我们是否正在剥夺工作的乐趣？设计增强工作而非意义的AI

文献标题

"Are We Automating the Joy Out of Work? Designing AI to Augment Work, Not Meaning"

出版信息

• 主题领域: 人工智能对有意义工作的影响，以及工作者需求与人工智能系统设计之间的匹配。
• 关键词: 人工智能增强、有意义的工作、工作者偏好、开发者匹配、任务暴露、人类中心的人工智能、职业分析、劳动力市场、人工智能特性、人机协作。

背景与问题

• 问题/挑战: 现有研究关注人工智能暴露的任务及其对劳动力市场的影响，但缺乏对人工智能暴露如何影响工作的意义以及人工智能系统是否符合工作者偏好的理解。
• 重要性: 人工智能设计与工作者需求之间的不匹配可能导致工作满意度降低、对人工智能采用的抵制，以及工作意义的丧失，即使生产力有所提高。
• 动机与相关研究: 之前的研究已经绘制了人工智能暴露的任务图谱，并探讨了对人工智能系统的信任，但关于人工智能如何影响有意义工作的主观体验以及开发者是否设计了符合工作者价值的人工智能系统的研究仍然较少。

解决方案

• 提出的方法: 结合工作者和开发者调查、任务级分析以及语言模型（LM）扩展的混合方法，评估人工智能暴露、有意义的工作与人工智能设计特性之间的关系。
• 创新点:
  1. 将人工智能暴露与有意义工作的维度联系起来，揭示创意性和高自主性任务更容易受到人工智能影响。
  2. 发现工作者偏好与开发者对人工智能特性的意图之间的不匹配。
  3. 使用语言模型将调查结果扩展到10,131个任务，并通过人工评估验证模型输出。
  4. 提出一个五部分研究议程，以使人工智能设计与工作者需求保持一致。
• 流程与关键技术:
  1. 从O*NET数据库中选择171个具有代表性的任务，并招募工作者和开发者对其进行评分。
  2. 调查工作者关于有意义工作的维度以及对人工智能特性的偏好。
  3. 调查开发者关于任务增强的人工智能特性意图。
  4. 使用语言模型将评分扩展到10,131个任务，并验证模型输出与人工响应的一致性。
  5. 分析工作者与开发者之间的不匹配，并提出设计原则以保持工作的意义。

结果

• 具体发现:
  • 暴露于人工智能的任务与创意性、自主性和积极情感相关，而较少暴露的任务则强调情感意识、面对面互动和社会联系。
  • 工作者偏好简单、宽容和实用的人工智能系统，而开发者则倾向于设计礼貌、严格和富有想象力的系统。
  • 语言模型注释与人工评分高度一致，使大规模任务分析成为可能。
• 相较基线的优势:
  • 推翻了人工智能主要针对常规任务的叙述，显示高自主性和创意性任务受到的影响更大。
  • 提供了一种可扩展的方法来评估人工智能暴露对任务级别的影响。
• 实验/评估:
  • 对202名工作者和197名开发者进行调查，覆盖171个任务，并使用GPT-4o扩展到10,131个任务。
  • 评估指标包括语言模型与人工评分的一致性（ICC）以及混合效应模型分析有意义工作的维度。
• 局限性与未来工作:
  • 仅限于美国任务和Prolific参与者，可能低估了非数字化或低工资部门。
  • 语言模型注释可能遗漏细微的人类判断。
  • 未来工作应探索非线性关系，扩展到全球背景，并涉及多样化的工作者群体。

摘要

本研究探讨了人工智能暴露如何影响工作的意义以及人工智能系统是否符合工作者偏好。研究发现，创意性和高自主性任务更容易受到人工智能影响，而关系性和情感任务较少暴露。工作者和开发者在人工智能特性偏好上存在分歧，工作者更倾向于简单和实用的系统，而开发者则强调礼貌和想象力。通过使用语言模型扩展调查结果，实现了大规模任务分析，揭示了系统性的不匹配。研究结果强调了需要制定人工智能设计原则，以保持工作的意义并与工作者需求保持一致，并提出了一个五部分的研究议程以推动人类中心的人工智能发展。