La copertura dei benchmark AI di Mercor lascia al buio il 90% delle ore di lavoro negli Stati Uniti

Secondo la nuova mappa economica dell'azienda, la copertura dei benchmark AI di Mercor lascia circa il 90% delle ore lavorative americane con una rappresentazione scarsa o del tutto assente. Il dato mette in discussione un presupposto centrale alla base di molte affermazioni sull'intelligenza artificiale e l'occupazione. I punteggi dei modelli possono apparire impressionanti pur dicendo sorprendentemente poco sulla maggior parte del lavoro svolto nel Paese.

Mercor ha mappato 29 benchmark agentici rispetto a 18.797 attività distribuite in 923 professioni del mercato del lavoro statunitense. Solo 924 attività hanno raggiunto la soglia di copertura prevista. Appena 208 professioni disponevano di almeno un'attività rappresentata da cinque o più prompt di benchmark.

Questa lacuna non dimostra che l'AI non possa svolgere il lavoro rimanente. Dimostra che i ricercatori non hanno misurato adeguatamente se sia in grado di farlo. La distinzione è importante per i datori di lavoro che prendono decisioni sull'automazione, per i lavoratori che valutano i rischi per la carriera e per i responsabili politici che prevedono le perturbazioni del mercato del lavoro.

La reazione online ha colto rapidamente il contrasto. Alcuni lettori hanno interpretato la mappa come prova che la portata economica dell'AI resti limitata. Altri hanno sostenuto che l'assenza di benchmark riveli un arretrato nella misurazione, non un limite di capacità.

La vera sfida, quindi, non è l'AI contro il lavoro umano. È la fiducia nei benchmark contro la realtà disordinata del lavoro. La mappa di Mercor suggerisce che le prove a sostegno delle previsioni di automazione sull'intera economia restino molto più esigue di quanto molte previsioni sicure di sé lascino intendere.

La copertura dei benchmark AI di Mercor misura il test, non il limite dell'AI

Il dato principale descrive una lacuna di misurazione, non la percentuale di lavoro che l'AI non può svolgere.

Mercor ha assemblato quella che definisce una Benchmark Map dell'economia statunitense. Il progetto collega i prompt di 29 valutazioni AI alle descrizioni delle attività nella tassonomia professionale del Dipartimento del Lavoro.

Queste valutazioni enfatizzano le attività agentiche. Un'attività agentica chiede a un modello di completare un risultato o un flusso di lavoro, anziché rispondere a una domanda fattuale. Gli esempi includono la modifica di un foglio di calcolo, la risoluzione di un problema software o la preparazione di un'analisi professionale.

La mappa dei benchmark riporta che 924 delle 18.797 attività professionali dispongono di una rappresentazione sufficiente. Mercor considera un'attività coperta quando un giudice AI la associa ad almeno cinque prompt tratti dai benchmark selezionati.

Questa regola produce un risultato netto. Solo 208 delle 923 professioni contengono anche una sola attività che supera la soglia dei cinque prompt. Sei delle 22 famiglie professionali non includono alcuna professione idonea.

La copertura varia inoltre in modo marcato tra i settori. Le professioni informatiche e matematiche hanno 29 professioni rappresentate su 36. Le attività aziendali e finanziarie ne raggiungono 33 su 48, mentre le professioni legali arrivano a cinque su sette.

Altre parti dell'economia restano molto meno rappresentate. Tra i professionisti sanitari, 12 professioni su 89 sono rappresentate. Il lavoro nell'istruzione e nelle biblioteche arriva a nove professioni su 62, mentre architettura e ingegneria raggiungono 19 su 56.

Questi dati non dovrebbero essere letti come punteggi delle prestazioni dei modelli. Una professione può essere coperta anche quando i modelli valutati ottengono risultati modesti. Al contrario, un'attività può apparire non coperta anche se un sistema commerciale aiuta già le persone a svolgerla.

La copertura indica invece se un benchmark incluso offre prompt sufficienti per sostenere una valutazione limitata. È un inventario dei test disponibili, non un inventario di tutto ciò che l'AI attuale può fare.

Questa distinzione risponde a una critica emersa nella discussione pubblica. L'automazione nei ristoranti, gli ordini vocali o la robotica di magazzino possono esistere senza comparire nella raccolta di benchmark selezionata da Mercor. La loro assenza non cancella i sistemi già implementati.

La stessa cautela vale nella direzione opposta. Un modello che supera prompt relativi a un'attività non dimostra di poter sostituire il lavoratore corrispondente. I lavori combinano giudizio, coordinamento, azione fisica, gestione delle eccezioni e responsabilità istituzionale.

Un benchmark legale potrebbe valutare la redazione di contratti, ma omettere la consulenza al cliente, la negoziazione, la supervisione o l'attività in aula. Misurare un singolo risultato visibile non cattura l'insieme completo che i datori di lavoro acquistano quando assumono un avvocato.

Mercor presenta esplicitamente il proprio elenco iniziale come provvisorio. Afferma che la mappa si espanderà man mano che saranno disponibili ulteriori valutazioni economicamente rilevanti. Questo limite rende il risultato meno definitivo, ma rafforza anche la conclusione centrale.

Anche dopo anni di rapida produzione di benchmark, l'ecosistema delle valutazioni osserva ancora una fetta ristretta dell'economia. Le affermazioni su un'ampia sostituzione del lavoro, quindi, si spingono ben oltre i test disponibili.

Perché le valutazioni AI si concentrano sul lavoro digitale di valore

I benchmark si concentrano dove il lavoro è digitale, costoso, ripetibile e relativamente facile da valutare.

I punti ciechi della mappa non sono distribuiti casualmente. Mercor ha rilevato che le attività classificate come esposte ai modelli linguistici avevano una probabilità circa sei volte maggiore di comparire nella sua raccolta di benchmark.

Questo schema è comprensibile. I ricercatori vogliono valutazioni capaci di rivelare differenze tra modelli avanzati. Il lavoro della conoscenza digitale offre input accessibili, ambienti riproducibili e risultati che software o valutatori esperti possono esaminare.

L'ingegneria del software è diventata un obiettivo precoce perché spesso un programma può essere testato automaticamente. Il codice o viene compilato, supera i test oppure produce un output definito. Questi cicli di feedback semplificano la valutazione e il miglioramento dei modelli.

Anche l'analisi finanziaria produce artefatti digitali familiari. Un benchmark può fornire documenti sorgente, specificare le ipotesi e richiedere un foglio di calcolo o una presentazione. I revisori possono quindi confrontare calcoli, struttura e conclusioni.

Il lavoro fisico e interpersonale crea problemi di misurazione più difficili. Un prompt non può riprodurre completamente un'aula affollata, un sito di manutenzione imprevedibile o una conversazione delicata con una famiglia.

Il database ufficiale O*NET aiuta i ricercatori a descrivere questo lavoro, ma le sue dichiarazioni sulle attività non sono ambienti di benchmark. Identificano i compiti senza generare automaticamente input, strumenti, vincoli e regole di valutazione realistici.

L'analisi di Mercor rileva inoltre che le attività delle professioni con masse salariali più elevate ricevono una maggiore copertura. Questa relazione rimane anche dopo aver considerato l'esposizione stimata all'AI.

L'incentivo è economicamente razionale. Automatizzare una parte di una professione costosa offre un potenziale rendimento più chiaro rispetto alla creazione di una valutazione per un mercato del lavoro più piccolo. I clienti hanno inoltre ragioni più forti per finanziare test legati a retribuzioni elevate.

L'importanza delle attività crea un altro effetto di selezione. All'interno di una professione, le attività considerate più importanti avevano una probabilità da circa sei a dieci volte maggiore di ricevere copertura nei benchmark rispetto alle attività meno importanti.

Dare priorità al lavoro importante sembra sensato. Tuttavia, un lavoro dipende spesso da numerose piccole attività che rendono possibili i suoi risultati principali. Tra queste figurano la raccolta del contesto, la conferma dei requisiti, il coordinamento delle approvazioni, l'individuazione delle eccezioni e la correzione dei fraintendimenti.

Un benchmark può catturare il documento che appare alla fine di un processo. Raramente cattura il lavoro organizzativo che determina se il documento sia corretto, tempestivo, affidabile e utilizzabile.

Questo ricorda il problema del portiere emerso durante la discussione su Hacker News. Aprire una porta sembra essere l'attività centrale finché l'automazione non rivela che il lavoratore forniva anche indicazioni, consapevolezza della sicurezza e assistenza informale.

Il lavoro della conoscenza contiene funzioni nascoste simili. Un product manager non si limita a scrivere un documento dei requisiti. Il ruolo include la conciliazione di richieste contrastanti, il ricordo di decisioni precedenti, l'individuazione di prove mancanti e l'ottenimento dell'impegno delle parti.

L'AI può accelerare l'artefatto visibile lasciando intatti questi vincoli circostanti. In alcuni casi, una generazione più rapida crea ulteriore lavoro di revisione, perché i team devono verificare un volume maggiore di output plausibile.

Ecco perché una base di conoscenza personale o di team può essere più importante di un altro strumento di generazione isolato. Il collo di bottiglia riguarda spesso il recupero del contesto e la convalida delle decisioni, non la produzione di un'altra bozza.

La concentrazione dei benchmark riflette quindi sia la fattibilità tecnica sia gli incentivi di mercato. Mostra dove chi costruisce valutazioni può creare test credibili oggi, non dove la trasformazione economica debba fermarsi domani.

Il dato del 90% deriva da diversi livelli di stima

Il risultato di Mercor combina dati ufficiali sul lavoro con mappature generate dai modelli, quindi ogni livello aggiunge una struttura utile e ulteriore incertezza.

Il progetto parte da O*NET, il database federale che descrive professioni, caratteristiche dei lavoratori e attività lavorative. Mercor utilizza 923 professioni e 18.797 dichiarazioni sulle attività associate.

I ricercatori collegano poi i prompt dei benchmark a tali attività. Mercor afferma che un giudice LLM può assegnare un prompt a più attività professionali quando le attività si sovrappongono.

L'azienda ha convalidato questo processo rispetto alle etichette di esperti umani per i propri benchmark APEX. Tuttavia, questa convalida si applica a un sottoinsieme delle 29 valutazioni, non necessariamente a ogni prompt incluso.

Mercor definisce la copertura a cinque prompt mappati. Questa soglia evita di considerare un solo esempio una rappresentazione adeguata, ma cinque elementi forniscono comunque prove limitate per un'attività complessa.

Un partecipante alla discussione ha evidenziato questo problema usando il lavoro sociale come esempio. Tredici prompt potrebbero tecnicamente coprire un'attività di consulenza, ma non possono rappresentare ogni cliente, vincolo legale, dinamica emotiva o esito negativo.

La stima del 90% richiede un ulteriore passaggio. O*NET registra l'importanza e la frequenza delle attività, ma non fornisce direttamente una ripartizione completa delle ore di ogni lavoratore tra tutte le attività.

Mercor utilizza quindi ricerche che stimano le quote di tempo lavorativo a livello di attività con modelli linguistici. Combina tali quote con dati su occupazione e salari per approssimare la distribuzione delle ore lavorative americane.

Le masse salariali delle professioni sono calcolate sulla base dell'occupazione stimata e dei salari medi. Il modello presuppone una settimana lavorativa di 40 ore quando converte tali totali in misure del lavoro.

Questo produce una mappa economica coerente, ma non un'indagine nazionale diretta sull'uso del tempo. La percentuale finale dipende dalle definizioni delle attività, dalle quote temporali stimate, dalla selezione dei benchmark, dalla mappatura dei prompt e dalla regola dei cinque prompt.

Mercor riconosce diverse limitazioni. Il suo elenco è incompleto e qualsiasi benchmark mancante ridurrà la copertura apparente. L'azienda ha inoltre limitato la rappresentazione delle famiglie professionali molto studiate per evitare che l'ingegneria del software dominasse la raccolta.

Questa decisione migliora l'ampiezza riducendo al contempo la profondità misurata nelle categorie popolari. L'esclusione dei benchmark saturi può anche nascondere attività che i modelli già svolgono bene.

Includere tali benchmark creerebbe un problema diverso. Valutazioni semplici o poco realistiche potrebbero gonfiare la copertura economica apparente senza offrire prove utili sull'implementazione.

Anche i criteri di selezione introducono un giudizio. Il “realismo economico” sembra oggettivo, ma i ricercatori devono comunque decidere se un prompt assomigli al lavoro svolto all'interno di un'impresa.

Di conseguenza, il dato del 90% dovrebbe essere trattato come una stima generata da una metodologia esplicita. Non è il risultato di un censimento e non è una proprietà fissa dell'economia.

Eppure, le incertezze non rendono il progetto privo di significato. Anche una revisione sostanziale lascerebbe il panorama delle valutazioni disomogeneo. Passare da una copertura del 10% al 15% o al 20% non garantirebbe una visibilità estesa all’intera economia.

La conclusione difendibile è più circoscritta e più rilevante. Gli attuali benchmark agentici non consentono valutazioni affidabili sulla maggior parte del tempo di lavoro negli Stati Uniti.

Questa conclusione dovrebbe cambiare il modo in cui i lettori interpretano i progressi nelle classifiche. Un punteggio in aumento può dimostrare progressi in un ambito testato, lasciando però migliaia di altre attività inesaminate.

Benchmark migliori per il mondo reale continuano a non coprire l’intero lavoro

Le nuove valutazioni stanno diventando più realistiche, ma il realismo all’interno di professioni selezionate non equivale a una copertura rappresentativa dell’economia.

Il settore dei benchmark è già andato oltre le domande di cultura generale e gli esami accademici. I test più recenti chiedono ai modelli di creare report, utilizzare software, analizzare materiali professionali e completare incarichi in più fasi.

La valutazione GDPval di OpenAI illustra questo cambiamento. Copre 44 professioni in nove settori e chiede ai modelli di produrre elaborati valutati rispetto a risultati professionali.

La raccolta completa GDPval contiene 1.320 attività. OpenAI ha selezionato professioni provenienti da settori economicamente rilevanti, concentrandosi sul lavoro della conoscenza legato a importanti bacini salariali.

Questo approccio offre una maggiore rilevanza economica rispetto alla misurazione di singole domande di ragionamento. Condivide però anche la concentrazione identificata da Mercor. La prima versione privilegia lavori di valore, esprimibili in forma digitale.

I test sul software mostrano lo stesso schema a un livello più ristretto. Possono misurare se un agente risolve un problema in un repository, ma il risultato non cattura ogni responsabilità di un ingegnere attivo.

Gli ingegneri indagano incidenti ambigui, negoziano il debito tecnico, revisionano modifiche, supportano i colleghi e prendono decisioni con informazioni incomplete. Gran parte di questo lavoro dipende dal contesto organizzativo accumulato nel tempo.

La ricerca sugli orizzonti temporali di METR aggiunge un’altra misura utile. Stima la durata dell’attività alla quale un agente ha una data probabilità di successo.

METR avverte inoltre che questi risultati non dovrebbero essere interpretati come ore equivalenti di normale impiego. Le attività di valutazione contengono di solito le informazioni necessarie per iniziare, mentre i dipendenti attingono a conversazioni precedenti e conoscenze tacite.

Questa differenza è centrale nella storia di Mercor. I benchmark isolano il lavoro affinché i ricercatori possano valutarlo. Le organizzazioni reali integrano invece il lavoro tra persone, sistemi, storia e priorità mutevoli.

Un modello può completare un incarico ben specificato, ma fallire quando i requisiti restano impliciti. Può generare un foglio di calcolo credibile, mancando però una regola aziendale conosciuta solo da un analista esperto.

L’implementazione aggiunge costi che i punteggi dei benchmark spesso omettono. I dipendenti devono preparare gli input, concedere l’accesso ai sistemi, rivedere gli output, gestire i fallimenti, documentare le responsabilità e decidere quando è necessaria l’escalation a un operatore umano.

L’output del modello può anche modificare il lavoro a valle. Una generazione di codice più rapida aumenta il volume che arriva alla revisione e ai test. Una generazione di contenuti più rapida crea più materiale che richiede verifica dei fatti e approvazione.

Questo è uno dei motivi per cui i progressi misurati non si traducono sempre direttamente nella produttività organizzativa. Automatizzare una fase sposta l’attenzione verso il vincolo residuo più lento.

Le attività fisiche ampliano ulteriormente il divario. La ricerca della stima sul lavoro da remoto ha concluso che il 37% dei posti di lavoro negli Stati Uniti potrebbe essere svolto interamente da casa. Gli altri lavori includono componenti fisiche che i benchmark convenzionali per modelli linguistici faticano a ricreare.

La robotica potrebbe alla fine rendere più semplici da valutare queste attività. Tuttavia, un benchmark per il lavoro fisico deve rappresentare percezione, manipolazione, sicurezza, variazioni ambientali e recupero da condizioni inattese.

Un successo simulato non dimostra automaticamente prestazioni sicure in un ospedale, una fabbrica, una cucina o su una strada pubblica. Anche il costo del fallimento può differire enormemente da una risposta errata in un ambiente digitale isolato.

La strada da seguire è quindi più ampia della semplice aggiunta di prompt. I progettisti di benchmark hanno bisogno di ambienti più ricchi, flussi di lavoro più lunghi, misure della collaborazione umana e collegamenti più chiari tra prestazioni nelle attività e valore economico.

Cosa cambia la mappa per datori di lavoro e lavoratori

La mappa indebolisce le previsioni sicure sull’automazione, rafforzando al contempo la necessità di valutazioni più circoscritte e specifiche per i flussi di lavoro.

Un datore di lavoro non dovrebbe partire dalla posizione aggregata di un modello di frontiera in classifica. La domanda utile è se quel modello svolga le attività effettive dell’organizzazione in condizioni realistiche.

Questa valutazione inizia scomponendo i flussi di lavoro. I team devono identificare input, strumenti, dipendenze, requisiti di approvazione, eccezioni comuni e conseguenze di un risultato errato.

Un addetto alla gestione dei sinistri, per esempio, può esaminare documenti simili agli input dei benchmark. Il flusso di lavoro reale include anche documenti mancanti, variazioni delle polizze, scadenze normative, segnali di frode, comunicazioni con i clienti ed escalation.

Le prestazioni su un’unica attività pulita dicono poco sull’affidabilità del sistema lungo l’intera catena. Il datore di lavoro deve testare ogni passaggio rilevante, soprattutto dove gli errori diventano costosi o irreversibili.

I dati di Mercor suggeriscono inoltre di non trattare le professioni come unità indivisibili. L’adozione dell’AI di solito modifica la composizione delle attività prima di eliminare un intero lavoro.

Un lavoratore potrebbe dedicare meno tempo alla creazione di una prima bozza e più tempo alla verifica delle prove. Un altro ruolo potrebbe spostarsi verso la comunicazione con i clienti, la gestione delle eccezioni o il coordinamento tra sistemi automatizzati.

Questa redistribuzione può comunque influire sull’occupazione. Se una persona completa più lavoro, un’organizzazione può ridurre le assunzioni o riassegnare il personale. Tuttavia, l’effetto dipende dalla domanda, dai vincoli di processo e dal costo della supervisione.

I lavoratori dovrebbero applicare lo stesso ragionamento a livello di attività al rischio professionale. Una professione con un’ampia copertura nei benchmark non sta automaticamente scomparendo. Affronta però sperimentazioni più rapide, perché i fornitori possono misurare e migliorare le capacità pertinenti.

Sviluppatori software, analisti finanziari e avvocati rientrano in questa zona altamente osservata. Il loro lavoro produce artefatti digitali, attrae investimenti nei benchmark e offre feedback che favoriscono iterazioni rapide.

Le professioni meno coperte non sono protette in modo permanente. La loro incertezza immediata è semplicemente maggiore. La scarsità di benchmark impedisce conclusioni forti in entrambe le direzioni.

La mappa mette anche in discussione un’interpretazione comune della bassa copertura. L’assenza di test non dimostra che un’attività sia esclusivamente umana. Può indicare che l’attività è difficile da specificare, valutare, digitalizzare o finanziare.

Questi ostacoli contano comunque dal punto di vista commerciale. Una capacità che non può essere valutata in modo affidabile è difficile da acquistare, governare, assicurare e distribuire su larga scala.

Per gli acquirenti aziendali, la risposta migliore è una valutazione controllata tramite esempi interni. I team dovrebbero confrontare l’output del modello con il lavoro attuale, misurare il tempo di revisione, registrare i tipi di fallimento e verificare se i vantaggi resistono lungo processi completi.

Dovrebbero inoltre testare separatamente l’aumento delle capacità dall’autonomia. Un modello che aiuta un esperto a finire prima può offrire valore anche quando non è in grado di gestire autonomamente il flusso di lavoro.

Al contrario, un modello che ottiene buoni risultati da solo in un benchmark può aggiungere poco all’interno di un’azienda. I dipendenti potrebbero impiegare più tempo a preparare prompt, controllare gli output e riparare i fallimenti di integrazione di quanto ne risparmino.

Per i responsabili politici, la mappa di Mercor evidenzia un problema di evidenza. Regolamentazione, investimenti nella formazione e previsioni sulla forza lavoro richiedono più di affermazioni sull’intelligenza generale dei modelli.

Le istituzioni pubbliche hanno bisogno di valutazioni trasparenti su professioni rappresentative. Questi test dovrebbero includere lavoro fisico, servizi rivolti al pubblico, ruoli a basso salario e attività in cui la responsabilità conta più di un output rifinito.

Il messaggio più utile della mappa non è quindi né rassicurazione né allarme. È una richiesta di misurazioni migliori prima che le istituzioni prendano decisioni irreversibili.

Tre segnali indicheranno se il punto cieco si sta chiudendo

La prossima fase della ricerca sull’AI e il lavoro sarà giudicata in base all’ampiezza della copertura, alle prove di implementazione e a test credibili di flussi di lavoro completi.

Il primo segnale è l’espansione della mappa di Mercor. L’azienda descrive l’attuale indice di 29 benchmark come un punto di partenza e invita i ricercatori a presentare ulteriori valutazioni.

Occorre osservare se le nuove aggiunte ampliano in modo significativo la copertura occupazionale. Un’altra suite per il coding potrebbe approfondire le prove in un’area già familiare senza ridurre l’incertezza nell’economia più ampia.

Un aggiornamento più robusto aggiungerebbe benchmark credibili per istruzione, supporto sanitario, amministrazione, mestieri specializzati, trasporti e lavoro nei servizi. Dovrebbe inoltre indicare se la stima del 90% cambia con soglie di copertura alternative.

Se raccolte più ampie lasciassero il numero vicino al livello attuale, il problema di misurazione sarebbe strutturale. I ricercatori potrebbero faticare a tradurre gran parte del lavoro umano in attività agentiche ripetibili e valutabili.

Un forte calo indebolirebbe il titolo, migliorando però la base di evidenze. Mostrerebbe che il risultato iniziale rifletteva la selezione dei benchmark più di una barriera duratura alla valutazione.

Il secondo segnale è la validazione indipendente nei luoghi di lavoro. Sviluppatori di modelli e creatori di benchmark sostengono sempre più spesso prestazioni di livello professionale in incarichi selezionati.

Queste affermazioni devono essere confrontate con i risultati ottenuti nelle implementazioni. Le prove utili includono tempo totale di completamento, impegno umano nella revisione, tassi di correzione, frequenza delle eccezioni e qualità a valle.

L’unità critica è il flusso di lavoro completo, non l’artefatto generato. Se l’AI completa più rapidamente la stesura ma prolunga revisione e approvazione, l’organizzazione ha spostato il lavoro anziché eliminarlo.

Guadagni di produttività costanti in varie organizzazioni rafforzerebbero le affermazioni secondo cui le capacità testate si trasferiscono nelle operazioni reali. Risultati limitati a progetti pilota strettamente controllati conserverebbero il divario tra successo nei benchmark e impatto economico.

Il terzo segnale è il progresso nella valutazione al di fuori del puro lavoro della conoscenza digitale. I modelli linguistici possono dirigere strumenti, mentre i sistemi robotici possono collegare la pianificazione all’azione fisica.

Prove significative richiederebbero ambienti diversificati e una rendicontazione trasparente dei fallimenti. Un robot che riesce in un ambiente preparato non dimostra prestazioni affidabili in case, ospedali, magazzini o spazi pubblici.

I ricercatori dovrebbero anche misurare la collaborazione umana. La maggior parte dei sistemi nel breve termine lavorerà accanto ai dipendenti, rendendo la qualità dell’aumento delle capacità importante quanto il completamento autonomo.

Un benchmark utile testerebbe se l’AI aiuta le persone a prendere decisioni migliori, non soltanto se produce una risposta. Includerebbe recupero del contesto, comunicazione dell’incertezza, correzione ed escalation.

Questi segnali contano perché il divario di copertura dei benchmark AI di Mercor non si colmerà con punteggi più alti dei modelli. Si colma quando le valutazioni rappresentano una quota maggiore dell’economia e prevedono risultati effettivi sul lavoro.

Per i lettori che decidono quanta fiducia riporre nella prossima previsione sull’automazione, ponetevi tre domande. Quali attività professionali sono state testate, quanto supporto umano è stato necessario e il guadagno misurato è sopravvissuto all’implementazione reale?

Finché queste risposte non diventeranno una prassi, le affermazioni generali sull’AI e l’occupazione resteranno in anticipo rispetto alle evidenze. Seguite l’espansione della mappa, richiedete risultati a livello di flusso di lavoro e considerate ogni classifica come una vista attraverso una stretta finestra.