ChatGPT en la fuerza laboral, ¿a quién afecta?

¿Cómo va a afectar ChatGPT a mi trabajo?

Ya han salido grandes inversionistas haciendo sus estimaciones del impacto. Ayer Goldman Sachs anunció su estimado: 300 millones de empleos a nivel mundial se verían afectados y ⅔ de los empleos poseen algún grado de exposición a esta nueva tecnología.

Pero el análisis hasta ahora más interesante lo realizó el creador mismo de ChatGPT y GPT-4, OpenAI. Hace un par de días publicaron un working paper (todavía no ha sido publicado en algún journal) donde analizan en detalle qué empleos podrían verse más afectados por la llegada de los LLMs (Large Language Models) al mundo laboral (si quieres revisar el paper en detalle, puedes encontrarlo aquí).

El trabajo del artículo en sí es simple: revisaron la base de datos del Departamento de Trabajo de Estados Unidos, donde se detallan 1.016 tipos de empleos diferentes con sus respectivas tareas y habilidades necesarias, y analizaron tarea por tarea si existía un impacto. Es decir, revisaron si los LLMs podrían apoyar en su ejecución o hacerla completamente. Para medir el impacto usaron 2 definiciones:

1. Definición “dura”: el uso directo de LLMs reducía el tiempo de ejecución de la tarea en al menos un 50%.
2. Definición “amplia”: El uso de LLMs más softwares potenciados por LLMs reducía el tiempo de ejecución de la tarea en al menos un 50%.

De esta manera, pudieron estimar en qué porcentaje un empleo puede ser afectado por el uso de LLMs al determinar el porcentaje de tareas impactadas que lo conforman.

¿Cómo estimaron si había impacto?

En esta parte del trabajo, el equipo de OpenAI hizo algo muy interesante. Por una parte usaron anotadores profesionales que revisaron uno por uno cada empleo, y al mismo tiempo, usaron GPT-4, su modelo más avanzado, para hacer el mismo trabajo y determinar automáticamente el impacto.

Esto es bien loco y futurista: pedirle a una inteligencia artificial que determine su propio impacto. Lo más sorprendente es que la estimación humana y la artificial llegaron a resultados muy similares, alcanzando correlaciones entre 65% y 91%, según la métrica.

¿Y qué concluyeron?

Empecemos por lo más general. En primer lugar, se ve que un 80% de la fuerza laboral norteamericana va a sufrir algún nivel de impacto (sobre el 10% de sus tareas), y que un 19% va a tener un gran impacto (sobre el 50% de sus tareas).

Esto hace prever que los LLMs pueden considerarse como Tecnologías de Uso General (o GPT por sus siglas en inglés). Las GPT son el último ejemplar de las grandes tecnologías que transformaron al mundo por la profundidad y masividad de sus efectos.  Es como internet, los computadores o la electricidad: un impacto tan transversal en el empleo apunta a que las LLMs serían parte de este selecto club.

En segundo lugar, al diferenciar el impacto directo de las LLMs al de LLMs más softwares que lo potencien, el estudio concluye que el gran espacio de crecimiento está en su uso indirecto. De hecho, el impacto promedio solo usando LLMs es de un 14%, mientras que LLMs más software promedia un impacto del 50,5%.

En tercer lugar (y a mi gusto lo más revelador del paper), es dónde se concentra el impacto. Para esto usaron la caracterización generada por el mismo departamento del Trabajo, en el que cada empleo también define el nivel promedio de entrenamiento necesario, grado académico, nivel de sueldo y tipos de habilidad requerida. Lo resumen en 5 niveles de preparación:

• Nivel 1- Sin formación previa: estos son empleos que no requieren entrenamiento previo ni educación formal. Acá se concentran empleos como la preparación de comida, remoción de tierra, aseo, trabajo manual agrícola, etc.
• Nivel 2 - Preparación básica: son empleos que requieren algún nivel básico de entrenamiento, y usualmente requieren por lo menos educación media. Acá se concentran trabajos como la venta minorista, servicio al cliente, etc.
• Nivel 3 - Formación Técnica: Estos empleos requieren un nivel mayor de preparación y suelen necesitar al menos 1 año de entrenamiento y un nivel de educación técnica. Este espacio es amplio y reúne rubros como los electricistas, constructores, barberos, asistentes médicos, etc.
• Nivel 4 - Grado Universitario: estos empleos engloban el grueso de labores que usualmente realizan personas con estudios universitarios en su nivel básico o medio, con experiencia laboral bajo los 4 años. En esta línea están empleos como los periodistas, diseñadores gráficos, analistas, administradores de bases de datos o tecnologías de información, etc.
• Nivel 5 - Postgrado o amplia experiencia: estos empleos apuntan a personas que poseen estudios avanzados (máster o superior) o tienen experiencia extensa en áreas de negocios específicas (sobre 5 años). En este nivel están los abogados, doctores, científicos, gerentes, etc.

Dada esta división, encontraron que el mayor impacto está de hecho en el nivel 4: profesionales universitarios sin un grado superior o amplia experiencia, dando un porcentaje de afectación de entre el 21% (solo LLM) hasta el 78% (LLM + software).

Esto es bien interesante porque rompe las expectativas tradicionales de que las tecnologías suelen generar reemplazo en los niveles más básicos de la preparación laboral, como ha sido el caso con la robotización y anteriormente con las revoluciones industriales. Por otra parte, los empleos que requieren grados superiores o vasta experiencia tienen menos afectación que los universitarios, lo que apunta a que cuando el pensamiento crítico o las habilidades blandas (gestión, negociación, etc.) son importantes, el dominio sigue siendo de los humanos (por ahora).

Al parecer, con los LLMs los que más van a ver afectado su trabajo son quienes tienen un título académico de pregrado. Eso sí, no hay que espantarse tampoco: lo que nos enseña este gráfico no es necesariamente que los trabajos desaparecerán, sino que las LLMs van a ser una herramienta relevante, por lo que aprender a usarlas, entenderlas y aplicarlas va a ser una habilidad crítica en muchos de estos trabajos más afectados. Por lo que es más probable que en vez de que GPT te quite el trabajo, es que tu colega que aprendió a usarlo bien te pueda sacar ventaja.

Además, si esta tecnología termina aumentando nuestra productividad, tal vez tengamos más tiempo para otras tareas más relevantes. Tal vez por fin vamos a tener tiempo para leer todos esos libros que compramos o ver la teleserie de las 2pm sin estar tan urgidos.