ChatGPT, Gemini a Claude rozšířili hodnocení vyhynutí profesí kvůli AI, zatímco vědci pochybují o jejich spolehlivosti

Klíčová myšlenka výzkumu

Ekonomové ze Severozápadní univerzity a Americké univerzity zjistili, že tři největší jazykové AI modely (ChatGPT‑5, Gemini 2.5 a Claude 4.5) dávají odlišné hodnocení toho, které profese jsou v rizikové zóně automatizace. To vyvolává otázku spolehlivosti „indexů zranitelnosti AI“ – číselných ukazatelů, které politici a zaměstnavatelé používají při plánování budoucího trhu práce.

1. Jak byl výzkum proveden
KrokCo se dělaloÚkolPřipravili modely k hodnocení zranitelnosti různých profesí vůči AI.Srovnání odpovědíPorovnali hodnoty mezi sebou a s reálnými daty.Analýza příčin rozdílůZjistili dva klíčové faktory: rozdíly v samotných modelech a vliv toho, kteří odborníci již používají AI.

2. Výsledky
ProfeseClaude 4.5Gemini 2.5ChatGPT‑5ÚčetníVysoká zranitelnostNízkáStředníReklamní manažer——Vrcholový manažer—-
* Rozporu

- Claude umístil účetní na vrchol, Gemini výrazně níže.

- Hodnocení reklamních manažerů a vrcholových manažerů se také lišila.

- ChatGPT a Gemini se shodovaly téměř ve 75 % případů, ale rozcházely se přibližně o čtvrtinu.

* Vliv „uživatelů AI»

Finanční analytici aktivně pracují s neuronovými sítmi, vytvářejí data, na kterých se trénují budoucí modely. To posouvá hodnocení a dělá profese, které jsou již úzce spojeny s AI, v očích modelů zranitelnější.

3. Jak se stavějí indexy zranitelnosti
1. Ručně – experti hodnotí dopad AI na konkrétní úkoly.

2. Ankety uživatelů – sbírají názory těch, kteří platformu již používají.

3. Největší jazykové modely (LLM) – generují hodnocení automaticky.

*Problémy:*

- Ručně podléhají subjektivitě.

- Ankety se omezují na jednu platformu a neodrážejí celý trh.

Přesto jsou tyto indexy široce používány v analytických zprávách, konzultingu a politice.

4. Co to znamená pro praxi
* Spolehlivost hodnocení – zatím není známo, zda LLM poskytují přesnější předpovědi než expertní metody.

* Riziko rozhodování na základě jednoho ukazatele – autoři varují, že politici a zaměstnavatelé mohou omylem spoléhat na jednoznačné čísla.

5. Doporučení výzkumníků
1. Používat několik AI modelů současně, nikoli jeden.

2. Jasně uvádět úroveň nejistoty v výsledcích.

3. Potvrdit závěry průzkumy skutečných uživatelů, aby se pochopilo, jak AI skutečně implementuje a jaké úkoly vykonává.

> „Osobně bych nespoléhala na jeden ukazatel při rozhodování o změně práce nebo výběru oboru“, – uvádí Michelle Yin.

Závěr:

Současné indexy zranitelnosti AI potřebují kritičtější přístup. Kombinace více modelů a empirických dat pomůže učinit předpovědi spolehlivějšími a vyhnout se nesprávným rozhodnutím založeným na jednostranných hodnoceních.