Големите планове за технологична трансформация често се сблъскват със суровата реалност. Поддръжниците на автономните превозни средства популяризират способностите на безпилотните камиони, като забравят да обърнат внимание на правните въпроси, застраховането, софтуерните проблеми и всичко останало. Капели добавя: "Ако погледнете реалната работа на шофьорите на камиони, ще видите, че те правят много неща извън простото шофиране, дори и на дълги разстояния." Може да се направи аналогия с използването на генеративен изкуствен интелект за разработване на софтуер. Програмистите прекарват по-голямата част от времето си, правейки неща, които нямат нищо общо с компютърното програмиране. Те разговарят с хора, обсъждат бюджети и т.н.
В случая с генеративния ИИ потенциалните икономии на труд и повишаване на производителността се компенсират от количеството скрита работа, необходима за създаването и поддържането на големи езикови модели и алгоритми.
Както генеративният, така и оперативният ИИ създават нова работа. Хората ще трябва да управляват бази данни, да организират материали, да се справят с противоречиви доклади, валидност и други подобни. Това ще доведе до нови задачи и някой ще трябва да ги изпълнява. Оперативният ИИ, въпреки дългото си съществуване, все още е несъвършен. Машинното обучение с цифрови данни не се използва достатъчно поради трудностите при комбинирането на данни, които са разнородни и се съхраняват в различни организации. Обединяването изисква много усилия поради политически и технически трудности.
