Появление генеративных инструментов ИИ, особенно таких, как ChatGPT, Bing Copilot, Claude и Gemini, вызвало интенсивные дебаты в совещаниях, политических кругах и в беседах в кафе. предоставляет ориентированный на данные, основанный взгляд на то, как люди на самом деле используют эти инструменты и что это означает для будущего работы. Работа с ИИ: измерение профессиональных последствий генеративного ИИ, Исходя из более чем 200 000 анонимных разговоров с Microsoft Bing Copilot, авторы пытаются преодолеть шум и ответить на один критический вопрос: что люди делают с генеративным ИИ и как это отражается на рынке труда? Перейти за рамки спекуляций Большинство заголовков о ИИ и рабочих местах либо утопические, либо дистопические.Они часто опираются на интуицию или прогнозы на высоком уровне о том, какие работы «подвержены риску» без реальных поведенческих доказательств. Вместо того, чтобы спросить, что может сделать ИИ, он исследует, что люди уже делают с генеративными системами ИИ. Исследователи анализируют реальные взаимодействия пользователей, чтобы понять, какие задачи работники делегируют ИИ, насколько эффективно ИИ выполняет эти задачи, и что это означает для разных профессий. Результат является одним из первых эмпирических окон к быстро развивающемуся партнерству человека и ИИ. Ключевые факты на один взгляд ИИ широко используется для задач, связанных с сбором и написанием информации. ИИ лучше всего выполняет языкоемкие, полуструктурированные задачи. Существует сильная корреляция между видами задач, в которых хорошо работает ИИ, и теми, которые имеют центральное значение для высокооплачиваемой работы с знаниями. Работники не просто заменяют задачи — они экспериментируют, расширяют и переделывают то, как они работают. Задачи, которые люди на самом деле делают с AI В статье указывается, что большинство случаев использования ИИ попадают в две широкие категории. Сбор информации – например, исследования, резюме, сравнения Создание контента – например, написание электронных писем, составление документов, идеи Эти категории перекрываются с основной деятельностью многих ролей в экономике знаний, включая консультантов, маркетологов, аналитиков, юристов и исследователей. Интересно, что пользователи с большей вероятностью будут использовать ИИ для разведки, чем для исполнения.Многие просьбы были открытыми или направлены на мозговую бурю, что свидетельствует о том, что ИИ в настоящее время используется меньше для автоматизации и больше как партнер когнитивного спарринга. Насколько хорошо он выполняет? Авторы выходят за рамки частоты использования и вводят новую метрику: «покрытие задач».Это измеряет не только то, как часто выполняется задача с ИИ, но и то, насколько хорошо система выполняет эту задачу на основе показателей взаимодействия пользователей и прокси удовлетворенности. Итоговый результат ? ИИ лучше всего выполняет структурированные или полуструктурированные языковые задачи. Подумайте о составлении электронных писем, подведении итогов документов или создании первых предложений.Задачи, требующие здравого смысла, доменного опыта или точного количественного суждения, ухудшаются. ИИ лучше всего выполняет структурированные или полуструктурированные языковые задачи. Подумайте о составлении электронных писем, подведении итогов документов или создании первых предложений.Задачи, требующие здравого смысла, доменного опыта или точного количественного суждения, ухудшаются. Этот нюанс имеет значение.Он показывает, что ИИ не просто заменяет людей прямо (все еще).Вместо этого он переключается на конкретные подзадачи, иногда в рамках одной и той же работы, и преобразует рабочие процессы один слой за раз. Профессиональная линза: кто пострадал? Чтобы перевести эти данные на уровне задач в влияние на рынок труда, исследователи перекрестили их с O*NET, или подробной рабочей базой правительства США. Одним из самых важных выводов из статьи является то, что AI is disproportionately suited for high-wage, white-collar occupations. Роли такие как: Специалисты по маркетингу Консультанты по управлению Финансовые аналитики Юристы и паралегалы HR профессионалы Разработчики программного обеспечения (для генерации кода и документации) Все они разделяют задачи, которые ИИ уже выполняет в масштабе и с высокой эффективностью. Напротив, профессии, связанные с физическими манипуляциями, личным обслуживанием или ручным трудом (медики, электрики, работники по доставке) до сих пор остаются в значительной степени нетронутыми. В нашем последнем эпизоде подкаста мы обсуждали , где Стивен Бартлетт задал ключевой вопрос Джеффри Хинтону, широко известному как отец ИИ. The Diary Of A CEO Что бы вы сказали людям о своих карьерных перспективах в мире сверхинтеллекта? Что бы вы сказали людям о своих карьерных перспективах в мире сверхинтеллекта? Хинтон ответил: Поезд, чтобы стать водонагревателем Поезд, чтобы стать водонагревателем Возможно, пришло время перестать фиксироваться на подборе следующего топ-математика, инженера или врача и начать думать о том, как поднять лучшего водопроводчика или электрика. Аугментация против автоматизации: ложный бинарный? Популярный рассказ вокруг ИИ часто бинарный: либо он автоматизирует вашу работу, либо нет. Вместо этого мы видим непрерывность воздействия.Многие пользователи не просили ИИ заменить их работу, а ускорить ее. Составление отчета для уточнения позже Получение второго мнения по решению Brainstorming названия или углы презентации Создание очерков или шаблонов для повторяющихся задач Иными словами, ИИ действует как сопилот, а не пилот. . For now Но вот раздражение: если сопилот искусственного интеллекта может справиться с 30% вашей рабочей нагрузки сегодня, как долго до этого он сможет справиться с 70%? Что это значит для рабочей силы Авторы мудро воздерживаются от апокалиптических предсказаний.Вместо этого они предлагают четкий ответ: Генеративный ИИ уже пересматривает состав работы в рабочих местах. Generative AI is already reshaping the composition of work within jobs. Задачи разъединяются. Некоторые делегируются на ИИ, другие полностью переосмысляются. Дизайн работы – границы между ролями могут размываться.Один работник может решать задачи, которые раньше охватывали несколько отделов. Требования к навыкам - Коммуникация, критическое мышление и быстрая инженерия растут по стоимости. Неравенство - высокооплачиваемые работники могут видеть большее увеличение производительности (и давления), в то время как низкооплачиваемые работники могут столкнуться с более медленным нарушением, но меньше инструментов производительности. Этические и политические вызовы В статье отмечается, что традиционные рамки автоматизации (которые полагаются на постепенное распространение в течение лет или десятилетий) здесь не применяются. Облачная база Свободно доступны немедленно полезны еженедельное обновление Это создает проблему измерения: как вы регулируете или направляете что-то, что развивается быстрее, чем могут реагировать институты? Авторы призывают к большему обмену данными о поведении в режиме реального времени (анонимизированным и сохраняя конфиденциальность) от поставщиков платформ. Последствия для компаний и работников Трансформация ИИ больше не является теоретической, она происходит в живых рабочих процессах, часто под радаром. Аудит рабочих процессов: выявить высокочастотные задачи, которые перекрываются текущими сильными сторонами ИИ. Подготовка к увеличению: научите сотрудников сотрудничать с ИИ, а не сопротивляться ему. Перепроектирование рабочих мест: Вместо того, чтобы устранять роли, разделите их на совместимые с ИИ и человеко-ориентированные подзадачи. Мониторинг доли: убедитесь, что увеличение производительности, основанное на ИИ, не накапливается в верхней части. Будущее принадлежит тем, кто умеет задавать правильные вопросы в области ИИ, а не только тем, кто боится, что его заменят. Заключение: Переход, а не переход... на данный момент Исследование Microsoft AI предлагает нюансы, основанные на доказательствах, о том, как генеративный ИИ влияет на работу сегодня; не в теории, а в действии. Вместо этого он предлагает что-то более полезное: a map of what’s actually happening and a preview of what’s to come. В мире, все более сформированном ИИ, эта статья напоминает нам, что работа - это не статический список обязанностей, а динамичное переговоры между человеческим находчивостью и технологическими возможностями. Независимо от того, закончится ли эта трансформация массовым устареванием или умным, более справедливым миром труда, будет меньше зависеть от того, что может сделать технология, а больше от того, что мы выбираем делать с ней. Читайте полную статью: здесь
