Hvordan Generative AI Øger Produktiviteten for Videnarbejdere

De seneste uafbrudte og innovative teknologiske fremskridt er ledt af domæner som kunstig intelligens (AI), robotteknologi, blockchain og programmerbar biologi. Disse teknologier revolutionerer detailhandel, bilindustri, finans, fremstilling og mange andre industrier på både makro- og mikroniveau.

AI, især generative AI, ændrer livsstilen og daglige opgaver for videnarbejdere – personer, der er fageksperter med formel uddannelse og træning. Dette er tydeligt i fag som programmering, design, ingeniørarbejde og skrivning, hvor generative AI har forbedret produktiviteten for videnarbejdere.

Men hvad er generative AI nøjagtig, og hvad gør den kritisk for videnarbejdere? Lad os udforske denne idé nærmere! 

Hvad er Generative AI?

Generative AI skaber ny indhold som tekst, video, lyd og billeder automatisk ved hjælp af AI-algoritmer baseret på menneskeskrevne prompts. 

Nogle af de mest fremtrædende AI-genereringsværktøjer og -produkter inkluderer:

• ChatGPT – Udviklet af OpenAI, er ChatGPT en intelligent AI-chatbot, der kan levere ekstremt detaljerede og personlige svar baseret på brugerprompts.
• DALL-E 2, Stable Diffusion og Midjourney – Disse er AI-drevne billedgenereringsværktøjer.
• Meta – Dette er et AI-drevet videogenereringsværktøj, der tillader brugere at generere videoer fra tekstprompts.
• Codex – Det ermöglicer programmerne at generere kode i flere programmeringssprog på få sekunder.

Lad os nu se, hvordan generative AI påvirker videnarbejdere!

Forstå, hvordan Generative AI Øger Produktiviteten for Videnarbejdere fra Forskellige Domæner

Ifølge ARK’s Big Ideas 2023-rapport forventes AI at øge produktiviteten for videnarbejdere mere end 4-dobbelt inden 2030. Rapporten foreslår også, at med 100% adoption kunne AI bringe omkring 200 billioner dollar i form af arbejdsproduktivitet efter en samlet AI-udgift på 31 billioner dollar. Hvis leverandører kan udtrække blot 10% af værdien, der skabes af deres AI-baserede produkter, kan de indsamle næsten 14 billioner dollar i omsætning og 90 billioner dollar i virksomheds værdi i 2030.

AI-markedsprognose for 2030. Kilde: ARK’s Big Ideas 2023

Lad os se nærmere på, hvordan AI-genereringsværktøjer bidrager til at øge produktiviteten for indholdsskribenter, udviklere og kunstnere.

1. Videnarbejdere: Indholdsskribenter og Redaktører

Moderne virksomheder har brug for godt forskede og dygtigt skabt indhold for at tiltrække publikum. Det er her, hvor generative AI gør jobbet lettere for indholdsskribenter og redaktører.

Med opkomsten af intelligente chatbots som ChatGPT bliver indholdsskabelse mere og mere let og økonomisk. Ifølge ARK’s Big Ideas 2023-rapport koster ChatGPT’s per forespørgsel omkring 0,01 dollar i 2022. For en milliard forespørgsler bliver den samlede slutningsomkostning 10 millioner dollar. Inden 2030 forventes denne omkostning at falde til blot 650 dollar, baseret på Wright’s lov. 

En omkostningsnedgang af denne størrelsesorden ville kunne muliggøre en massiv adoption af AI-indholdsværktøjer. For eksempel forventes ChatGPT-lignende applikationer inden 2030 at matche Google Søgnings skala og bearbejde 8,5 milliarder søgninger dagligt. Derfor vil det blive lettere for videnarbejdere inden for indholdsdommen at udnytte generative AI i daglige opgaver.

2. Videnarbejdere: Softwareingeniører og Udviklere

Givet de komplekse og lange softwareudviklingscykler kræver det at styre og implementere software en dedikeret gruppe af dygtige udviklere og programmører. Generative AI-kodningsværktøjer som Codex og Copilot gør softwareudvikling lettere og mere produktiv for videnarbejdere. 

Faktisk siger ARK’s Big Ideas 2023-rapport, at AI-kodningsassistenter reducerer tiden til at fuldføre en kodningsopgave med halvdelen. Inden 2030 kunne AI-kodningsassistenter øge softwareingeniørernes output 10-dobbelt.  

Tid til at fuldføre kodningsopgaver. Kilde: ARK’s Big Ideas 2023

3. Videnarbejdere: Visuelle Kunstnere og Designere

En anden gruppe af videnarbejdere, der er kategoriseret som kunstnere og designere, påvirkes også af generative AI. Deres opgaver omfatter normalt at skabe visuelle koncepter, grafik, illustrationer og kreative brugergrænseflader ved hjælp af designværktøjer som Adobe Photoshop, Illustrator og Canva for at levere rigtige brugeroplevelser. 

Med banebrydende generative billedmodeller som DALL-E2, Stable Diffusion og Midjourney er produktiviteten for designere øget enormt. For eksempel kan grafisk design, der er lavet af mennesker på 5 timer og koster 150 dollar, nu lavet på under 1 minut for 8 cent ved hjælp af generative billedmodeller. 

4. Videnarbejdere: Musikere og Lydteknikere

Generative AI gør det lettere at komponere og mikse en musiktrack. For eksempel er Google’s AudioLM en generativ audio-model, der kan lave realistisk pianomusik og fuldføre ufuldstændige akustiske toner. Google har også udviklet en musikgenereringsmodel kaldet MusicLM, der kan generere smukke melodier baseret på tekstbeskrivelser.

Tilbage i 2020 introducerede Open AI et lignende musikgenereringsværktøj kaldet Jukebox, der genererer et nyt musiksample baseret på genre, kunstner og tekst som input. Tidligere havde Open AI også udgivet en GPT-2-baseret MuseNet-model, der kan generere 4-minutters musikkompositioner ved hjælp af 10 instrumenter.

Selvom generative audio-modeller er i deres spæde barsel, vil muligheden for at øge produktiviteten for musikere og lydteknikere kun vokse hvert år med bedre generative AI-musikværktøjer.

5. Videnarbejdere: YouTubere og Videoindholdsskabere

Videoindhold er på fremmarch. Der var omkring 51 millioner YouTube-kanaler i 2022. Produktionen af videoindhold går gennem flere faser, herunder optagelse, redigering, tilføjelse af illustrationer og lyde samt for- og efterproduktion.

Generative AI-videoplatforme gør videoindholdsgenerering lettere for videnarbejdere. Værktøjer som Synthesia.io og Pictory gør video-generation lettere for video-markedsførere og branding-eksperter. Disse avancerede AI-platforme tillader indholdsskabere at lave videoer fra manuskripter. De kan tilføje en fortæller og en video-baggrund for at lave professionelt udseende videoer baseret på disse manuskripter.

I september 2022 udgav Meta AI Make-A-Video-platformen, der kan generere højkvalitetsvideoer baseret på tekstprompts. Den blev trænet på offentligt tilgængelige datasæt for at lære video-mønstre. Den 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 Generative AI for Videnarbejdere

Lad os se på de forskellige fordele og ulemper, som generative AI præsenterer for videnarbejdere.

Fordele ved Generative AI for Videnarbejdere

1. Syntetisk Data-Generation: Træning af innovative AI-modeller kræver store mængder af datasæt, og generative AI kan løse dette problem. Ifølge 10% af all data produceret i 2025 sammenlignet med 1% i 2023. Derfor behøver datavidenskabsfolk og AI-eksperter ikke at stå over for udfordringerne i forbindelse med dataindsamling. 
2. Lav Omkostning: Gartner forudser, at omkring 50% af lavkode/ingenkodes udviklingsplatforme vil tilbyde “tekst til kode”-funktion inden 2024. For udviklere betyder dette mere funktioner med mindst mulig indsats og omkostning. 

Ulemper ved Generative AI for Videnarbejdere

1. Syntetisk Indhold-Detektion: Selvom generative AI øger produktiviteten, vil problemet med at detektere generative AI-indhold og skelne det fra andet indhold blive en alvorlig bekymring i forskning og akademiske kredse. Inden 2024 vil Den Europæiske Union vedtage lovgivning, der kræver “vandmærkning” af AI-genererede artefakter.
2. Arbejdsløshed: Udviklere kan stå over for arbejdsløshed, hvis generative AI bliver “for” intelligent. Gartner forudser, at inden 2025 vil 20% af procedurkode-fagfolk skulle tilegne sig nye færdigheder, fordi generative AI vil overtage deres kernefærdighedsområde. 

Omkostningerne ved at Bygge Generative AI-Modeller

Generative AI er langt den mest innovative gren af AI. For øjeblikket er omkostningerne ved at træne en generativ AI-model høj, men gradvist faldende. For eksempel er den estimerede omkostning ved at træne GPT-3 var 4,6 millioner dollar i 2020. I 2022 er den faldet til 450.000 dollar.

Omkostning ved at træne GPT-3. Kilde: ARK’s Big Ideas 2023

Den ARK’s Big Ideas 2023-rapport forudser, at inden 2030 kunne AI-modeller med 57 gange flere parametre end GPT-3 (175 mia. parametre) trænes for blot 600.000 dollar. Dette vil være muligt takket være faldende omkostninger ved at træne AI-modeller. Wright’s lov foreslår, at AI-relativ beregningsenhed (RCU) produktionsomkostninger og softwareomkostninger burde falde med 57% og 47% årligt, hvilket resulterer i en 70% fald i træningsomkostninger årligt indtil 2030. 

AI-træningshardwareomkostning. Kilde: ARK’s Big Ideas 2023.

Hold dig opdateret med alle de innovative AI-teknologier på unite.ai.