Il futuro della occupazione: i lavori alla informatizzazione

Gli autori Carl Benedikt Frey e Michael A. Osborne hanno esaminato quanto siano sensibili i lavori all’informatizzazione. Utilizzando un classificatore di processo gaussiano, hanno implementato una nuova metodologia per stimare la probabilità di informatizzazione per 702 occupazioni dettagliate.

I ricercatori hanno concluso che il 47% dell’occupazione totale negli Stati Uniti è a rischio, il che ha spinto un altro gruppo di ricercatori ad aggiungere informazioni dal Bureau of Labor Statistics per estrarre ulteriormente la probabilità di automazione di tutti i tipi di lavori.

Questo sforzo è culminato nella piattaforma in corso nota come “Will Robots Take My Job?”, Che consente ai visitatori del sito di apprendere con quale probabilità le loro occupazioni saranno sostituite da e (AI).

Ad esempio, il database conclude che esiste l’ 1,4% di possibilità che le persone formate in marketing – impiegate nella generazione della domanda, nella pianificazione dei , nel servizio clienti, nella gestione dei media, nei ruoli di strategia del marchio per citarne alcuni – siano sostituite da e intelligenza artificiale.

Il database aggiunge inoltre che un condotto sulla base delle risposte dei visitatori del sito Web suggerisce che esiste una probabilità del 38% che i professionisti del marketing vengano sostituiti da robot e intelligenza artificiale nei prossimi due decenni. Purtroppo per coloro che contribuiscono al sondaggio, le ultime ricerche accademiche suggeriscono che anche questa ipotesi è lontana di un secolo.

In un articolo pubblicato con la Consumer Psychology Review , i professori di marketing David Gal e Itamar Simonson, rispettivamente dell’Università dell’Illinois a Chicago e della Stanford University, concludono che le affermazioni secondo cui l’intelligenza artificiale può anticipare e prevedere le preferenze dei consumatori con grande precisione sono in gran parte esagerate.

Il rapporto suggerisce che i professionisti del marketing impiegano meno tempo nel tentativo di prevedere le scelte dei consumatori con grande precisione e invece dirottano le risorse nell’ambiente informativo che influisce sulla scelta dei loro prodotti.

Gli esempi del suddetto informativo presentano prevalentemente contenuti generati dagli utenti sotto forma di recensioni degli utenti, consigli online e nuove opzioni, che secondo i ricercatori hanno un’influenza crescente al momento della decisione di acquisto e non possono essere né misurati né anticipati ex ante.

Riconoscono che in alcuni rari casi, come ad esempio gli algoritmi di raccomandazione di Netflix o TikTok, metodi sofisticati e big data possono migliorare le previsioni. L’avvertenza è che queste previsioni sono leggermente migliorate e possono essere molto imprecise, tanto che tentare di migliorarle è spesso uno spreco di energie.

Nel documento di collaborazione di massa del 2020 intitolato “Misurare la prevedibilità dei risultati della vita con una collaborazione scientifica di massa”, i ricercatori hanno incaricato 160 team di costruire modelli predittivi intorno a sei risultati di vita utilizzando i dati del Fragile Families and Child Wellbeing Study.

In una serie di ricerche aggiuntive, Gal e Simonson hanno concluso che ci sono prove limitate che i comportamenti umani complessi possono generalmente essere previsti con molta precisione, aggiungendo che le prove suggeriscono che i metodi sofisticati non aumentano drasticamente l’accuratezza con cui questi comportamenti possono essere previsti, che è la pietra angolare dell’economia comportamentale, che sostiene che l’inquadratura e la presentazione hanno un impatto considerevole sulla guida del comportamento di acquisto.

Gli autori aggiungono che gli atteggiamenti sono particolarmente forti, stabili e ben definiti, mentre osservano che a breve termine è meno probabile che i professionisti del marketing e le loro attività influenzino gli atteggiamenti e quindi l’attenzione dovrebbe essere concentrata sul miglioramento della considerazione del prodotto attraverso la partecipazione proattiva al ambiente dell’informazione.

Questo suggerimento di concentrarsi sui contenuti generati dagli utenti nell’ambiente informatico è supportato in “Comprensione dei comportamenti che portano all’acquisto” che ha analizzato il comportamento di acquisto di oltre due milioni di utenti Pinterest per determinare segnali a breve e lungo termine nel comportamento degli utenti che suggeriscono forte intenzione di acquisto.

Questi ricercatori hanno scoperto che i segnali di acquisto nel comportamento online possono esistere settimane prima che venga effettuato un acquisto e sono amplificati negli ultimi tre giorni prima di un acquisto.