Hvordan generativ kunstig intelligens øger produktiviteten hos vidensarbejdere

De seneste uophørlige og innovative teknologiske fremskridt ledes af domæner som kunstig intelligens (AI), robotteknologi, blockchain og programmerbar biologi. Disse teknologier revolutionerer detail-, bil-, finans-, fremstillings- og mange flere industrier på både makro- og mikroniveau.

AI, især generativ AI, transformerer vidensarbejderes livsstil og daglige opgaver – personer, der er fageksperter med formel uddannelse og træning. Helt tydeligt i erhverv som programmering, design, ingeniørarbejde og skrivning har generativ kunstig intelligens øget produktiviteten hos vidensarbejdere.

Men hvad er generativ AI helt præcist, og hvad gør den kritisk for vidensarbejdere? Lad os udforske denne idé mere! 

Hvad er Generativ AI?

Generativ AI skaber nyt indhold såsom tekst, video, lyd og billede automatisk ved hjælp af AI-algoritmer, baseret på menneskeskrevne prompter. 

Nogle af de mest fremtrædende værktøjer og produkter til AI-generering inkluderer:

• ChatGPT – ChatGPT er udviklet af OpenAI og er en intelligent AI-chatbot, der er i stand til at give ekstremt detaljerede og personlige svar baseret på brugerprompts.
• DALL-E2, Stabil diffusion, & midt på rejsen – Disse er AI-drevne billedgenereringsværktøjer.
• Meta – Dette er et AI-drevet videogenereringsværktøj, der giver brugerne mulighed for at generere videoer fra tekstuelle prompter.
• Codex – Det gør det muligt for programmører at generere kode på flere programmeringssprog inden for få sekunder.

Lad os nu se, hvordan generativ kunstig intelligens påvirker vidensarbejdere!

Forståelse af, hvordan generativ kunstig intelligens øger produktiviteten hos vidensarbejdere fra forskellige domæner

Ifølge ARKs store ideer 2023 rapport, forventes AI at øge produktiviteten for vidensarbejdere mere end 4-doblet i 2030. Rapporten antyder også, at med 100 % adoption kan AI indbringe omkring 200 billioner dollars i form af arbejdsproduktivitet efter et samlet AI-forbrug på 31 billioner USD . Hvis leverandører kun kan udvinde 10 % af den værdi, der skabes af deres AI-baserede produkter, kan de indsamle næsten 14 billioner USD i omsætning og 90 billioner USD i virksomhedsværdi i 2030.

AI-markedsprognose for 2030. Kilde: ARKs store ideer 2023

Lad os se i detaljer, hvordan AI-generatorværktøjer bidrager til at øge produktiviteten for indholdsforfattere, udviklere og kunstnere.

1. Videnarbejdere: Indholdsforfattere og -redaktører

Moderne virksomheder har brug for gennemarbejdet og dygtigt udformet indhold for at tiltrække publikum. Det er her, generativ AI gør arbejdet for indholdsforfattere og -redaktører nemmere.

Med fremkomsten af ​​intelligente chatbots såsom ChatGPT bliver indholdsskabelse stadig nemmere og mere økonomisk. Ifølge ARKs store ideer 2023  rapport, ChatGPT's per forespørgselsslutning, koster omkring 0.01 USD i 2022. For en milliard forespørgsler bliver den samlede slutningsomkostning 10,000,000 USD. I 2030 forventes denne omkostning at skrumpe til kun $650, baseret på Wrights lov. 

Et omkostningsfald af denne størrelsesorden ville muliggøre masseadoption af AI-indholdsværktøjer. For eksempel forventes ChatGPT-lignende applikationer i 2030 at matche Google Searchs skala og behandle 8.5 milliarder søgninger dagligt. Derfor bliver det nemmere for vidensmedarbejdere i indholdsdomænet at udnytte generativ AI i hverdagens opgaver.

2. Videnarbejdere: Softwareingeniører og -udviklere

I betragtning af de komplekse og lange softwareudviklingscyklusser kræver administration og implementering af software et team af dedikerede, dygtige udviklere og programmører. Generative AI-kodningsværktøjer som Codex og CoPilot gør softwareudvikling lettere og mere produktiv for vidensarbejdere. 

I virkeligheden, ARKs store ideer 2023 rapport angiver, at AI-kodningsassistenter reducerer tiden til at fuldføre en kodningsopgave med det halve. I 2030 kunne AI-kodningsassistenter øge outputtet fra softwareingeniører med 10 gange.  

Tid til at fuldføre kodningsopgaver. Kilde: ARKs store ideer 2023

3. Videnarbejdere: Billedkunstnere & designere

En anden gruppe af vidensarbejdere kategoriseret som kunstnere og designere er også påvirket af generativ AI. Deres opgaver omfatter normalt at skabe visuelle koncepter, grafik, illustrationer og kreative brugergrænseflader ved hjælp af designværktøjer som Adobe Photoshop, Illustrator og Canva til at levere rige brugeroplevelser. 

Med banebrydende generative billedmodeller ligesom DALL-E2, Stable Diffusion og Midjourney, er produktiviteten hos designere steget enormt. For eksempel kan grafiske designs lavet af mennesker på 5 timer og koster $150 nu nemt laves i under et minut for 8 cents ved hjælp af generative billedmodeller. 

4. Vidensarbejdere: Musikere og lydteknikere

Generativ AI gør det meget nemmere at komponere og mixe et musiknummer. For eksempel Googles AudioLM er en generativ lydmodel, der laver realistisk klavermusik og fuldender ufuldstændige akustiske toner. Google har også udviklet en musikgenerationsmodel ved navn MusicLM der kan generere smukke melodier baseret på tekstbeskrivelser.

Tilbage i 2020 introducerede Open AI et lignende musikgenereringsværktøj kendt som Jukebox der genererer en ny musikprøve baseret på genre, kunstner og tekster som input. Tidligere har Open AI også udgivet en GPT-2-baseret MuseNet model, som kan generere 4-minutters musikalske kompositioner ved hjælp af 10 instrumenter.

Selvom generative lydmodeller er i deres begyndende fase, vil pladsen til at øge produktiviteten for musikere og lydteknikere kun vokse hvert år med bedre generative AI-musikværktøjer.

5. Videnarbejdere: Youtubere og skabere af videoindhold

Videoindhold boomer. Der var nogenlunde 51 millioner YouTube-kanaler i 2022. Produktionen af ​​videoindhold går gennem flere stadier, herunder optagelse, redigering, tilføjelse af illustrationer og lyde samt præ- og efterproduktion.

Generative AI-videoplatforme letter generering af videoindhold for vidensarbejdere. Værktøjer som Synthesia.ioog Pictory, gør videogenerering lettere for videomarketingfolk og brandingeksperter. Disse avancerede AI-platforme giver indholdsskabere mulighed for at lave videoer ud fra scripts. De kan tilføje en fortæller og en videobaggrund for at lave professionelt udseende videoer baseret på disse scripts.

I september 2022 udkom Meta AI Lav en video platform, der kan generere videoklip i høj kvalitet baseret på tekstmeddelelser. Det blev trænet i offentligt tilgængelige datasæt for at lære videomønstre. Det kan skabe unikke videoer, der er fulde af farver, karakterer og landskaber.

At skabe mere kvalitetsindhold på kort tid vil øge produktiviteten for YouTubere og videoindholdsskabere i fremtiden.

Fordele og ulemper ved Generativ AI for vidensarbejdere

Lad os se på de forskellige fordele og ulemper, som generativ kunstig intelligens giver vidensarbejdere.

Fordele ved Generativ AI for vidensarbejdere

1. Syntetisk datagenerering: Træning af innovative AI-modeller kræver rigelige mængder af datasæt, og generativ AI kan løse dette problem. Efter sigende vil generativ AI stå for 10% af alle data produceret i 2025 sammenlignet med 1 % i 2023. Dataforskere og AI-eksperter behøver derfor ikke at stå over for udfordringerne i forbindelse med dataindsamling. 
2. Lave omkostninger: Gartner forudser det omkring 50% af lav-kode/no-code udviklingsplatforme vil give "tekst til kode" funktionalitet i 2024. For udviklere betyder dette flere funktioner med den mindste indsats og omkostninger. 

Ulemper ved Generativ AI for vidensarbejdere

1. Syntetisk indholdsdetektion: Selvom generativ AI øger produktiviteten, ville problemet med at opdage generativt AI-indhold og skelne mellem det blive et alvorligt problem i forskning og akademisk verden. Inden 2024 vil EU vedtage lovgivning, der giver mandat til "vandmærkning" af AI-genererede artefakter.
2. Arbejdsløshed: Udviklere kan stå over for arbejdsløshed, hvis generativ AI bliver "for" intelligent. Gartner forudser, at i 2025, 20% af professionelle inden for procedurekodekser ville skulle få nye færdigheder, fordi generativ AI vil overtage deres kernefærdighedssæt. 

Omkostningerne ved at bygge generative AI-modeller

Generativ AI er langt den mest innovative gren af ​​AI. I øjeblikket er omkostningerne ved at træne en generativ AI-model høje, men faldende gradvist. For eksempel anslået omkostningerne ved at træne GPT-3 var $4.6 millioner i 2020. I 2022 er de kommet ned til $450,000.

Pris for at træne GPT-3. Kilde: ARKs store ideer 2023

ARKs store ideer 2023 rapporten forudsiger, at AI-modeller med 2030 gange flere parametre end GPT-57 (3 B-parametre) i 175 kunne trænes for kun $600,000. Dette vil stort set være muligt på grund af faldende omkostninger til træning af AI-modeller. Wrights lov foreslår, at produktionsomkostninger for AI relative compute unit (RCU) og softwareomkostninger skal falde med 57 % og 47 % i årlige satser, hvilket resulterer i et fald på 70 % i uddannelsesomkostninger årligt indtil 2030. 

AI træningshardware omkostninger. Kilde: ARKs store ideer 2023.

Hold dig opdateret med alle de forstyrrende AI-teknologier på forene.ai.