ຄຳຕອບສັ້ນໆ: AI ສ່ວນໃຫຍ່ແມ່ນການປັບໂຄງສ້າງວຽກງານຄືນໃໝ່ໂດຍການອັດຕະໂນມັດສ່ວນຕ່າງໆຂອງໜ້າວຽກ, ເລັ່ງຜົນຜະລິດ, ແລະ ເພີ່ມຄວາມຄາດຫວັງ - ໂດຍສະເພາະໃນບົດບາດລະດັບເລີ່ມຕົ້ນ. ຖ້າທ່ານຮຽນຮູ້ທີ່ຈະໃຊ້ AI ແລະ ກວດສອບຜົນຜະລິດຂອງມັນ, ທ່ານມີແນວໂນ້ມທີ່ຈະໄດ້ຮັບຜົນປະໂຫຍດຫຼາຍຂຶ້ນ; ຖ້າວຽກງານຂອງທ່ານສ່ວນໃຫຍ່ແມ່ນການຜະລິດຄັ້ງທຳອິດທີ່ຊ້ຳໆ, ທ່ານຈະເປີດເຜີຍຫຼາຍຂຶ້ນເມື່ອທີມງານຮັບຮອງເອົາ AI.
ບົດຮຽນຫຼັກ:
ການປ່ຽນໜ້າວຽກ : ຄາດຫວັງວ່າຈະມີການເຮັດວຽກແບບອັດຕະໂນມັດທີ່ເຮັດຊ້ຳໆ, ໂດຍມີພາລະບົດບາດທີ່ພັດທະນາໄປເລື້ອຍໆແທນທີ່ຈະຫາຍໄປ.
ຂັ້ນເລີ່ມຕົ້ນ : ນັກຮຽນຊັ້ນມັດທະຍົມປາຍອາດຈະປະເຊີນກັບໂອກາດທີ່ໜ້ອຍລົງ ແລະ ຄວາມຕ້ອງການດ້ານຄວາມສາມາດທີ່ສູງຂຶ້ນໃນມື້ທຳອິດ.
ການຢັ້ງຢືນ : ສ້າງທັກສະໃນການກວດສອບຂໍ້ເທັດຈິງ, ຕົວເລກ, ກໍລະນີທີ່ບໍ່ກ່ຽວຂ້ອງ ແລະ ການປະຕິບັດຕາມນະໂຍບາຍ.
ຍ້າຍໄປສູ່ການຕັດສິນໃຈ : ເຂົ້າໃກ້ເປົ້າໝາຍ, ຂໍ້ຈຳກັດ, ການແລກປ່ຽນ, ແລະ ຄວາມຮັບຜິດຊອບຕໍ່ຜົນໄດ້ຮັບ.
ຫຼັກຖານການເຮັດວຽກ : ຕິດຕາມເວລາທີ່ປະຢັດໄດ້, ຄວາມຜິດພາດຫຼຸດລົງ, ແລະຜົນໄດ້ຮັບຈະມີຄຸນຄ່າຢ່າງເຫັນໄດ້ຊັດ.
ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:
🔗 AI ຈະທົດແທນນັກບັນຊີບໍ?
ສຳຫຼວດວິທີການທີ່ລະບົບອັດຕະໂນມັດປ່ຽນແປງວຽກງານບັນຊີ ແລະ ບົດບາດໃນອະນາຄົດ.
🔗 AI ສາມາດທົດແທນຄວາມປອດໄພທາງໄຊເບີໄດ້ບໍ?
ປະເມີນຜົນກະທົບຂອງ AI ຕໍ່ການປ້ອງກັນທາງໄຊເບີ, ຄວາມສ່ຽງ ແລະ ການຄວບຄຸມຂອງມະນຸດ.
🔗 AI ຈະທົດແທນວິສະວະກອນຂໍ້ມູນບໍ?
ເບິ່ງວ່າວຽກງານວິສະວະກຳຂໍ້ມູນທີ່ AI ສາມາດເຮັດອັດຕະໂນມັດໄດ້ໃນມື້ນີ້.
🔗 AI ຈະມາແທນຕົວແທນປະກັນໄພບໍ?
ຮຽນຮູ້ວິທີທີ່ AI ສາມາດປ່ຽນແປງການຂາຍປະກັນໄພ ແລະ ການບໍລິການລູກຄ້າໄດ້.
1) ຄຳຕອບຂອງມະນຸດຕໍ່ “AI ສົ່ງຜົນກະທົບຕໍ່ວຽກເຮັດງານທຳແນວໃດ?” (ບໍ່ແມ່ນຄຳຕອບທີ່ໜ້າຕື່ນເຕັ້ນ) 😅
ຂ້າມໄປເບິ່ງຮູບເງົາເລື່ອງທີ່ຫຸ່ນຍົນເອົາທຸກຢ່າງໄປໝົດຄືນ. ຜົນກະທົບທີ່ແທ້ຈິງມັກຈະເກີດຂຶ້ນແບບນີ້:
-
ໜ້າວຽກຕ່າງໆຈະຖືກອັດຕະໂນມັດ, ບໍ່ແມ່ນວຽກທັງໝົດ (ໃນຕອນທຳອິດ). OECD
-
ວຽກງານໄວຂຶ້ນ ສຳລັບຜູ້ທີ່ຮຽນຮູ້ການໃຊ້ AI ໄດ້ດີ. NBER
-
ວຽກງານລະດັບເລີ່ມຕົ້ນມີການປ່ຽນແປງ ຫຼາຍທີ່ສຸດ ເພາະມັນມັກຈະປະກອບມີວຽກງານທີ່ເຮັດຊ້ຳໄດ້. IMF
-
ບົດບາດໃໝ່ຈະປາກົດຂຶ້ນ ຍ້ອນວ່າບາງຄົນຕ້ອງຈັດຕັ້ງປະຕິບັດ, ຊີ້ນຳ, ວັດແທກ ແລະ ແກ້ໄຂຂະບວນການເຮັດວຽກທີ່ຂັບເຄື່ອນດ້ວຍ AI. ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ
-
ຄຳນິຍາມຂອງ “ພະນັກງານທີ່ດີ” ປ່ຽນ ຈາກ “ມືໄວ” ໄປເປັນ “ການຕັດສິນໃຈທີ່ສະຫຼາດ.” ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ
ສະນັ້ນ, ເມື່ອມີຄົນຖາມວ່າ, AI ມີຜົນກະທົບຕໍ່ວຽກແນວໃດ? ຄຳຕອບທີ່ຊັດເຈນທີ່ສຸດແມ່ນ:
AI ປ່ຽນຮູບແບບຂອງວຽກ - ແລະ ໃຫ້ລາງວັນແກ່ຄົນທີ່ສາມາດຊີ້ນຳມັນໄດ້ແທນທີ່ຈະບໍ່ສົນໃຈມັນ. IMF
ແລະແມ່ນແລ້ວ, ບາງບົດບາດກໍ່ເຮັດໃຫ້ຂ້ອຍຫົດຕົວລົງ. ຂ້ອຍຈະບໍ່ໃຊ້ອີໂມຈິໂປສເຕີ້ທີ່ສ້າງແຮງບັນດານໃຈມາປົກປິດມັນ. ແຕ່ເລື່ອງນີ້ຄ້າຍຄືກັບການປັບປຸງເຮືອນຫຼາຍກວ່າການທຸບຕີເມືອງ 🧱🏠.
2) ສາມວິທີການເຮັດວຽກຂອງການປ່ຽນແປງຂອງ AI: ທົດແທນ, ປ່ຽນຮູບຮ່າງ, ຫຼື ຍົກລະດັບມາດຕະຖານ 📈
ຜົນກະທົບສ່ວນໃຫຍ່ໃນວຽກງານສາມາດແບ່ງອອກເປັນສາມກຸ່ມຄື:
ກ) ປ່ຽນແທນ (ສ່ວນໜຶ່ງຂອງໜ້າວຽກ)
ນີ້ແມ່ນເວລາທີ່ AI ຈັດການກັບຜົນຜະລິດທີ່ຊ້ຳໆ:
-
ການກຳນົດເວລາພື້ນຖານ
-
ບົດສະຫຼຸບສະບັບທຳອິດ
-
ການຕອບກັບຂອງລູກຄ້າງ່າຍໆ
-
ການເຮັດຄວາມສະອາດຂໍ້ມູນປົກກະຕິ
-
ການຂຽນໂດຍອີງໃສ່ແມ່ແບບ
ມັນບໍ່ຄ່ອຍຈະ "ທົດແທນຄົນທັງໝົດ," ແຕ່ມັນ "ກຳຈັດ 20-40% ຂອງສິ່ງທີ່ເຂົາເຈົ້າເຄີຍເຮັດ." OpenAI OECD
ເຊິ່ງຟັງແລ້ວດີຫຼາຍຈົນກວ່າທ່ານຈະຮູ້ວ່າ 20-40% ແມ່ນວິທີທີ່ບາງຄົນໃຫ້ເຫດຜົນກ່ຽວກັບການນັບຈຳນວນພະນັກງານ.
ຂ) ປັບປ່ຽນຮູບແບບ (ວຽກຍັງຄົງຢູ່, ຂະບວນການເຮັດວຽກປ່ຽນແປງ)
ນີ້ແມ່ນອັນທີ່ພົບເລື້ອຍທີ່ສຸດ. ເຈົ້າຍັງເຮັດວຽກຢູ່, ແຕ່:
-
ທ່ານຄວບຄຸມຜົນຜະລິດ
-
ທ່ານແກ້ໄຂ ແລະ ຢືນຢັນ
-
ທ່ານກຳນົດຂໍ້ຈຳກັດ
-
ເຈົ້າຈັດການກັບກໍລະນີຂອບ
-
ເຈົ້າໂທອອກຄັ້ງສຸດທ້າຍ
ຫຼາຍຄົນກາຍເປັນ "ຜູ້ທົບທວນ" ໂດຍບໍ່ໄດ້ຮັບຕຳແໜ່ງ ຫຼື ການຂຶ້ນເງິນເດືອນ, ເຊິ່ງ... ບໍ່ແມ່ນອຸດົມການ, ແຕ່ມັນເປັນຄວາມຈິງ.
ຄ) ຍົກລະດັບມາດຕະຖານ (ຕຳແໜ່ງວຽກດຽວກັນ, ຄວາມຄາດຫວັງສູງຂຶ້ນ)
ອັນນີ້ມັນລະອຽດອ່ອນຫຼາຍ. ທີມງານຕ່າງໆໄດ້ນຳໃຊ້ເຄື່ອງມື AI ແລະທັນໃດນັ້ນ “ຜົນຜະລິດສະເລ່ຍ” ກໍ່ກາຍເປັນ “ມາດຕະຖານຕໍ່າສຸດທີ່ຍອມຮັບໄດ້.”
ຮູ້ສຶກວ່າວຽກງານບໍ່ໄດ້ງ່າຍຂຶ້ນ. ມັນຮູ້ສຶກວ່າໄວຂຶ້ນ... ແລະຫຍຸ້ງຫຼາຍຂຶ້ນ 😵💫.
ແມ່ນແລ້ວ - AI ສົ່ງຜົນກະທົບຕໍ່ວຽກແນວໃດ? ບາງຄັ້ງໂດຍການເຮັດໃຫ້ວຽກດຽວກັນຮູ້ສຶກຄືກັບເຄື່ອງແລ່ນທີ່ເລັ່ງຄວາມໄວຢ່າງງຽບໆ.
3) ວຽກໃດທີ່ໄດ້ຮັບຜົນກະທົບຫຼາຍທີ່ສຸດ - ແລະເປັນຫຍັງມັນຈຶ່ງກ່ຽວກັບໜ້າວຽກ, ບໍ່ແມ່ນກຽດສັກສີ 🎯
ກົດລະບຽບທີ່ດີ: ຍິ່ງໜ້າວຽກສາມາດຄາດເດົາໄດ້ຫຼາຍເທົ່າໃດ, ອີງໃສ່ຂໍ້ຄວາມ, ຫຼື ມີຮູບແບບຫຼາຍເທົ່າໃດ, AI ກໍ່ສາມາດຊ່ວຍ ຫຼື ເຮັດໃຫ້ມັນເປັນອັດຕະໂນມັດໄດ້ຫຼາຍຂຶ້ນເທົ່ານັ້ນ. ນັ້ນບໍ່ໄດ້ໝາຍຄວາມວ່າວຽກຈະຫາຍໄປ. ມັນໝາຍຄວາມວ່າ "ຈຸດສູນກາງແຮງໂນ້ມຖ່ວງ" ຂອງວຽກຈະປ່ຽນໄປ. OpenAI ILO
ປະເພດວຽກງານທີ່ເປີດເຜີຍຫຼາຍຂຶ້ນ
-
ການລາຍງານຊ້ຳໆ
-
ແມ່ແບບອີເມວ ແລະ ຂໍ້ສະເໜີ
-
ການຄົ້ນຄວ້າພື້ນຖານ ແລະ ບົດສະຫຼຸບ
-
ການກວດສອບ QA ປົກກະຕິ
-
ການປ້ອນຂໍ້ມູນ ແລະ ການຈັດປະເພດ
-
ການປ່ຽນແປງຮູບພາບມາດຕະຖານ (ການປັບຂະໜາດ, ການລຶບພື້ນຫຼັງ, ການແກ້ໄຂດ່ວນ)
ປະເພດວຽກງານທີ່ໄດ້ຮັບການປົກປ້ອງຫຼາຍຂຶ້ນ (ສຳລັບດຽວນີ້… ແທ້ໆ)
-
ການຮຽກຮ້ອງການຕັດສິນທີ່ມີຄວາມສ່ຽງຕໍ່ການສ່ຽງສູງ
-
ການເຈລະຈາລະຫວ່າງບຸກຄົນທີ່ມີຄວາມສັບສົນ
-
ວຽກງານທາງດ້ານຮ່າງກາຍດ້ວຍມືໃນສະພາບແວດລ້ອມທີ່ບໍ່ສາມາດຄາດເດົາໄດ້
-
ການຕັດສິນໃຈຂອງຜູ້ນຳທີ່ບໍ່ແນ່ນອນ
-
ວຽກງານທີ່ຕ້ອງການເນື້ອໃນ ແລະ ຄວາມໄວ້ວາງໃຈຢ່າງເລິກເຊິ່ງ McKinsey
ແລະພຽງແຕ່ເຮັດໃຫ້ລຳຄານ: ວຽກສາມາດປະກອບມີທັງສອງຢ່າງ. ບົດບາດຂອງເຈົ້າອາດຈະ "ປອດໄພ", ໃນຂະນະທີ່ເຄິ່ງໜຶ່ງຂອງໜ້າວຽກປະຈຳອາທິດຂອງເຈົ້າແມ່ນພື້ນຖານແລ້ວເປັນບຸບເຟ້ສຳລັບລະບົບອັດຕະໂນມັດ.
4) ຜົນກະທົບ “ງຽບໆ”: ບົດບາດລະດັບເລີ່ມຕົ້ນ ແລະ ບັນໄດທີ່ຂາດຫາຍໄປ 🪜😬
ສ່ວນນີ້ມີຄວາມສຳຄັນຫຼາຍ ແລະ ຜູ້ຄົນບໍ່ໄດ້ເວົ້າເຖິງມັນຫຼາຍພໍ.
ມີຫຼາຍບົດບາດລະດັບເລີ່ມຕົ້ນຍ້ອນວ່າອົງກອນຕ່າງໆຕ້ອງການ:
-
ຜູ້ໃດຜູ້ໜຶ່ງເພື່ອຮ່າງສະບັບທຳອິດ
-
ຜູ້ໃດຜູ້ໜຶ່ງເພື່ອດຳເນີນການປີ້ປະຈຳ
-
ຜູ້ໃດຜູ້ໜຶ່ງເພື່ອລວບລວມບັນທຶກ ແລະ ບົດລາຍງານ
-
ໃຫ້ຜູ້ໃດຜູ້ໜຶ່ງເຮັດວຽກທີ່ “ຫຍຸ້ງແຕ່ຈຳເປັນ”
AI ສາມາດເຮັດບາງສ່ວນຂອງສິ່ງນັ້ນໄດ້. ຊຶ່ງໝາຍຄວາມວ່າບໍລິສັດອາດຈະຈ້າງພະນັກງານຮຸ່ນນ້ອຍໜ້ອຍລົງ, ຫຼື ໃຫ້ວຽກທີ່ແຕກຕ່າງກັນກັບພະນັກງານຮຸ່ນນ້ອຍ (QA ຫຼາຍຂຶ້ນ, ການປະສານງານຫຼາຍຂຶ້ນ, ການໃຊ້ເຄື່ອງມືຫຼາຍຂຶ້ນ). IMF NBER
ຄວາມສ່ຽງແມ່ນຜົນກະທົບ "ຂັ້ນໄດທີ່ແຕກຫັກ":
-
ຈຸດເຂົ້າໜ້ອຍລົງ
-
ມີໂອກາດໜ້ອຍທີ່ຈະຮຽນຮູ້ພື້ນຖານ
-
ຜູ້ໃຫ້ຄຳປຶກສາໜ້ອຍລົງ ເພາະວ່າທີມງານມີຄວາມສາມາດໃນການເຮັດວຽກໄດ້ໜ້ອຍກວ່າ
-
ຄວາມຄາດຫວັງທີ່ສູງຂຶ້ນສຳລັບຄວາມສາມາດໃນມື້ທຳອິດ
ຖ້າທ່ານກຳລັງເລີ່ມຕົ້ນອາຊີບ, AI ມີຜົນກະທົບຕໍ່ວຽກແນວໃດ? ມັກຈະແປວ່າ: ທ່ານອາດຈະຕ້ອງສະແດງຄວາມສາມາດໃນການປະຕິບັດຕົວຈິງໄວກວ່າຄົນແຕ່ກ່ອນ.
ບໍ່ຍຸດຕິທຳບໍ? ບາງຄັ້ງ. ແມ່ນບໍ? ເລື້ອຍໆ. 🤷
5) ວຽກໃໝ່ທີ່ AI ສ້າງຂື້ນ (ແລະວຽກທີ່ມັກຖືກມອງຂ້າມ) 🧠✨
ທຸກໆຄື້ນເທັກໂນໂລຢີຂ້າວຽກງານບາງຢ່າງ ແລະ ສ້າງວຽກງານອື່ນໆຂຶ້ນມາ. AI ກໍ່ບໍ່ແຕກຕ່າງກັນ, ແຕ່ວຽກງານໃໝ່ໆອາດເບິ່ງຄືວ່າ…ບໍ່ໜ້າສົນໃຈໃນຕອນທຳອິດ. ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ
ນີ້ແມ່ນພື້ນທີ່ທີ່ມັກຈະຂະຫຍາຍຕົວ:
-
ການດຳເນີນງານ ແລະ ການອອກແບບຂະບວນການເຮັດວຽກດ້ວຍ AI : ປ່ຽນ “ພວກເຮົາຄວນໃຊ້ AI” ໃຫ້ເປັນຂັ້ນຕອນຕົວຈິງທີ່ຜູ້ຄົນປະຕິບັດຕາມ
-
ຄຸນນະພາບ ແລະ ການປະເມີນຜົນຂອງ AI : ຜົນຜະລິດການທົດສອບ, ການໃຫ້ຄະແນນຄວາມໜ້າເຊື່ອຖື, ການຕິດຕາມຄວາມຜິດພາດ
-
ການຄຸ້ມຄອງຂໍ້ມູນ : ຮັບປະກັນວ່າຂໍ້ມູນທີ່ຖືກຕ້ອງມີຢູ່, ສະອາດ ແລະ ຖືກຈັດການຢ່າງມີຈັນຍາບັນ
-
ຄວາມປອດໄພ ແລະ ການປະຕິບັດຕາມ : ການປ້ອງກັນການຮົ່ວໄຫຼ, ການໃຊ້ໃນທາງທີ່ຜິດ, ແລະ ໄພພິບັດ “ອຸ້ຍ ພວກເຮົາໄດ້ວາງຂໍ້ມູນລັບ”
-
ພາລະບົດບາດຂອງມະນຸດໃນວົງຈອນ : ການທົບທວນ, ການແກ້ໄຂ, ການອະນຸມັດຜົນຜະລິດທີ່ມີຜົນກະທົບສູງ ຂອງ ILO
-
ການຝຶກອົບຮົມ ແລະ ການເຮັດໃຫ້ສາມາດເຮັດວຽກໄດ້ : ການສອນທີມງານໃຫ້ໃຊ້ເຄື່ອງມືຢ່າງຖືກຕ້ອງ (ອັນນີ້ໃຫຍ່ກວ່າທີ່ຄິດ) ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ
ນອກຈາກນັ້ນ, ຊ່ອງທາງໜຶ່ງຄື: ຜູ້ທີ່ສາມາດຂຽນແນວທາງພາຍໃນທີ່ຊັດເຈນ ຈະກາຍເປັນຄົນທີ່ມີຄຸນຄ່າໂດຍບໍ່ຄາດຄິດ. ຄືກັບນະໂຍບາຍແຕ່ສາມາດປະຕິບັດໄດ້. ບໍ່ມ່ວນໃນງານລ້ຽງ, ແຕ່ສະດວກໃນການເຮັດວຽກ 📝.
6) ແຜນການອາຊີບທີ່ພິສູດດ້ວຍ AI ທີ່ດີແມ່ນຫຍັງ? 🧭🤝
ນີ້ແມ່ນສ່ວນທີ່ທຸກຄົນຕ້ອງການ: ປຶ້ມຄູ່ມື. ແລະບໍ່, ປຶ້ມຄູ່ມືບໍ່ແມ່ນ "ຮຽນຂຽນໂປຣແກຣມ" (ບາງຄັ້ງກໍ່ເປັນປະໂຫຍດ, ບາງຄັ້ງກໍ່ບໍ່ກ່ຽວຂ້ອງຫຼາຍ). ແຜນອາຊີບທີ່ດີທີ່ປ້ອງກັນ AI ມີສ່ວນປະກອບບາງຢ່າງຄື:
1) ເຈົ້າເລືອກ "stack," ບໍ່ແມ່ນທັກສະດຽວ
ລອງຄິດເຖິງ stack ຄື:
-
ຄວາມຮູ້ດ້ານໂດເມນ (ອຸດສາຫະກໍາຂອງທ່ານ)
-
ຄວາມຄ່ອງແຄ້ວຂອງເຄື່ອງມື (AI + ເຄື່ອງມືຫຼັກ)
-
ການສື່ສານ (ອະທິບາຍການຕັດສິນໃຈ)
-
ການຕັດສິນ (ຮູ້ວ່າຄວນໄວ້ວາງໃຈໃນສິ່ງໃດ)
-
ຄວາມໜ້າເຊື່ອຖື (ຜູ້ຄົນເພິ່ງພາອາໄສທ່ານ)
ທັກສະໜຶ່ງຄືທຽນໄຂ. ກອງຊ້ອນກັນຄືກອງໄຟ 🔥. ຄຳປຽບທຽບທີ່ບໍ່ສົມບູນແບບເລັກນ້ອຍ, ແຕ່ເຈົ້າເຂົ້າໃຈ.
2) ທ່ານຍ້າຍເຂົ້າໃກ້ການຕັດສິນໃຈຫຼາຍຂຶ້ນ
ປັນຍາປະດິດ (AI) ສາມາດສ້າງທາງເລືອກໄດ້ດີ. ມະນຸດຍັງຄົງມີຄຸນຄ່າເມື່ອພວກເຂົາ:
-
ກຳນົດເປົ້າໝາຍ
-
ກຳນົດຂໍ້ຈຳກັດ
-
ເລືອກການແລກປ່ຽນ
-
ຮັບຜິດຊອບຕໍ່ຜົນໄດ້ຮັບ BLS
ຖ້າວຽກງານຂອງເຈົ້າສ່ວນໃຫຍ່ແມ່ນ "ຜະລິດສິ່ງນັ້ນ", ໃຫ້ເລີ່ມປ່ຽນໄປສູ່ "ຕັດສິນໃຈວ່າສິ່ງນັ້ນຄວນເປັນແນວໃດ"
3) ທ່ານສ້າງຫຼັກຖານການເຮັດວຽກ
ບໍ່ແມ່ນຄວາມຮູ້ສຶກ. ຫຼັກຖານ.
-
ຕົວຊີ້ວັດກ່ອນ/ຫຼັງ
-
ເວລາທີ່ປະຢັດໄດ້
-
ຄວາມຜິດພາດທີ່ຫຼຸດລົງ
-
ຄວາມພໍໃຈຂອງລູກຄ້າທີ່ດີຂຶ້ນ
-
ຂະບວນການທີ່ບັນທຶກໄວ້
ເກັບເອກະສານອວດນ້ອຍໆໄວ້. ຂ້ອຍຮູ້, ມັນຮູ້ສຶກອາຍ. ເຮັດມັນຢູ່ແລ້ວ 😬.
4) ທ່ານຮຽນຮູ້ທັກສະການກວດສອບ
ນີ້ແມ່ນມະຫາອຳນາດທີ່ຖືກປະເມີນຄ່າຕໍ່າເກີນໄປ:
-
ການກວດສອບຂໍ້ເທັດຈິງທີ່ຫຼອນລວງ
-
ການກວດພົບກໍລະນີຂອບທີ່ຂາດຫາຍໄປ
-
ການກວດສອບຕົວເລກ ແລະ ແຫຼ່ງຂໍ້ມູນພາຍໃນ
-
ຮູ້ເວລາທີ່ຈະເວົ້າວ່າ "ບໍ່, ເຮັດອັນນີ້ຊ້ຳອີກ"
ອະນາຄົດເປັນຂອງບັນນາທິການທີ່ດີ. ບໍ່ພຽງແຕ່ການຂຽນເທົ່ານັ້ນ - ແຕ່ແມ່ນການຕັດສິນໃຈ.
7) ຕາຕະລາງປຽບທຽບ: ວິທີທີ່ນິຍົມໃຊ້ AI ໃນບ່ອນເຮັດວຽກ (ແລະເປັນຫຍັງບາງຄົນຈຶ່ງເຮັດວຽກໄດ້ດີກວ່າ) 🧾🤖
ນີ້ແມ່ນ "ເມນູ" ຂອງວິທີການທີ່ໃຊ້ໄດ້ຈິງ. ບໍ່ສົມບູນແບບ. ແຕ່ສະດວກໃຊ້.
| ເຄື່ອງມື / ວິທີການ | ຜູ້ຊົມ | ລາຄາ | ເປັນຫຍັງມັນຈຶ່ງໃຊ້ໄດ້ |
|---|---|---|---|
| ຜູ້ຊ່ວຍສົນທະນາສຳລັບການຮ່າງ + ແນວຄວາມຄິດ | ຜູ້ເຮັດວຽກດ້ານຄວາມຮູ້, ນັກສຶກສາ, ຜູ້ຈັດການ | ຟຣີຄ່າທຳນຽມລາຍເດືອນ | ຮ່າງທຳອິດໄວ, ການລະດົມສະໝອງທີ່ດີ - ແຕ່ເຈົ້າຍັງຕ້ອງຢືນຢັນ... ຢ່າງຈິງຈັງ |
| ຜູ້ຊ່ວຍຂຽນ ແລະ ແກ້ໄຂ | ນັກກາລະຕະຫຼາດ, ການສື່ສານ, HR | ຕໍ່າຕໍ່ເດືອນ | ປ່ຽນຮ່າງທີ່ຫຍາບຄາຍໃຫ້ກາຍເປັນຮ່າງທີ່ສະອາດກວ່າ, ປະຢັດເວລາ; ສາມາດເຮັດແບບດຽວກັນໄດ້ໜ້ອຍໜຶ່ງ |
| ບັນທຶກການປະຊຸມ + ການສະກັດລາຍການປະຕິບັດງານ | ຫົວໜ້າທີມ, ຝ່າຍຂາຍ, ຝ່າຍປະຕິບັດການ | ມັກຈະຖືກມັດເປັນຊຸດ | ບັນທຶກການຕັດສິນໃຈ, ຫຼຸດຜ່ອນຊ່ວງເວລາ “ພວກເຮົາຕົກລົງກັນແນວໃດ??” 😵 |
| ຄຳແນະນຳການຕອບກັບການຊ່ວຍເຫຼືອລູກຄ້າ | ທີມງານສະໜັບສະໜູນ | ອິງໃສ່ການນຳໃຊ້ | ເລັ່ງການຕອບສະໜອງ, ປັບປຸງຄວາມສອດຄ່ອງ - ມີຄວາມສ່ຽງຖ້ານະໂຍບາຍເຂັ້ມງວດ |
| ຕາຕະລາງຂໍ້ມູນ ແລະ ຂໍ້ມູນ “ຜູ້ຮ່ວມຄົ້ນຄວ້າ” | ນັກວິເຄາະ, ການເງິນ, ປະຕິບັດການ | ແຕກຕ່າງກັນ | ດີເລີດສຳລັບການສະຫຼຸບ + ສູດ, ບາງຄັ້ງກໍ່ເຂົ້າໃຈຜິດກ່ຽວກັບສະພາບການ (ໜ້າລຳຄານ) |
| ຜູ້ຊ່ວຍຂຽນໂປຣແກຣມ | ວິສະວະກອນ, ນັກວິເຄາະ, ນັກຂຽນໂປຣແກຣມງານອະດິເລກ | ຟຣີຈົນເຖິງລາຍເດືອນ | ເລັ່ງຂະບວນການຜະລິດ, ຊ່ວຍແກ້ໄຂຂໍ້ຜິດພາດ, ຍັງຕ້ອງການການກວດສອບຈາກມະນຸດ |
| ຕົວສ້າງອັດຕະໂນມັດ (AI + ຂັ້ນຕອນການເຮັດວຽກ) | ປະຕິບັດການ, RevOps, ຜູ້ກໍ່ຕັ້ງ | ກາງເດືອນ | ເຊື່ອມຕໍ່ເຄື່ອງມື ແລະ ຫຼຸດຜ່ອນວຽກງານທີ່ຊ້ຳຊ້ອນ; ການຕັ້ງຄ່າຕ້ອງໃຊ້ຄວາມອົດທົນ |
| ຖາມ-ຕອບກ່ຽວກັບຖານຄວາມຮູ້ (ພາຍໃນ) | ທີມໃຫຍ່ກວ່າ | ຄ່າໃຊ້ຈ່າຍສູງຂຶ້ນ | ຊ່ວຍໃຫ້ຜູ້ຄົນຊອກຫາຄຳຕອບພາຍໃນໄດ້ໄວຂຶ້ນ - ດີເທົ່າກັບຂໍ້ມູນເທົ່ານັ້ນ |
ການຈັດຮູບແບບການສາລະພາບແບບ quirk: ລາຄາແມ່ນບໍ່ຊັດເຈນໂດຍເຈດຕະນາເພາະວ່າລາຄາທີ່ແທ້ຈິງມີການປ່ຽນແປງ ແລະ ຜູ້ຄົນຍັງໂຕ້ຖຽງກັນກ່ຽວກັບຄວາມໝາຍຂອງ "ມັນຄຸ້ມຄ່າ". ທັງສອງຢ່າງແມ່ນຄວາມຈິງ.
8) ທັກສະທີ່ “ປະສົມປະສານ” ເມື່ອ AI ຢູ່ທົ່ວທຸກແຫ່ງ 📚⚙️
ຖ້າທ່ານຕ້ອງການລາຍຊື່ທັກສະສັ້ນໆທີ່ຍັງຄົງມີຄຸນຄ່າເຖິງແມ່ນວ່າເຄື່ອງມືຈະປ່ຽນໄປ, ນີ້ແມ່ນທັກສະທີ່ຂ້ອຍຢາກແນ່ໃຈ (ໂດຍອີງໃສ່ການສັງເກດການດ້ວຍມືຫຼາຍຢ່າງ ແລະ ສິ່ງທີ່ເຮັດວຽກໄດ້ຢ່າງສະໝ່ຳສະເໝີໃນທີມ): ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ
ການຕັດສິນ ແລະ ການຄິດຢ່າງມີວິຈາລະນະຍານ 🧠
-
ການກວດພົບສົມມຸດຕິຖານທີ່ບໍ່ດີ
-
ການຖາມຫາການຕິດຕາມທີ່ຖືກຕ້ອງ
-
ການຮັບຮູ້ເວລາທີ່ຜົນຜະລິດເປັນໄປໄດ້ແຕ່ຜິດ
ການສື່ສານທີ່ຊັດເຈນ🗣️
-
ການຂຽນການຕັດສິນໃຈຢ່າງຈະແຈ້ງ
-
ອະທິບາຍການແລກປ່ຽນ
-
ການແປພາສາດ້ານວິຊາການສໍາລັບຄົນທີ່ບໍ່ແມ່ນນັກວິຊາການ
ການຄິດແບບເປັນລະບົບ 🔁
-
ເຂົ້າໃຈຂະບວນການເຮັດວຽກແບບ end-to-end
-
ການລະບຸຂໍ້ຈຳກັດ
-
ປັບປຸງຂະບວນການ, ບໍ່ພຽງແຕ່ຜົນຜະລິດເທົ່ານັ້ນ
ຄວາມເຫັນອົກເຫັນໃຈຜູ້ມີສ່ວນຮ່ວມ🤝
-
ການຮູ້ສິ່ງທີ່ຄົນເຮົາຕ້ອງການແທ້ໆ
-
ການຮັບມືກັບຄວາມຕ້ານທານໂດຍບໍ່ຕ້ອງເປັນຄົນຂີ້ຄ້ານ
-
ການຈັດລຽງທີມງານທີ່ຕ້ອງການສິ່ງທີ່ແຕກຕ່າງກັນ
ຄວາມຄ່ອງແຄ້ວໃນການໃຊ້ເຄື່ອງມື (ບໍ່ແມ່ນຄວາມຫຼົງໄຫຼໃນການໃຊ້ເຄື່ອງມື) 🧰
ຮຽນຮູ້:
-
ວິທີການກະຕຸ້ນໃຫ້ມີປະສິດທິພາບ
-
ວິທີການປະເມີນຜົນຜະລິດ
-
ວິທີການປະສົມປະສານ AI ເຂົ້າໃນຂະບວນການເຮັດວຽກຂອງທ່ານ BLS
ຢ່າກາຍເປັນຄົນທີ່ເວົ້າແຕ່ກ່ຽວກັບເຄື່ອງມື. ບໍ່ມີໃຜເຊີນຄົນນັ້ນມາກິນເຂົ້າທ່ຽງ. (ໂອເຄ, ບາງຄັ້ງເຂົາເຈົ້າກໍ່ເຮັດ, ແຕ່ເຈົ້າຮູ້ວ່າຂ້ອຍໝາຍຄວາມວ່າແນວໃດ) 🍜
9) ວິທີການໃຊ້ AI ໂດຍບໍ່ຕ້ອງກາຍເປັນຊິ້ນສ່ວນທີ່ສາມາດທົດແທນໄດ້ 😬➡️😎
ນີ້ແມ່ນບັນຫາໃຫຍ່. ເພາະວ່າມີກັບດັກ: ຖ້າທ່ານໃຊ້ AI ເພື່ອເຮັດສ່ວນທີ່ງ່າຍທີ່ສຸດໄວຂຶ້ນ, ທ່ານອາດຈະເຮັດໃຫ້ບົດບາດຂອງທ່ານເບິ່ງຄືວ່າງ່າຍດາຍກວ່າທີ່ມັນເປັນ.
ລອງໃຊ້ຍຸດທະສາດເຫຼົ່ານີ້ແທນ:
ຈົ່ງເປັນ “ເຈົ້າຂອງ” ຜົນໄດ້ຮັບ
ແທນທີ່ຈະເປັນ “ຂ້ອຍໄດ້ສ້າງ 10 ຕົວເລືອກ,” ປ່ຽນເປັນ:
-
“ຂ້ອຍໄດ້ເລືອກຕົວເລືອກທີ່ດີທີ່ສຸດໂດຍອີງໃສ່ X”
-
"ຂ້ອຍໄດ້ກວດສອບສິ່ງນີ້ຕໍ່ກັບຂໍ້ຈຳກັດ Y"
-
“ຂ້ອຍໄດ້ທົດສອບມັນກັບກຸ່ມຜູ້ໃຊ້ Z”
ຄວາມເປັນເຈົ້າຂອງແມ່ນໜຽວແໜ້ນ. ຜົນຜະລິດແມ່ນລື່ນ.
ບັນທຶກຂະບວນການຂອງທ່ານ
ຂຽນລົງ:
-
ເຈົ້າເຮັດຫຍັງ
-
ເປັນຫຍັງເຈົ້າຈຶ່ງເຮັດມັນ
-
ສິ່ງທີ່ປ່ຽນແປງ
-
ສິ່ງທີ່ເຈົ້າໄດ້ຮຽນຮູ້
ມັນປົກປ້ອງທ່ານຈາກການສົນທະນາ “ໃຜກໍ່ສາມາດເຮັດສິ່ງນັ້ນໄດ້”.
ກາຍເປັນຂົວຕໍ່ລະຫວ່າງ AI ແລະຄວາມເປັນຈິງ 🌍
ຄວາມເປັນຈິງປະກອບມີ:
-
ນະໂຍບາຍ
-
ສຽງຍີ່ຫໍ້
-
ຄວາມແຕກຕ່າງຂອງລູກຄ້າ
-
ຂໍ້ຈຳກັດທາງກົດໝາຍ
-
ການເມືອງທີມ (ແມ່ນແລ້ວ, ການເມືອງ - ບໍ່ແມ່ນແບບລັດຖະບານ)
ປັນຍາປະດິດບໍ່ສາມາດຈັດການກັບຄວາມວຸ້ນວາຍນັ້ນໄດ້ຕາມທຳມະຊາດ. ມະນຸດເຮັດໄດ້.
ພັດທະນາຄວາມຊ່ຽວຊານທີ່ AI ສະໜັບສະໜູນແຕ່ບໍ່ສາມາດທົດແທນໄດ້
ຕົວຢ່າງ:
-
ການຕະຫຼາດທີ່ຮັບຮູ້ເຖິງການປະຕິບັດຕາມກົດລະບຽບ
-
ການດຳເນີນງານດ້ານສຸຂະພາບ (ສະພາບການສູງ)
-
ການວິເຄາະຄວາມປອດໄພທາງໄຊເບີ (ຄວາມສ່ຽງສູງ)
-
ຍຸດທະສາດການຂາຍຂອງວິສາຫະກິດ (ເນັ້ນໃສ່ສາຍພົວພັນຫຼາຍ)
-
ການຄຸ້ມຄອງຜະລິດຕະພັນ (ການແລກປ່ຽນ ແລະ ການຈັດລຽງ)
ສະນັ້ນອີກເທື່ອໜຶ່ງ, AI ສົ່ງຜົນກະທົບຕໍ່ວຽກເຮັດງານທຳແນວໃດ? ບາງຄັ້ງໂດຍການບັງຄັບໃຫ້ທ່ານເລື່ອນຂຶ້ນສູ່ລະບົບຕ່ອງໂສ້ມູນຄ່າ... ເຖິງແມ່ນວ່າທ່ານບໍ່ໄດ້ຮ້ອງຂໍມັນກໍຕາມ.
10) ສິ່ງທີ່ນາຍຈ້າງເຮັດຜິດພາດ (ແລະສິ່ງທີ່ທີມງານສະຫຼາດເຮັດແທນ) 🏢🛠️
ຖ້າທ່ານຄຸ້ມຄອງຄົນ ຫຼື ສ້າງທີມງານ, AI ສາມາດເປັນຂອງຂວັນ ຫຼື ເປັນບັນຫາທີ່ຊ້າໆໄດ້.
ຂໍ້ຜິດພາດທົ່ວໄປ:
-
ການນຳໃຊ້ເຄື່ອງມືໂດຍບໍ່ຕ້ອງມີການຝຶກອົບຮົມ
-
ການວັດແທກ “ກິດຈະກຳ” ແທນທີ່ຈະເປັນຜົນໄດ້ຮັບ
-
ສົມມຸດວ່າຜົນຜະລິດຂອງ AI ເປັນທີ່ຍອມຮັບໂດຍອັດຕະໂນມັດ
-
ການຫຼຸດຜ່ອນຈຳນວນພະນັກງານກ່ອນທີ່ຈະອອກແບບຂະບວນການເຮັດວຽກຄືນໃໝ່
-
ການບໍ່ສົນໃຈກຳລັງໃຈເມື່ອຄົນຮູ້ສຶກວ່າສາມາດທົດແທນໄດ້
ການເຄື່ອນໄຫວທີ່ສະຫຼາດກວ່າ:
-
ກຳນົດບ່ອນທີ່ AI ໄດ້ຮັບອະນຸຍາດ ແລະ ບ່ອນທີ່ມັນບໍ່ໄດ້ຮັບອະນຸຍາດ
-
ສ້າງມາດຕະຖານການທົບທວນຄືນ (ສິ່ງທີ່ "ດີ" ມີລັກສະນະແນວໃດ)
-
ລົງທຶນໃນການຝຶກອົບຮົມ ແລະ ປຶ້ມຄູ່ມືພາຍໃນ
-
ມອບໝາຍຄວາມເປັນເຈົ້າຂອງໃນການຕິດຕາມກວດກາຄຸນນະພາບ ແລະ ຄວາມສ່ຽງ
-
ການປັບປຸງຂະບວນການໃຫ້ລາງວັນ, ບໍ່ພຽງແຕ່ເລັ່ງຄວາມໄວ ເທົ່າ
ອີກຢ່າງໜຶ່ງ: ຖ້າເຈົ້າຢາກລ້ຽງເດັກ, ຢ່າອາຍຄົນທີ່ລະມັດລະວັງ. ຄວາມລະມັດລະວັງສາມາດເປັນປັນຍາ ຫຼື ຄວາມຢ້ານກົວ. ໂດຍປົກກະຕິແລ້ວທັງສອງຢ່າງ 😅.
11) ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ: ຄຳຖາມທີ່ຄົນເວົ້າກະຊິບໃນກອງປະຊຸມ 🤫
"AI ຈະເອົາວຽກຂອງຂ້ອຍບໍ?"
ມັນອາດຈະຕ້ອງໃຊ້ສ່ວນນ້ອຍໆຂອງມັນ. ການປ້ອງກັນທີ່ດີທີ່ສຸດຂອງເຈົ້າແມ່ນການກາຍເປັນຄົນທີ່:
-
ໃຊ້ AI ໄດ້ດີ
-
ຢັ້ງຢືນຢ່າງຖືກຕ້ອງ
-
ເຂົ້າໃຈສະພາບການທາງທຸລະກິດ
-
ສາມາດປະສານງານມະນຸດ IMF
"ການຮຽນຮູ້ເຄື່ອງມື AI ພຽງພໍແລ້ວບໍ?"
ບໍ່. ເຄື່ອງມືມີການປ່ຽນແປງ. ຫຼັກການພື້ນຖານຍັງຄົງຢູ່. ຮຽນຮູ້ເຄື່ອງມື, ແມ່ນແລ້ວ, ແຕ່ໃຫ້ຕິດພັນກັບທັກສະຕ່າງໆເຊັ່ນ: ການຕັດສິນ, ການຄິດເປັນລະບົບ, ແລະ ການສື່ສານ.
"ຈະເປັນແນວໃດຖ້າຂ້ອຍກຽດຊັງ AI?"
ເຈົ້າບໍ່ຈຳເປັນຕ້ອງຮັກມັນ. ເຈົ້າພຽງແຕ່ຕ້ອງການຄວາມສຳພັນໃນການເຮັດວຽກກັບມັນ. ຄືກັບເພື່ອນຮ່ວມງານທີ່ໜ້າລຳຄານແຕ່ສະດວກ.
"ເສັ້ນທາງອາຊີບທີ່ປອດໄພທີ່ສຸດແມ່ນຫຍັງ?"
ບໍ່ມີຫຍັງປອດໄພຢ່າງສົມບູນແບບ. ແຕ່ບົດບາດທີ່ມີສະພາບການສູງ, ຄວາມໄວ້ວາງໃຈ, ຄວາມຮັບຜິດຊອບ, ແລະ ສາຍພົວພັນຂອງມະນຸດມັກຈະມີຄວາມຢືດຢຸ່ນຫຼາຍກວ່າ. McKinsey OECD
12) ສະຫຼຸບສະຫຼຸບ - ດັ່ງນັ້ນ, AI ມີຜົນກະທົບຕໍ່ວຽກແນວໃດ? ✅🤖
ປະດິດ (AI) ບໍ່ແມ່ນເຫດການດຽວ. ມັນເປັນການຈັດລຽງໜ້າວຽກ, ຄວາມຄາດຫວັງ ແລະ ຂັ້ນຕອນການເຮັດວຽກຄືນໃໝ່ຢ່າງຄ່ອຍໆ. ບາງບົດບາດຫົດຕົວ, ບາງບົດບາດຂະຫຍາຍອອກ, ແລະ ຫຼາຍບົດບາດພັດທະນາ. ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ IMF
ຄົນທີ່ເຮັດໄດ້ດີທີ່ສຸດມັກຈະ:
-
ປະຕິບັດຕໍ່ AI ຄືກັບເພື່ອນຮ່ວມງານ, ບໍ່ແມ່ນໄມ້ຄາຖາ 🪄
-
ຮຽນຮູ້ທີ່ຈະກວດສອບ ແລະ ແກ້ໄຂ, ບໍ່ພຽງແຕ່ສ້າງ
-
ກ້າວໄປສູ່ການຕັດສິນໃຈ ແລະ ຄວາມເປັນເຈົ້າຂອງທີ່ໃກ້ຊິດກວ່າ
-
ສ້າງຊຸດທັກສະແທນທີ່ຈະໄລ່ຕາມແນວໂນ້ມດຽວ
-
ບັນທຶກຜົນກະທົບ ແລະ ຜົນໄດ້ຮັບ
ແລະ ຖ້າທ່ານຍັງຖາມຢູ່ວ່າ AI ມີຜົນກະທົບຕໍ່ວຽກເຮັດງານທຳແນວໃດ? ນີ້ແມ່ນບົດສະຫຼຸບສັ້ນໆ:
AI ໃຫ້ລາງວັນແກ່ຄວາມສາມາດໃນການປັບຕົວ, ການຄິດທີ່ຊັດເຈນ, ແລະ ຄວາມຮັບຜິດຊອບ - ແລະ ມັນລົງໂທດການເຮັດຊ້ຳໆທີ່ບໍ່ໄດ້ກ່ຽວຂ້ອງກັບການຕັດສິນ. OpenAI BLS
ບໍ່ແມ່ນສະເໝີໄປ. ບໍ່ແມ່ນສະເໝີໄປມ່ວນ. ແຕ່ໃຊ້ໄດ້... ແລະ ບາງຄັ້ງກໍ່ໜ້າຕື່ນເຕັ້ນ 😄.
ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ
AI ສົ່ງຜົນກະທົບແນວໃດຕໍ່ວຽກງານໃນຫ້ອງການປະຈຳວັນ?
ໃນສະຖານທີ່ເຮັດວຽກສ່ວນໃຫຍ່, AI ບໍ່ໄດ້ທົດແທນວຽກທັງໝົດພາຍໃນຄືນດຽວ - ມັນທົດແທນວຽກງານຈຳນວນໜຶ່ງ. ສິ່ງນັ້ນມັກຈະປາກົດເປັນຮ່າງທຳອິດທີ່ໄວຂຶ້ນ, ສະຫຼຸບໄດ້ໄວຂຶ້ນ, ແລະວຽກງານບໍລິຫານທີ່ອັດຕະໂນມັດຫຼາຍຂຶ້ນ. ເມື່ອເວລາຜ່ານໄປ, ບົດບາດຫຼາຍຢ່າງຈະປ່ຽນໄປສູ່ການທົບທວນ, ການຢັ້ງຢືນ, ແລະການຕັດສິນໃຈສຸດທ້າຍ. ຜູ້ທີ່ໄດ້ຮັບຫຼາຍທີ່ສຸດມັກຈະເປັນຜູ້ທີ່ຮຽນຮູ້ທີ່ຈະຄວບຄຸມຜົນຜະລິດຂອງ AI, ແທນທີ່ຈະປະຕິບັດຕໍ່ເຄື່ອງມືດັ່ງກ່າວເປັນສຽງລົບກວນພື້ນຫຼັງ.
ວຽກໃດແດ່ທີ່ໄດ້ຮັບຜົນກະທົບຈາກ AI ຫຼາຍທີ່ສຸດ, ແລະເປັນຫຍັງ?
ວຽກຕ່າງໆຈະໄດ້ຮັບຜົນກະທົບຫຼາຍທີ່ສຸດເມື່ອສ່ວນໃຫຍ່ຂອງວຽກສາມາດຄາດເດົາໄດ້, ອີງໃສ່ຂໍ້ຄວາມ, ຫຼື ມີຮູບແບບຫຼາຍ - ເຊັ່ນ: ການລາຍງານປົກກະຕິ, ອີເມວທີ່ມີແມ່ແບບ, ບົດສະຫຼຸບການຄົ້ນຄວ້າພື້ນຖານ, ແລະ ການຈັດປະເພດຂໍ້ມູນ. ນັ້ນບໍ່ໄດ້ໝາຍຄວາມວ່າບົດບາດຈະຫາຍໄປໂດຍອັດຕະໂນມັດ, ແຕ່ "ຈຸດໃຈກາງຂອງແຮງໂນ້ມຖ່ວງ" ຈະປ່ຽນແປງ. ວຽກງານທີ່ມີຄວາມເປັນເອກະລາດຫຼາຍກວ່າມັກຈະກ່ຽວຂ້ອງກັບການຕັດສິນທີ່ມີຄວາມສ່ຽງສູງ, ການພົວພັນລະຫວ່າງມະນຸດທີ່ມີລາຍລະອຽດ, ຄວາມໄວ້ວາງໃຈ, ແລະ ຄວາມສັບສົນໃນພື້ນທີ່.
AI ຈະເອົາວຽກຂອງຂ້ອຍໄປ ຫຼື ພຽງແຕ່ບາງສ່ວນເທົ່ານັ້ນ?
ຜົນໄດ້ຮັບທົ່ວໄປແມ່ນວ່າ AI ຮັບເອົາບາງສ່ວນຂອງວຽກ - ມັກຈະເປັນວຽກ "ຜ່ານຄັ້ງທຳອິດ" ທີ່ຊ້ຳໆ - ໃນຂະນະທີ່ມະນຸດຮັກສາຄວາມຮັບຜິດຊອບໃນການຕັດສິນໃຈ, ກໍລະນີທີ່ສຳຄັນ, ແລະ ຄວາມຮັບຜິດຊອບ. ຄວາມສ່ຽງແມ່ນວ່າຖ້າ 20–40% ຂອງວຽກງານຫາຍໄປ, ບາງທີມຈະຫຼຸດຜ່ອນຈຳນວນພະນັກງານແທນທີ່ຈະອອກແບບຂັ້ນຕອນການເຮັດວຽກຄືນໃໝ່. ຕຳແໜ່ງທີ່ປອດໄພກວ່າແມ່ນການກາຍເປັນຜູ້ທີ່ໃຊ້ AI ໄດ້ດີ, ກວດສອບຢ່າງເຂັ້ມງວດ, ແລະ ເຂົ້າໃຈສະພາບການທາງທຸລະກິດ.
ເປັນຫຍັງບົດບາດລະດັບເລີ່ມຕົ້ນຈຶ່ງມີການປ່ຽນແປງຫຼາຍດ້ວຍ AI?
ມີຫຼາຍບົດບາດລະດັບເລີ່ມຕົ້ນທີ່ມີຢູ່ໃນອະດີດເພື່ອຈັດການກັບຮ່າງສະບັບທຳອິດ, ປີ້ປະຈຳ, ແລະ ການປະມວນຜົນທີ່ຫຍຸ້ງແຕ່ຈຳເປັນ. ປະຈຸບັນ AI ສາມາດຄອບຄຸມບາງສ່ວນຂອງສິ່ງນັ້ນໄດ້, ດັ່ງນັ້ນບໍລິສັດອາດຈະຈ້າງພະນັກງານລະດັບນ້ອຍລົງໜ້ອຍລົງ ຫຼື ປ່ຽນວຽກງານລະດັບນ້ອຍໄປສູ່ QA, ການປະສານງານ, ແລະ ຂະບວນການເຮັດວຽກທີ່ຂັບເຄື່ອນດ້ວຍເຄື່ອງມື. ສິ່ງນັ້ນສາມາດສ້າງຜົນກະທົບຂອງ "ຂັ້ນໄດທີ່ແຕກຫັກ", ໂດຍມີຈຸດເລີ່ມຕົ້ນໜ້ອຍລົງ ແລະ ຄວາມຄາດຫວັງໃນມື້ທຳອິດທີ່ສູງຂຶ້ນ. ຜູ້ທີ່ເລີ່ມຕົ້ນອາຊີບໃນໄວເດັກມັກຈະຕ້ອງການຫຼັກຖານຄວາມສາມາດໃນການປະຕິບັດຕົວຈິງໄວກວ່າແຕ່ກ່ອນ.
ວຽກງານໃໝ່ໆອັນໃດທີ່ AI ສ້າງຂຶ້ນມາເຊິ່ງຄົນເຮົາມອງຂ້າມ?
ນອກເໜືອໄປຈາກຫົວຂໍ້ທີ່ໂດດເດັ່ນ, ການເຕີບໂຕມັກຈະສະແດງອອກໃນການດຳເນີນງານ AI, ການອອກແບບຂະບວນການເຮັດວຽກ, ການປະເມີນຄຸນນະພາບ, ແລະ ການທົບທວນແບບມະນຸດໃນວົງຈອນ. ທີມງານຍັງຕ້ອງການການຄຸ້ມຄອງຂໍ້ມູນ, ການຕິດຕາມກວດກາຄວາມປອດໄພ ແລະ ການປະຕິບັດຕາມກົດລະບຽບ, ແລະ ການຝຶກອົບຮົມພາຍໃນ ເພື່ອໃຫ້ເຄື່ອງມືຖືກນຳໃຊ້ໂດຍບໍ່ມີການຮົ່ວໄຫຼ ຫຼື ຄວາມຜິດພາດທີ່ຫຼີກລ່ຽງໄດ້. ຜູ້ທີ່ສາມາດຂຽນແນວທາງພາຍໃນ ແລະ ຄູ່ມືທີ່ຊັດເຈນຈະກາຍເປັນສິ່ງທີ່ມີຄຸນຄ່າຢ່າງໜ້າປະຫລາດໃຈ. ບາງຄົນຕ້ອງປ່ຽນ “ການນຳໃຊ້ AI” ໃຫ້ເປັນຂະບວນການທີ່ປອດໄພ ແລະ ເຮັດຊ້ຳໄດ້.
ແຜນອາຊີບທີ່ພິສູດໄດ້ວ່າເປັນຈິງ ແລະ ພິສູດໄດ້ວ່າ AI ເປັນແນວໃດ (ໂດຍບໍ່ຕ້ອງໄລ່ຕາມຄວາມມັກ)?
ແຜນການທີ່ແຂງແກ່ນເບິ່ງຄືວ່າເປັນການສ້າງທັກສະທີ່ຫຼາກຫຼາຍຄື: ຄວາມຮູ້ດ້ານຂົງເຂດ, ຄວາມຄ່ອງແຄ້ວຂອງເຄື່ອງມື, ການສື່ສານ, ການຕັດສິນ, ແລະ ຄວາມໜ້າເຊື່ອຖື. ກ້າວໄປສູ່ການຕັດສິນໃຈທີ່ໃກ້ຊິດຂຶ້ນ - ກຳນົດເປົ້າໝາຍ, ກຳນົດຂໍ້ຈຳກັດ, ເລືອກການແລກປ່ຽນ, ແລະ ຮັບຜິດຊອບຕໍ່ຜົນໄດ້ຮັບ. ຮັກສາຫຼັກຖານການເຮັດວຽກເຊັ່ນ: ປະຢັດເວລາ, ຫຼຸດຜ່ອນຄວາມຜິດພາດ, ແລະ ປັບປຸງຂະບວນການໃຫ້ດີຂຶ້ນ. ພະລັງທີ່ຍິ່ງໃຫຍ່ທີ່ບໍ່ໄດ້ຮັບການປະເມີນແມ່ນການຢັ້ງຢືນ: ການຈັບພາບຫຼອນ, ກໍລະນີທີ່ພາດໄປ, ແລະ ຕົວເລກທີ່ຜິດ.
ຂ້ອຍຈະໃຊ້ AI ຢູ່ບ່ອນເຮັດວຽກໄດ້ແນວໃດໂດຍບໍ່ກາຍເປັນຊິ້ນສ່ວນທີ່ສາມາດທົດແທນໄດ້?
ຖ້າທ່ານໃຊ້ AI ເພື່ອເຮັດສ່ວນທີ່ງ່າຍທີ່ສຸດໄດ້ໄວຂຶ້ນ, ທ່ານອາດເຮັດໃຫ້ບົດບາດຂອງທ່ານເບິ່ງງ່າຍຂຶ້ນໂດຍບັງເອີນ. ປ່ຽນໄປສູ່ຄວາມເປັນເຈົ້າຂອງ: ອະທິບາຍສິ່ງທີ່ທ່ານເລືອກ, ເຫດຜົນທີ່ທ່ານເລືອກມັນ, ແລະວິທີທີ່ທ່ານກວດສອບຄວາມຖືກຕ້ອງຂອງມັນ. ບັນທຶກຂະບວນການຂອງທ່ານເພື່ອບໍ່ໃຫ້ "ໃຜກໍ່ສາມາດເຮັດແບບນັ້ນໄດ້" ຕິດຢູ່. ກາຍເປັນຂົວຕໍ່ລະຫວ່າງ AI ແລະຂໍ້ຈຳກັດທີ່ເປັນປະໂຫຍດເຊັ່ນ: ນະໂຍບາຍ, ສຽງຂອງຍີ່ຫໍ້, ຄວາມແຕກຕ່າງຂອງລູກຄ້າ, ແລະຄວາມສ່ຽງທາງກົດໝາຍ.
ທັກສະໃດທີ່ປະສົມປະສານກັນຫຼາຍທີ່ສຸດເມື່ອ AI ມີຢູ່ທົ່ວທຸກແຫ່ງ?
ການຕັດສິນ ແລະ ການຄິດຢ່າງມີວິຈານປະປົນກັນ ເພາະວ່າ AI ສາມາດຜະລິດຜົນຜະລິດທີ່ເປັນໄປໄດ້ ແຕ່ຍັງຜິດພາດຢູ່. ການສື່ສານທີ່ຊັດເຈນມີຄວາມສຳຄັນຫຼາຍກວ່າ ຍ້ອນວ່າທີມງານຕ້ອງການການຕັດສິນໃຈ ແລະ ການແລກປ່ຽນທີ່ຂຽນໄວ້ຢ່າງຊັດເຈນ. ການຄິດຢ່າງເປັນລະບົບຊ່ວຍໃຫ້ທ່ານປັບປຸງຂະບວນການເຮັດວຽກຕັ້ງແຕ່ຕົ້ນຈົນຈົບ, ບໍ່ພຽງແຕ່ເລັ່ງຂັ້ນຕອນດຽວເທົ່ານັ້ນ. ຄວາມຄ່ອງແຄ້ວຂອງເຄື່ອງມືກໍ່ຊ່ວຍໄດ້ເຊັ່ນກັນ - ແຕ່ບໍ່ແມ່ນຄວາມຫຼົງໄຫຼໃນເຄື່ອງມື; ຂໍ້ໄດ້ປຽບທີ່ຍືນຍົງແມ່ນການຮູ້ວິທີການກະຕຸ້ນ, ປະເມີນຜົນ, ແລະ ເຊື່ອມໂຍງ AI ຢ່າງມີຄວາມຮັບຜິດຊອບ.
ນາຍຈ້າງມັກຈະເຮັດຜິດພາດຫຍັງເມື່ອນຳໃຊ້ເຄື່ອງມື AI?
ຄວາມຜິດພາດທົ່ວໄປແມ່ນການເປີດຕົວເຄື່ອງມືໂດຍບໍ່ມີການຝຶກອົບຮົມ, ການທົບທວນມາດຕະຖານ, ຫຼື ຂອບເຂດທີ່ຊັດເຈນສຳລັບບ່ອນທີ່ AI ໄດ້ຮັບອະນຸຍາດ. ບາງທີມໄດ້ຫຼຸດຈຳນວນພະນັກງານກ່ອນທີ່ຈະອອກແບບຂັ້ນຕອນການເຮັດວຽກຄືນໃໝ່, ຈາກນັ້ນກໍ່ຈົບລົງດ້ວຍບັນຫາຄຸນນະພາບ ແລະ ບັນຫາຂວັນກຳລັງໃຈ. ທີມທີ່ເຂັ້ມແຂງກວ່າຈະກຳນົດແນວທາງປ້ອງກັນ, ກຳນົດ "ສິ່ງທີ່ດີມີລັກສະນະແນວໃດ," ລົງທຶນໃນຄູ່ມື, ແລະ ມອບໝາຍຄວາມເປັນເຈົ້າຂອງໃນການຕິດຕາມກວດກາຄວາມສ່ຽງ. ການຮັບຮອງເອົາຈະດີຂຶ້ນເມື່ອຄວາມລະມັດລະວັງຖືກປະຕິບັດວ່າມີຄຸນຄ່າ, ບໍ່ແມ່ນການຕໍ່ຕ້ານ.
ເອກະສານອ້າງອີງ
-
ອົງການແຮງງານສາກົນ (ILO) - ilo.org
-
ອົງການແຮງງານສາກົນ (ILO) - ilo.org
-
ອົງການເພື່ອການຮ່ວມມືດ້ານເສດຖະກິດ ແລະ ການພັດທະນາ (OECD) - oecd.org
-
ອົງການເພື່ອການຮ່ວມມືດ້ານເສດຖະກິດ ແລະ ການພັດທະນາ (OECD) - oecdskillsandwork.wordpress.com
-
ສຳນັກງານຄົ້ນຄວ້າເສດຖະກິດແຫ່ງຊາດ (NBER) - nber.org
-
ກອງທຶນການເງິນລະຫວ່າງປະເທດ (IMF) - imf.org
-
ກອງທຶນການເງິນລະຫວ່າງປະເທດ (IMF) - imf.org
-
ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ - ບົດລາຍງານອະນາຄົດຂອງວຽກເຮັດງານທຳ 2023 - weforum.org
-
ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ - ບົດລາຍງານອະນາຄົດຂອງວຽກເຮັດງານທຳປີ 2025: ທັດສະນະດ້ານທັກສະ - weforum.org
-
OpenAI - GPTs ແມ່ນ GPTs - openai.com
-
McKinsey & Company - mckinsey.com
-
ສຳນັກງານສະຖິຕິແຮງງານສະຫະລັດ (BLS) - ການປະເມີນຜົນກະທົບຂອງເຕັກໂນໂລຢີໃໝ່ຕໍ່ຕະຫຼາດແຮງງານ - bls.gov
-
ສຳນັກງານສະຖິຕິແຮງງານສະຫະລັດ (BLS) - ການລວມເອົາຜົນກະທົບຂອງ AI ໃນການຄາດຄະເນການຈ້າງງານຂອງ BLS - bls.gov