L'outil d'IA peut stimuler la pratique de travail efficace chez les chauffeurs de taxi moins qualifiés

Les nouvelles sont inondées d'histoires sur l'IA et les effets qu'il peut avoir sur la société – certains sites d'information ont même un onglet dédié pour de telles histoires. Bien que les sujets varient, de nombreuses histoires stimulent l'alarme d'un impact négatif potentiel ou d'une autre. Mais les chercheurs, y compris ceux de l'Université de Tokyo, ont récemment découvert quelque chose de positif concernant la profession de conduite en taxi, avec des implications d'un modèle plus large en jeu.

Une étude récente sur les chauffeurs de taxi à Yokohama, au Japon, montre que la prévision de la demande d'IA, qui n'est pas liée à la conduite autonome, peut améliorer la productivité chez les conducteurs moins expérimentés, aidant à combler les lacunes des compétences. Cette constatation remet en question l'hypothèse selon laquelle l'IA ne favorise que les travailleurs très qualifiés dans les industries dépendantes de la technologie.

L'étude, publiée dans Science de la gestiona examiné une application AI utilisée par les chauffeurs de taxi pour prédire où la demande des clients sera la plus élevée et suggère des voies optimales vers eux, l'objectif étant de réduire le temps passé sans passagers, augmentant l'efficacité globale. Lorsque vous comparez les conducteurs à différents niveaux de compétences, et donc la capacité de résolution de la demande, l'équipe a constaté que les conducteurs peu qualifiés ont connu les plus grands avantages, avec une augmentation de la productivité de 7%, tandis que les conducteurs très qualifiés bénéficient de peu d'avantages.

« Nous pensons que cela démontre que l'IA peut agir comme une technologie de » déquérir « , améliorant la productivité des travailleurs peu qualifiés tout en diminuant l'avantage relatif des homologues très qualifiés », a déclaré le professeur Yasutora Watanabe de la Graduate School of Public Policy. « Ce changement remet en question des décennies de tendances technologiques qui favorisaient les travailleurs qualifiés, élargissant les inégalités. »

Pour s'assurer que les impacts de l'outil d'IA sur l'efficacité des chauffeurs de taxi étaient exacts, Watanabe, avec les professeurs Daiji Kawaguchi et Hitoshi Shigeoka à la Graduate School of Public Policy et le conférencier Kyogo Kanazawa de la Yokohama National University, ont relevé un défi unique: ils ont mesuré l'impact de l'application AI sans interférences d'autres facteurs, comme l'UNOBSED CONDITIONS LOCADE.

La clé était d'utiliser la variation des données qui rend l'utilisation de l'IA aléatoire dans l'analyse, similaire à la façon dont les chercheurs médicaux attribuent au hasard des sujets aux groupes de traitement et de contrôle dans les essais cliniques. Leur méthode reposait sur la nature aléatoire de la fin des trajets en taxi. Les conducteurs commencent à rechercher de nouveaux clients à partir d'un emplacement déterminé au hasard par la fin de la conduite précédente, affectant ainsi au hasard la probabilité que les conducteurs activent l'IA en fonction de la familière de l'emplacement.

« Les implications de cette recherche vont au-delà des chauffeurs de taxi. Si l'IA peut réduire l'écart de compétences chez les chauffeurs de taxi, il pourrait faire de même ailleurs », a expliqué Shigeoka. « Ces résultats peuvent s'appliquer à des emplois tels que les parajuristes examinant des contrats ou des pathologistes identifiant les cellules malignes. L'IA est susceptible de bénéficier aux travailleurs moins qualifiés, améliorant leur performance. Cela a le potentiel de réduire les inégalités dans les professions traditionnellement dominées par les travailleurs qualifiés. »

Cependant, l'étude a également révélé quelque chose de déroutant: de nombreux conducteurs moins qualifiés n'ont pas utilisé l'application, même si cela aurait pu améliorer considérablement leurs performances. Les chercheurs ont reconnu que cette hésitation pourrait découler de la réticence à adopter de nouvelles technologies, et que la lutte contre cette obstacle pourrait profiter aux travailleurs dans divers secteurs.

« Les entreprises pourraient se concentrer sur la conception de programmes de reskilling pour aider les employés à développer des capacités complémentaires », a déclaré Kawaguchi. « En automatisant les compétences, telles que la prévision de la demande, les employeurs peuvent se concentrer sur les travailleurs de l'embauche avec des qualités que l'IA ne peut pas encore reproduire, comme de meilleures compétences en communication et d'autres choses axées sur les personnes. »