Hvordan Generative AI Øker Produktiviteten til Kunnskapsarbeidere

De nyeste uavbrutte og innovative teknologiske fremstøtene ledes av domener som kunstig intelligens (AI), robotikk, blockchain og programmerbar biologi. Disse teknologiene revolusjonerer detaljhandel, bilindustri, finans, produksjon og mange andre industrier på både makro- og mikronivå.

AI, spesielt generative AI, transformerer livene og daglige oppgaver til kunnskapsarbeidere – personer som er fageksperter med formell utdanning og trening. Dette er tydelig i yrker som programmering, design, ingeniørvitenskap og skriving, hvor generative AI har økt produktiviteten til kunnskapsarbeidere.

Men hva er generative AI egentlig, og hva gjør det kritisk for kunnskapsarbeidere? La oss utforske denne ideen nærmere! 

Hva er Generative AI?

Generative AI skaper nytt innhold som tekst, video, lyd og bilde automatisk ved hjelp av AI-algoritmer, basert på menneskeskrevne promter. 

Noen av de mest fremtredende AI-genereringsverktøyene og -produktene inkluderer:

• ChatGPT – Utviklet av OpenAI, er ChatGPT en intelligent AI-chatbot som kan gi ekstremt detaljerte og personlige svar basert på brukerens promter.
• DALL-E 2, Stable Diffusion, & Midjourney – Disse er AI-drevne bildegenereringsverktøy.
• Meta – Dette er et AI-drevet video-genereringsverktøy som lar brukerne generere videoer fra tekstpromter.
• Codex – Det muliggjør for programmere å generere kode i flere programmeringsspråk innen få sekunder.

La oss nå se hvordan generative AI påvirker kunnskapsarbeidere!

Forstå hvordan Generative AI Øker Produktiviteten til Kunnskapsarbeidere fra Forskjellige Domener

Ifølge ARK’s Big Ideas 2023-rapporten, forventes AI å øke produktiviteten til kunnskapsarbeidere mer enn 4 ganger frem til 2030. Rapporten antyder også at med 100 % adopsjon, kan AI bringe inn omtrent 200 billioner dollar i form av arbeidsproduktivitet etter en total AI-utgift på 31 billioner dollar. Hvis leverandørene kan trekke ut bare 10 % av verdien som skapes av deres AI-baserte produkter, kan de samle inn nesten 14 billioner dollar i inntekt og 90 billioner dollar i bedriftsverdi i 2030.

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

La oss se nærmere på hvordan AI-genereringsverktøyene bidrar til å øke produktiviteten til innholdsskribenter, utviklere og designere.

1. Kunnskapsarbeidere: Innholdsskribenter & Redaktører

Moderne bedrifter trenger godt forsket og ferdigskrevet innhold for å tiltrekke seg publikum. Dette er der generative AI gjør jobben til innholdsskribentene og redaktørene enklere.

Med fremveksten av intelligente chatboter som ChatGPT, blir innholdsproduksjon mer og mer enkelt og økonomisk. Ifølge ARK’s Big Ideas 2023-rapporten, koster ChatGPTs per-spørring-inferens omtrent 0,01 dollar i 2022. For en milliard spørringer, blir den totale inferenskost 10 millioner dollar. Frem til 2030, forventes denne kostnaden å synke til bare 650 dollar, basert på Wright’s lov. 

En kostnadsnedgang av denne størrelsen vil muliggjøre massedistribusjon av AI-innholdsverktøy. For eksempel, forventes ChatGPT-liknende applikasjoner å matche Google (GOOGL ) Søks skala og prosessere 8,5 milliarder søk daglig frem til 2030. Dermed vil det bli enklere for kunnskapsarbeidere i innholdsdomenet å utnytte generative AI i daglige oppgaver.

2. Kunnskapsarbeidere: Programutviklere & Utviklere

Gitt de komplekse og lange programutviklingscyklene, krever programutvikling og -distribusjon et team av dedikerte, dyktige utviklere og programmere. Generative AI-kodingverktøy som Codex og Copilot gjør programutvikling enklere og mer produktiv for kunnskapsarbeidere. 

Faktisk ARK’s Big Ideas 2023-rapporten antyder at AI-kodingassistenter kan redusere tiden det tar å fullføre en kodingoppgave med halvparten. Frem til 2030, kan AI-kodingassistenter øke utviklingshastigheten til programutviklere med 10 ganger.  

Tid til å fullføre kodingoppgaver. Kilde: ARK’s Big Ideas 2023

3. Kunnskapsarbeidere: Visuelle Kunstnere & Designere

En annen gruppe kunnskapsarbeidere som er kategorisert som kunstnere og designere, er også påvirket av generative AI. Deres oppgaver inkluderer vanligvis å skape visuelle konsepter, grafikk, illustrasjoner og kreative UI-er ved hjelp av designverktøy som Adobe Photoshop, Illustrator og Canva for å levere rike brukeropplevelser. 

Med banebrytende generative bildemodeller som DALL-E2, Stable Diffusion og Midjourney, har produktiviteten til designere økt enormt. For eksempel, grafiske design som mennesker lagde på 5 timer og kostet 150 dollar, kan nå enkelt lages på mindre enn en minutt for 8 cent ved hjelp av generative bildemodeller. 

4. Kunnskapsarbeidere: Musikkere & Lydteknikere

Generative AI gjør det enklere å komponere og mikse en musikkspor. For eksempel, er Google’s AudioLM en generativ audio-modell som kan lage realistisk piano-musikk og fullføre ufullstendige akustiske toner. Google har også utviklet en musikk-genereringsmodell kalt MusicLM som kan generere vakre melodier basert på tekstbeskrivelser.

Tilbake i 2020, introduserte Open AI et lignende musikk-genereringsverktøy kalt Jukebox som genererer et nytt musikk-eksempel basert på sjanger, artist og tekst som innputt. Tidligere har Open AI også lansert en GPT-2-basert MuseNet-modell som kan generere 4-minutters musikalske komposisjoner med 10 instrumenter.

Selv om generative audio-modeller er i sin spede begynnelse, vil rommet for å øke produktiviteten til musikere og lydteknikere bare vokse hvert år med bedre generative AI-musikkverktøy.

5. Kunnskapsarbeidere: YouTubere & Videoinnholdsskapere

Videoinnhold er i ferd med å blomstre. Det var omtrent 51 millioner YouTube-kanaler i 2022. Produksjonen av videoinnhold går gjennom flere faser, inkludert opptak, redigering, tilføyelse av illustrasjoner og lyd, og pre- og post-produksjon.

Generative AI-video-plattformer gjør det enklere for videoinnholdsskapere å generere videoinnhold. Verktøy som Synthesia.io og Pictory lar innholdsskapere lage videoer fra manus. De kan legge til en forteller og en video-bakgrunn for å lage profesjonelle videoer basert på disse manusskriptene.

I september 2022, lanserte Meta AI Make-A-Video-plattformen som kan generere høykvalitets video-klipp basert på tekstpromter. Den ble trent på offentlig tilgjengelige datasett for å lære video-mønstre. Den kan skape unike videoer som er fulle av farger, karakterer og landskaper.

Å skape mer kvalitetsinnhold på kort tid vil øke produktiviteten til YouTubere og videoinnholdsskapere i fremtiden.

For- og Ulemper med Generative AI for Kunnskapsarbeidere

La oss se på de forskjellige fordelene og ulemper som generative AI presenterer for kunnskapsarbeidere.

For Generative AI for Kunnskapsarbeidere

1. Syntetisk Data-generering: Trening av innovative AI-modeller krever store mengder datasett, og generative AI kan løse dette problemet. Ifølge 10% av all data produsert i 2025, sammenlignet med 1% i 2023. Dermed vil data-vitenskapsmenn og AI-eksperter ikke lenger møte utfordringer relatert til data-innsamling. 
2. Lave Kostnader: Gartner forutser at omtrent 50% av lavkode/ingen-kode-utviklingsplattformer vil tilby “tekst-til-kode”-funksjonalitet frem til 2024. For utviklere betyr dette mer funksjoner med minst mulig innsats og kostnad. 

Ulemper med Generative AI for Kunnskapsarbeidere

1. Syntetisk Innhold-dettekt: Selv om generative AI øker produktivitet, vil problemet med å detektere generative AI-innhold og skille det fra ekte innhold, bli en alvorlig bekymring i forskning og akademia. Frem til 2024, vil Den europeiske unionen vedta lovgivning som krever “vannmerking” av AI-genererte artefakter.
2. Arbeidsledighet: Utviklere kan møte arbeidsledighet hvis generative AI blir “for” intelligent. Gartner forutser at frem til 2025, vil 20% av prosedyre-kode-eksperter måtte tilegne seg nye ferdigheter fordi generative AI vil overta deres kjernekompetanse. 

Kostnaden ved å Bygge Generative AI-modeller

Generative AI er langt den mest innovative grenen av AI. For tiden er kostnaden ved å trene en generativ AI-modell høy, men synker gradvis. For eksempel, var den estimerte kostnaden ved å trene GPT-3 4,6 millioner dollar i 2020. I 2022, har den sunket til 450 000 dollar.

Kostnad til å trene GPT-3. Kilde: ARK’s Big Ideas 2023

Den ARK’s Big Ideas 2023-rapporten antyder at frem til 2030, kan AI-modeller med 57 ganger flere parametre enn GPT-3 (175 milliarder parametre) bli trenet for bare 600 000 dollar. Dette vil være mulig takket være synkende kostnader for å trene AI-modeller. Wright’s lov antyder at AI-relativt beregningsenhet (RCU)-produksjonskostnader og programvarekostnader bør synke med 57% og 47% årlige satser, noe som resulterer i en 70% nedgang i treningskostnader årlig frem til 2030. 

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

Hold deg oppdatert med alle de banebrytende AI-teknologiene på unite.ai.