Ci sono diversi tipi di lavoro in cui l’intelligenza artificiale può essere particolarmente utile, date le attuali capacità e limitazioni dei LLM. Sebbene questo elenco si basi sulla scienza, esso attinge ancora di più all’esperienza.
Come ogni forma di saggezza, usare bene l’IA richiede di tenere a mente idee opposte: può essere trasformativa ma deve essere affrontata con scetticismo, potente ma incline a sottili fallimenti, essenziale per alcuni compiti ma attivamente dannosa per altri.
Vorremmo anche avvertirvi che non dovreste prendere questo elenco troppo sul serio, se non come ispirazione: conoscere meglio la propria situazione e le conoscenze personali contano più di qualsiasi principio generale.
Le attività in cui l’AI può essere utile
Fatta questa premessa, ecco alcuni tipi di attività in cui l’intelligenza artificiale può essere particolarmente utile, date le capacità attuali, e alcuni scenari in cui è meglio diffidare.
- Lavori che richiedono quantità. Ad esempio, il numero di idee generate determina la qualità dell’idea migliore. In ogni sessione di brainstorming si vogliono generare molte idee. La maggior parte delle persone si ferma dopo aver generato solo poche idee perché è esausta, ma l’IA può fornirne centinaia che non si ripetono in modo significativo.1
- Lavori in cui si è esperti e si può valutare rapidamente se l’IA è buona o cattiva. Questo può comportare un lavoro complicato e impegnativo, ma si basa sulla vostra esperienza per determinare se l’IA sta fornendo risultati validi. Ad esempio, o1, il nuovo modello di intelligenza artificiale di OpenAI, è in grado di risolvere alcuni problemi di livello dottorale, ma può essere difficile sapere se le sue risposte sono utili senza essere un esperto.
- Lavori che comportano la sintesi di grandi quantità di informazioni, ma in cui il rischio di errori è basso e non ci si aspetta una conoscenza dettagliata delle informazioni sottostanti. L’intelligenza artificiale è brava a riassumere opere lunghe come romanzi, ma ha meno successo nella verifica dei fatti.
- Lavoro che è una mera traduzione tra cornici o prospettive. Ad esempio, avete sviluppato una politica, ma ora dovete trasformarla in una dozzina di documenti di formazione diversi per i diversi destinatari della vostra organizzazione. L’intelligenza artificiale è molto brava in questo tipo di traduzione, aumentando e riducendo la complessità dei documenti in modo che le persone possano comprenderli.
- Un lavoro che ha bisogno di un piccolo aiuto per proseguire. Spesso le piccole cose ci bloccano la strada, e una spinta potrebbe essere l’unica cosa di cui abbiamo bisogno per realizzarla. Quando scrivevo prima dell’IA, potevo bloccarmi su una frase e abbandonare la scrittura per un’ora, ma ora chiedo all’IA di darmi trenta modi diversi per terminare questa frase.
- Lavori per i quali si sa che l’IA è migliore del Best Available Human a cui si può accedere e per i quali le modalità di fallimento dell’IA non porteranno a risultati peggiori se sbaglia qualcosa.
- Un lavoro che contiene alcuni elementi che si possono capire ma che hanno bisogno di aiuto per quanto riguarda il contesto o i dettagli. Tyler Cowen suggerisce di usare l’IA come compagno di lettura, perché consente di porre infinite domande.
- Lavori per i quali avete bisogno di un brainstorming e per i quali selezionerete la risposta migliore. Chiedere una varietà di soluzioni – datemi 15 modi per riscrivere questo proiettile con stili radicalmente diversi, siate creativi – vi permette di trovare idee che potrebbero essere interessanti.
Lavori per i quali la ricerca dimostra che l’IA è quasi certamente utile
Molti tipi di codifica, per esempio.
- Lavori in cui è necessario avere una prima visione di ciò che potrebbe pensare un destinatario ostile, amichevole o ingenuo.
- Lavori di tipo imprenditoriale, in cui ci si aspetta che le proprie competenze si estendano a molte discipline diverse e in cui l’alternativa a un partner sufficientemente bravo è quella di non essere in grado di agire affatto. L’intelligenza artificiale può essere un cofondatore sorprendentemente competente, che aiuta a fornire mentorship e allo stesso tempo agisce per creare documenti, dimostrazioni e approcci che altrimenti probabilmente non rientrano nella vostra esperienza.
- Lavori in cui è necessaria una prospettiva specifica e in cui può essere utile un primo passaggio simulato da quella prospettiva, come le reazioni di personaggi immaginari.
- Un lavoro che è un mero rituale, separato da tempo dal suo scopo (come certi rapporti standardizzati che nessuno legge). Che cosa, secondo le parole di Bob Sutton e Huggy Rao, disperde la vostra attenzione e vi rende meno preziosi? Quale lavoro non serve a nulla? In un mondo ideale, il lavoro verrebbe eliminato, ma potete almeno ridurne il fastidio di farlo facendovi aiutare dall’intelligenza artificiale. (ma assicuratevi che sia davvero così: troppe persone automatizzano le valutazioni delle prestazioni, ad esempio, che sono significative solo se fatte da un umano).
- Lavori per i quali si desidera un secondo parere. Date a un’intelligenza artificiale l’accesso ai dati e vedete se arriva alla stessa conclusione.
- Lavori che le IA possono svolgere meglio degli umani. Questa sarà probabilmente la categoria in più rapida crescita.
Le attività in cui non usare l’AI
Prima di addentrarci nei casi specifici in cui l’uso dell’IA è problematico, possiamo mettere da parte gli scenari più ovvi: l’uso dell’IA per scopi illegali, in situazioni ad alta posta in gioco in cui gli errori potrebbero essere catastrofici o per decisioni che eticamente richiedono il lavoro umano. Al di là di questi casi evidenti, ecco cinque aree sottili ma importanti in cui l’uso dell’IA può essere controproducente:
Quando è necessario imparare e sintetizzare nuove idee o informazioni
Chiedere un riassunto non è come leggere da soli. Chiedere all’intelligenza artificiale di risolvere un problema al posto vostro non è un modo efficace di imparare, anche se sembra che dovrebbe esserlo. Per imparare qualcosa di nuovo, è necessario leggere e pensare da soli, anche se l’intelligenza artificiale può essere utile per alcune parti del processo di apprendimento.
Quando è richiesta una precisione molto elevata
Il problema degli errori delle IA, le famigerate allucinazioni, è che, a causa del funzionamento dei LLM, gli errori saranno molto plausibili. Le allucinazioni sono quindi molto difficili da individuare e le ricerche suggeriscono che le persone non ci provano nemmeno, “addormentandosi al volante” e non prestando attenzione. Le allucinazioni possono essere ridotte, ma non eliminate. (Tuttavia, molti compiti nel mondo reale sono tolleranti all’errore – anche gli esseri umani commettono errori – e può darsi che l’intelligenza artificiale sia meno incline all’errore degli esseri umani in alcuni casi).
Quando non si comprendono le modalità di fallimento dell’IA
L’IA non fallisce esattamente come un umano. Si sa che può avere delle allucinazioni, ma questa è solo una forma di errore: Le IA spesso cercano di persuadere l’utente che hanno ragione, oppure possono diventare sicofanti e concordare con la risposta errata. È necessario utilizzare l’IA in modo sufficiente per comprendere questi rischi.
Quando lo sforzo è il punto
In molti settori, le persone hanno bisogno di faticare con davanti ad un argomento immergendovisi per avere successo: gli scrittori riscrivono la stessa pagina, gli accademici rivedono una teoria molte volte. Se si riduce lafase di fatica, per quanto frustrante, si può perdere la capacità di raggiungere il momento “aha”
Quando l’intelligenza artificiale è pessima
Può sembrare ovvio, ma l’IA è pessima in cose che non ci si aspetterebbe (contare il numero di R nella parola “strawberry”) e brava in cose che non ci si aspetterebbe (scrivere un sonetto shakespeariano su quanto sia difficile contare il numero di r nella parola “strawberry”, dove la prima lettera di ogni riga indica due frutti). Purtroppo, non esiste un manuale generale che indichi la forma della frontiera frastagliata (jagged frontier) delle abilità dell’intelligenza artificiale, che sono in continua evoluzione. Per capirlo è fondamentale procedere per tentativi ed errori e condividere le informazioni con i colleghi.
Conclusioni
Sapere quando usare l’IA si rivela una forma di saggezza, non solo una conoscenza tecnica. Come la maggior parte della saggezza, è in qualche modo paradossale: l’IA è spesso più utile quando siamo già abbastanza esperti da individuare i suoi errori, ma meno utile nel lavoro profondo che ci ha reso esperti. Funziona meglio per i compiti che potremmo svolgere da soli ma per i quali non dovremmo perdere tempo, ma può danneggiare attivamente il nostro apprendimento quando la usiamo per saltare le fatiche necessarie. E forse la cosa più importante è che la saggezza significa sapere che questi schemi continueranno a cambiare con l’evolversi delle capacità dell’IA e con l’arrivo di nuove ricerche, che ci impongono di continuare a mettere in discussione le nostre ipotesi su dove l’IA ci aiuta e dove ci ostacola.
Fonte
Il testo è una traduzione dell’articolo di Ethan Mollick:
https://www.oneusefulthing.org/p/15-times-to-use-ai-and-5-not-to
