AI και Εργασία: Γιατί δεν αντικατέστησε (ακόμα) τις δουλειές γραφείου;
Γιατί το AI δεν έχει αντικαταστήσει τις δουλειές γραφείου; Η Mercor αποκαλύπτει μέσω του Apex-Agents γιατί η τεχνολογία δυσκολεύεται σε πραγματικές συνθήκες.
Minas Marios Kontis
Γιατί το AI δεν έχει αντικαταστήσει τις δουλειές γραφείου; Η Mercor αποκαλύπτει μέσω του Apex-Agents γιατί η τεχνολογία δυσκολεύεται σε πραγματικές συνθήκες.
Έχουν περάσει σχεδόν δύο χρόνια από τότε που ο CEO της Microsoft, Satya Nadella, προέβλεψε μια μεγάλη επανάσταση: ότι το AI θα αντικαθιστούσε την «εργασία γνώσης» (knowledge work). Η πρόβλεψη αυτή αφορούσε άμεσα μια σειρά από απαιτητικές δουλειές γραφείου, όπως:
Ωστόσο, παρά την τεράστια πρόοδο και την τεχνολογία που έχουν αναπτύξει τα foundation models (θεμελιώδη μοντέλα), η ριζική αλλαγή στην εργασία γνώσης καθυστερεί να φτάσει.
Ενώ τα μοντέλα έχουν κατακτήσει την εις βάθος έρευνα και τον σχεδιασμό μέσω πρακτόρων (agentic planning), για κάποιο λόγο, το μεγαλύτερο μέρος της καθημερινής εργασίας γραφείου έχει παραμείνει σχετικά ανεπηρέαστο. Είναι ένα από τα μεγαλύτερα μυστήρια στον χώρο του AI — και χάρη σε μια νέα, καινοτόμα έρευνα από τον κολοσσό δεδομένων εκπαίδευσης Mercor, παίρνουμε επιτέλους κάποιες απαντήσεις για το μέλλον της εργασίας.
Η νέα έρευνα εξετάζει πώς τα κορυφαία μοντέλα AI ανταπεξέρχονται σε πραγματικές συνθήκες εργασίας γραφείου, αντλώντας δεδομένα από απαιτητικούς κλάδους όπως η συμβουλευτική, η επενδυτική τραπεζική και η νομική.
Το αποτέλεσμα είναι ένα νέο σημείο αναφοράς (benchmark) που ονομάζεται Apex-Agents. Τα ευρήματα, ωστόσο, είναι απογοητευτικά: μέχρι στιγμής, κάθε εργαστήριο AI παίρνει... κάτω από τη βάση.
Όταν βρέθηκαν αντιμέτωπα με ερωτήματα από πραγματικούς επαγγελματίες, τα αποτελέσματα έδειξαν ότι:
Αυτό αποδεικνύει περίτρανα ότι η τεχνολογία έχει ακόμα σημαντικό δρόμο μπροστά της για να θεωρηθεί αξιόπιστη σε επαγγελματικό επίπεδο.
Σύμφωνα με τον ερευνητή Brendan Foody, ο οποίος εργάστηκε στη δημοσίευση, το μεγαλύτερο εμπόδιο για την εξέλιξη των μοντέλων ήταν ο εντοπισμός πληροφοριών σε πολλαπλούς τομείς — μια διαδικασία που είναι αναπόσπαστο κομμάτι της εργασίας γνώσης που εκτελούν οι άνθρωποι καθημερινά.
«Μια από τις μεγάλες αλλαγές σε αυτό το benchmark είναι ότι δημιουργήσαμε ολόκληρο το περιβάλλον, μοντελοποιημένο με βάση το πώς λειτουργούν οι πραγματικές επαγγελματικές υπηρεσίες», δήλωσε ο Foody στο Techcrunch.
«Ο τρόπος που κάνουμε τις δουλειές μας δεν είναι με ένα άτομο να μας δίνει όλο το πλαίσιο (context) σε ένα μέρος. Στην πραγματική ζωή, λειτουργείς μέσω Slack, Google Drive και όλων αυτών των άλλων εργαλείων».
Για πολλά μοντέλα AI τύπου "agent", αυτού του είδους η σύνθετη συλλογιστική σε πολλαπλούς τομείς και πλατφόρμες παραμένει ακόμα αβέβαιη, καθυστερώντας την πλήρη ενσωμάτωσή τους στις επιχειρήσεις.
Τα σενάρια της μελέτης αντλήθηκαν όλα από πραγματικούς επαγγελματίες στην αγορά εμπειρογνωμόνων της Mercor, οι οποίοι έθεσαν τα ερωτήματα και καθόρισαν τα αυστηρά πρότυπα για μια επιτυχημένη απάντηση.
Μια ματιά στις ερωτήσεις, οι οποίες έχουν αναρτηθεί δημόσια στο Hugging Face, δίνει μια ξεκάθαρη αίσθηση του πώς η πραγματικότητα της σύγχρονης εργασίας είναι πολύ πιο πολύπλοκη από ό,τι πιστεύαμε για τα τρέχοντα συστήματα AI. Η πρόκληση για την επόμενη γενιά τεχνητής νοημοσύνης είναι πλέον ξεκάθαρη.
