การเพิ่มผลผลิตของGenerative AI สำหรับคนงานความรู้

ความก้าวหน้าทางเทคโนโลยีที่ไม่หยุดยั้งและสร้างสรรค์ใหม่ๆ นำโดยโดเมนอย่างปัญญาประดิษฐ์ (AI) หุ่นยนต์ บล็อกเชน และชีววิทยาแบบเขียนโปรแกรม เทคโนโลยีเหล่านี้กำลังปฏิวัติอุตสาหกรรมค้าปลีก ยานยนต์ การเงิน การผลิต และอุตสาหกรรมอื่นๆ ทั้งในระดับมาโครและไมโคร

AI โดยเฉพาะ Generative AI กำลังเปลี่ยนแปลงวิถีชีวิตและงานประจำวันของคนงานความรู้ – บุคคลที่เป็นผู้เชี่ยวชาญด้านเนื้อหาที่มีการศึกษาและฝึกอบรมอย่างเป็นทางการ เห็นได้ชัดเจนในอาชีพด้านการเขียนโปรแกรม การออกแบบ วิศวกรรม และการเขียน ซึ่ง Generative AI ได้เพิ่มผลผลิตของคนงานความรู้

แต่ Generative AI คืออะไรและอะไรที่ทำให้มันสำคัญสำหรับคนงานความรู้ มาทำความเข้าใจแนวคิดนี้กัน!

อะไรคือ Generative AI?

Generative AI สร้างเนื้อหใหม่ๆ เช่น ข้อความ วิดีโอ เสียง และภาพโดยอัตโนมัติ โดยใช้อัลกอริทึม AI ตามคำสั่งจากมนุษย์

เครื่องมือและผลิตภัณฑ์ AI ที่มีชื่อเสียงบางตัว ได้แก่

• ChatGPT – พัฒนาโดย OpenAI ChatGPT เป็น AI ชัตบอทที่สามารถตอบคำถามได้อย่างมีรายละเอียดและเป็นส่วนตัวตามคำสั่งจากผู้ใช้
• DALL-E 2, Stable Diffusion, & Midjourney – เหล่านี้เป็นเครื่องมือสร้างภาพ AI
• Meta – นี่คือเครื่องมือสร้างวิดีโอ AI ที่ช่วยให้ผู้ใช้สร้างวิดีโอจากคำสั่งจากข้อความ
• Codex – ช่วยให้นักเขียนโปรแกรมสามารถสร้างโค้ดในหลายภาษาโปรแกรมมิ่งภายในไม่กี่วินาที

ทีนี้ มาทำความเข้าใจว่า Generative AI มีผลกระทบต่อคนงานความรู้อย่างไร!

การทำความเข้าใจว่า Generative AI เพิ่มผลผลิตของคนงานความรู้จากโดเมนต่างๆ อย่างไร

ตามรายงาน ARK’s Big Ideas 2023 AI คาดว่าจะเพิ่มผลผลิตของคนงานความรู้มากกว่า 4 เท่าภายในปี 2030 รายงานยังชี้ว่าด้วยการนำ AI ไปใช้ 100% AI อาจสร้างมูลค่าประมาณ 200 ล้านล้านดอลลาร์ ในด้านผลผลิตแรงงาน หลังจากที่ใช้จ่ายทั้งหมด 31 ล้านล้านดอลลาร์ในการใช้ AI หากผู้ขายสามารถดึงมูลค่าได้เพียง 10% ของมูลค่าที่สร้างขึ้นโดยผลิตภัณฑ์ AI พวกเขาจะสามารถรวบรวมรายได้ประมาณ 14 ล้านล้านดอลลาร์และมีมูลค่าองค์กร 90 ล้านล้านดอลลาร์ในปี 2030

การคาดการณ์ตลาด AI สำหรับปี 2030. Source: ARK’s Big Ideas 2023

มาทำความเข้าใจว่าเครื่องมือ AI เหล่านี้มีส่วนช่วยในการเพิ่มผลผลิตของคนงานความรู้ในด้านเนื้อหาวิดีโอ และศิลปินอย่างไร

1. คนงานความรู้: ผู้เขียนเนื้อหา & ผู้แก้ไข

ธุรกิจสมัยใหม่ต้องการเนื้อหาที่มีการวิจัยและเขียนอย่างมีทักษะเพื่อดึงดูดผู้ชม นี่คือจุดที่ Generative AI ช่วยให้งานของผู้เขียนเนื้อหาและผู้แก้ไขง่ายขึ้น

ด้วยการเกิดขึ้นของชัตบอทอัจฉริยะ เช่น ChatGPT การสร้างเนื้อหากลายเป็นเรื่องที่ง่ายและประหยัดมากขึ้น ตามรายงาน ARK’s Big Ideas 2023 ค่าใช้จ่ายในการส่งคำถามหนึ่งครั้งสำหรับ ChatGPT คือประมาณ 0.01 ดอลลาร์สหรัฐฯ ในปี 2022 สำหรับหนึ่งพันล้านคำถาม ค่าใช้จ่ายทั้งหมดจะอยู่ที่ 10 ล้านดอลลาร์ โดยคาดว่าค่าใช้จ่ายนี้จะลดลงเหลือเพียง 650 ดอลลาร์ภายในปี 2030 ตาม Wright’s Law

การลดค่าใช้จ่ายในระดับนี้จะทำให้สามารถนำ AI มาใช้ได้อย่างกว้างขวาง ตัวอย่างเช่น ในปี 2030 คาดว่าแอปพลิเคชันที่ใช้ ChatGPT จะสามารถประมวลผลค้นหาข้อมูลได้ถึง 8.5 พันล้านครั้งต่อวัน ทำให้คนงานความรู้ในด้านเนื้อหาสามารถใช้ Generative AI ในงานประจำวันได้ง่ายขึ้น

2. คนงานความรู้: วิศวกรซอฟต์แวร์ & นักพัฒนา

ด้วยการมีช่วงเวลาพัฒนาซอฟต์แวร์ที่ซับซ้อนและยาวนาน การจัดการและใช้งานซอฟต์แวร์ต้องการทีมนักพัฒนาที่มีทักษะและอุทิศตนให้กับงาน Generative AI เช่น Codex และ Copilot ทำให้การพัฒนาซอฟต์แวร์ง่ายขึ้นและเพิ่มผลผลิตสำหรับคนงานความรู้

ตามรายงาน ARK’s Big Ideas 2023 ผู้ช่วยโค้ด AI ลดเวลาในการทำงานโค้ดลงครึ่งหนึ่ง และคาดว่าภายในปี 2030 ผู้ช่วยโค้ด AI จะเพิ่มผลผลิตของวิศวกรซอฟต์แวร์ถึง 10 เท่า

เวลาในการทำงานโค้ด. Source: ARK’s Big Ideas 2023

3. คนงานความรู้: ศิลปินภาพและนักออกแบบ

กลุ่มคนงานความรู้อีกกลุ่มหนึ่งคือศิลปินและนักออกแบบ ซึ่งงานของพวกเขาได้รับอิทธิพลจาก Generative AI เช่นกัน งานของพวกเขามักจะเกี่ยวข้องกับการสร้างแนวคิดภาพ กราฟิก ภาพประกอบ และ UI ที่สร้างสรรค์โดยใช้เครื่องมือออกแบบ เช่น Adobe Photoshop, Illustrator และ Canva เพื่อมอบประสบการณ์ผู้ใช้ที่ดี

ด้วยโมเดลภาพ Generative ที่ก้าวหน้า เช่น DALL-E2, Stable Diffusion และ Midjourney ผลผลิตของนักออกแบบได้เพิ่มขึ้นอย่างมาก ตัวอย่างเช่น การออกแบบกราฟิกที่ทำโดยมนุษย์ใช้เวลา 5 ชั่วโมงและราคา 150 ดอลลาร์ สามารถทำได้ภายใน 1 นาทีในราคา 8 เซนต์โดยใช้โมเดลภาพ Generative

4. คนงานความรู้: นักดนตรี & วิศวกรเสียง

Generative AI ทำให้การประพันธ์และผสมผสานเพลงเป็นเรื่องที่ง่ายขึ้น ตัวอย่างเช่น AudioLM ของ Google (GOOGL ) เป็นโมเดลเสียง Generative ที่สามารถสร้างเพลงเปียโนที่สมจริงและเติมเสียงอะคูสติกที่ไม่สมบูรณ์ Google ยังพัฒนาโมเดลการสร้างเพลงชื่อ MusicLM ที่สามารถสร้างทำนองเพลงที่สวยงามตามคำอธิบายข้อความ

ในปี 2020 Open AI ได้แนะนำเครื่องมือสร้างเพลงที่คล้ายกันชื่อ Jukebox ซึ่งสร้างตัวอย่างเพลงใหม่ตามประเภท ศิลปิน และเนื้อเพลงที่ให้มา ก่อนหน้านี้ Open AI ได้เผยแพร่โมเดล GPT-2 ที่ใช้ MuseNet ซึ่งสามารถสร้างเพลงประกอบ 4 นาทีโดยใช้เครื่องดนตรี 10 ชิ้น

แม้ว่าโมเดลเสียง Generative จะยังอยู่ในระยะเริ่มต้น แต่พื้นที่ในการเพิ่มผลผลิตของนักดนตรีและวิศวกรเสียงจะเติบโตขึ้นทุกปีพร้อมกับเครื่องมือ Generative AI ที่ดีขึ้น

5. คนงานความรู้: ยูทูบเบอร์ & ผู้สร้างเนื้อหาวิดีโอ

เนื้อหาวิดีโอกำลังเติบโต มียูทูบเบอร์ประมาณ 51 ล้านคนในปี 2022 การผลิตเนื้อหาวิดีโอผ่านหลายขั้นตอน รวมถึงการบันทึก การตัดต่อ การเพิ่มภาพประกอบและเสียง และการผลิตก่อนและหลังการผลิต

แพลตฟอร์มวิดีโอ Generative AI กำลังทำให้การสร้างเนื้อหาวิดีโอสำหรับคนงานความรู้ง่ายขึ้น เครื่องมือ เช่น Synthesia.io และ Pictory ช่วยให้ผู้สร้างเนื้อหาวิดีโอสามารถสร้างวิดีโอจากสคริปต์ได้ พวกเขาสามารถเพิ่มผู้บรรยายและพื้นหลังวิดีโอเพื่อสร้างวิดีโอที่มีลักษณะมืออาชีพตามสคริปต์เหล่านั้น

ในเดือนกันยายน 2022 Meta AI ได้เปิดตัวแพลตฟอร์ม Make-A-Video ที่สามารถสร้างคลิปวิดีโอคุณภาพสูงจากคำสั่งจากข้อความได้ มันถูกฝึกฝนจากชุดข้อมูลที่มีอยู่ใน公共เพื่อเรียนรู้รูปแบบวิดีโอ และสามารถสร้างวิดีโอที่ไม่ซ้ำกันที่เต็มไปด้วยสี ตัวละคร และภูมิประเทศ

การสร้างเนื้อหาคุณภาพสูงในเวลาสั้นจะช่วยเพิ่มผลผลิตของยูทูบเบอร์และผู้สร้างเนื้อหาวิดีโอในอนาคต

ข้อดีและข้อเสียของ Generative AI สำหรับคนงานความรู้

มาทำความเข้าใจถึงประโยชน์และข้อเสียต่างๆ ที่ Generative AI นำมาสู่คนงานความรู้

ข้อดีของ Generative AI สำหรับคนงานความรู้

1. การสร้างข้อมูลสังเคราะห์: การฝึกโมเดล AI ใหม่ๆ ต้องการข้อมูลชุดใหญ่และ Generative AI สามารถแก้ปัญหานี้ได้ ตามรายงาน คาดว่า Generative AI จะสร้างข้อมูลสังเคราะห์ 10% ของข้อมูลทั้งหมดที่ผลิตในปี 2025 เทียบกับ 1% ในปี 2023 ดังนั้น นักวิทยาศาสตร์ข้อมูลและผู้เชี่ยวชาญ AI จะไม่ต้องเผชิญกับความท้าทายที่เกี่ยวข้องกับการรวบรวมข้อมูล
2. ต้นทุนต่ำ: Gartner คาดการณ์ว่าประมาณ 50% ของแพลตฟอร์มพัฒนาที่ไม่ต้องเขียนโค้ดหรือเขียนโค้ดน้อยจะให้ฟังก์ชัน “ข้อความเป็นโค้ด” ภายในปี 2024 สำหรับนักพัฒนา สิ่งนี้หมายถึงคุณลักษณะมากขึ้นโดยใช้ความพยายามและต้นทุนน้อยที่สุด

ข้อเสียของ Generative AI สำหรับคนงานความรู้

1. การตรวจจับเนื้อหาสังเคราะห์: แม้ว่า Generative AI จะเพิ่มผลผลิต แต่ปัญหาในการตรวจจับและแยกแยะเนื้อหาที่สร้างโดย Generative AI จะกลายเป็นข้อกังวลที่รุนแรงในด้านการวิจัยและวิชาการ คาดว่าภายในปี 2024 สหภาพยุโรปจะออกกฎหมายที่กำหนดให้ต้อง “ทำเครื่องหมาย” อนุพันธ์ของ AI
2. การว่างงาน: นักพัฒนาอาจเผชิญกับการว่างงานหาก Generative AI กลายเป็น “ฉลาด” มากเกินไป Gartner คาดการณ์ว่าภายในปี 2025 ประมาณ 20% ของมืออาชีพด้านโค้ดกระบวนการจะจำเป็นต้องได้รับทักษะใหม่ เนื่องจาก Generative AI จะเข้ามาแทนที่ทักษะหลักของพวกเขา

ต้นทุนในการสร้างโมเดล Generative AI

Generative AI เป็นสาขาที่ก้าวหน้าที่สุดของ AI ในปัจจุบัน ต้นทุนในการฝึกโมเดล Generative AI ยังคงสูง แต่กำลังลดลงอย่างต่อเนื่อง ตัวอย่างเช่น ค่าใช้จ่ายในการฝึก GPT-3 คาดว่าจะอยู่ที่ 4.6 ล้านเหรียญสหรัฐในปี 2020 และลดลงเหลือ 450,000 เหรียญสหรัฐในปี 2022

ต้นทุนในการฝึก GPT-3. Source: ARK’s Big Ideas 2023

รายงาน ARK’s Big Ideas 2023 คาดการณ์ว่าภายในปี 2030 โมเดล AI ที่มีพารามิเตอร์มากกว่า GPT-3 ถึง 57 เท่า (175 พันล้านพารามิเตอร์) จะสามารถฝึกได้ในราคาเพียง 600,000 เหรียญสหรัฐ สิ่งนี้จะเป็นไปได้หลักๆ เนื่องจากต้นทุนในการฝึกโมเดล AI ลดลง Wright’s Law ชี้ว่าค่าใช้จ่ายในการผลิตหน่วยคำนวณ AI สัมพันธ์กัน (RCU) และค่าใช้จ่ายซอฟต์แวร์ควรลดลง 57% และ 47% ในอัตราประจำปี ซึ่งจะส่งผลให้ต้นทุนในการฝึกลดลง 70% ต่อปีจนถึงปี 2030

ต้นทุนฮาร์ดแวร์ฝึก AI. Source: ARK’s Big Ideas 2023.

ติดตามข้อมูลล่าสุดเกี่ยวกับเทคโนโลยี AI ที่เปลี่ยนแปลงที่ unite.ai.