The Open Source Economic Index of AI Adoption and Capability
Dit artikel introduceert een open-source economische index die publieke gebruikers-LLM-chatdata en O*NET-taken gebruikt om de AI-adoptie over beroepen te meten, terwijl het tegelijkertijd de AI-capaciteiten evalueert via een benchmark-systeem dat onthult dat modellen zoals Kimi-k2.5 hoogwaardige workflows kunnen uitvoeren, maar vaak worstelen met granulaire details.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de economie voor als een enorme, bruisende stad. Al een tijdje weten we dat "AI" is komen wonen, maar we wisten niet echt wie er in welke buurt woont, welke banen ze precies doen, of ze werkelijk in staat zijn om alleen te werken of dat ze gewoon een mens nodig hebben om hun hand vast te houden.
Dit paper, "The Open Source Economic Index of AI Adoption and Capability," fungeert als een enorme, open-source stadsenquête en een rigoureuze sollicitatiegesprek gecombineerd. De auteurs bouwden twee belangrijke instrumenten om twee grote vragen te beantwoorden: Waar wordt AI daadwerkelijk gebruikt? en Kan AI het werk daadwerkelijk doen?
Hier is een uitsplitsing van hun bevindingen met behulp van eenvoudige analogieën:
1. De "Stedelijke Volkstelling" (Het meten van adoptie)
Het Probleem: Eerdere studies probeerden te raden hoeveel AI er wordt gebruikt door mensen enquêtes te laten invullen (waarbij mensen vaak liegen of dingen vergeten) of door te kijken naar geheime, privé chatlogs van grote techbedrijven (die niemand anders kan controleren).
De Oplossing: De auteurs bouwden een "openbare volkstelling". Ze namen miljoenen openbare, anonieme gesprekken tussen mensen en AI (uit een dataset genaamd WildChat) en gebruikten een slim filter om ze te sorteren.
- Het Filter: Ze vroegen een AI: "Gaat deze chat over werk?" Als het antwoord ja was, hielden ze het erbij. Als het iemand was die vroeg om een recept of een grapje, gooiden ze het weg.
- De Kaart: Ze koppelden deze werkgerelateerde chats vervolgens aan een gigantische, officiële woordenlijst van beroepen genaamd O*NET (denk aan de "Gele Pagina's" voor elk beroep in Amerika, die precies opsommen welke taken bij elk beroep horen).
De Bevindingen:
- Wie gebruikt het? De "AI-buurten" zijn drukbezocht in Financiën, Informatica en de Kunsten. Als je een financieel adviseur, een programmeur of een creatieve schrijver bent, gebruik je waarschijnlijk veel AI.
- Wie gebruikt het niet? Verrassend genoeg gebruiken Advocaten het het minst onder de witteboordenbanen.
- Hoe diep gaat het gebruik? Het is niet zo diep als de hype suggereert. Hoewel AI in veel banen wordt gebruikt, helpt het meestal alleen bij sommige taken, en neemt het niet het hele werk over. Slechts een fractie van de banen (minder dan 1%) gebruikt AI voor 75% van hun dagelijkse taken.
2. Het "Sollicitatiegesprek" (Het meten van bekwaamheid)
Het Probleem: Alleen omdat mensen AI vragen om een taak uit te voeren, betekent niet dat de AI de taak ook daadwerkelijk correct kan voltooien. Het is alsof een student zegt dat hij een roman kan schrijven; dat betekent niet dat hij zonder hulp daadwerkelijk een goede kan schrijven.
De Oplossing: De auteurs bouwden een "gesimuleerde werkplek".
- De Opzet: Ze creëerden bijna 5.000 realistische werkscenario's gebaseerd op de O*NET-beroepsbeschrijvingen.
- De Instrumenten: Ze gaven de AI een set digitale hulpmiddelen (zoals een rekenmachine, een database of een agenda) die de AI moest gebruiken om het probleem op te lossen.
- De Test: Ze testten een specifiek AI-model (Kimi-k2.5) op twee manieren:
- Solo Modus: De AI moest de hele baan alleen uitvoeren.
- Team Modus: De AI moest samenwerken met een "gesimuleerde mens" die vragen stelde en hints gaf.
De Bevindingen:
- Het Grote Plaatje vs. De Details: De AI is verrassend goed in het "grote plaatje". Het kan de algemene workflow begrijpen (bijv. "Ik moet iemand aannemen, dus ik moet eerst een vacature plaatsen, dan interviewen, en dan aannemen").
- De Glitchy Details: Echter, de AI struikelt vaak over de kleine details. Het kan de verkeerde tool aanroepen, de verkeerde knop gebruiken of feiten verzinnen (hallucineren) wanneer precisie vereist is.
- Het Menselijke Veiligheidsnet: Wanneer de AI met een mens samenwerkte (Team Modus), voltooide het de taak vaker. Maar de mens moest nog steeds nauwlettend toezicht houden, omdat de AI constant kleine foutjes maakte met de tools.
De Belangrijkste Conclusie
Beschouw de adoptie van AI als een nieuw type elektrische boormachine die een bouwplaats binnenkomt.
- Adoptie: We zien dat timmerlieden (Kunstenaars, Programmeurs, Financiële mensen) de boormachine oppakken en deze veel gebruiken.
- Bekwaamheid: Maar wanneer we hen proberen te zien een huis bouwen, zien we dat ze geweldig zijn in het boren van de grote gaten, maar dat ze vaak de spijker missen of in de verkeerde plek boren.
De Conclusie:
Het paper betoogt dat we niet nu in paniek moeten raken over AI die mensen volledig vervangt. Hoewel AI snel wordt geadopteerd in specifieke sectoren, is het nog niet "autonoom" genoeg om complexe taken perfect alleen uit te voeren. Het werkt het beste als een co-piloot die een mens nodig heeft om te sturen, de details te controleren en ervoor te zorgen dat de instrumenten correct worden gebruikt. Het risico op totaal banenverlies is laag, maar de noodzaak voor menselijk toezicht blijft hoog.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.