Ne verjemimo napovedim, da bo umetna inteligenca prevzela vse oblike dela. Večina dosedanjih dokazov kaže, da so množične izgube delovnih mest za zdaj omejene. Precej bolj se spreminja način, kako je delo organizirano.
Eno od področij, kjer se zaposlovanje povečuje, je delo ljudi, ki za velikimi jezikovnimi modeli (LLM) opravljajo nekakšno »čiščenje« oziroma nadzor kakovosti njihovih rezultatov.
Prodajna obljuba umetne inteligence je mamljiva: ti sistemi naj bi znali programirati, pisati poročila, analizirati podatke in avtomatizirati rutinske odločitve hitreje in bolje kot ljudje – in to ob skoraj zanemarljivem dodatnem strošku. Teoretično naj bi to ljudem omogočilo, da se posvetijo zahtevnejšemu razmišljanju, ustvarjalnosti in prostemu času.
V praksi pa sistemi umetne inteligence ustvarjajo ogromne količine vsebin, ki so videti »skoraj pravilne«, vendar še vedno vsebujejo napake, halucinacije in nenavadne vrzeli v presoji, ki jih mora odkriti in odpraviti človek.
Tako nastajajo delovna mesta, ki jih pogosto označujemo kot sanacijo oziroma popravljanje rezultatov umetne inteligence. Zahtevnost in plačilo teh del se precej razlikujeta. Nekatera podjetja s področja umetne inteligence danes zaposlujejo izkušene strokovnjake z najrazličnejših področij, ki preverjajo, ali njihovi sistemi ustvarjajo dovolj kakovostne rezultate, in jih po potrebi pomagajo izboljšati.
Toda znotraj številnih organizacij prihaja še do bolj subtilne spremembe delovnih nalog. Nekateri visoko izobraženi zaposleni v panogah, kot so finance, tehnologija in trgovina, opozarjajo, da umetna inteligenca njihovega dela ne zmanjšuje, temveč ga lahko celo povečuje. Razlog je potreba po spremljanju tako imenovanega »workslopa« – nekakovostnih oziroma neuporabnih vsebin, ki jih ustvarjajo sistemi umetne inteligence. To lahko načne tudi zaupanje med sodelavci, kadar pri svojem delu uporabljajo umetne inteligentne agente.
Ko mora človek popravljati delo stroja
Poročilo revije Harvard Business Review iz leta 2025 je navedlo besede direktorja v maloprodaji, ki je potožil, da porabi »več časa za preverjanje informacij, ki jih zagotovi umetna inteligenca, in njihovo primerjanje z lastnim raziskovanjem«. Nato je moral po njegovih besedah še dodatno zapravljati čas za sestanke z drugimi vodji, da bi skupaj razrešili nastale težave.
Tudi javni sektor ni imun
Javni sektor bi se lahko znašel v podobni zanki »popravljanja umetne inteligence«. Britanska vlada, tako kot številne druge, eksperimentira z uporabo umetne inteligence pri nalogah, kot so povzemanje odzivov na javna posvetovanja, priprava uradne korespondence in analiza razpoloženja v odzivih državljanov. Uradne smernice javne uslužbence spodbujajo k previdni uporabi generativne umetne inteligence, hkrati pa opozarjajo, da so njeni rezultati lahko zavajajoči in jih je treba neodvisno preveriti.
Če bodo javne službe začele ustvarjati velike količine analiz in dopisov s pomočjo umetne inteligence, bodo morale posledično ustvariti tudi nova delovna mesta, katerih glavna naloga bo spremljanje, preverjanje in popravljanje teh vsebin, preden bodo dosegle državljane ali postale podlaga za oblikovanje politik. Kolikšen del navideznega povečanja učinkovitosti umetne inteligence bodo torej na koncu porabili ljudje, ki bodo v ozadju tiho pospravljali za sistemi, ki so nam bili predstavljeni kot popolnoma avtomatizirani? Kaj se lahko zgodi, ko avtomatizacija v javni upravi odpove, smo že videli. Na Nizozemskem so davčni organi uporabljali algoritme za izračunavanje ocen tveganja domnevnih goljufij in samodejno označevanje družin za nadaljnjo preiskavo. Desettisoči staršev, med njimi številni pripadniki manjšin, so bili neupravičeno obtoženi goljufije, prisiljeni vračati socialne prejemke, do katerih so bili upravičeni, ter pahnjenji v dolgove ali celo stečaj.
Težava torej ni bila le v rezultatih algoritmov, temveč tudi v pomanjkanju učinkovitega človeškega nadzora, ki bi lahko podvomil o strojni presoji, preden bi ta ljudem uničila življenje. Če bo javni sektor množično uvajal generativno umetno inteligenco, bo moral veliko vlagati prav v takšen nadzor, sicer obstaja nevarnost, da bi se podobna škoda ponovila v še večjem obsegu.
Skriti stroški umetne inteligence
Tu se skriva še ena pomembna past. Žetoni – osnovni gradniki podatkov, ki jih obdelujejo veliki jezikovni modeli – so pri številnih podjetjih s področja umetne inteligence močno subvencionirani, pogosto tudi s pomočjo dolžniškega financiranja. Človeški čas, potreben za preverjanje in popravljanje njihovih rezultatov, pa ni. Številna podjetja dostop do svojih sistemov namenoma ponujajo pod dejanskimi stroški, da bi uporabniki postali od njih odvisni. Ko dovolj organizacij svoje delovne procese in storitve prilagodi določenemu modelu umetne inteligence, lahko podjetje, ki stoji za njim, začne zviševati cene, omejevati brezplačne pakete, spreminjati pogoje uporabe ali posamezne funkcije razdeliti v različne cenovne razrede.
Zato je lahko razmerje med stroški in koristmi umetne inteligence danes videti precej drugače kot čez nekaj let.
Skriti ljudje za umetno inteligenco
Globalna razsežnost »skritih ljudi«, ki omogočajo delovanje umetne inteligence, sicer ni nova. Nekatere najbolj neprijetne naloge v industriji umetne inteligence – moderiranje vsebin za klepetalne robote, označevanje podatkov in osnovno označevanje slik – podjetja že leta oddajajo v države, kjer je delovna sila cenejša. Raziskave so pokazale, da lahko takšno delo na nekatere zaposlene močno vpliva tudi na duševni ravni, saj so pri njem izpostavljeni pretresljivim besedilom in podobam nasilja, samopoškodovanja ter drugim motečim vsebinam. Zaposleni v teh sektorjih in državah so pogosto tudi brez ustrezne pravne zaščite.
Če bo nekakovostna vsebina, ki jo ustvarja umetna inteligenca, postala običajen del poslovanja organizacij, si je mogoče zlahka predstavljati nov val zunanjega izvajanja: rutinsko preverjanje in popravljanje besedil, ustvarjenih z umetno inteligenco, bi lahko preselili v oddaljene centre. Na papirju bi bilo to predstavljeno kot nadzor kakovosti, ljudje, ki bi delo opravljali, pa bi ga lahko doživljali kot neskončno, slabo plačano digitalno delo na tekočem traku. Podoben proces lahko že opazujemo pri prevajalskih storitvah. V številnih agencijah je glavni delovni proces danes sestavljen iz strojnega prevoda in tako imenovanega »naknadnega urejanja«. Umetna inteligenca opravi prvi prevod, nato pa človeški prevajalci, pogosto kot samostojni sodelavci, za manjše plačilo popravljajo njene napake.
Raziskave kažejo, da je takšno naknadno urejanje pogosto slabše plačano od tradicionalnega prevajanja, zahteva podobno ali celo večjo raven miselnega napora ter ga številni dojemajo kot monotono delo, ki zmanjšuje njihovo strokovno avtonomijo. Hkrati pa tudi ljudje, ki opravljajo takšno delo, izražajo zaskrbljenost, da bi lahko dolgoročno umetna inteligenca nadomestila celo njihova delovna mesta.
Kako se upreti takšnemu razvoju?
Popularna kultura kaže, kako se lahko delavci uprejo potiskanju v manj cenjene vloge, katerih glavnina je popravljanje rezultatov umetne inteligence. Leta 2023 so hollywoodski scenaristi stavkali tudi zaradi strahu, da bi studii uporabljali umetno inteligenco za pripravo prvih osnutkov, nato pa za manjše plačilo najemali ljudi, da bi jih zgolj slogovno izpilili.
Sporazum, ki ga je nato sklenil sindikat Writers Guild of America, je določil nekatere varovalke: umetna inteligenca ne sme biti navedena kot avtor, scenaristov ni mogoče prisiliti v njeno uporabo, prav tako je ni dovoljeno uporabljati na način, ki bi zniževal plačilo ali priznavanje dela človeških ustvarjalcev. Sindikat se je s tem v bistvu boril proti temu, da bi se ustvarjalni poklici spremenili v nekakšno »hišniško delo za umetno inteligenco«, pri katerem bi strokovnjaki večino časa pospravljali za algoritmi, namesto da bi sami ustvarjali zgodbe. Prevajalci, samostojni ustvarjalci na področjih, kot so videoigre, in številni drugi delavci imajo precej manj kolektivne pogajalske moči. Zato je pri njih lažje, da poslovni modeli, ki jih poganja umetna inteligenca, tiho uveljavijo popravljanje strojno ustvarjenih vsebin kot novo normalnost.
Kakšno delo si pravzaprav želimo?
Problem po mojem mnenju ni zgolj ekonomski, temveč tudi vprašanje smisla. Večina ljudi želi občutek, da njihovo delo v svetu dejansko nekaj prispeva. Želijo verjeti, da rešujejo probleme, pomagajo drugim ali sodelujejo pri ustvarjanju nečesa, česar brez njih ne bi bilo. Toda vsaj dokler bo dostop do zmogljivih sistemov umetne inteligence ostal poceni in močno subvencioniran, bo vse več ljudi morda usmerjenih v popravljanje zmede, ki jo ti sistemi neizogibno ustvarjajo.
Kako smiselna bodo takšna delovna mesta, je zato vprašanje, ki se mu po mojem mnenju ne moremo več izogniti.
Akhil Bhardwaj, izredni profesor za strategijo in organizacijo na School of Management, University of Bath
Izjava o interesih: Akhil Bhardwaj ne dela za nobeno podjetje ali organizacijo, ki bi lahko imela koristi od tega članka, z njimi ne sodeluje kot svetovalec, v njih nima deležev in od njih ne prejema finančnih sredstev. Poleg svoje akademske zaposlitve ni razkril nobenih drugih relevantnih povezav.
Partner: University of Bath
University of Bath zagotavlja sredstva kot član The Conversation UK.
Članek je objavljen pod licenco Creative Commons CC BY-ND.