Jak Anthropic badało „teoretyczne możliwości” AI na rynku pracy?

W debacie nad wpływem sztucznej inteligencji na gospodarkę pojawił się wykres, który błyskawicznie stał się wiralem w kręgach technologicznych. Raport firmy Anthropic zestawia na nim obecną „zaobserwowaną ekspozycję” (observed exposure) zawodów na modele LLM z ich „teoretycznymi możliwościami” (theoretical capability). Na pierwszy rzut oka dane te mrożą krew w żyłach: niebieskie pole sugeruje, że systemy oparte na dużych modelach językowych mogą teoretycznie wykonywać co najmniej 80 procent zadań w niemal wszystkich kluczowych kategoriach — od administracji i mediów, po prawo, finanse i zarządzanie.

Głębsza analiza metodologii stojącej za tymi liczbami ujawnia jednak obraz znacznie mniej dramatyczny, a bardziej spekulatywny. Okazuje się, że „teoretyczne możliwości”, którymi operuje Anthropic, nie wynikają z empirycznych testów najnowszych modeli, lecz z raportu z sierpnia 2023 roku zatytułowanego „GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models”. Dokument ten, współtworzony przez badaczy z OpenAI, OpenResearch oraz University of Pennsylvania, opiera się na szeregu założeń dotyczących przyszłego oprogramowania, które w momencie publikacji nie tylko nie istniało, ale do dziś pozostaje w sferze koncepcji.

Fundamenty zbudowane na domysłach i GPT-4

Metodologia badania, na które powołuje się Anthropic, opierała się na raportach O*NET Detailed Work Activity, które rozbijają poszczególne zawody na czynniki pierwsze — konkretne, granularne zadania. Zespół badawczy wykorzystał mieszankę ludzkiej adnotacji oraz asysty GPT-4, aby ocenić, czy ówczesny najpotężniejszy model OpenAI byłby w stanie skrócić czas potrzebny na wykonanie danego zadania o co najmniej 50 procent, zachowując przy tym „równoważną jakość”.

Kluczowym problemem jest jednak to, kto dokonywał tych ocen. Nie byli to specjaliści wykonujący dany zawód, ani nawet osoby z nim zaznajomione. Byli to eksperci od AI, którzy oceniali potencjał technologii w dziedzinach, o których — jak sami przyznali — mieli niewielkie pojęcie. Sami autorzy raportu wskazują na „subiektywność etykietowania” oraz „niejasną logikę agregowania zadań” jako fundamentalne ograniczenia swojego podejścia. W efekcie miara, która wygląda na obiektywny wskaźnik ekonomiczny, jest w rzeczywistości zbiorem edukowanych domysłów z połowy 2023 roku.

Lista życzeń zamiast twardych danych

Rubryka używana przez badaczy do oceny „bezpośredniej ekspozycji” zadań na LLM zawierała listę czynności, w których modele językowe radziły sobie dobrze już rok temu. Wśród nich znalazły się:

• Pisanie i transformacja kodu oraz tekstu według złożonych instrukcji.
• Edycja istniejących treści zgodnie ze specyfikacją.
• Tłumaczenie tekstów między językami.
• Streszczanie dokumentów średniej długości.
• Generowanie pytań do dokumentacji i udzielanie na nie odpowiedzi.

Choć lista ta trafnie oddaje ówczesne możliwości GPT-4, założenie, że model wykona te zadania o połowę szybciej z zachowaniem tej samej jakości, jest ryzykowne. Warto przywołać badanie z 2025 roku, które wykazało, że programiści korzystający z AI byli o 19 procent wolniejsi od tych pracujących tradycyjnie, gdy doliczono czas poświęcony na pisanie promptów i weryfikację błędnego kodu. Problem halucynacji i nadmiernej uległości (sycophancy) modeli LLM stawia pod ogromnym znakiem zapytania tezę o „równoważnej jakości” generowanych wyników.

Obietnica „przyszłego oprogramowania”

Najbardziej kontrowersyjnym elementem raportu, który wygenerował spektakularne słupki w grafice Anthropic, jest koncepcja „przewidywanego oprogramowania zasilanego przez LLM” (anticipated LLM-powered software). Przy restrykcyjnym podejściu badacze oszacowali, że tylko 15 procent zadań zawodowych mogłoby zostać usprawnionych o połowę przez ówczesne modele. Aby dojść do liczb rzędu 80-100 procent, musieli założyć powstanie nowej generacji narzędzi zbudowanych na bazie LLM.

Należy pamiętać o kontekście: sierpień 2023 roku był szczytem rynkowego hype'u. To wtedy Elon Musk wzywał do wstrzymania prac nad AI, Geoffrey Hinton odchodził z Google, ostrzegając przed utratą kontroli nad ludzkością, a Eliezer Yudkowsky sugerował naloty na centra danych w celu powstrzymania zbuntowanej inteligencji. W tej atmosferze eksperci dokonywali projekcji, nie nakładając na nie żadnych ram czasowych. „Nie tworzymy przewidywań dotyczących harmonogramu rozwoju lub adopcji takich modeli” — napisali autorzy, tworząc w ten sposób bezterminową prognozę, która może spełnić się równie dobrze za rok, jak i za dekadę.

Automatyzacja zadań to nie zastąpienie pracownika

Przy najbardziej optymistycznym (lub pesymistycznym, zależnie od punktu widzenia) scenariuszu, badacze przewidują, że od 47 do 56 procent wszystkich zadań w gospodarce zostanie finalnie przyspieszonych o co najmniej 50 procent. W niektórych profesjach, takich jak matematycy, pisarze czy projektanci interfejsów cyfrowych, wskaźnik ten ma wynosić 100 procent.

Kluczowe jest jednak rozróżnienie, którego często brakuje w sensacyjnych nagłówkach: zwiększenie wydajności w konkretnym zadaniu nie jest równoznaczne z zastąpieniem człowieka. Narzędzie, które pozwala napisać artykuł lub kod dwa razy szybciej, czyni pracownika bardziej produktywnym, ale nie eliminuje potrzeby jego nadzoru, kreatywności i odpowiedzialności za efekt końcowy. Anthropic, cytując te dane, pokazuje potencjał transformacyjny technologii, ale opiera się na fundamentach, które wymagają jeszcze wielu lat weryfikacji w realnych warunkach rynkowych.

Zamiast rewolucji, która z dnia na dzień wymaże całe sektory gospodarki, dane te — po odcedzeniu z nich marketingowego entuzjazmu — sugerują raczej ewolucję narzędzi pracy. „Teoretyczne możliwości” pozostają jedynie matematyczną ekstrapolacją do czasu, aż oprogramowanie, na którym się opierają, faktycznie trafi do rąk użytkowników i udowodni swoją wartość w starciu z rzeczywistą złożonością ludzkich zawodów.