Effekten av AI og LLM på fremtidens jobb

Kunstig intelligens (AI) har vokst enormt de siste årene, noe som har skapt begeistring og vakt bekymring for fremtidens sysselsetting. Store språkmodeller (LLM) er det siste eksemplet på det. Disse kraftige undergruppene av AI er trent på enorme mengder tekstdata for å forstå og generere menneskelignende språk.

Ifølge en rapport fra LinkedIn, kan 55 % av dets globale medlemmer oppleve en viss grad av endring i jobbene sine på grunn av fremveksten av kunstig intelligens.

Å vite hvordan AI og LLM vil forstyrre arbeidsmarkedet er avgjørende for at bedrifter og ansatte skal tilpasse seg endringen og forbli konkurransedyktige i det raskt voksende teknologiske miljøet.

Denne artikkelen utforsker virkningen av AI på jobber og hvordan automatisering i arbeidsstyrken vil forstyrre sysselsettingen.

Store språkmodeller: Katalysatorer for forstyrrelser i arbeidsmarkedet

I følge Goldman Sachs, generativ kunstig intelligens og LLM-er kan potensielt forstyrre 300 millioner jobber om kort tid. De har også spådd at 50 % av arbeidsstyrken står i fare for å miste jobber på grunn av integreringen av AI i arbeidsflyter.

LLM-er automatiserer i økende grad oppgaver som tidligere ble ansett som det eneste domenet til menneskelige arbeidere. For eksempel kan LLM-er, som er opplært på store lagre av tidligere interaksjoner, nå svare på produktforespørsler, og generere nøyaktige og informative svar.

Dette reduserer arbeidsmengden til menneskelig personell og muliggjør raskere, 24/7 kundeservice. Dessuten utvikler LLM-er kontinuerlig, går langt forbi kundeservice og brukes i ulike applikasjoner, som innholdsutvikling, oversettelse, juridisk forskning, programvareutvikling, etc.

Store språkmodeller og generativ AI: Automatisering

LLM-er og generativ AI blir stadig mer utbredt, noe som kan føre til delvis automatisering og potensiell forskyvning av noen arbeidere samtidig som det skaper muligheter for andre.

1. Omforme rutineoppgaver

AI og LLM utmerker seg ved å håndtere repeterende oppgaver med definerte regler, som for eksempel dataregistrering, avtaleplanlegging og generering av grunnleggende rapporter.

Denne automatiseringen gjør det mulig for menneskelige arbeidere å fokusere på mer komplekse oppgaver, men skaper bekymringer for forskyvning av jobb. Etter hvert som AI og LLM blir mer i stand til å automatisere rutineoppgaver, reduseres etterspørselen etter menneskelig innsats, og følgelig utløser jobbforskyvning. Arbeidsplasser som krever høy grad av menneskelig tilsyn og innspill vil imidlertid bli minst berørt.

2. Bransjer med automatiseringsrisiko

Sektorer med et stort volum av rutineoppgaver, som produksjon og administrasjon, er mest utsatt for AI og LLM automatisering. På grunn av deres evne til å strømlinjeforme operasjoner som dataregistrering og produksjonslinjeplanlegging, utgjør LLM-er en risiko for jobber i disse sektorene.

Kilde

I følge Goldman Sachs-rapporten vil AI-automatisering transformere arbeidsstyrken med effektivitet og produktivitet, samtidig som millioner av rutinemessige og manuelle jobber er utsatt for høy risiko.

3. Potensielt tap av lavkvalifiserte jobber

Effekten av AI på lavt kvalifisert arbeidsstyrke forventes å øke i fremtiden. ​Den ferdighetsorienterte karakteren til AI-drevet automatisering har gjort det vanskeligere for de med mindre teknisk kunnskap å vokse i jobben sin. Dette er fordi automatisering øker gapet mellom høyt og lavt kvalifiserte arbeidere.

Lavt kvalifiserte arbeidere kan bare beholde jobbene sine gjennom høykvalitets utdanning, opplæring og omskolingsprogrammer. De kan også ha problemer med å gå over til nyere, høyere betalte og høyt kvalifiserte jobber som bruker AI-teknologi.

Dette blir mer tydelig ettersom siste McKinsey-rapport spår at lavtlønnede arbeidere har 14 ganger større sannsynlighet for å trenge en jobbbytte. Uten å oppgradere eller gå over til nye, AI-kompatible roller, risikerer de å bli etterlatt i et raskt utviklende arbeidsmarked.

4. Rollen til AI og LLM i effektiviseringsprosesser

Et betydelig skifte skjer i forretningslandskapet på grunn av den økende bruken av AI og LLM. En nylig rapport fra Workato avslører en overbevisende statistikk: Driftsteam automatiserte bemerkelsesverdige 28 % av prosessene sine i 2023.

AI og LLM er spillskiftere, reduserer driftskostnadene, effektiviserer oppgaver gjennom automatisering og forbedrer tjenestekvaliteten.

Fremtiden for arbeid i AI-tiden

Mens AI er uunngåelig, med nok ressurser og tilstrekkelig opplæring, kan ansatte bruke AI og LLM for å øke produktiviteten i sine daglige rutineoppgaver.

For eksempel, National Bureau of Economic Research (NBER) opplyser at kundestøtteagenter som bruker et generativt AI (GPT)-verktøy økte produktiviteten med rundt 14 %. Dette viser potensialet i samarbeid mellom mennesker og maskiner.

Selv om AI utvilsomt endrer arbeidsmarkedet, bør integreringen av den sees på som en mulighet snarere enn en trussel. Det sanne potensialet ligger i samarbeidet mellom menneskelig intuisjon, kreativitet og empati kombinert med AIs analytiske evner.

Omkompetanse for LLM-er og generativ AI

Mens GPT kunne generere tekster og bilder, f.eks GPT-4o, behandle og generere innhold sømløst på tvers av tekst, lyd, bilder og videoformater.

Dette viser at de nye multimodale LLM-ene og AI-teknologiene utvikler seg raskt. Omkompetanse blir avgjørende for både moderne organisasjoner og arbeidere for å overleve på grunn av virkningen av kunstig intelligens på jobbens fremtid. Noen av de viktige ferdighetene inkluderer:

• Spør Engineering: LLM-er er avhengige av meldinger for å veilede resultatene deres. Å lære å lage klare og konsise oppfordringer vil være en nøkkelfaktor for å oppnå deres sanne potensial.
• Dataflyt: Evnen til å arbeide med og forstå data er avgjørende. Dette dekker innsamling, analyse og tolkning av data, og påvirker interaksjonen din med LLM-er.
• AI-kunnskap: Grunnleggende kunnskap om AI, inkludert dens evner og begrensninger, vil være avgjørende for effektivt samarbeid og kommunikasjon med disse kraftige verktøyene.
• Kritisk tenkning og evaluering: Selv om LLM-er kan være imponerende, er det viktig å vurdere resultatene deres. Det er avgjørende å vurdere, oppdatere og analysere LLM-ens arbeid.

Etiske implikasjoner av AI på arbeidsplassen

Tilstedeværelsen av AI på arbeidsplassen har sine fordeler og ulemper, som alle må vurderes nøye. Førstnevnte øker selvfølgelig produktiviteten og reduserer kostnadene. Men hvis vedtatt skadelig kan også ha negative effekter.

Her er noen etiske hensyn som må være en del av den større fortellingen:

• Algoritmisk skjevhet og rettferdighet: AI-algoritmer har potensial til å forsterke skjevheter som finnes i dataene de er trent på, noe som kan resultere i urettferdige rekrutteringsbeslutninger.

• Ansattes personvern: AI er avhengig av enorme mengder medarbeiderdata, noe som vekker bekymring for potensielt misbruk av denne informasjonen, noe som kan føre til arbeidsledighet.

• Ulikhet: Den økte bruken av AI i arbeidsflyter presenterer utfordringer som ulikhet eller utilgjengelighet. Initiativer som kompetansehevings- og omskoleringsprogrammer kan bidra til å redusere AIs negative innvirkning på ansatte på tvers av organisasjoner.

Arbeidsplassparadigmer endrer seg som et resultat av AI og LLMs integrering. Dette vil i stor grad påvirke fremtiden for arbeid og karriere.

For ytterligere ressurser og innsikt om AI og datavitenskap, utforsk Unite.ai.