De siste dagene har AI-maskinen ChatGPT fra selskapet OpenAI.com fått stor oppmerksomhet – ikke ufortjent.
Tanken på å be en maskin skrive noe utfyllende, informativt og tilsynelatende riktig om et stort eller lite fenomen, er fascinerende. Ikke uventet har sosiale medier kokt over med eksempler på hvilke fantastiske ting den kan gjøre.
For å teste den ba jeg ChatGPT om å forklare meg hva bærekraft er. Det engelske svaret, oversatt til norsk ved hjelp av Google Translate, er i tråd med Brundtland-kommisjonens definisjon: «Bærekraft refererer til evnen til å møte dagens behov uten å kompromittere fremtidige generasjoners evne til å møte sine egne behov.» WOW x 2 til de to AI-teknologiene!
Det er lett å la seg imponere, noe sosiale medier har vist, og det er lett å tilskrive teknologien super-intelligens. Men vi må aldri slutte å tenke på AI som noe annet enn at det er en «gjette-teknologi».
ChatGPT vet ingenting om bærekraft. Den gjetter på at det er det jeg spør om og reproduserer fra store datamengder innhold som den tror passer best i forhold til hva den tror jeg spør om. Mens dette kan virke veldig hverdagslig, må vi aldri unnlate å tenke på at teknologien kan gjøre ting for oss som vi aldri før har kunnet gjøre.
Kunnskapsøkonomi
Tidligere var jobbene som ble erstattet av teknologi, typisk manuelt arbeid. Maskiner erstattet muskler, som for eksempel da industriroboter erstattet rutinemessig samlebåndsarbeid. Samtidig har det vært en økende etterspørsel etter kunnskapsarbeidere, det vil si høyt utdannede personer som er engasjert i ikke-repetitiv problemløsning – som i Norge.
Det all grunn til å kalle Norge en tjenestebasert kunnskapsøkonomi når nesten 80 prosent av Norges fastlands-BNP kommer fra tjenester og nesten 80 prosent av arbeidsstokken jobber med tjenester. Dette reiser et naturlig spørsmål.
Kan det være at AI-teknologi á la ChatGPT tar over det vi historisk har tenkt på som kunnskapsarbeid og gjør kunnskapsarbeidere overflødige? Selv om en rekke oppgaver kan automatiseres, som for eksempel regelstyrte juridiske beslutninger, må kunnskapsarbeidere vurdere hva som kan være den beste beslutningen totalt sett. La meg forklare.
For å kunne gjette riktig opp mot 100 prosent av gangene, må AI-maskinen ha data – masse data. Men for at gjetningen skal ha noen verdi for virksomhetene, må ansatte vurdere ulike konsekvenser av gjetningen. Et eksempel på dette er som følger: Dersom du bor i Bergen, men hater å bære på en paraply, hva er nytten av å ikke bære på en paraply når det regner/ikke regner? AI kan gi svært gode gjetninger på Bergens-været i morgen og fremover. Men det er mennesker som må tillegge nytteverdien av de ulike utfallene.
Gir mer tid
Opp til nå har det vært en og samme person som gjorde gjetningen, vurderingen og beslutningen. AI-teknologien gjør det mulig å skille gjetningen, som mennesker brukte mye tid på før, fra nyttevurderingene og beslutningene. Resultatet er at man kan bruke mer tid på det siste.
Ifølge økonomisk teori vil vi oppleve at mens AI-genererte gjetninger blir billigere og lettere tilgjengelige, vil etterspørselen etter gjetninger øke drastisk. Da vil kunnskapsarbeiderne, som det er knapphet på i dag, bli mer produktive og mer verdifulle.
Kronikken ble først publisert i Tor W. Andreassens eget nyhetsbrev, «Food for thought».
