Uno studio condotto da Ozge Demirci, Jonas Hannane e Xinrong Zhu ha analizzato l'impatto delle tecnologie di Intelligenza Artificiale Generativa sulla domanda di freelance online. Utilizzando dati estesi provenienti da una piattaforma globale, i risultati hanno indicato una riduzione del 21% nelle offerte di lavoro per attività che possono essere automatizzate, come la scrittura e la programmazione. Allo stesso modo, le tecnologie di generazione di immagini basate su AI hanno causato una diminuzione del 17% nelle offerte di lavoro per la creazione di immagini. La ricerca ha anche mostrato, attraverso Google Trends, che la diminuzione più marcata nella domanda di lavori automatizzabili è legata a una crescente consapevolezza pubblica sulla possibilità di sostituire tali lavori con strumenti come ChatGPT.
Le recenti innovazioni nell'intelligenza artificiale e nell'elaborazione del linguaggio naturale hanno provocato cambiamenti significativi in vari settori. Servizi AI come ChatGPT hanno evidenziato una notevole abilità nella creazione di risposte testuali che emulano il modo di esprimersi delle persone, risultando coerenti e attinenti al contesto dato. Queste tecnologie potrebbero avere un impatto profondo sui mercati del lavoro online (OLM), dove i lavori freelance, tradizionalmente basati sull'expertise umana, ora affrontano l'influenza crescente dell'automazione dovuta all'emergere di strumenti di AI.
L'analisi degli impatti a breve termine delle tecnologie di Intelligenza Artificiale Generativa (GenAI) sulla domanda di lavori freelance nei mercati del lavoro online permette di identificare i tipi di lavori maggiormente influenzati dalle GenAI e di quantificare l'entità dell'impatto. I mercati del lavoro freelance online offrono un contesto ideale per studiare l'impatto a breve termine degli strumenti GenAI, caratterizzati da lavori flessibili, a breve termine, orientati ai compiti e remoti. Anche i compiti tipici per i quali si utilizzano strumenti di AI sono piccoli, flessibili e a breve termine. Esaminare gli effetti dell'AI su questi mercati offre un'opportunità per ottenere indicazioni su contesti più ampi, con implicazioni estendibili a settori oltre l'occupazione a contratto.
L'analisi dei dati provenienti da una piattaforma globale di freelance online, comprendenti 1.388.711 annunci di lavoro dal luglio 2021 al luglio 2023, utilizza un algoritmo di clustering di rete per categorizzare gli annunci in cluster distinti come gestione dei dati e degli uffici, scrittura e ingegneria. Basandosi sull'AI Occupational Exposure Index (AIOE), questi cluster di lavori mostrano diversi livelli di esposizione agli strumenti di AI basati su modelli linguistici di grandi dimensioni. I cluster possono essere classificati in tre tipi: attività amministrative e tecniche (gestione degli uffici, servizi video e audio), lavori propensi all'automazione (scrittura, sviluppo software, app e web, ingegneria) e lavori di generazione di immagini (design grafico e modellazione 3D). I lavori amministrativi o tecnici hanno un AIOE notevolmente inferiore rispetto ai lavori propensi all'automazione, indicando una minore esposizione ai modelli linguistici di grandi dimensioni.
L'analisi degli effetti dell'introduzione degli strumenti di GenAI sulla domanda nei diversi tipi di gruppi di lavoro si basa su un metodo empirico che impiega varie versioni dei modelli "difference-in-differences" (DiD). Questo approccio comprende sia le versioni standard del DiD, sia metodologie avanzate di recente sviluppo, come il DiD sintetico e il DiD doppiamente robusto.
Il metodo "difference-in-differences" (DiD) è una tecnica statistica che compara i cambiamenti nei risultati tra un gruppo che ha subito un intervento (come l'introduzione di GenAI) e un gruppo di controllo che non lo ha subito. Il DiD sintetico è una versione migliorata del DiD tradizionale, che utilizza una combinazione di vari gruppi di controllo per creare un confronto più accurato. Il DiD doppiamente robusto è un metodo avanzato che migliora la precisione delle stime combinando due tecniche: i modelli di regressione e i pesi. I modelli di regressione sono strumenti statistici che permettono di comprendere la relazione tra diverse variabili. I pesi, invece, vengono utilizzati per dare maggiore importanza a certe osservazioni all'interno del dataset, in modo da correggere eventuali squilibri tra il gruppo che ha subito l'intervento e il gruppo di controllo.
In pratica, il DiD doppiamente robusto usa i modelli di regressione per stimare gli effetti dell'intervento e contemporaneamente applica pesi che bilanciano le differenze tra i gruppi di confronto. Questo approccio permette di ottenere stime più accurate, riducendo il rischio di errori dovuti a differenze iniziali non osservate tra i gruppi.
Il rilascio di ChatGPT ha mostrato che il numero di annunci di lavoro per i lavori soggetti ad automazione è diminuito del 20,86% in più rispetto a quelli che richiedono un'intensa attività manuale entro otto mesi dall'introduzione di ChatGPT. I lavori di scrittura hanno registrato il calo più significativo nella domanda (30,37%), seguiti dallo sviluppo di software, siti web/app (20,62%) e dall'ingegneria (10,42%). Sebbene questa diminuzione del numero di annunci intensifichi la competizione tra freelancer, i lavori soggetti ad automazione rimanenti risultano di maggiore complessità e offrono una retribuzione più elevata.
L'introduzione degli strumenti GenAI per la creazione di immagini, come Midjourney, Stable Diffusion e DALL-E 2, ha causato una riduzione complessiva del 17,01% negli annunci di lavoro, con una diminuzione particolarmente marcata nel settore del design grafico (18,49%) e della modellazione 3D (15,57%). Questi cali nella domanda sono maggiori delle variazioni stagionali osservate sulla piattaforma o dell'effetto documentato dell'automazione nei mercati del lavoro tradizionali.
Il legame causale tra la diminuzione differenziale della domanda e l'introduzione di ChatGPT viene rafforzato incorporando un indice esterno: Google Trends Search Volume Indices (Google SVI), costruito utilizzando termini di ricerca correlati come "ChatGPT" combinati con le descrizioni dei cluster di lavoro (es. scrittura ChatGPT). Il Google SVI per la scrittura, l'ingegneria, lo sviluppo software, app e web ha mostrato una crescita significativa rispetto ad altri lavori dopo l'introduzione di ChatGPT. Esiste una relazione negativa tra le variazioni nel numero di annunci di lavoro all'interno di un cluster e il Google SVI, suggerendo che nei cluster di lavoro con maggiore consapevolezza o interesse per la sostituibilità tramite strumenti AI, si è verificata una diminuzione più marcata della domanda di freelancer.
Le ricerche precedenti hanno evidenziato come l'automazione, inclusi robot e apprendimento automatico, sostituisca alcuni lavori creando al contempo nuove opportunità, portando a una complessa riallocazione del lavoro. I compiti che comportano azioni di routine e ripetitive sono maggiormente vulnerabili all'automazione, mentre quelli che richiedono risoluzione di problemi complessi e creatività ne sono meno influenzati. Le capacità distintive di GenAI permettono di automatizzare compiti come la codifica, la scrittura e la creazione di immagini. GenAI si distingue come una tecnologia versatile, con ampie applicazioni e facilità di integrazione e adattabilità, suggerendo un impatto potenzialmente più profondo e ampio sui mercati del lavoro. Le recenti scoperte su come GenAI stia rimodellando la domanda di varie competenze umane a breve termine suggeriscono un effetto che non solo persiste, ma cresce durante il periodo di osservazione. Data la crescente consapevolezza delle potenzialità offerte dalla GenAI, come evidenziato dal Google SVI, i risultati a breve termine possono fungere da indicatori degli impatti a lungo termine.
L'impatto della GenAI sui mercati del lavoro e sulle dinamiche economiche viene analizzato esaminando quanto le diverse professioni siano esposte all'AI e proponendo modi per identificare le industrie, i lavori o le regioni più influenzate. Questa analisi copre vari aspetti dell'economia, come la produttività dei lavoratori, l'assistenza nella scrittura, il valore delle aziende, la ricerca di mercato, i beni digitali pubblici, i contenuti creati dagli utenti e i mercati del lavoro.
Analizzando i dati degli annunci di lavoro online, è possibile ricavare informazioni su come l'AI generativa stia influenzando il mercato del lavoro. Due caratteristiche chiave emergono da questo approccio. Primo, il dataset consente di misurare direttamente la domanda di freelance monitorando il numero di annunci nel tempo, quantificando gli effetti di sostituzione e analizzando le differenze tra i tipi di lavoro. Questo rivela tendenze dettagliate, come cali iniziali seguiti da riduzioni crescenti. Secondo, le informazioni sulle competenze e sui requisiti lavorativi permettono di vedere come gli annunci cambiano dopo l'introduzione di strumenti di GenAI, suggerendo interessanti dinamiche nel mercato del lavoro, inclusi possibili adattamenti della forza lavoro e salari più alti per i lavori rimanenti.
Queste caratteristiche forniscono prospettive uniche rispetto ad altri studi che si basano sulle storie lavorative o sui profili dei freelance per esaminare l'impatto della GenAI sull'occupazione. I dati aiutano a risolvere la possibile sottostima della domanda che può verificarsi utilizzando solo le storie lavorative, garantendo un'analisi più accurata del mercato del lavoro online. Raggruppando annunci di lavoro simili e classificandoli basandosi sulla letteratura esistente, e validando queste classificazioni con Google SVI, si arricchisce la comprensione dell'impatto dell'AI nella modifica della domanda di lavoro.
Anche se siamo ancora agli inizi, gli effetti della GenAI sul mercato del lavoro online sono già evidenti, indicando possibili cambiamenti a lungo termine nelle dinamiche occupazionali. I risultati sugli impatti eterogenei a breve termine dell'AI sui lavori freelance online sono rilevanti per manager e policymaker. Identificando i lavori più colpiti dall'AI, questi risultati forniscono indicazioni preziose per un'implementazione responsabile ed efficace degli strumenti di GenAI nel posto di lavoro.
Mercato del lavoro online
I mercati del lavoro online (OLM) sono diventati un pilastro fondamentale nel panorama lavorativo digitale, offrendo una piattaforma dove i freelancer possono mettere a disposizione le loro competenze per i potenziali datori di lavoro. Piattaforme come Upwork, Freelancer.com e Fiverr continuano a facilitare questa connessione, permettendo ai datori di lavoro di pubblicare annunci sui quali i freelancer possono fare offerte. Queste piattaforme hanno visto una crescita esponenziale grazie alla loro flessibilità, portata globale e all'efficace corrispondenza tra freelancer e datori di lavoro.
Nel 2024, il mercato dei freelancer online è ancora in forte espansione. Secondo le stime recenti, si prevede che oltre 15 milioni di freelancer in tutto il mondo abbiano ottenuto lavoro tramite piattaforme OLM, con circa 4 milioni di questi che hanno trovato impieghi a tempo pieno. Questo trend è alimentato dalla crescente adozione del lavoro da remoto e dalla continua digitalizzazione delle aziende, che cercano sempre più competenze specifiche senza le limitazioni geografiche del passato.
I lavori disponibili sulle piattaforme OLM variano notevolmente in termini di portata e complessità, spaziando da incarichi di inserimento dati a breve termine a compiti complessi di sviluppo software e consulenza strategica. Negli ultimi anni, si è osservata una maggiore frammentazione del lavoro, con i datori di lavoro che suddividono i progetti in compiti più piccoli e specifici. Questo approccio permette una maggiore flessibilità nelle decisioni di assunzione, poiché i datori di lavoro possono facilmente terminare incarichi o assumere nuovi freelancer in base alle esigenze del momento.
Un'importante evoluzione del 2024 è l'integrazione sempre più diffusa dell'intelligenza artificiale nei processi di gestione del lavoro. Soluzioni AI vengono utilizzate per automatizzare compiti ripetitivi, migliorare l'efficienza e ridurre i costi operativi. Questa tendenza sta portando a un cambiamento significativo nel mercato del lavoro, con un numero crescente di datori di lavoro che preferiscono soluzioni AI per la loro convenienza e accessibilità. Di conseguenza, gli OLM rappresentano un ambiente ideale per osservare le prime tendenze dell'impatto dell'AI generativa sull'occupazione.
Dati analizzati
I dati sono stati raccolti da una piattaforma di lavoro online, riconosciuta a livello mondiale, utilizzando la sua interfaccia di programmazione delle applicazioni (API). Su questa piattaforma, i datori di lavoro pubblicano le loro offerte specificando un budget, indicando un importo massimo e minimo. Ogni offerta include una descrizione dettagliata del lavoro richiesto, come ad esempio la creazione di un breve video, e le competenze necessarie, come montaggio video, produzione video, e l'uso di software specifici come Final Cut Pro e Adobe Premiere Pro. La piattaforma utilizza tag di competenze per ottimizzare l'abbinamento tra datori di lavoro e freelance. Questi tag possono essere selezionati da una lista standardizzata o inseriti manualmente dai datori di lavoro e sono inclusi in ogni offerta di lavoro. I freelance dichiarano le loro competenze nei profili e solo quelli con competenze corrispondenti possono fare un'offerta. I freelance idonei inviano le loro proposte con un prezzo e tempi suggeriti oppure possono essere invitati direttamente dai datori di lavoro. I datori di lavoro esaminano le offerte ricevute e selezionano i freelance basandosi sulle competenze e sui dettagli dell'offerta.
I dati coprono il periodo da luglio 2021 a luglio 2023 e comprendono tutte le offerte di lavoro presenti sulla piattaforma. Per ogni offerta, sono stati registrati il titolo, la descrizione delle attività (inclusi i tag di competenze e i software preferiti), il budget massimo e minimo fissato dal datore di lavoro, se il pagamento è fisso o orario, se il lavoro deve essere svolto da freelance locali, il numero di offerte ricevute e il prezzo medio per offerta, la data, il luogo (paese e città), l'identificativo del datore di lavoro e lo stato finale dell'offerta (assegnato, scaduto, ecc.). I dati includono 2.712 tag di competenze unici, utilizzati successivamente per raggruppare le offerte di lavoro in diverse categorie. Nella successiva analisi empirica, viene utilizzato il numero di tag di competenze per ogni offerta come indicatore della complessità del lavoro.
Classificazione delle offerte di lavoro
L'analisi empirica condotta esplora i cambiamenti nella domanda di vari tipi di lavoro dopo l'introduzione degli strumenti GenAI. Le offerte di lavoro sono state raggruppate in base alla co-occorrenza delle competenze, permettendo una categorizzazione più dettagliata rispetto alle etichette generiche come "design" o "mestieri e servizi". È stato utilizzato un algoritmo di clustering non supervisionato, noto come metodo Louvain, per rilevare gruppi di competenze che si verificano frequentemente insieme nelle offerte di lavoro. Questo metodo è comune per identificare strutture nascoste in grandi reti, come nelle analisi dei social network e nei sistemi di raccomandazione.
L'algoritmo ha individuato 42 diversi cluster di competenze, rappresentando insiemi distinti di competenze o requisiti software necessari per eseguire compiti specifici. Ogni offerta di lavoro è stata poi mappata al cluster con la maggiore sovrapposizione di competenze. I dati sono stati puliti concentrandosi sui cluster prevalenti, eliminando circa lo 0,25% delle offerte di lavoro, e unendo tre cluster simili, ottenendo così 15 cluster distinti. Analizzando i tag di competenze e le descrizioni dettagliate delle offerte di lavoro, i cluster sono stati ulteriormente caratterizzati in base alla letteratura precedente nei seguenti tipi.
Lavori amministrativi e tecnici comprendono gestione dati e ufficio, servizi video e servizi audio, richiedendo molti compiti manuali. Ad esempio, la gestione dati e ufficio spesso richiede abilità nell'uso di Excel per creare o modificare fogli di calcolo. I servizi audio includono attività come la produzione audio e la progettazione sonora, mentre i servizi video riguardano la creazione o il montaggio video. Sono campi in cui il lavoro umano offre un valore unico.
Lavori soggetti ad automazione includono scrittura, ingegneria e sviluppo software, app e web, che spesso coinvolgono compiti suscettibili di digitalizzazione o automazione. Il cluster di scrittura comprende correzione di bozze, ghostwriting e editing, ed è identificato come vulnerabile a ChatGPT secondo studi precedenti. Il cluster di ingegneria include compiti di ingegneria elettrica e progettazione di circuiti, richiedendo competenze di programmazione come Mathematica, Matlab e C. Lo sviluppo software, app e web include principalmente offerte di lavoro per sviluppatori di siti web o app, richiedendo competenze di programmazione. ChatGPT ha dimostrato di eseguire bene problemi di programmazione facili e medi.
Lavori di generazione di immagini come grafica e modellazione 3D coinvolgono la creazione e modifica di contenuti visivi e modelli tridimensionali virtuali. L'impatto degli strumenti di AI generativa di immagini sulla domanda in questi cluster di lavoro è stato esaminato separatamente.
Otto cluster mostrano un'esposizione distinta all'AI, secondo l'Indice di Esposizione Occupazionale all'AI (AIOE), che misura la suscettibilità delle occupazioni ai progressi delle capacità di modellazione linguistica dell'AI, includendo effetti di sostituzione o aumento. Un valore AIOE più alto indica una maggiore suscettibilità ai Modelli Linguistici di Grandi Dimensioni. I lavori amministrativi e tecnici presentano un AIOE decisamente più basso rispetto ai lavori suscettibili di automazione, indicando una minore esposizione all'avvento della GenAI.
L’analisi si concentra su otto cluster specifici. Sono state escluse le offerte di lavoro con budget massimo anomalo nel 1% superiore, restringendo il campione ai 61 paesi più grandi, rappresentativi del 95% di tutte le offerte di lavoro. L'analisi si è focalizzata sui lavori a pagamento fisso, che costituiscono circa l'80% delle restanti offerte. Il campione finale include 1.218.463 offerte di lavoro da 541.828 datori di lavoro. Per catturare la domanda complessiva sulla piattaforma, il campione è stato aggregato a livello di cluster, settimana e paese. È stato calcolato il numero di offerte di lavoro e il campione è stato bilanciato riempiendo con zeri le combinazioni cluster-settimana-paese senza offerte di lavoro durante una settimana specifica. È stato osservato un calo più marcato nel numero medio di offerte di lavoro nei settori soggetti all'automazione e alla generazione di immagini rispetto a quelli amministrativi e tecnici, a seguito dell'introduzione di ChatGPT e dell'intelligenza artificiale generativa di immagini.
I risultati, espressi in termini di logaritmo del numero di offerte e percentuale delle stesse, mostrano variazioni significative tra i diversi tipi di lavoro prima e dopo l'introduzione di ChatGPT e dell'AI generativa di immagini.
Per i lavori amministrativi o tecnici, come gestione dati e ufficio, servizi audio e servizi video, si osserva quanto segue:
- Gestione dati e ufficio: prima di ChatGPT, il logaritmo del numero di offerte era 2.08 con una percentuale dell'8.59%. Dopo ChatGPT, i valori sono scesi a 1.84 e 8.64%, rispettivamente. Prima dell'AI generativa di immagini, i valori erano 2.13 e 8.45%, scendendo a 1.88 e 8.82% dopo l'introduzione dell'AI.
- Servizi audio: il logaritmo del numero di offerte è passato da 0.63 con una percentuale dello 0.9% prima di ChatGPT, a 0.56 e 1.07% dopo ChatGPT. Prima dell'AI generativa di immagini, i valori erano 0.64 e 0.87%, scendendo a 0.57 e 1.06% dopo.
- Servizi video: il logaritmo del numero di offerte è passato da 1.26 con una percentuale del 2.92% prima di ChatGPT, a 1.19 e 3.93% dopo ChatGPT. Prima dell'AI generativa di immagini, i valori erano 1.31 e 2.86%, scendendo a 1.17 e 3.63% dopo.
Per i lavori soggetti ad automazione, come scrittura, sviluppo software, app e web, e ingegneria, si osserva quanto segue:
- Scrittura: il logaritmo del numero di offerte è passato da 2.23 con una percentuale del 10.02% prima di ChatGPT, a 1.74 e 7.87% dopo ChatGPT. Questi valori rimangono invariati prima e dopo l'introduzione dell'AI generativa di immagini.
- Sviluppo software, App e Web: il logaritmo del numero di offerte è passato da 3.59 con una percentuale del 35.32% prima di ChatGPT, a 3.23 e 33.68% dopo ChatGPT. Anche in questo caso, i valori rimangono invariati prima e dopo l'introduzione dell'AI generativa di immagini.
- Ingegneria: il logaritmo del numero di offerte è passato da 1.1 con una percentuale del 2.16% prima di ChatGPT, a 0.86 e 1.91% dopo ChatGPT. Questi valori rimangono invariati prima e dopo l'introduzione dell'AI generativa di immagini.
Per i lavori di generazione di immagini, come design grafico e modellazione 3D, si osserva quanto segue:
- Design grafico: i dati non sono stati forniti per il periodo precedente a ChatGPT, ma dopo l'introduzione dell'AI generativa di immagini, il logaritmo del numero di offerte è passato da 3.05 con una percentuale del 22.15% a 2.69 e 24.25%.
- Modellazione 3D: anche in questo caso, i dati non sono stati forniti per il periodo precedente a ChatGPT, ma dopo l'introduzione dell'AI generativa di immagini, il logaritmo del numero di offerte è passato da 1.81 con una percentuale del 5.45% a 1.49 e 5.94%.
I dati evidenziano un calo più marcato nei settori lavorativi soggetti ad automazione e alla generazione di immagini, rispetto ai lavori amministrativi o tecnici, dopo l'introduzione di ChatGPT e dell'AI generativa di immagini.
Analizzando l'Indice di Volume delle Ricerche su Google (SVI) per valutare l'interesse e la consapevolezza in evoluzione riguardo ChatGPT nei vari ambiti lavorativi, e combinando tali dati con le descrizioni dei diversi settori, come ad esempio "ChatGPT scrittura", emerge un quadro interessante. Nei settori amministrativi e tecnici, l'indice SVI rimane praticamente nullo per tutto il periodo analizzato. Al contrario, le categorie lavorative più suscettibili all'automazione mostrano un notevole incremento nelle ricerche.
Modello matematico per l’analisi dell’impatto della GenAI sul mercato del lavoro online
Il modello matematico usa una formula che confronta il numero di annunci di lavoro prima e dopo l'introduzione di strumenti di intelligenza artificiale come ChatGPT e altre tecnologie simili.
Il periodo di osservazione è settimanale, considerando un determinato paese e tipo di lavoro. Si guarda al numero di annunci di lavoro pubblicati ogni settimana, applicando una trasformazione logaritmica per rendere i dati più facili da analizzare. Una variabile indica se un'osservazione è avvenuta prima o dopo il rilascio di questi strumenti di intelligenza artificiale. Per esempio, ChatGPT è stato introdotto la settimana del 30 novembre 2022, mentre l'AI per generare immagini la settimana del 20 luglio 2022.
I lavori sono divisi in gruppi in base alla loro probabilità di essere automatizzati: i lavori che richiedono molta manodopera hanno un valore zero, mentre quelli che possono essere facilmente automatizzati con ChatGPT o AI generativa di immagini hanno un valore uno. Sono considerati anche fattori specifici del paese e del periodo per controllare le differenze nella domanda di lavoro e le tendenze stagionali.
Per comprendere l'impatto dell'introduzione di questi strumenti sul numero di annunci di lavoro, è stato utilizzato un metodo chiamato "differenza nelle differenze", il quale confronta i cambiamenti nel tempo tra diversi gruppi di lavoro. I risultati mostrano che, prima dell'introduzione degli strumenti GenAI, non c'erano grandi differenze nei trend. Dopo l'introduzione, però, i lavori suscettibili all'automazione hanno visto una diminuzione più significativa rispetto ai lavori che richiedono molta manodopera.
Per garantire l'accuratezza dei risultati, vengono utilizzati metodi statistici avanzati per considerare variabili complesse e migliorare la precisione delle stime. Tra questi, la regressione binomiale negativa aiuta a gestire i dati di conteggio come il numero di annunci di lavoro, specialmente quando i dati sono molto variabili.
Risultati e impatto degli strumenti di GenAI
Sono state valutate le specifiche di base e di robustezza per analizzare l'impatto del rilascio di ChatGPT, avvenuto il 30 novembre 2022. Il coefficiente DiD (differenza nelle differenze) nel modello risulta significativamente negativo (-0,234), indicando una diminuzione del 20,86% nel numero settimanale di annunci di lavoro per le occupazioni suscettibili all'automazione rispetto a quelle amministrative o tecniche. È stato poi esaminato quale settore lavorativo all'interno delle occupazioni suscettibili all'automazione è stato maggiormente influenzato da ChatGPT. I modelli DiD sono stati stimati separatamente per ciascun settore. Le occupazioni legate alla scrittura hanno mostrato la maggiore diminuzione (30.37%), seguite dallo sviluppo software, app e web (20.62%) e dall'ingegneria (10.42%). Questa classifica corrisponde all'aumento relativo dell'indice di consapevolezza di ChatGPT (SVI). I risultati delle stime dai modelli Negative Binomial, CS DiD e Synthetic DiD sono simili e mostrano lievi discrepanze in alcuni casi. L'effetto stimato è sostanziale, superiore alla variazione stagionale della domanda sulla piattaforma e all'impatto dell'automazione nei mercati del lavoro tradizionali.
Sono stati analizzati anche i cambiamenti in altre variabili, concentrandosi sui datori di lavoro che hanno pubblicato annunci sia prima che dopo l'introduzione di ChatGPT. Utilizzando il modello di base, sono stati esaminati i cambiamenti nel budget massimo, nel numero di offerte per annuncio e nella complessità dei lavori, misurata dal numero di competenze richieste negli annunci. Dopo l'introduzione di ChatGPT, si osserva un aumento del 5.71% nel budget massimo per i lavori suscettibili all'automazione rispetto a quelli amministrativi o tecnici, un incremento dell'8.57% nel numero medio di offerte per annuncio e un aumento del 2.18% nella complessità del lavoro. Questi risultati suggeriscono un leggero aumento della complessità, del budget e della competizione nei lavori suscettibili all'automazione dopo il rilascio di ChatGPT.
È stata inoltre analizzata la frequenza di pubblicazione degli annunci da parte dei datori di lavoro rimasti sulla piattaforma. Per misurare la frequenza, sono state costruite tre metriche: il numero di settimane in cui un datore di lavoro pubblica all'interno di un settore nei periodi pre e post, e il numero di annunci mensili. Il modello DiD è stato applicato a queste variabili, confrontando i cambiamenti differenziali tra i settori suscettibili all'automazione e quelli amministrativi o tecnici.
Infine, sono stati esaminati i tag delle competenze per identificare gli annunci che menzionano "ChatGPT" come competenza richiesta. Nel periodo successivo al rilascio, sono stati trovati 903 annunci di lavoro che elencano ChatGPT nei tag delle competenze. Più dell'88% di questi annunci appartiene a categorie suscettibili all'automazione, con la maggior parte (744 annunci) correlata allo sviluppo software, app e web. È stato osservato un aumento significativo nel numero di annunci che richiedono competenze correlate a ChatGPT, con una media di 0.68 annunci per settimana nel periodo successivo all'introduzione di ChatGPT.
Impatto dell'Introduzione dell'AI Generativa di Immagini
L'introduzione delle tecnologie di GenAI per la generazione di immagini ha avuto un impatto significativo sulla domanda di lavori freelance nei settori del graphic design e del 3D modeling. Per analizzare questo effetto, sono stati utilizzati modelli econometrici, tra cui Difference-in-Differences (DiD) e modelli robusti di tipo DiD. Si è concentrata l'attenzione su tre principali tecnologie di AI generativa di immagini: DALL-E 2, Midjourney e Stable Diffusion, tutte introdotte tra luglio e settembre 2022. La data di rilascio del primo software è stata utilizzata come punto di riferimento per l'inizio del periodo di trattamento, identificato come il 20 luglio 2022. Da quel momento, le settimane successive sono considerate nel periodo post-trattamento. Il gruppo di controllo è costituito dai settori che richiedono lavori amministrativi e tecnici.
I risultati delle stime hanno mostrato una riduzione significativa del numero di offerte di lavoro nei settori del graphic design e del 3D modeling. Dopo un anno dall'introduzione delle tecnologie di AI generativa di immagini, il numero di offerte di lavoro in questi settori è diminuito del 17,01%. Questa riduzione è più marcata rispetto alle variazioni stagionali della piattaforma o agli effetti generali dell'automazione nei mercati del lavoro tradizionali. I risultati ottenuti dai modelli econometrici alternativi, tra cui il modello binomiale negativo e i modelli Synthetic DiD e CS DiD, confermano la robustezza di questi effetti principali, mostrando riduzioni significative e coerenti tra loro.
Analisi dei risultati
La categoria lavorativa maggiormente colpita è la scrittura, seguita da sviluppo software, app e web, e ingegneria. Si è osservata anche una diminuzione nella domanda di lavori di design grafico e modellazione 3D dopo il rilascio delle tecnologie di generazione di immagini AI. Questi risultati indicano che i freelancer potrebbero affrontare una maggiore concorrenza a causa dell'introduzione degli strumenti GenAI. Considerando che la concorrenza per le opportunità di lavoro nei mercati online è già intensa, la maggiore sostituibilità tra lavori di freelancer e GenAI potrebbe ulteriormente ridurre i budget nel breve termine.
L'impatto iniziale di GenAI sui mercati del lavoro online suggerisce possibili cambiamenti nelle dinamiche lavorative più ampie. Con l'adozione crescente di GenAI, ci sarà probabilmente un significativo spostamento nei tipi di competenze richieste. I compiti facilmente automatizzabili dall'AI, come quelli di routine e ripetitivi, sono destinati a diminuire nella domanda. Al contrario, potrebbe emergere una domanda di nuove competenze per integrare efficacemente gli strumenti GenAI nelle attività lavorative. Competenze che complementano l'AI, come il pensiero critico, la creatività e l'intelligenza emotiva, potrebbero diventare più preziose e richieste. Questo cambiamento nella domanda di competenze potrebbe portare a differenze più marcate nel mercato del lavoro, con un divario crescente tra lavori ad alta competenza e alto salario e lavori a bassa competenza e basso salario.
Alcuni studi preliminari mostrano potenziali benefici di produttività: una sperimentazione su larga scala ha rilevato che i consulenti che utilizzano GPT-4 hanno accesso al 12,2% in più di compiti, li completano il 25,1% più velocemente e producono risultati di qualità superiore del 40%. Un'altra evidenza sperimentale rileva che ChatGPT ha ridotto il tempo necessario per il lavoro di scrittura aziendale del 40%, con un aumento della qualità del prodotto del 18%. È stato inoltre osservato l'emergere di annunci di lavoro che richiedono specificamente "competenze nell'uso di ChatGPT", principalmente in lavori soggetti ad automazione.
Conclusioni
L'introduzione delle tecnologie GenAI sta ridefinendo il mercato del lavoro freelance in modi che richiedono una riflessione strategica da parte di imprenditori e manager. Lo studio di Demirci, Hannane e Zhu ha rilevato una diminuzione significativa nella domanda di lavori automatizzabili, evidenziando una tendenza che va oltre la semplice riduzione dei posti di lavoro. Questo cambiamento suggerisce un mutamento strutturale nel modo in cui il valore e la competenza vengono percepiti e monetizzati nel mercato.
L'automazione tramite GenAI colpisce principalmente lavori ripetitivi e di routine, ma l'impatto più profondo si avrà sulla reingegnerizzazione dei processi aziendali. Le aziende devono non solo adottare queste tecnologie per migliorare l'efficienza, ma anche ripensare le loro strategie di gestione del talento. I manager devono identificare i compiti automatizzabili e riassegnare le risorse umane a ruoli che richiedono capacità complementari all'AI, come il pensiero critico, la creatività e la gestione delle relazioni.
Questi cambiamenti impongono una formazione continua e un costante aggiornamento delle competenze dei lavoratori. Pertanto, investire in programmi di riqualificazione diventa una necessità strategica per preservare la competitività aziendale. Le collaborazioni con istituzioni educative e piattaforme di e-learning possono agevolare questo processo, rendendo le competenze complementari all'AI accessibili a una forza lavoro più ampia.
Dal punto di vista economico, la GenAI offre opportunità di crescita, ma può anche accentuare il divario tra lavori altamente qualificati e ben retribuiti e quelli meno qualificati e mal pagati. Inoltre, la GenAI porta con sé l'emergere di nuovi ruoli e competenze. Annunci di lavoro che richiedono specificamente competenze nell'uso di strumenti come ChatGPT indicano un'evoluzione del mercato verso posizioni che integrano l'AI nelle attività quotidiane. Le aziende devono essere pronte a riconoscere e valorizzare queste nuove competenze, integrandole nelle loro strategie di sviluppo del personale.
Infine, i risultati dello studio indicano che l'impatto della GenAI non si limita ai mercati del lavoro online. Le implicazioni sono vaste e comprendono tutti i settori dove l'AI può essere implementata per migliorare la produttività. Le aziende devono sviluppare un approccio olistico all'adozione dell'AI, che includa l'analisi dei processi aziendali, la gestione del cambiamento e la preparazione della forza lavoro per un futuro dominato dall'intelligenza artificiale.
In sintesi, la GenAI non è solo una tecnologia da adottare, ma costituisce un elemento di trasformazione che richiede un ripensamento strategico delle procedure aziendali, della gestione del talento, della formazione e dello sviluppo organizzativo. Le imprese che sapranno integrare efficacemente queste tecnologie, valorizzando le competenze umane complementari, saranno quelle che trarranno maggior beneficio dall'aumento dell'automazione nel lavoro.
Comments