Trumpas atsakymas: DI dažniausiai pertvarko darbą automatizuodamas užduočių dalis, pagreitindamas rezultatus ir didindamas lūkesčius, ypač pradedantiesiems. Jei išmoksite naudoti DI ir tikrinsite jo rezultatus, turėsite didesnę tikimybę įgyti pranašumų; jei jūsų darbas daugiausia yra pasikartojanti pirmojo etapo gamyba, būsite labiau pažeidžiami, kai komandos pritaikys DI.
Svarbiausios išvados:
Užduočių perkėlimas : Tikėkitės pasikartojančio darbo automatizavimo, vaidmenims kintant, o ne nykstant.
Pradinio lygio pakopos : Jaunesniųjų klasių mokiniai gali susidurti su mažiau laisvų darbo vietų ir aukštesniais kompetencijų reikalavimais pirmąją dieną.
Patikrinimas : lavinkite įgūdžius tikrinti faktus, skaičius, kraštutinius atvejus ir atitiktį politikos nuostatoms.
Pereikite prie sprendimų : priartėkite prie tikslų, apribojimų, kompromisų ir atsakomybės už rezultatus.
Darbo įrodymas : stebėkite sutaupytą laiką, sumažintą klaidų skaičių ir rezultatus, kad jie išliktų akivaizdžiai vertingi.
Straipsniai, kuriuos galbūt norėsite perskaityti po šio:
🔗 Ar dirbtinis intelektas pakeis buhalterius?
Sužinokite, kaip automatizavimas keičia apskaitos darbą ir būsimus vaidmenis.
🔗 Ar dirbtinis intelektas gali pakeisti kibernetinį saugumą?
Įvertinkite dirbtinio intelekto poveikį kibernetinei gynybai, rizikai ir žmonių priežiūrai.
🔗 Ar dirbtinis intelektas pakeis duomenų inžinierius?
Sužinokite, kurias duomenų inžinerijos užduotis dirbtinis intelektas gali automatizuoti jau šiandien.
🔗 Ar dirbtinis intelektas pakeis draudimo agentus?
Sužinokite, kaip dirbtinis intelektas galėtų pakeisti draudimo pardavimus ir klientų aptarnavimą.
1) Žmogaus atsakymas į klausimą „Kaip dirbtinis intelektas veikia darbo vietas?“ (ne dramatiškas) 😅
Praleiskime filmo versiją, kurioje robotai viską pasiima per naktį. Tikrasis poveikis paprastai pasireiškia taip:
-
Užduotys automatizuojamos, o ne ištisos užduotys (iš pradžių). OECD
-
Žmonių, kurie išmoksta gerai naudotis dirbtiniu intelektu, darbas paspartėja NBER
-
Pradinio lygio darbas keičiasi labiausiai, nes jame dažnai yra pasikartojančių užduočių. TVF
-
Nauji vaidmenys atsiranda todėl, kad kažkas turi įdiegti, prižiūrėti, matuoti ir taisyti dirbtinio intelekto valdomus darbo eigą. Pasaulio ekonomikos forumas.
-
„Gero darbuotojo“ apibrėžimas keičiasi nuo „greitų rankų“ iki „protingų sprendimų“. Pasaulio ekonomikos forumas
Taigi, kai kas nors klausia, kaip dirbtinis intelektas veikia darbo vietas, aiškiausias atsakymas yra toks:
dirbtinis intelektas keičia darbo formą ir apdovanoja žmones, kurie gali jį valdyti, o ne ignoruoti. TVF
Ir taip, kai kurie vaidmenys iš tiesų susitraukia. Nesiruošiu to pagražinti motyvaciniu plakatu su jaustuku. Bet istorija labiau panaši į namo pertvarkymą, o ne į miesto griovimą buldozeriu 🧱🏠.
2) Trys būdai, kaip veikia dirbtinio intelekto pokyčiai: pakeitimas, pertvarkymas arba kartelės pakėlimas 📈
Didžiausias poveikis darbo vietoms skirstomas į tris grupes:
A) Pakeisti (užduočių dalį)
Tai yra tada, kai DI apdoroja pasikartojančios išvesties dalį:
-
pagrindinis planavimas
-
pirmieji santraukų juodraščiai
-
paprasti klientų atsakymai
-
įprastas duomenų valymas
-
rašymas pagal šabloną
Tai retai kada „pakeičia visą žmogų“, tai „pašalina 20–40 % to, ką jie anksčiau darė“. „ OpenAI OECD
Tai skamba puikiai, kol nesupranti, kad kai kurie žmonės darbuotojų skaičių pateisino 20–40 proc.
B) Pertvarkyti (užduotis išlieka, darbo eiga keičiasi)
Tai yra labiausiai paplitęs atvejis. Jūs vis tiek atliekate darbą, bet:
-
jūs prižiūrite rezultatus
-
jūs redaguojate ir patvirtinate
-
jūs nustatote apribojimus
-
Jūs tvarkote kraštutinius atvejus
-
jūs darote paskutinius skambučius
Daugelis žmonių tampa „recenzentais“ negavę titulo ar atlyginimo pakėlimo, o tai... nėra idealu, bet realu.
C) Pakelkite kartelę (tas pats pareigų pavadinimas, didesni lūkesčiai)
Šis dalykas subtilus. Komandos pritaiko dirbtinio intelekto įrankius ir staiga „vidutinis našumas“ tampa „minimaliu priimtinu“.
Darbas neatrodo lengvesnis. Jis atrodo greitesnis... ir darbingesnis 😵💫.
Taigi, taip – kaip dirbtinis intelektas veikia darbo vietas? Kartais tas pats darbas tampa tarsi tyliai greitėjantis bėgimo takelis.
3) Kurie darbai labiausiai paveikti – ir kodėl svarbu atlikti užduotis, o ne prestižą 🎯
Gera taisyklė: kuo labiau užduotis yra nuspėjama, paremta tekstu arba gausi šablonų, tuo labiau dirbtinis intelektas gali jai padėti arba ją automatizuoti. Tai nereiškia, kad užduotis išnyksta. Tai reiškia, kad jos „svorio centras“ pasislenka. „OpenAI ILO“
Labiau pažeidžiamų užduočių tipų
-
pasikartojančios ataskaitos
-
šabloninius el. laiškus ir pasiūlymus
-
fundamentiniai tyrimai ir santraukos
-
įprasti kokybės užtikrinimo patikrinimai
-
duomenų įvedimas ir klasifikavimas
-
standartiniai vaizdo variantai (dydžio keitimas, fono pašalinimas, greitas redagavimas)
Daugiau apsaugotų užduočių tipų (kol kas... apytiksliai)
-
svarbius sprendimus
-
sudėtingos tarpasmeninės derybos
-
praktinis fizinis darbas nenuspėjamoje aplinkoje
-
dviprasmiški vadovybės sprendimai
-
darbas, kuriam reikalingas gilus kontekstas ir pasitikėjimas McKinsey
Ir tik tam, kad būtų erzina: darbas gali apimti abu. Jūsų vaidmuo gali būti „saugus“, o pusė jūsų savaitės užduočių iš esmės yra automatizavimo švediškas stalas.
4) „Tylusis“ poveikis: pradinio lygio pareigos ir trūkstamos kopėčios 🪜😬
Ši dalis yra labai svarbi ir žmonės apie ją nepakankamai kalba.
Daug pradinio lygio pareigybių egzistuoja, nes organizacijoms reikia:
-
kažkas, kas parengtų pirmąją versiją
-
kažkas, kas apdorotų įprastus bilietus
-
kažkas, kas surašytų užrašus ir ataskaitas
-
kažkas, kas atliktų „užimtą, bet būtiną“ darbą
Dirbtinis intelektas gali atlikti dalį to. Tai reiškia, kad įmonės gali samdyti mažiau jaunesniųjų specialistų arba duoti jiems kitokį darbą (daugiau kokybės užtikrinimo, daugiau koordinavimo, daugiau įrankių naudojimo). TVF NBER
Rizika yra „sulaužytų kopėčių“ efektas:
-
mažiau įėjimo taškų
-
mažiau galimybių išmokti pagrindų
-
mažiau mentorių, nes komandos yra lieknesnės
-
didesni lūkesčiai dėl pirmos dienos kompetencijos
Jei esate karjeros pradžioje, klausimas „Kaip dirbtinis intelektas veikia darbą?“ dažnai reiškia, kad jums gali tekti anksčiau parodyti praktinius gebėjimus.
Nesąžininga? Kartais. Tiesa? Dažnai. 🤷
5) Dirbtinio intelekto kuriamos naujos darbo vietos (ir dažnai nepastebimos) 🧠✨
Kiekviena technologijų banga panaikina kai kurias užduotis ir sukuria kitas. Dirbtinis intelektas nėra išimtis, tačiau naujos darbo vietos iš pradžių gali atrodyti... negražios. Pasaulio ekonomikos forumas
Štai sritys, kurios paprastai plečiasi:
-
Dirbtinio intelekto operacijos ir darbo eigos dizainas : teiginio „turėtume naudoti dirbtinį intelektą“ pavertimas realiais žingsniais, kuriuos žmonės atlieka
-
Dirbtinio intelekto kokybė ir vertinimas : testavimo rezultatai, patikimumo vertinimas, sekimo klaidos
-
Duomenų valdymas : užtikrinama, kad egzistuoja tinkami duomenys, jie yra švarūs ir etiškai tvarkomi.
-
Saugumas ir atitiktis : informacijos nutekėjimo, netinkamo naudojimo ir „oi, įklijavome konfidencialią informaciją“ katastrofų prevencija
-
Žmogaus, dalyvaujančio procese, vaidmenys : didelio poveikio rezultatų peržiūra, taisymas, tvirtinimas. TDO
-
Mokymai ir įgalinimas : komandų mokymas tinkamai naudoti įrankius (tai daugiau nei skamba) Pasaulio ekonomikos forumas
Be to, nišinis pavyzdys: žmonės, kurie gali parašyti aiškias vidines gaires, tampa netikėtai vertingi. Pavyzdžiui, politika, bet praktiška. Nesmagu vakarėliuose, bet praverčia darbe 📝.
6) Kas lemia gerą dirbtiniam intelektui atsparų karjeros plano versiją? 🧭🤝
Štai ko visi nori: planas. Ir ne, planas nėra „išmokti programuoti“ (kartais naudingas, kartais visiškai nereikšmingas). Gera dirbtiniam intelektui atspari karjeros plano versija turi keletą ingredientų:
1) Jūs pasirenkate „krūvą“, o ne vieną įgūdį
Įsivaizduokite krūvą, tokią kaip:
-
srities žinios (jūsų pramonės šaka)
-
įrankių valdymas (DI + pagrindiniai įrankiai)
-
bendravimas (sprendimų aiškinimas)
-
sprendimas (žinojimas, kuo pasitikėti)
-
patikimumas (žmonės jumis pasikliauja)
Vienas įgūdis yra žvakė. Kiemelis yra laužas 🔥. Šiek tiek netobula metafora, bet supratote.
2) Jūs priartėjate prie sprendimų priėmimo
Dirbtinis intelektas gerai geba kurti variantus. Žmonės išlieka vertingi, kai:
-
apibrėžti tikslus
-
nustatyti apribojimus
-
pasirinkti kompromisus
-
prisiimkite atsakomybę už rezultatus BLS
Jei jūsų darbas daugiausia yra „sukurti daiktą“, pradėkite pereiti prie „nusprendimo, koks tas daiktas turėtų būti“
3) Jūs kuriate darbo įrodymą
Ne vibracijos. Įrodymas.
-
metrikos prieš/po
-
sutaupytas laikas
-
sumažintos klaidos
-
pagerėjęs klientų pasitenkinimas
-
dokumentuoti procesai
Užsirašykite nedidelį pasigyrimų aplanką. Žinau, gali būti nejauku. Vis tiek padarykite tai 😬.
4) Išmoksite tikrinimo įgūdžių
Tai nepakankamai įvertinta supergalia:
-
haliucinuotų faktų tikrinimas
-
trūkstamų kraštinių atvejų nustatymas
-
vidinis skaičių ir šaltinių patvirtinimas
-
žinojimas, kada pasakyti „ne, pakartok“
Ateitis priklauso geriems redaktoriams. Ne tik rašymo – ir sprendimų.
7) Palyginimo lentelė: pagrindiniai būdai, kaip žmonės naudoja dirbtinį intelektą darbe (ir kodėl kai kurie dirba geriau) 🧾🤖
Štai praktiškas metodų „meniu“. Ne tobulas, bet patogus.
| Įrankis / metodas | Auditorija | Kaina | Kodėl tai veikia |
|---|---|---|---|
| Pokalbių asistentas braižymui ir idėjų generavimui | Žinių darbuotojai, studentai, vadovai | Nemokamas mėnesinis mokestis | Greiti pirmieji juodraščiai, geras idėjų generavimas – bet vis tiek reikia patikrinti… rimtai |
| Rašymo ir redagavimo pagalbininkas | Rinkodaros, komunikacijos, žmogiškųjų išteklių specialistai | Mažas mėnesinis | Juodraščius paverčia švaresniais, taupo laiką; gali būti šiek tiek vienodesni |
| Susitikimo užrašai + veiksmo elementų ištraukimas | Komandos vadovai, pardavimai, operacijos | Dažnai sujungiama | Užfiksuoja sprendimus, sumažina „dėl ko susitarėme??“ akimirkas 😵 |
| Klientų aptarnavimo atsakymų pasiūlymai | Palaikymo komandos | Naudojimo pagrindu | Pagreitina reagavimą, pagerina nuoseklumą – rizikinga, jei politika griežta |
| Skaičiuoklės ir duomenų „bendras pilotas“ | Analitikai, finansai, operacijos | Skiriasi | Puikiai tinka santraukoms + formulėms, kartais neteisingai supranta kontekstą (erzina) |
| Kodavimo asistentas | Inžinieriai, analitikai, mėgėjai programuotojai | Nemokamai mėnesiniam | Pagreitina standartinį darbą, padeda derinti, vis dar reikia žmogaus peržiūros |
| Automatizavimo kūrimo priemonė (DI + darbo eigos) | Operacijos, „RevOps“, įkūrėjai | Mėnesio viduryje | Sujungia įrankius ir sumažina pasikartojantį darbą; sąrankai reikia kantrybės |
| Žinių bazės klausimai ir atsakymai (vidiniai) | Didesnės komandos | Didesnė kaina | Padeda žmonėms greičiau rasti vidinius atsakymus – tik tiek geri, kiek geri duomenys |
Formatavimo keistenybės prisipažinimas: kainos yra sąmoningai neaiškios, nes realios kainos keičiasi, o žmonės ginčijasi, ką reiškia „verta“. Abu teiginiai yra teisingi.
8) Įgūdžiai, kurie „sustiprėja“, kai dirbtinis intelektas yra visur 📚⚙️
Jei norite trumpo įgūdžių, kurie išlieka vertingi net ir keičiantis įrankiams, sąrašo, lažinčiausi už šiuos (remdamasis daugybe praktinių stebėjimų ir tuo, kas nuosekliai veikia komandose): Pasaulio ekonomikos forumas
Sprendimas ir kritinis mąstymas 🧠
-
blogų prielaidų pastebėjimas
-
prašant tinkamo tolesnio veiksmo
-
atpažinti, kada rezultatas yra tikėtinas, bet neteisingas
Aiškus bendravimas 🗣️
-
aiškiai rašant sprendimus
-
kompromisų paaiškinimas
-
versti techninius dalykus netechniniams žmonėms
Sisteminis mąstymas 🔁
-
suprasti darbo eigą nuo pradžios iki galo
-
kliūčių nustatymas
-
tobulinti procesą, o ne tik rezultatus
Suinteresuotųjų šalių empatija 🤝
-
žinojimas, ko žmonėms iš tikrųjų reikia
-
susidoroti su pasipriešinimu nebūnant trūkčiojančiam
-
suvienyti komandas, kurios nori skirtingų dalykų
Įrankių išmanymas (ne įrankių manija) 🧰
Sužinokite:
-
kaip efektyviai raginti
-
kaip įvertinti rezultatus
-
kaip integruoti dirbtinį intelektą į savo darbo eigą BLS
Netapk žmogumi, kuris kalba tik apie įrankius. Niekas tokio žmogaus nekviečia pietų. (Gerai, kartais nekviečia, bet supranti, ką turiu omenyje) 🍜
9) Kaip naudoti dirbtinį intelektą netapant pakeičiama dalimi 😬➡️😎
Tai rimta problema. Nes yra spąstai: jei dirbtinį intelektą naudosite tik tam, kad greičiau atliktumėte lengviausius darbus, galite netyčia pateikti savo vaidmenį, kuris atrodys paprastesnis, nei yra iš tikrųjų.
Vietoj to išbandykite šias strategijas:
Būkite rezultatų „savininku“
Užuot „Sukūriau 10 variantų“, pereikite prie:
-
„Pasirinkau geriausią variantą pagal X“
-
„Aš tai patvirtinau pagal Y apribojimus“
-
„Aš tai išbandžiau su Z vartotojų grupe“
Nuosavybė yra nestabili. Rezultatai yra nepastovūs.
Dokumentuokite savo procesą
Užsirašykite:
-
ką tu padarei
-
kodėl tu tai padarei
-
kas pasikeitė
-
ko išmokai
Tai apsaugo jus nuo pokalbių „bet kas galėtų tai padaryti“.
Tapk tiltu tarp dirbtinio intelekto ir realybės 🌍
Realybė apima:
-
politika
-
prekės ženklo balsas
-
kliento niuansas
-
teisiniai apribojimai
-
komandos politika (taip, politika – ne vyriausybinė)
Dirbtinis intelektas natūraliai nesusitvarko su ta netvarka. Tai daro žmonės.
Sukurti specialybę, kurią dirbtinis intelektas palaiko, bet nepakeičia
Pavyzdžiai:
-
atitikties reikalavimus atitinkanti rinkodara
-
sveikatos priežiūros operacijos (didelio konteksto)
-
kibernetinio saugumo analizė (didelių statymų)
-
įmonės pardavimų strategija (daug dėmesio skiriama santykiams)
-
produktų valdymas (kompromisai ir suderinimas)
Taigi, dar kartą, kaip dirbtinis intelektas veikia darbo vietas? Kartais priversdamas jus kilti vertės grandinėje aukštyn... net jei to neprašėte.
10) Kokias klaidas daro darbdaviai (ir ką vietoj to daro sumanios komandos) 🏢🛠️
Jei vadovaujate žmonėms arba kuriate komandas, dirbtinis intelektas gali būti dovana arba lėtas galvos skausmas.
Dažniausios klaidos:
-
Įrankių diegimas be mokymų
-
matuoti „veiklą“, o ne rezultatus
-
darant prielaidą, kad dirbtinio intelekto išvestys yra automatiškai priimtinos
-
darbuotojų skaičiaus mažinimas prieš pertvarkant darbo eigą
-
ignoruojant moralės smūgį, kai žmonės jaučiasi pakeičiami
Protingesni judesiai:
-
apibrėžti, kur dirbtinis intelektas leidžiamas, o kur ne
-
sukurti peržiūros standartus (kaip atrodo „geras“)
-
investuoti į mokymus ir vidines strategijas
-
priskirti kokybės ir rizikos stebėsenos atsakomybę
-
apdovanojimų proceso patobulinimai, ne tik greitis Pasaulio ekonomikos forume
Dar vienas dalykas: jei norite įsivaikinti, negėdinkite atsargių žmonių. Atsargumas gali būti išmintis. Arba baimė. Paprastai abu 😅.
11) Trumpi DUK: klausimai, kuriuos žmonės šnabždasi susitikimuose 🤫
„Ar dirbtinis intelektas atims mano darbą?“
Tai gali sugriauti dalis. Geriausia jūsų gynyba – tapti žmogumi, kuris:
-
gerai naudoja dirbtinį intelektą
-
teisingai patikrina
-
supranta verslo kontekstą
-
gali koordinuoti žmones TVF
„Ar pakanka išmokti dirbtinio intelekto įrankių?“
Ne. Įrankiai keičiasi. Pagrindai išlieka. Taip, mokykitės įrankių, bet susiekite juos su tokiais įgūdžiais kaip sprendimų priėmimas, sisteminis mąstymas ir bendravimas.
„O kas, jei aš nekenčiu dirbtinio intelekto?“
Tau nebūtina jo mylėti. Tiesiog reikia su juo palaikyti darbinius santykius. Kaip su tuo bendradarbiu, kuris erzina, bet yra patogus.
„Koks saugiausias karjeros kelias?“
Niekas nėra visiškai saugu. Tačiau pareigos, susijusios su dideliu kontekstu, pasitikėjimu, atsakomybe ir žmogiškaisiais santykiais, paprastai yra atsparesnės. McKinsey OECD
12) Baigiamoji santrauka – taigi, kaip dirbtinis intelektas veikia darbo vietas? ✅🤖
Dirbtinis intelektas nėra vienkartinis įvykis. Tai laipsniškas užduočių, lūkesčių ir darbo eigų pertvarkymas. Kai kurie vaidmenys mažėja, kai kurie plečiasi, daugelis vystosi. Pasaulio ekonomikos forumas TVF
Žmonės, kuriems paprastai sekasi geriausiai:
-
Elkitės su DI kaip su bendradarbiu, o ne kaip su stebuklinga lazdele 🪄
-
išmokite tikrinti ir redaguoti, o ne tik generuoti
-
priartėti prie sprendimų priėmimo ir atsakomybės
-
kaupti įgūdžių rinkinį, užuot vaikiusis vienos tendencijos
-
dokumento poveikis ir rezultatai
O jei vis dar klausiate, kaip dirbtinis intelektas veikia darbo vietas? štai trumpa santrauka:
Dirbtinis intelektas apdovanoja prisitaikomumą, aiškų mąstymą ir atskaitomybę – ir baudžia už pasikartojimą, kuris nėra susietas su vertinimu. „OpenAI BLS“
Ne visada teisinga. Ne visada smagu. Bet įgyvendinama... ir kartais net įdomu 😄.
DUK
Kaip dirbtinis intelektas veikia kasdienį biuro darbą?
Daugumoje darboviečių dirbtinis intelektas nepakeičia ištisų darbų per naktį – jis pakeičia užduočių dalis. Tai dažniausiai pasireiškia greitesniais pirmaisiais juodraščiais, greitesnėmis santraukomis ir labiau automatizuotu administratoriaus darbu. Laikui bėgant, daugelis vaidmenų pereina prie peržiūros, tikrinimo ir galutinio sprendimo priėmimo. Daugiausia laimi tie, kurie išmoksta valdyti dirbtinio intelekto rezultatus, o ne traktuoja įrankius kaip foninį triukšmą.
Kurioms darbo vietoms dirbtinis intelektas daro didžiausią įtaką ir kodėl?
Labiausiai nukenčia darbo vietos, kai didelė darbo dalis yra nuspėjama, paremta tekstu arba daug šablonų – pagalvokite apie įprastą ataskaitų teikimą, šabloninius el. laiškus, pagrindines tyrimų santraukas ir duomenų klasifikavimą. Tai nebūtinai reiškia, kad vaidmuo išnyksta, bet pasikeičia „svorio centras“. Labiau izoliuotos užduotys paprastai reikalauja daug statymų reikalaujančių sprendimų, subtilių žmonių sąveikos elementų, pasitikėjimo ir sudėtingumo vietoje.
Ar dirbtinis intelektas atims mano darbą, ar tik jo dalis?
Dažnas rezultatas yra tas, kad dirbtinis intelektas perima dalį darbo – dažnai pasikartojantį „pirmojo etapo“ darbą – o žmonės išlaiko sprendimų, kraštutinių atvejų ir atskaitomybės atsakomybę. Rizika ta, kad jei 20–40 % užduočių išnyksta, kai kurios komandos sumažina darbuotojų skaičių, užuot pertvarkiusios darbo eigą. Saugesnė pozicija yra tapti asmeniu, kuris gerai naudoja dirbtinį intelektą, griežtai tikrina ir supranta verslo kontekstą.
Kodėl pradinio lygio vaidmenys taip keičiasi dėl dirbtinio intelekto?
Daugelis pradinio lygio pareigų istoriškai egzistavo tam, kad būtų galima tvarkyti pirmuosius juodraščius, įprastus užsakymus ir įtemptą, bet būtiną apdorojimą. Dirbtinis intelektas dabar gali atlikti dalį šių užduočių, todėl įmonės gali samdyti mažiau jaunesniųjų specialistų arba perkelti jaunesniųjų specialistų darbą į kokybės užtikrinimą, koordinavimą ir įrankiais pagrįstus darbo eigą. Tai gali sukurti „nulaužtų kopėčių“ efektą, kai yra mažiau įėjimo taškų ir didesni lūkesčiai nuo pirmos dienos. Karjeros pradžioje dažnai reikia praktinių gebėjimų įrodymų anksčiau nei anksčiau.
Kokias naujas darbo vietas sukuria dirbtinis intelektas, kurių žmonės nepastebi?
Be efektingų pavadinimų, augimas dažnai matomas ir dirbtinio intelekto operacijose, darbo eigų projektavime, kokybės vertinime ir žmogaus dalyvaujamoje peržiūroje. Komandoms taip pat reikalingas duomenų valdymas, saugumo ir atitikties priežiūra bei vidiniai mokymai, kad įrankiai būtų diegiami be informacijos nutekėjimo ar išvengiamų klaidų. Žmonės, kurie gali parašyti aiškias vidines gaires ir vadovėlius, tampa stebėtinai vertingi. Kažkas turi paversti „dirbtinio intelekto naudojimą“ saugiu, kartojamu procesu.
Koks yra realus, dirbtiniam intelektui atsparus karjeros planas (nevaikant trumpalaikės mados)?
Tvirtas planas atrodo kaip įgūdžių rinkinio kūrimas: srities žinios, įrankių valdymas, bendravimas, sprendimų priėmimas ir patikimumas. Priartėkite prie sprendimų – apibrėžkite tikslus, nustatykite apribojimus, rinkitės kompromisus ir prisiimkite atsakomybę už rezultatus. Įrodykite darbo rezultatus, pavyzdžiui, sutaupytą laiką, sumažintas klaidų skaičius ir patobulintus procesus. Nepakankamai įvertinta supergalia yra patikrinimas: haliucinacijų, praleistų kraštutinių atvejų ir neteisingų skaičių pastebėjimas.
Kaip naudoti dirbtinį intelektą darbe netapdamas pakeičiama dalimi?
Jei DI naudosite tik tam, kad greičiau atliktumėte lengviausius darbus, galite netyčia sudaryti įspūdį, kad jūsų vaidmuo paprastesnis. Pereikite prie atsakomybės jausmo: paaiškinkite, ką pasirinkote, kodėl tai pasirinkote ir kaip tai patvirtinote. Dokumentuokite savo procesą, kad nebūtų taikoma nuostata „kiekvienas galėtų tai padaryti“. Tapkite tiltu tarp DI ir praktinių apribojimų, tokių kaip politika, prekės ženklo balsas, klientų niuansai ir teisinė rizika.
Kokie įgūdžiai labiausiai išryškėja, kai dirbtinis intelektas yra visur?
Sprendimai ir kritinis mąstymas susipina, nes dirbtinis intelektas gali pateikti įtikimą rezultatą, kuris vis tiek yra klaidingas. Aiškus bendravimas yra svarbesnis, nes komandoms reikia aiškiai suformuluotų sprendimų ir kompromisų. Sisteminis mąstymas padeda tobulinti darbo eigą nuo pradžios iki galo, o ne tik pagreitinti vieną žingsnį. Įrankių išmanymas taip pat padeda, bet ne per didelis įrankių naudojimas; ilgalaikis pranašumas yra žinojimas, kaip atsakingai skatinti, vertinti ir integruoti dirbtinį intelektą.
Kokias klaidas darbdaviai dažnai daro diegdami dirbtinio intelekto įrankius?
Dažna klaida – diegti įrankius be mokymų, peržiūros standartų ar aiškių ribų, kur dirbtinis intelektas leidžiamas. Kai kurios komandos sumažina darbuotojų skaičių prieš pertvarkydamos darbo eigas, todėl susiduria su kokybės ir moralės problemomis. Stipresnės komandos apibrėžia apsauginius barjerus, „kaip atrodo geras sprendimas“, investuoja į veiksmų planus ir priskiria atsakomybę už stebėsenos riziką. Įdiegimas pagerėja, kai atsargumas laikomas vertingu, o ne pasipriešinimu.
Nuorodos
-
Tarptautinė darbo organizacija (TDO) – ilo.org
-
Tarptautinė darbo organizacija (TDO) – ilo.org
-
Ekonominio bendradarbiavimo ir plėtros organizacija (EBPO) – oecd.org
-
Ekonominio bendradarbiavimo ir plėtros organizacija (EBPO) – oecdskillsandwork.wordpress.com
-
Nacionalinis ekonominių tyrimų biuras (NBER) – nber.org
-
Tarptautinis valiutos fondas (TVF) – imf.org
-
Tarptautinis valiutos fondas (TVF) – imf.org
-
Pasaulio ekonomikos forumas – 2023 m. ataskaita apie darbo vietų ateitį – weforum.org
-
Pasaulio ekonomikos forumas – Darbo vietų ateities ataskaita 2025 m.: įgūdžių perspektyvos – weforum.org
-
OpenAI – GPT yra GPT – openai.com
-
„McKinsey & Company“ – mckinsey.com
-
JAV darbo statistikos biuras (BLS) – Naujųjų technologijų poveikio darbo rinkai vertinimas – bls.gov
-
JAV darbo statistikos biuras (BLS) – dirbtinio intelekto poveikio įtraukimas į BLS užimtumo prognozes – bls.gov