Anthropic opublikował obszerną metaanalizę, z której wynika, że programy przekwalifikowania pracowników przynoszą statystycznie istotne, lecz skromne korzyści ekonomiczne — wyniki te pojawiają się w momencie, gdy decydenci na całym świecie zastanawiają się, jak poradzić sobie z potencjalnymi zmianami na rynku pracy wywołanymi przez sztuczną inteligencję, a prognozy organizacji takich jak Goldman Sachs i World Economic Forum szacują, że generatywna AI może narazić setki milionów miejsc pracy na znaczące przekształcenia w nadchodzącej dekadzie.

Raport, którego współautorami są niezależny badacz David Roodman oraz Maxim Massenkoff z Anthropic, stosuje metodykę przyspieszoną przez AI, w której model Claude firmy Anthropic wyodrębnił większość danych źródłowych i wygenerował cały kod analityczny. Badanie opiera się na 56 randomizowanych badaniach kontrolowanych przeprowadzonych w Stanach Zjednoczonych od lat 70., uzupełnionych dowodami eksperymentalnymi z Europy, stanowiąc jedną z najbardziej systematycznych ocen dotychczasowych inicjatyw szkoleniowych prowadzonych przez rządy i organizacje non-profit. Pełny raport jest dostępny w formacie PDF.

Zmierzone, ale ograniczone rezultaty

Średnio badane programy przyniosły pozytywne, lecz umiarkowane efekty. W przypadku każdej osoby, której zaoferowano miejsce szkoleniowe, zatrudnienie wzrosło o około dwa do trzech punktów procentowych, a roczne dochody powiększyły się o mniej więcej 1000 dolarów. Te przyrosty odnotowano przy średnim koszcie na uczestnika wynoszącym około 13 000 dolarów. Z punktu widzenia fiskalnego rządy odzyskały ponad połowę tych wydatków dzięki dodatkowym wpływom z podatków i zmniejszonym wypłatom świadczeń publicznych, co oznacza, że interwencje te jako całość osiągnęły w przybliżeniu próg zwrotu kosztów. Stany Zjednoczone historycznie przeznaczały na aktywne programy rynku pracy mniejszy odsetek PKB niż większość porównywalnych krajów OECD — luka ta sytuuje skromne stopy zwrotu udokumentowane w niniejszym raporcie w szerszym kontekście stosunkowo niedofinansowanej infrastruktury rynku pracy, administrowanej głównie na podstawie ustawy Workforce Innovation and Opportunity Act.

Wyniki te stanowią część szerszego programu Badań Ekonomicznych Anthropic, który monitoruje wdrażanie AI w różnych zawodach i branżach. Choć przekwalifikowanie konsekwentnie zajmuje pierwsze miejsce jako najpopularniejsza odpowiedź polityczna na bezrobocie technologiczne zarówno w badaniach opinii publicznej, jak i ankietach ekspertów, autorzy ostrzegają, że dotychczasowe wyniki wskazują, iż obecne architektury programów prawdopodobnie okazałyby się niewystarczające, gdyby zaawansowana automatyzacja doprowadziła do masowych zwolnień.

Programy sektorowe i problem powielania

Wyraźnym wyjątkiem od skromnych średnich jest niewielka grupa „programów sektorowych” — inicjatyw, które ściśle współpracują z pracodawcami w branżach o dużym popycie na pracowników, weryfikują kandydatów, opracowują programy nauczania dostosowane do konkretnych zawodów i kierują absolwentów bezpośrednio do pracy. Programy takie jak Year Up i Per Scholas zwiększyły dochody uczestników kilkukrotnie w stosunku do średniej, skutecznie funkcjonując jako pośrednicy na rynku pracy, którzy łączą niedoceniane talenty z pracodawcami gotowymi na stałe zaangażować się w procesy rekrutacyjne. Wyniki Year Up zostały niezależnie potwierdzone w wieloletnim randomizowanym badaniu kontrolowanym przeprowadzonym przez firmę badawczą MDRC — jednym z największych tego typu przeglądów w dziedzinie rozwoju zasobów pracowniczych.

Jednakże raport podkreśla, że powielanie tych sukcesów okazało się wyjątkowo trudne. Wierne kopie wiodących modeli często kończyły się niepowodzeniem w nowych lokalizacjach, co sugeruje, że ich skuteczność opiera się na delikatnych, zależnych od kontekstu czynnikach: głębokich relacjach lokalnych, wysoce selektywnych procesach rekrutacyjnych odrzucających ponad 80 procent kandydatów oraz zdolnościach organizacyjnych wypracowanych przez lata działalności.

Niedopasowanie do scenariuszy zmian wywołanych przez AI

Ponieważ większość badanych programów była skierowana do osób o niskich dochodach lub marginalnie zatrudnionych, a nie do pracowników umysłowych w połowie kariery, którzy mogą wymagać długotrwałego przekwalifikowania, autorzy dochodzą do wniosku, że istniejąca infrastruktura szkoleniowa jest słabo dopasowana do scenariusza masowych zmian na rynku pracy spowodowanych przez AI. To niedopasowanie jest szczególnie istotne, biorąc pod uwagę, że duże modele językowe wykazują coraz większe możliwości w zadaniach takich jak pisanie, programowanie, analiza prawna i obsługa klienta — zawodach, do których tradycyjne programy rynku pracy nigdy nie były projektowane.

Ich główne zalecenie polega na natychmiastowym zainwestowaniu w demonstrację, ewaluację i skalowanie najbardziej obiecujących modeli programów, zanim pojawi się jakikolwiek kryzys na dużą skalę. Konkretnie proponują szybkie rozszerzenie wiodącego programu sektorowego dla dobrze zdefiniowanej grupy pracowników, przy jednoczesnym rygorystycznym monitorowaniu wyników w zakresie zatrudnienia i dochodów. Fundusz Badań Przyszłości Ekonomicznej Anthropic (Economic Futures Research Fund) jest przygotowany do wsparcia tego typu badań, co odzwierciedla rosnący konsensus, że zrozumienie ograniczeń obecnych podejść do przekwalifikowania jest kluczowe dla przygotowania się na erę szybkiej automatyzacji.