The Open Source Economic Index of AI Adoption and Capability
Dieses Paper führt einen Open-Source-Wirtschaftsindex ein, der öffentliche Nutzer-LLM-Chatdaten und O*NET-Aufgaben nutzt, um die KI-Adoption über verschiedene Berufe hinweg zu messen, während es gleichzeitig die KI-Fähigkeiten durch ein Benchmark-System evaluiert, das offenlegt, dass Modelle wie Kimi-k2.5 zwar hochgradige Arbeitsabläufe ausführen können, aber häufig mit granularen Details zu kämpfen haben.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Wirtschaft als eine riesige, geschäftige Stadt vor. Lange Zeit wussten wir zwar, dass „KI“ einzieht, aber wir wussten nicht wirklich, wer in welchen Vierteln wohnt, welche Jobs sie tatsächlich ausüben oder ob sie wirklich in der Lage sind, alleine zu arbeiten oder ob sie einfach nur eine menschliche Hand brauchen, die sie führt.
Dieses Paper, „The Open Source Economic Index of AI Adoption and Capability“, fungiert wie eine massive, Open-Source-Stadtbefragung und ein strenges Vorstellungsgespräch kombannt. Die Autoren haben zwei Hauptwerkzeuge entwickelt, um zwei große Fragen zu beantworten: Wo wird KI tatsächlich eingesetzt? und Kann die KI die Arbeit tatsächlich erledigen?
Hier ist eine Aufschlüsselung ihrer Ergebnisse unter Verwendung einfacher Analogien:
1. Die „Stadtvolkszählung“ (Messung der Adoption)
Das Problem: Frühere Studien versuchten zu erraten, wie viel KI genutzt wird, indem sie Menschen in Umfragen fragten (was Menschen oft falsch angeben oder vergessen) oder indem sie auf geheime, private Chat-Protokolle großer Tech-Unternehmen blickten (die niemand sonst überprüfen kann).
Die Lösung: Die Autoren erstellten eine „öffentliche Volkszählung“. Sie nahmen Millionen von öffentlichen, anonymen Gesprächen zwischen Menschen und KI (aus einem Datensatz namens WildChat) und nutzten einen intelligenten Filter, um sie zu sortieren.
- Der Filter: Sie fragten eine KI: „Handelt dieser Chat von der Arbeit?“ Wenn die Antwort ja lautete, behielten sie ihn. Wenn es jemand war, der nach einem Rezept oder einem Witz fragte, warfen sie ihn weg.
- Die Karte: Sie glichen diese Arbeits-Chats dann mit einem riesigen, offiziellen Berufe-Wörterbuch namens O*NET ab (denken Sie an das „Branchenverzeichnis“ für jeden Job in Amerika, das genau auflistet, welche Aufgaben jeder Job erfordert).
Die Ergebnisse:
- Wer nutzt es? Die „KI-Viertel“ sind überfüllt in den Bereichen Finanzen, Informatik und Kunst. Wenn Sie ein Finanzberater, ein Programmierer oder ein kreativer Autor sind, nutzen Sie wahrscheinlich viel KI.
- Wer nutzt es nicht? Überraschenderweise nutzen Anwälte die KI unter den White-Collar-Berufen am wenigsten.
- Wie tief geht die Nutzung? Es ist nicht so tiefgreifend, wie es der Hype vermuten lässt. Obwohl KI in vielen Berufen eingesetzt wird, hilft sie meistens nur bei einigen Aufgaben, nicht aber bei der Übernahme des gesamten Jobs. Nur ein winziger Bruchteil der Jobs (weniger als 1 %) nutzt KI für 75 % ihrer täglichen Aufgaben.
2. Das „Vorstellungsgespräch“ (Messung der Leistungsfähigkeit)
Das Problem: Nur weil Menschen eine KI bitten, eine Aufgabe zu erledigen, bedeutet das nicht, dass die KI sie auch tatsächlich korrekt abschließen kann. Es ist, als würde ein Schüler behaupten, er könne einen Roman schreiben; das bedeutet nicht, dass er ohne Hilfe tatsächlich einen guten schreiben kann.
Die Lösung: Die Autoren bauten einen „simulierten Arbeitsplatz“.
- Das Setup: Sie erstellten fast 5.000 realistische Arbeitsszenarien basierend auf den O*NET-Jobbeschreibungen.
- Die Werkzeuge: Sie gaben der KI einen Satz digitaler Werkzeuge (wie einen Taschenrechner, eine Datenbank oder einen Kalender), die sie benutzen musste, um das Problem zu lösen.
- Der Test: Sie testeten ein spezifisches KI-Modell (Kimi-k2.5) auf zwei Arten:
- Solo-Modus: Die KI musste den ganzen Job alleine erledigen.
- Team-Modus: Die KI arbeitete mit einem „simulierten Menschen“ zusammen, der Fragen stellte und Hinweise gab.
Die Ergebnisse:
- Das große Ganze vs. die Details: Die KI ist überraschend gut im „großen Ganzen“. Sie kann den allgemeinen Arbeitsablauf verstehen (z. B. „Ich muss jemanden einstellen, also sollte ich eine Stelle ausschreiben, dann interviewen, dann einstellen“).
- Die fehlerhaften Details: Bei den winzigen Details gerät die KI jedoch oft ins Straucheln. Sie ruft vielleicht das falsche Werkzeug auf, drückt den falschen Knopf oder erfindet Fakten (halluziniert), wenn sie präzise sein müsste.
- Das menschliche Sicherheitsnetz: Wenn die KI mit einem Menschen zusammenarbeitete (Team-Modus), schloss sie den Job häufiger ab. Aber der Mensch musste dennoch genau aufpassen, da die KI ständig kleine Fehler bei der Anwendung der Werkzeuge machte.
Die wichtigste Erkenntnis
Betrachten Sie die KI-Adoption wie einen neuen Typ von Akkuschrauber, der auf eine Baustelle kommt.
- Adoption: Wir sehen, dass Zimmerleute (Künstler, Programmierer, Finanzleute) den Akkuschrauber greifen und ihn viel benutzen.
- Leistungsfähigkeit: Aber wenn wir sie beobachten, wie sie versuchen, ein Haus zu bauen, sehen wir, dass sie zwar gut darin sind, die großen Löcher zu bohren, aber oft den Nagel verfehlen oder an die falsche Stelle bohren.
Das Fazit:
Das Paper argumentiert, dass wir nicht panisch werden sollten, dass die KI Menschen jetzt komplett ersetzt. Obwohl die KI in bestimmten Sektoren schnell übernommen wird, ist sie noch nicht „autonom“ genug, um komplexe Aufgaben perfekt allein zu bewältigen. Sie funktioniert am besten als Co-Pilot, der einen Menschen braucht, der steuert, die Details prüft und sicherstellt, dass die Werkzeuge korrekt verwendet werden. Das Risiko eines totalen Jobverlusts ist gering, aber die Notwendigkeit der menschlichen Aufsicht bleibt hoch.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.