mencionadas no documento:
1. impacto da IA sobre os profissionais do conhecimento: a IA pode melhorar significativamente a produtividade e a qualidade das tarefas dos profissionais do conhecimento.
2) Estratégias de uso da IA: os "centauros" e os "ciborgues" mencionados no estudo são duas estratégias diferentes de uso da IA.
3. IA em tarefas criativas: a IA é particularmente forte em tarefas criativas, o que pode ter implicações para a forma como a inovação será organizada no futuro.
4. limitações da IA: o estudo também constatou que os consultores que usavam IA tiveram um desempenho pior do que um grupo de controle que não usava IA em determinadas tarefas que estavam fora do escopo dos recursos da IA.
5. impacto da IA no marketing: a IA pode ajudar a gerar estratégias de marketing, incluindo segmentação de mercado, seleção de mercados-alvo e desenvolvimento de slogans de marketing.
6. função da IA no desenvolvimento de produtos: a IA pode ajudar no desenvolvimento de produtos, desde a ideia inicial até o lançamento final no mercado.
7) Impacto da IA na tomada de decisões: o uso da IA pode afetar os processos de tomada de decisões dos trabalhadores humanos, incluindo o aumento da dependência da IA.
8. possíveis vantagens competitivas da IA no mercado: a IA pode ajudar as empresas a prever tendências de mercado, otimizar o design de produtos e melhorar a produtividade.
9. impacto potencial da IA nos fluxos de trabalho: a IA pode mudar os fluxos de trabalho e aumentar a eficiência, mas, ao mesmo tempo, exige treinamento e educação adequados dos funcionários.
10. potencial para aplicações de IA nos setores: o estudo destacou o potencial para aplicações de IA em vários setores, especialmente nas tarefas que exigem grandes quantidades de processamento e análise de dados.
11. propensão da IA a erros: os modelos de IA tendem a produzir resultados errôneos, inclusive "alucinações" ou "confabulações".
12. variedade de recursos de IA: os recursos de IA não são distribuídos uniformemente; há uma "fronteira tecnológica irregular".
13. impacto da IA no julgamento humano: estudos descobriram que os trabalhadores humanos podem se tornar excessivamente dependentes do resultado da IA e até mesmo abandonar seu próprio julgamento ao usar a IA.
14. possíveis deficiências da IA na diversidade criativa: embora a IA seja excelente em tarefas criativas, ela pode levar a uma menor diversidade criativa.
15. importância de prompts de alta qualidade: os profissionais do conhecimento aumentam a produtividade e a qualidade das tarefas fornecendo prompts de alta qualidade para orientar a IA a gerar conteúdo mais útil.
16. fatores que influenciam a retenção: os pesquisadores observaram que alguns participantes tendiam a depender muito do resultado da IA, ou seja, a "reter" grandes quantidades de conteúdo gerado pela IA.
17. função da IA na solução criativa de problemas: a IA pode auxiliar na geração de estratégias de marketing, incluindo segmentação de mercado, seleção de mercados-alvo e desenvolvimento de slogans de marketing.
18. função da IA no desenvolvimento de produtos: a IA pode ajudar no desenvolvimento de produtos, desde a ideia inicial até o lançamento final no mercado.
19. impacto da IA no marketing: a IA pode ajudar a gerar estratégias de marketing, incluindo segmentação de mercado, seleção de mercados-alvo e desenvolvimento de slogans de marketing.
20. papel da IA no desenvolvimento de produtos: a IA pode ajudar no desenvolvimento de produtos, desde a ideia inicial até o lançamento final no mercado.
21. impacto da IA na tomada de decisões: o uso da IA pode afetar os processos de tomada de decisões dos trabalhadores humanos, incluindo o aumento da dependência da IA.
22. possíveis vantagens competitivas da IA no mercado: a IA pode ajudar as empresas a prever tendências de mercado, otimizar o design de produtos e melhorar a produtividade.
23. impacto potencial da IA nos fluxos de trabalho: a IA pode mudar os fluxos de trabalho e aumentar a eficiência, mas, ao mesmo tempo, exige treinamento e educação adequados dos funcionários.
24. potencial para aplicações de IA nos setores: o estudo destacou o potencial para aplicações de IA em vários setores, especialmente nas tarefas que exigem grandes quantidades de processamento e análise de dados.
25. propensão da IA a erros: os modelos de IA tendem a produzir resultados errôneos, inclusive "alucinações" ou "confabulações".
26. variedade de recursos de IA: os recursos de IA não são distribuídos uniformemente; há uma "fronteira tecnológica irregular".
27 Impacto da IA no julgamento humano: estudos descobriram que os trabalhadores humanos podem se tornar excessivamente dependentes dos resultados da IA e até mesmo abandonar seu próprio julgamento ao usar a IA.
28. possíveis deficiências da IA na diversidade criativa: embora a IA seja excelente em tarefas criativas, ela pode levar a uma menor diversidade criativa.
29. importância de prompts de alta qualidade: os profissionais do conhecimento aumentam a produtividade e a qualidade das tarefas fornecendo prompts de alta qualidade para orientar a IA a gerar conteúdo mais útil.
30 Fatores que influenciam a retenção: os pesquisadores observaram que alguns participantes tendiam a depender muito do resultado da IA, ou seja, a "reter" grandes quantidades de conteúdo gerado pela IA.
Essas perspectivas abrangem o impacto potencial da IA sobre os trabalhadores do conhecimento, o marketing, o desenvolvimento de produtos e muitas outras áreas, bem como as limitações e as estratégias que devem ser observadas quando a IA for usada.
Lançamento e impacto do LLM
O lançamento do LLM (Large Language Model) chamou a atenção para o impacto da inteligência artificial na produtividade e na qualidade dos profissionais do conhecimento. O LLM tem um impacto significativo no desempenho dos profissionais do conhecimento, especialmente em tarefas de inovação, análise e redação. Para avaliar o impacto do LLM em profissionais de alto capital humano, os pesquisadores realizaram um experimento controlado randomizado pré-registrado. Os resultados do experimento mostraram que o LLM aumentou significativamente a produtividade e a qualidade dentro da gama de competências, mas diminuiu a correção fora da gama de competências.
Os usuários adotam dois modos diferentes de usar o LLM, "Centauro" e "Ciborgue", o que cria uma "fronteira tecnológica irregular" com impactos diferentes no trabalho, dependendo da tarefa. O LLM cria uma "fronteira técnica irregular" que afeta o trabalho de forma diferente, dependendo da tarefa. Os usuários precisam avaliar se uma tarefa está dentro dos recursos do LLM e como colaborar efetivamente com o LLM. As organizações precisam repensar a colaboração humano-computador, as novas funções, as partes interessadas etc. para aproveitar todo o potencial do LLM.
O LLM terá um impacto profundo no trabalho do conhecimento, e os usuários e as organizações precisarão se adaptar. A adoção de um modelo de "centauro", em que o trabalho é dividido entre o LLM e os seres humanos com base em seus respectivos pontos fortes, é o uso mais eficaz da IA que foi demonstrado nos experimentos atuais dentro e além das capacidades do LLM.
Métodos experimentais controlados e randomizados
O estudo utilizou uma abordagem de estudo controlado randomizado pré-registrado para avaliar o impacto do LLM em profissionais de alto capital humano. O experimento envolveu 758 consultores do Boston Consulting Group, que foram solicitados a concluir 18 tarefas autênticas de consultoria. O grupo experimental teve permissão para usar o LLM para auxiliar na conclusão das tarefas, enquanto o grupo de controle usou métodos tradicionais. Os pesquisadores avaliaram o impacto do LLM comparando a conclusão das tarefas entre os dois grupos.
Os resultados mostraram que os trabalhadores do conhecimento que usaram o LLM concluíram uma média de 12,21 TP3T a mais de tarefas do que o grupo de controle que não usou o LLM, e a velocidade de conclusão da tarefa aumentou em 25,11 TP3T.Além disso, os consultores que usaram o LLM produziram tarefas com uma melhoria média nas classificações de qualidade de mais de 401 TP3T.Particularmente, para os consultores com competências mais baixas, o desempenho dos consultores que usaram o LLM aumentou em 431 TP3T.
No entanto, o estudo também descobriu que os consultores que usaram o LLM tiveram um desempenho inferior ao do grupo de controle que não usou o LLM em determinadas tarefas que estavam fora do escopo dos recursos do LLM. Isso sugere que o impacto do LLM é duplo: ele pode ser usado como uma ferramenta poderosa para melhorar a produtividade e a qualidade das tarefas, mas também pode levar a um declínio no desempenho em alguns casos. Portanto, as organizações e os funcionários precisam aprender a usar o LLM de forma eficaz e, ao mesmo tempo, estar cientes de suas limitações.
Como integrar efetivamente a IA e o trabalho humano
Para integrar efetivamente a IA e o trabalho humano a fim de melhorar a produtividade e a qualidade, as seguintes estratégias podem ser adotadas:
1. estratégia de alocação de tarefas: alocar racionalmente as tarefas de acordo com as áreas de especialização da IA e dos seres humanos. Por exemplo, deixe a IA lidar com as tarefas que exigem grandes quantidades de processamento e análise de dados, enquanto os humanos se concentram em tarefas que exigem criatividade, inteligência emocional e interações interpessoais complexas.
2. centauros: essa estratégia envolve trabalhadores humanos que usam a IA em conjunto com tarefas que aproveitam ao máximo os pontos fortes da IA em áreas como processamento de informações e geração de linguagem, mantendo o domínio humano na tomada de decisões estratégicas e no pensamento inovador. Os funcionários humanos precisam ter a capacidade de julgar quando e como usar melhor a IA.
3. estratégia Cyborg (Cyborgs): essa estratégia enfatiza a estreita integração de humanos e IA, com trabalhadores humanos interagindo continuamente com a IA durante o processo da tarefa e otimizando os resultados da IA por meio de experimentação e feedback contínuos, melhorando, assim, a eficiência e a qualidade.
4. treinamento e educação: para integrar a IA de forma eficaz, tanto as organizações quanto os funcionários precisam ser treinados e educados adequadamente para entender melhor os recursos e as limitações da IA e como fazer o uso mais eficaz dela.
5. monitoramento e avaliação: as organizações devem monitorar o uso da IA e avaliar regularmente seu impacto na produtividade e na qualidade. Isso ajuda a identificar possíveis problemas com a IA e a tomar as medidas necessárias.
6. considerações éticas e legais: ao integrar a IA, as organizações precisam considerar questões éticas e legais para garantir que o uso da IA não infrinja a privacidade do cliente, os direitos de propriedade intelectual ou outras leis e regulamentações.
7. fluxos de trabalho inovadores: redesenhar fluxos de trabalho para acomodar os recursos de IA. Isso pode envolver a revisão dos fluxos de trabalho existentes para maximizar o potencial da IA.
8. manter a diversidade criativa: embora a IA seja excelente em determinadas tarefas, os funcionários humanos precisam manter a diversidade criativa para evitar que a dependência excessiva da IA leve à exaustão criativa.
Com essas estratégias, as organizações podem aproveitar melhor os benefícios da IA e, ao mesmo tempo, evitar seus possíveis impactos negativos, resultando em produtividade e qualidade das tarefas.
chegar a um veredicto
O lançamento do LLM trouxe ganhos de produtividade e qualidade para os profissionais do conhecimento, mas há limitações e riscos. Para fazer melhor uso do LLM, os usuários e as organizações precisam adotar estratégias adequadas, incluindo repensar a colaboração entre humanos e computadores, novas funções, partes interessadas etc., além de aprender a trabalhar de forma eficaz com o LLM. Também é necessário focar nos aspectos éticos e legais da IA para evitar os impactos negativos do uso da IA. Somente com base na compreensão total e no enfrentamento dos possíveis riscos da IA é que as vantagens da IA poderão ser mais bem utilizadas para alcançar eficiência e qualidade.
Português do Brasil