AI pode fazer mais trabalho para nós, em vez de simplificar nossas vidas

Há uma percepção comum de que inteligência artificial (AI) ajudará a agilizar nosso trabalho. Há até temores de que isso possa acabar com a necessidade de alguns empregos.

Mas em um estudo dos laboratórios de ciências que realizei com três colegas da Universidade de Manchester, a introdução de processos automatizados que visam simplificar o trabalho – e liberar o tempo das pessoas – também pode tornar esse trabalho mais complexo, gerando novas tarefas que muitos trabalhadores podem considerar mundanas.

No estudo, publicado em Política de Pesquisa, examinamos o trabalho de cientistas em um campo chamado biologia sintética, ou synbio para abreviar. A Synbio se preocupa em redesenhar os organismos para que tenham novas habilidades. Está envolvido em cultivo de carne em laboratório, em novas formas de produção de fertilizantes e na descoberta de novos medicamentos.

Os experimentos Synbio contam com plataformas robóticas avançadas para mover repetidamente um grande número de amostras. Eles também usam aprendizado de máquina para analisar os resultados de experimentos em larga escala.

Estes, por sua vez, geram grandes quantidades de dados digitais. Esse processo é conhecido como “digitalização”, em que as tecnologias digitais são usadas para transformar métodos e formas de trabalho tradicionais.

Alguns dos principais objetivos da automação e digitalização de processos científicos são ampliar a ciência que pode ser feita, economizando tempo dos pesquisadores para se concentrar no que eles consideram um trabalho mais “valioso”.

Resultado Paradoxal

No entanto, em nosso estudo, os cientistas não foram dispensados ​​de tarefas repetitivas, manuais ou enfadonhas, como seria de esperar. Em vez disso, o uso de plataformas robóticas ampliou e diversificou os tipos de tarefas que os pesquisadores tinham que realizar. Há várias razões para isso.

Entre eles está o fato de que aumentou o número de hipóteses (o termo científico para uma explicação testável para algum fenômeno observado) e experimentos que precisavam ser realizados. Com métodos automatizados, as possibilidades são ampliadas.

Os cientistas disseram que isso lhes permitiu avaliar um número maior de hipóteses, juntamente com o número de maneiras pelas quais os cientistas poderiam fazer mudanças sutis na configuração experimental. Isso teve o efeito de aumentar o volume de dados que precisavam ser verificados, padronizados e compartilhados.

Além disso, os robôs precisavam ser “treinados” para realizar experimentos antes feitos manualmente. Os humanos também precisavam desenvolver novas habilidades para preparar, consertar e supervisionar robôs. Isso foi feito para garantir que não houvesse erros no processo científico.

O trabalho científico é frequentemente julgado com base em resultados, como publicações e bolsas revisadas por pares. No entanto, o tempo necessário para limpar, solucionar problemas e supervisionar sistemas automatizados compete com as tarefas tradicionalmente recompensadas na ciência. Essas tarefas menos valorizadas também podem ser amplamente invisíveis - principalmente porque os gerentes são os que não estariam cientes do trabalho mundano por não passar tanto tempo no laboratório.

Os cientistas synbio que executavam essas responsabilidades não eram mais bem pagos ou mais autônomos do que seus gerentes. Eles também avaliaram sua própria carga de trabalho como sendo maior do que aqueles acima deles na hierarquia de trabalho.

Lições mais amplas

É possível que essas lições também se apliquem a outras áreas de trabalho. ChatGPT é um Chatbot com inteligência artificial que “aprende” com as informações disponíveis na web. Quando solicitado por perguntas de usuários online, o chatbot oferece respostas que parecer bem elaborado e convincente.

De acordo com o Horário revista, para que o ChatGPT evite retornar respostas racistas, sexistas ou ofensivas de outras formas, trabalhadores no Quênia foram contratados para filtrar conteúdo tóxico entregue pelo bot.

Existem muitas práticas de trabalho muitas vezes invisíveis necessárias para o desenvolvimento e manutenção de infraestrutura digital. Esse fenômeno pode ser descrito como um “paradoxo da digitalização”. Ele desafia a suposição de que todos os envolvidos ou afetados pela digitalização se tornam mais produtivos ou têm mais tempo livre quando partes de seu fluxo de trabalho são automatizadas.

As preocupações com o declínio da produtividade são uma das principais motivações por trás dos esforços organizacionais e políticos para automatizar e digitalizar o trabalho diário. Mas não devemos aceitar promessas de ganhos de produtividade pelo valor de face.

Em vez disso, devemos desafiar as maneiras como medimos a produtividade, considerando os tipos invisíveis de tarefas que os humanos podem realizar, além do trabalho mais visível que geralmente é recompensado.

Também precisamos considerar como projetar e gerenciar esses processos para que a tecnologia possa agregar mais positivamente às capacidades humanas.

Este artigo foi republicado a partir de A Conversação sob uma licença Creative Commons. Leia o artigo original.

Crédito de imagem: Gerd Altmann da P

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. Acesse aqui.
• Fonte: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/