AI Generative ສາມາດເອື່ອຍອີງໃຫ້ເຮັດຫຍັງໄດ້ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ?

ສະຫຼຸບສັງລວມ

Generative Artificial Intelligence (AI) - ເຕັກໂນໂລຢີທີ່ຊ່ວຍໃຫ້ເຄື່ອງຈັກສາມາດສ້າງຂໍ້ຄວາມ, ຮູບພາບ, ລະຫັດ, ແລະອື່ນໆ - ໄດ້ປະສົບກັບການຂະຫຍາຍຕົວຢ່າງຫຼວງຫຼາຍໃນຊຸມປີມໍ່ໆມານີ້. ເອກະສານສີຂາວສະບັບນີ້ໃຫ້ພາບລວມທີ່ສາມາດເຂົ້າເຖິງໄດ້ກ່ຽວກັບສິ່ງທີ່ AI ທົ່ວໄປສາມາດ ເຮັດ ໄດ້ໃນມື້ນີ້ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ, ແລະສິ່ງທີ່ຄາດວ່າຈະເຮັດໃນທົດສະວັດຕໍ່ໄປ. ພວກເຮົາສໍາຫຼວດການນໍາໃຊ້ຂອງມັນໃນທົ່ວການຂຽນ, ສິນລະປະ, ການໃສ່ລະຫັດ, ການບໍລິການລູກຄ້າ, ການດູແລສຸຂະພາບ, ການສຶກສາ, ການຂົນສົ່ງ, ແລະການເງິນ, ໂດຍເນັ້ນໃສ່ບ່ອນທີ່ AI ດໍາເນີນການຢ່າງເປັນເອກະລາດແລະບ່ອນທີ່ການກວດກາຂອງມະນຸດຍັງມີຄວາມສໍາຄັນ. ຕົວຢ່າງໃນໂລກທີ່ແທ້ຈິງແມ່ນລວມເຂົ້າເພື່ອສະແດງໃຫ້ເຫັນເຖິງຄວາມສໍາເລັດແລະຂໍ້ຈໍາກັດ. ການ​ຄົ້ນ​ພົບ​ທີ່​ສໍາ​ຄັນ​ປະ​ກອບ​ມີ​:

• ການຮັບຮອງເອົາຢ່າງກວ້າງຂວາງ: ໃນປີ 2024, 65% ຂອງບໍລິສັດທີ່ໄດ້ສໍາຫຼວດລາຍງານເປັນປົກກະຕິໂດຍນໍາໃຊ້ AI ການຜະລິດ - ເກືອບສອງເທົ່າຂອງສ່ວນແບ່ງຈາກປີທີ່ຜ່ານມາ ( ສະຖານະຂອງ AI ໃນຕົ້ນປີ 2024 | McKinsey ). ແອັບພລິເຄຊັນກວມເອົາການສ້າງເນື້ອຫາການຕະຫຼາດ, chatbots ສະຫນັບສະຫນູນລູກຄ້າ, ການສ້າງລະຫັດ, ແລະອື່ນໆ.

• ຄວາມສາມາດໃນການປົກຄອງຕົນເອງໃນປະຈຸບັນ: AI ການຜະລິດໃນມື້ນີ້ມີຄວາມຫນ້າເຊື່ອຖືສາມາດຈັດການກັບ ວຽກງານທີ່ມີໂຄງສ້າງ, ຊ້ໍາຊ້ອນ ໂດຍມີການຄວບຄຸມຫນ້ອຍທີ່ສຸດ. ຕົວຢ່າງປະກອບມີການສ້າງບົດລາຍງານຂ່າວອັດຕະໂນມັດ (ຕົວຢ່າງ: ສະຫຼຸບລາຍຮັບຂອງບໍລິສັດ) ( Philana Patterson - ຂໍ້ມູນຊຸມຊົນ ONA ), ການຜະລິດຄໍາອະທິບາຍຜະລິດຕະພັນແລະການທົບທວນຄືນຈຸດເດັ່ນໃນເວັບໄຊທ໌ອີຄອມເມີຊ, ແລະການຕື່ມລະຫັດອັດຕະໂນມັດ. ໃນໂດເມນເຫຼົ່ານີ້, AI ມັກຈະເພີ່ມແຮງງານຂອງມະນຸດໂດຍການດໍາເນີນການສ້າງເນື້ອຫາປົກກະຕິ.

• Human-in-the-Loop ສໍາລັບວຽກງານທີ່ຊັບຊ້ອນ: ສໍາລັບວຽກງານທີ່ສັບສົນຫຼາຍ ຫຼື ສິ້ນເປີດ - ເຊັ່ນ: ການຂຽນສ້າງສັນ, ການວິເຄາະລາຍລະອຽດ, ຫຼືຄໍາແນະນໍາທາງການແພດ - ປົກກະຕິແລ້ວການຊີ້ນໍາຂອງມະນຸດແມ່ນຍັງຈໍາເປັນຕ້ອງຮັບປະກັນຄວາມຖືກຕ້ອງຂອງຄວາມເປັນຈິງ, ການຕັດສິນດ້ານຈັນຍາບັນ, ແລະຄຸນນະພາບ. ການນຳໃຊ້ AI ຫຼາຍຄົນໃນມື້ນີ້ໃຊ້ຮູບແບບ "ມະນຸດໃນວົງຮອບ" ທີ່ AI ຮ່າງເນື້ອຫາ ແລະມະນຸດທົບທວນມັນ.

• ການປັບປຸງໃນໄລຍະໃກ້: ໃນໄລຍະ 5-10 ປີຂ້າງຫນ້າ, AI ທົ່ວໄປຄາດວ່າຈະກາຍເປັນທີ່ເຊື່ອຖືໄດ້ຫຼາຍ ແລະເປັນເອກະລາດ . ຄວາມກ້າວຫນ້າໃນຄວາມຖືກຕ້ອງຂອງແບບຈໍາລອງແລະກົນໄກ guardrail ອາດຈະອະນຸຍາດໃຫ້ AI ສາມາດຈັດການສ່ວນແບ່ງຂະຫນາດໃຫຍ່ຂອງວຽກງານສ້າງສັນແລະການຕັດສິນໃຈດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດຫນ້ອຍທີ່ສຸດ. ຍົກຕົວຢ່າງ, ໃນປີ 2030 ຜູ້ຊ່ຽວຊານຄາດຄະເນວ່າ AI ຈະຈັດການກັບການໂຕ້ຕອບການບໍລິການລູກຄ້າສ່ວນໃຫຍ່ແລະການຕັດສິນໃຈໃນເວລາຈິງ ( ເພື່ອຈິນຕະນາການ Shift ເປັນ CX, ນັກກາລະຕະຫຼາດຕ້ອງເຮັດ 2 ສິ່ງເຫຼົ່ານີ້ ), ແລະຮູບເງົາທີ່ສໍາຄັນສາມາດຜະລິດດ້ວຍເນື້ອຫາທີ່ສ້າງ AI 90% ( ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປສໍາລັບອຸດສາຫະກໍາແລະວິສາຫະກິດ ).

• ໃນປີ 2035: ໃນທົດສະວັດ, ພວກເຮົາຄາດຫວັງວ່າ ຕົວແທນ AI ທີ່ເປັນເອກະລາດ ແມ່ນເປັນເລື່ອງທໍາມະດາໃນຫຼາຍຂົງເຂດ. ຄູສອນ AI ສາມາດສະຫນອງການສຶກສາສ່ວນບຸກຄົນໃນລະດັບຂະຫນາດ, ຜູ້ຊ່ວຍ AI ອາດຈະມີຄວາມຫນ້າເຊື່ອຖືໃນການຮ່າງສັນຍາທາງດ້ານກົດຫມາຍຫຼືບົດລາຍງານທາງການແພດສໍາລັບການລົງນາມຈາກຜູ້ຊ່ຽວຊານ, ແລະລະບົບການຂັບລົດດ້ວຍຕົນເອງ (ການຊ່ວຍເຫຼືອໂດຍການຈໍາລອງການຜະລິດ) ອາດຈະດໍາເນີນການດ້ານການຂົນສົ່ງໃນຕອນທ້າຍ. ແນວໃດກໍ່ຕາມ, ບາງຂົງເຂດທີ່ລະອຽດອ່ອນ (ເຊັ່ນ: ການວິນິດໄສທາງການແພດທີ່ມີສະເຕກສູງ, ການຕັດສິນໃຈທາງກົດໝາຍຂັ້ນສຸດທ້າຍ) ຄົງຈະຮຽກຮ້ອງໃຫ້ມີການພິຈາລະນາຈາກມະນຸດເພື່ອຄວາມປອດໄພ ແລະ ຄວາມຮັບຜິດຊອບ.

• ຄວາມກັງວົນດ້ານຈັນຍາບັນແລະຄວາມຫນ້າເຊື່ອຖື: ເມື່ອ AI autonomy ເຕີບໂຕ, ຄວາມກັງວົນໃຈ. ບັນຫາໃນມື້ນີ້ລວມມີ ຄວາມຫຼົງໄຫຼ (AI ເຮັດໃຫ້ຄວາມຈິງ), ຄວາມລໍາອຽງໃນເນື້ອຫາທີ່ສ້າງຂື້ນ, ການຂາດຄວາມໂປ່ງໃສ, ແລະອາດມີການໃຊ້ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ. ການຮັບປະກັນໃຫ້ AI ສາມາດ ເຊື່ອຖືໄດ້ ໃນເວລາປະຕິບັດງານໂດຍບໍ່ມີການກວດກາແມ່ນສໍາຄັນທີ່ສຸດ. ຄວາມຄືບຫນ້າແມ່ນກໍາລັງດໍາເນີນ - ຕົວຢ່າງ, ອົງການຈັດຕັ້ງກໍາລັງລົງທຶນເພີ່ມເຕີມໃນການຫຼຸດຜ່ອນຄວາມສ່ຽງ (ການແກ້ໄຂຄວາມຖືກຕ້ອງ, ຄວາມປອດໄພທາງອິນເຕີເນັດ, ບັນຫາ IP) ( ລັດຂອງ AI: ການສໍາຫຼວດທົ່ວໂລກ | McKinsey ) - ແຕ່ການຄຸ້ມຄອງທີ່ເຂັ້ມແຂງແລະກອບດ້ານຈັນຍາບັນແມ່ນຈໍາເປັນ.

• ໂຄງສ້າງຂອງເອກະສານສະບັບນີ້: ພວກເຮົາເລີ່ມຕົ້ນດ້ວຍການແນະນໍາ AI ທົ່ວໄປ ແລະແນວຄວາມຄິດຂອງ autonomous vs. ການຄວບຄຸມການນໍາໃຊ້. ຫຼັງຈາກນັ້ນ, ສໍາລັບແຕ່ລະໂດເມນທີ່ສໍາຄັນ (ການຂຽນ, ສິນລະປະ, ການຂຽນລະຫັດ, ແລະອື່ນໆ), ພວກເຮົາປຶກສາຫາລືກ່ຽວກັບສິ່ງທີ່ AI ສາມາດເຮັດໄດ້ໃນມື້ນີ້ທີ່ຫນ້າເຊື່ອຖືທຽບກັບສິ່ງທີ່ຢູ່ໃນຂອບເຂດ. ພວກເຮົາສະຫຼຸບດ້ວຍສິ່ງທ້າທາຍຂ້າມຜ່ານ, ການຄາດຄະເນໃນອະນາຄົດ, ແລະຂໍ້ສະເຫນີແນະສໍາລັບການນໍາໃຊ້ AI ການຜະລິດທີ່ມີຄວາມຮັບຜິດຊອບ.

ໂດຍລວມແລ້ວ, AI ທົ່ວໄປໄດ້ພິສູດແລ້ວວ່າສາມາດຈັດການກັບວຽກງານທີ່ຫນ້າປະຫລາດໃຈໂດຍບໍ່ມີການຊີ້ນໍາຂອງມະນຸດຢ່າງຕໍ່ເນື່ອງ. ໂດຍການເຂົ້າໃຈຂໍ້ຈໍາກັດໃນປະຈຸບັນແລະທ່າແຮງໃນອະນາຄົດ, ອົງການຈັດຕັ້ງແລະສາທາລະນະສາມາດກະກຽມທີ່ດີກວ່າສໍາລັບຍຸກທີ່ AI ບໍ່ພຽງແຕ່ເປັນເຄື່ອງມື, ແຕ່ເປັນຜູ້ຮ່ວມມືທີ່ເປັນເອກະລາດໃນການເຮັດວຽກແລະຄວາມຄິດສ້າງສັນ.

ແນະນຳ

Artificial Intelligence ສາມາດ ວິເຄາະ ຂໍ້ມູນມາດົນແລ້ວ, ແຕ່ເມື່ອບໍ່ດົນມານີ້ມີລະບົບ AI ທີ່ໄດ້ຮຽນຮູ້ເພື່ອ ສ້າງ - ການຂຽນຄຳເວົ້າ, ການປະກອບຮູບພາບ, ຊອບແວການຂຽນໂປຣແກຣມ ແລະອື່ນໆອີກ. AI ທົ່ວໄປ ເຫຼົ່ານີ້ (ເຊັ່ນ GPT-4 ສໍາລັບຂໍ້ຄວາມຫຼື DALL·E ສໍາລັບຮູບພາບ) ໄດ້ຖືກຝຶກອົບຮົມກ່ຽວກັບຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ເພື່ອຜະລິດເນື້ອຫາໃຫມ່ເພື່ອຕອບສະຫນອງຕໍ່ການກະຕຸ້ນເຕືອນ. ບາດກ້າວບຸກທະລຸນີ້ໄດ້ປ່ອຍອອກຄື້ນຂອງນະວັດຕະກໍາໃນທົ່ວອຸດສາຫະກໍາ. ຢ່າງໃດກໍຕາມ, ຄໍາຖາມທີ່ສໍາຄັນເກີດຂື້ນ: ຕົວຈິງແລ້ວພວກເຮົາສາມາດວາງໃຈໃຫ້ AI ເຮັດຫຍັງດ້ວຍຕົນເອງ, ໂດຍບໍ່ມີການກວດສອບຜົນໄດ້ຮັບຂອງມັນສອງເທື່ອ?

ເພື່ອຕອບສະ ໜອງ ສິ່ງນີ້, ມັນເປັນສິ່ງ ສຳ ຄັນທີ່ຈະຕ້ອງ ຈຳ ແນກລະຫວ່າງ ການໃຊ້ AI ທີ່ມີການກວດກາ ແລະ ເອກະລາດ

• AI ທີ່ຖືກຄວບຄຸມໂດຍມະນຸດ ຫມາຍເຖິງສະຖານະການທີ່ຜົນໄດ້ຮັບຂອງ AI ໄດ້ຖືກທົບທວນຄືນຫຼືແກ້ໄຂໂດຍປະຊາຊົນກ່ອນທີ່ຈະໄດ້ຮັບການສະຫຼຸບ. ຕົວຢ່າງ, ນັກຂ່າວອາດຈະໃຊ້ຜູ້ຊ່ວຍຂຽນ AI ເພື່ອຮ່າງບົດຄວາມ, ແຕ່ບັນນາທິການດັດແກ້ແລະອະນຸມັດມັນ.

• Autonomous AI (AI ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ) ຫມາຍເຖິງລະບົບ AI ທີ່ປະຕິບັດຫນ້າວຽກຫຼືຜະລິດເນື້ອຫາທີ່ເຂົ້າໄປໃນການນໍາໃຊ້ໂດຍກົງດ້ວຍການດັດແກ້ຂອງມະນຸດຫນ້ອຍຫຼືບໍ່ມີ. ຕົວຢ່າງແມ່ນ chatbot ອັດຕະໂນມັດແກ້ໄຂບັນຫາການສອບຖາມຂອງລູກຄ້າໂດຍບໍ່ມີຕົວແທນຂອງມະນຸດ, ຫຼືຂ່າວທີ່ເຜີຍແຜ່ການສະຫຼຸບຄະແນນກິລາທີ່ຜະລິດໂດຍ AI ໂດຍອັດຕະໂນມັດ.

Generative AI ກໍາລັງຖືກນໍາໄປໃຊ້ໃນທັງສອງໂຫມດ. ໃນ​ປີ 2023-2025, ການ​ຮັບ​ຮອງ​ເອົາ​ໄດ້​ກ້າວ​ຂຶ້ນ​ສູ່​ລະດັບ​ສູງ , ​ໂດຍ​ອົງການ​ຈັດ​ຕັ້ງ​ພວມ​ມີ​ການ​ທົດ​ລອງ​ຢ່າງ​ຕັ້ງໜ້າ. ການສໍາຫຼວດທົ່ວໂລກໃນປີ 2024 ພົບວ່າ 65% ຂອງບໍລິສັດນຳໃຊ້ AI ທົ່ວໄປເປັນປະຈຳ, ເພີ່ມຂຶ້ນຈາກປະມານ 1/3 ໃນປີ 2024 ( ສະຖານະຂອງ AI ໃນຕົ້ນປີ 2024 | McKinsey ). ບຸກຄົນ, ເຊັ່ນດຽວກັນ, ຍັງໄດ້ຮັບເອົາເຄື່ອງມືເຊັ່ນ ChatGPT - ປະມານ 79% ຂອງຜູ້ຊ່ຽວຊານມີຢ່າງຫນ້ອຍການສໍາຜັດກັບ AI ການຜະລິດໃນກາງປີ 2023 ( ສະຖານະຂອງ AI ໃນປີ 2023: ປີການແຕກແຍກຂອງ AI Generative | McKinsey ). ການປັບປຸງຢ່າງໄວວານີ້ໄດ້ຖືກຂັບເຄື່ອນໂດຍຄໍາສັນຍາຂອງປະສິດທິພາບແລະຜົນປະໂຫຍດຄວາມຄິດສ້າງສັນ. ແຕ່​ມັນ​ຍັງ​ຄົງ​ເປັນ “ມື້​ຕົ້ນໆ,” ​ແລະ​ຫຼາຍ​ບໍລິສັດ​ຍັງ​ສ້າງ​ນະ​ໂຍບາຍ​ກ່ຽວ​ກັບ​ການ​ນຳ​ໃຊ້ AI ຢ່າງ​ມີ​ຄວາມ​ຮັບ​ຜິດ​ຊອບ ( ສະຖານະ​ຂອງ AI ​ໃນ​ປີ 2023: ປີ​ທີ່​ເກີດ​ຂຶ້ນ​ຂອງ AI | McKinsey ).

ເປັນຫຍັງການປົກຄອງຕົນເອງຈຶ່ງສຳຄັນ: ການປ່ອຍໃຫ້ AI ເຮັດວຽກໂດຍບໍ່ມີການກວດກາຂອງມະນຸດສາມາດປົດລ໋ອກຜົນປະໂຫຍດປະສິດທິພາບອັນໃຫຍ່ຫຼວງ - ອັດຕະໂນມັດວຽກງານທີ່ໜ້າເບື່ອຫນ່າຍທັງໝົດ - ແຕ່ມັນຍັງເພີ່ມຄວາມໜ້າເຊື່ອຖືໄດ້. ຕົວແທນ AI ທີ່ເປັນເອກະລາດຕ້ອງໄດ້ຮັບສິ່ງທີ່ຖືກຕ້ອງ (ຫຼືຮູ້ຂໍ້ຈໍາກັດຂອງມັນ) ເພາະວ່າອາດຈະບໍ່ມີມະນຸດໃນເວລາທີ່ແທ້ຈິງທີ່ຈະຈັບຄວາມຜິດພາດ. ວຽກງານບາງຢ່າງໃຫ້ເງິນກູ້ຕົວເອງຫຼາຍກວ່ານີ້. ໂດຍທົ່ວໄປແລ້ວ, AI ເຮັດວຽກອັດຕະໂນມັດທີ່ດີທີ່ສຸດເມື່ອ:

• ວຽກງານດັ່ງກ່າວມີ ໂຄງສ້າງຫຼືຮູບແບບທີ່ຊັດເຈນ (ເຊັ່ນ: ການສ້າງບົດລາຍງານປົກກະຕິຈາກຂໍ້ມູນ).

• ຄວາມຜິດພາດແມ່ນມີຄວາມສ່ຽງຕໍ່າ ຫຼືທົນທານຕໍ່ໄດ້ງ່າຍ (ເຊັ່ນ: ການສ້າງຮູບພາບທີ່ສາມາດຍົກເລີກໄດ້ຖ້າບໍ່ພໍໃຈ, ທຽບກັບການກວດຫາທາງການແພດ).

• ມີ ຂໍ້ມູນການຝຶກອົບຮົມ ທີ່ກວມເອົາສະຖານະການ, ດັ່ງນັ້ນຜົນຜະລິດຂອງ AI ແມ່ນອີງໃສ່ຕົວຢ່າງທີ່ແທ້ຈິງ (ຫຼຸດຜ່ອນການຄາດເດົາ).

ໃນທາງກົງກັນຂ້າມ, ວຽກງານທີ່ມີ ລັກສະນະເປີດ , ມີສະເຕກສູງ , ຫຼືຕ້ອງການການຕັດສິນທີ່ຊັດເຈນແມ່ນ ໜ້ອຍ ເໝາະ ສົມກັບການກວດກາສູນໃນມື້ນີ້.

ໃນພາກສ່ວນຕໍ່ໄປນີ້, ພວກເຮົາກວດເບິ່ງຂົງເຂດຕ່າງໆເພື່ອເບິ່ງວ່າ AI ການຜະລິດໃດກໍາລັງເຮັດໃນປັດຈຸບັນແລະສິ່ງທີ່ຕໍ່ໄປ. ພວກເຮົາຈະເບິ່ງຕົວຢ່າງທີ່ຊັດເຈນ - ຈາກບົດຄວາມຂ່າວທີ່ຂຽນໂດຍ AI ແລະວຽກງານສິລະປະທີ່ສ້າງໂດຍ AI, ໄປຫາຜູ້ຊ່ວຍຂຽນລະຫັດແລະຕົວແທນບໍລິການລູກຄ້າ virtual - ເນັ້ນຫນັກວ່າວຽກງານໃດທີ່ສາມາດເຮັດໄດ້ໃນຕອນທ້າຍໂດຍ AI ແລະຍັງຕ້ອງການມະນຸດຢູ່ໃນວົງການ. ສໍາລັບແຕ່ລະໂດເມນ, ພວກເຮົາແຍກຄວາມສາມາດໃນປະຈຸບັນຢ່າງຊັດເຈນ (ປະມານ 2025) ຈາກການຄາດຄະເນຕົວຈິງຂອງສິ່ງທີ່ສາມາດເຊື່ອຖືໄດ້ໃນປີ 2035.

ໂດຍການສ້າງແຜນທີ່ໃນປັດຈຸບັນແລະອະນາຄົດຂອງ AI ເອກະລາດໃນທົ່ວໂດເມນ, ພວກເຮົາມີຈຸດປະສົງເພື່ອໃຫ້ຜູ້ອ່ານມີຄວາມເຂົ້າໃຈທີ່ສົມດູນ: ບໍ່ວ່າຈະ overhyping AI ເປັນ magically infallible, ຫຼື underselling ຄວາມສາມາດທີ່ແທ້ຈິງແລະການຂະຫຍາຍຕົວຂອງຕົນ. ດ້ວຍພື້ນຖານນີ້, ພວກເຮົາຈະປຶກສາຫາລືກ່ຽວກັບສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງໃນການໄວ້ວາງໃຈ AI ໂດຍບໍ່ມີການຄວບຄຸມ, ລວມທັງການພິຈາລະນາດ້ານຈັນຍາບັນແລະການຄຸ້ມຄອງຄວາມສ່ຽງ, ກ່ອນທີ່ຈະສະຫຼຸບດ້ວຍການປະຕິບັດທີ່ສໍາຄັນ.

Generative AI ໃນການຂຽນແລະການສ້າງເນື້ອຫາ

ຫນຶ່ງໃນໂດເມນທໍາອິດທີ່ AI ຜະລິດເປັນ splash ແມ່ນການຜະລິດຂໍ້ຄວາມ. ຮູບແບບພາສາຂະຫນາດໃຫຍ່ສາມາດຜະລິດທຸກສິ່ງທຸກຢ່າງຈາກບົດຄວາມຂ່າວແລະສໍາເນົາການຕະຫຼາດໄປຫາຂໍ້ຄວາມສື່ມວນຊົນສັງຄົມແລະບົດສະຫຼຸບຂອງເອກະສານ. ແຕ່ວິທີການຂຽນນີ້ສາມາດເຮັດໄດ້ໂດຍບໍ່ມີບັນນາທິການຂອງມະນຸດ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): AI ເປັນ Auto-Writer ຂອງເນື້ອໃນປົກກະຕິ

ວຽກງານການຂຽນແບບປົກກະຕິ ທີ່ຫຼາກຫຼາຍ ດ້ວຍການແຊກແຊງຫນ້ອຍທີ່ສຸດຫຼືບໍ່ມີການແຊກແຊງຂອງມະນຸດ. ຕົວຢ່າງທີ່ສໍາຄັນແມ່ນໃນວາລະສານ: Associated Press ໄດ້ໃຊ້ລະບົບອັດຕະໂນມັດຫຼາຍປີເພື່ອສ້າງລາຍງານລາຍໄດ້ຂອງບໍລິສັດໃນແຕ່ລະໄຕມາດໂດຍກົງຈາກຂໍ້ມູນທາງດ້ານການເງິນ ( Philana Patterson – ONA Community Profile ). ຂ່າວສັ້ນເຫຼົ່ານີ້ປະຕິບັດຕາມແບບຈໍາລອງ (ເຊັ່ນ, "ບໍລິສັດ X ລາຍງານລາຍໄດ້ຂອງ Y, ເພີ່ມຂຶ້ນ Z% ... ") ແລະ AI (ໃຊ້ຊອບແວການຜະລິດພາສາທໍາມະຊາດ) ສາມາດຕື່ມຂໍ້ມູນໃສ່ຕົວເລກແລະ verbiage ໄດ້ໄວກວ່າມະນຸດ. ລະບົບຂອງ AP ເຜີຍແຜ່ບົດລາຍງານເຫຼົ່ານີ້ໂດຍອັດຕະໂນມັດ, ຂະຫຍາຍການຄຸ້ມຄອງຂອງເຂົາເຈົ້າຢ່າງຫຼວງຫຼາຍ (ຫຼາຍກວ່າ 3,000 ເລື່ອງຕໍ່ໄຕມາດ) ໂດຍບໍ່ຈໍາເປັນຕ້ອງມີນັກຂຽນຂອງມະນຸດ ( ເລື່ອງລາຍຮັບອັດຕະໂນມັດເພີ່ມຂຶ້ນ | The Associated Press ).

ວາລະສານກິລາໄດ້ຖືກເພີ່ມເຂົ້າເຊັ່ນດຽວກັນ: ລະບົບ AI ສາມາດເອົາສະຖິຕິເກມກິລາ ແລະສ້າງບົດເລື່ອງຫຍໍ້. ເນື່ອງຈາກວ່າໂດເມນເຫຼົ່ານີ້ແມ່ນຂໍ້ມູນທີ່ຂັບເຄື່ອນແລະເປັນສູດ, ຄວາມຜິດພາດແມ່ນຫາຍາກຕາບໃດທີ່ຂໍ້ມູນຖືກຕ້ອງ. ໃນກໍລະນີເຫຼົ່ານີ້, ພວກເຮົາເຫັນ ຄວາມເປັນເອກະລາດທີ່ແທ້ຈິງ - AI ຂຽນແລະເນື້ອໃນໄດ້ຖືກຈັດພີມມາທັນທີ.

ທຸລະກິດຍັງໃຊ້ AI ທົ່ວໄປເພື່ອຮ່າງລາຍລະອຽດຂອງຜະລິດຕະພັນ, ຈົດຫມາຍຂ່າວທາງອີເມລ໌, ແລະເນື້ອຫາການຕະຫຼາດອື່ນໆ. ສໍາລັບຕົວຢ່າງ, Amazon ຍັກໃຫຍ່ອີຄອມເມີຊໃນປັດຈຸບັນຈ້າງ AI ເພື່ອສະຫຼຸບການທົບທວນຄືນຂອງລູກຄ້າສໍາລັບຜະລິດຕະພັນ. AI ສະແກນຂໍ້ຄວາມຂອງການທົບທວນຄືນສ່ວນບຸກຄົນຈໍານວນຫຼາຍແລະຜະລິດຫຍໍ້ຫນ້າຈຸດເດັ່ນທີ່ຫຍໍ້ຂອງສິ່ງທີ່ຄົນມັກຫຼືບໍ່ມັກກ່ຽວກັບລາຍການ, ເຊິ່ງຫຼັງຈາກນັ້ນຈະສະແດງຢູ່ໃນຫນ້າຜະລິດຕະພັນໂດຍບໍ່ມີການດັດແກ້ຄູ່ມື ( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI ). ຂ້າງລຸ່ມນີ້ແມ່ນຕົວຢ່າງ ຂອງຄຸນນະສົມບັດນີ້ຖືກນໍາໃຊ້ໃນ app ມືຖືຂອງ Amazon, ບ່ອນທີ່ພາກສ່ວນ "ລູກຄ້າເວົ້າວ່າ" ແມ່ນຜະລິດທັງຫມົດໂດຍ AI ຈາກຂໍ້ມູນການທົບທວນຄືນ:

( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI ) ສະຫຼຸບການທົບທວນຄືນທີ່ສ້າງໂດຍ AI ໃນຫນ້າຜະລິດຕະພັນອີຄອມເມີຊ. ລະບົບຂອງ Amazon ສະຫຼຸບຈຸດທົ່ວໄປຈາກການທົບທວນຄືນຂອງຜູ້ໃຊ້ (ຕົວຢ່າງ, ຄວາມສະດວກໃນການນໍາໃຊ້, ການປະຕິບັດ) ເຂົ້າໄປໃນວັກສັ້ນ, ສະແດງໃຫ້ເຫັນກັບຜູ້ຊື້ເປັນ "AI ທີ່ສ້າງຂຶ້ນຈາກຂໍ້ຄວາມຂອງການທົບທວນຄືນຂອງລູກຄ້າ."

ກໍລະນີການນໍາໃຊ້ດັ່ງກ່າວສະແດງໃຫ້ເຫັນວ່າ ເມື່ອເນື້ອຫາປະຕິບັດຕາມຮູບແບບທີ່ຄາດເດົາໄດ້ຫຼືຖືກລວບລວມຈາກຂໍ້ມູນທີ່ມີຢູ່, AI ມັກຈະສາມາດຈັດການກັບມັນແບບດ່ຽວ . ຕົວຢ່າງອື່ນໆໃນປະຈຸບັນລວມມີ:

• ການອັບເດດສະພາບອາກາດ ແລະການຈະລາຈອນ: ສື່ຕ່າງໆທີ່ໃຊ້ AI ເພື່ອລວບລວມລາຍງານສະພາບອາກາດປະຈໍາວັນ ຫຼືຂ່າວການຈະລາຈອນໂດຍອີງໃສ່ຂໍ້ມູນເຊັນເຊີ.

• ບົດລາຍງານທາງດ້ານການເງິນ: ບໍລິສັດສ້າງບົດສະຫຼຸບທາງດ້ານການເງິນແບບກົງໄປກົງມາ (ຜົນໄດ້ຮັບປະຈໍາໄຕມາດ, ສະຫຼຸບຕະຫຼາດຫຼັກຊັບ) ໂດຍອັດຕະໂນມັດ. ນັບຕັ້ງແຕ່ປີ 2014, Bloomberg ແລະສໍານັກຂ່າວສານອື່ນໆໄດ້ໃຊ້ AI ເພື່ອຊ່ວຍໃນການຂຽນຂ່າວກ່ຽວກັບລາຍໄດ້ຂອງບໍລິສັດ - ຂະບວນການທີ່ເຮັດວຽກໂດຍອັດຕະໂນມັດເມື່ອຂໍ້ມູນຖືກປ້ອນ ( AP's 'ນັກຂ່າວຫຸ່ນຍົນ' ກໍາລັງຂຽນເລື່ອງຂອງຕົນເອງໃນປັດຈຸບັນ | The Verge ) ( ນັກຂ່າວ Wyoming ຈັບໄດ້ໂດຍໃຊ້ AI ເພື່ອສ້າງຄໍາເວົ້າປອມ, ເລື່ອງເລົ່າ ).

• ການແປ ແລະ ການຖອດຂໍ້ຄວາມ: ການບໍລິການຖອດຂໍ້ຄວາມຕອນນີ້ໃຊ້ AI ເພື່ອຜະລິດບົດບັນທຶກກອງປະຊຸມ ຫຼືຄຳບັນຍາຍໂດຍບໍ່ມີຜູ້ພິມດ້ວຍມະນຸດ. ໃນຂະນະທີ່ບໍ່ໄດ້ສ້າງໃນຄວາມຮູ້ສຶກສ້າງສັນ, ວຽກງານພາສາເຫຼົ່ານີ້ດໍາເນີນການອັດຕະໂນມັດທີ່ມີຄວາມຖືກຕ້ອງສູງສໍາລັບສຽງທີ່ຊັດເຈນ.

• ການສ້າງຮ່າງ: ຜູ້ຊ່ຽວຊານຫຼາຍຄົນໃຊ້ເຄື່ອງມືເຊັ່ນ ChatGPT ເພື່ອຮ່າງອີເມລ໌ຫຼືເອກະສານສະບັບທໍາອິດ, ບາງຄັ້ງການສົ່ງໃຫ້ເຂົາເຈົ້າໂດຍບໍ່ມີການດັດແກ້ເລັກນ້ອຍຖ້າເນື້ອຫາມີຄວາມສ່ຽງຕໍ່າ.

ຢ່າງໃດກໍ່ຕາມ, ສໍາລັບຄໍາເວົ້າທີ່ສັບສົນຫຼາຍ, ການກວດສອບຂອງມະນຸດຍັງຄົງເປັນມາດຕະຖານໃນປີ 2025 . ອົງການຈັດຕັ້ງຂ່າວບໍ່ຄ່ອຍເຜີຍແຜ່ບົດຄວາມສືບສວນຫຼືການວິເຄາະໂດຍກົງຈາກ AI - ບັນນາທິການຈະກວດສອບຄວາມເປັນຈິງແລະປັບປຸງຮ່າງທີ່ຂຽນໂດຍ AI. AI ສາມາດ mimic ແບບແລະໂຄງສ້າງ ໄດ້ດີແຕ່ອາດຈະແນະນໍາຄວາມຜິດພາດຂອງຄວາມເປັນຈິງ (ມັກເອີ້ນວ່າ "hallucinations") ຫຼືປະໂຫຍກທີ່ຫນ້າຢ້ານທີ່ມະນຸດຕ້ອງການຈັບໄດ້. ຕົວຢ່າງ, ຫນັງສືພິມເຍຍລະມັນ Express ໄດ້ແນະນໍາ AI "ເພື່ອນຮ່ວມງານດິຈິຕອນ" ທີ່ມີຊື່ວ່າ Klara ເພື່ອຊ່ວຍຂຽນຂ່າວເບື້ອງຕົ້ນ. Klara ສາມາດຮ່າງບົດລາຍງານກິລາໄດ້ຢ່າງມີປະສິດທິພາບ ແລະແມ້ກະທັ້ງຂຽນຫົວຂໍ້ຂ່າວທີ່ດຶງດູດຜູ້ອ່ານ, ປະກອບສ່ວນເຂົ້າໃນ 11% ຂອງບົດຄວາມຂອງ Express - ແຕ່ ບັນນາທິການຂອງມະນຸດຍັງຄົງທົບທວນທຸກຊິ້ນສໍາລັບຄວາມຖືກຕ້ອງແລະຄວາມຊື່ສັດຂອງນັກຂ່າວ, ໂດຍສະເພາະກ່ຽວກັບເລື່ອງທີ່ສັບສົນ ( 12 ວິທີນັກຂ່າວໃຊ້ເຄື່ອງມື AI ໃນຫ້ອງຂ່າວ - Twipe ). ການຮ່ວມມືລະຫວ່າງມະນຸດກັບ AI ນີ້ແມ່ນເລື່ອງທົ່ວໄປໃນທຸກມື້ນີ້: AI ຈັດການກັບການຍົກຂໍ້ຄວາມຢ່າງໜັກໜ່ວງ, ແລະມະນຸດສາມາດແກ້ໄຂ ແລະແກ້ໄຂໄດ້ຕາມຄວາມຕ້ອງການ.

ການຄາດຄະເນສໍາລັບປີ 2030-2035: ໄປສູ່ການຂຽນແບບເອກະລາດທີ່ເຊື່ອຖືໄດ້

ໃນທົດສະວັດຕໍ່ໄປ, ພວກເຮົາຄາດຫວັງວ່າ AI ທົ່ວໄປຈະກາຍເປັນທີ່ເພິ່ງພາອາໄສຫຼາຍກວ່າເກົ່າໃນການສ້າງຂໍ້ຄວາມທີ່ມີຄຸນນະພາບສູງ, ທີ່ຖືກຕ້ອງຕາມຄວາມເປັນຈິງ, ເຊິ່ງຈະຂະຫຍາຍວຽກງານການຂຽນທີ່ມັນສາມາດຈັດການກັບຕົນເອງໄດ້. ແນວໂນ້ມຫຼາຍອັນສະໜັບສະໜູນອັນນີ້:

• ການປັບປຸງຄວາມຖືກຕ້ອງ: ການຄົ້ນຄວ້າຢ່າງຕໍ່ເນື່ອງແມ່ນຫຼຸດລົງຢ່າງໄວວາແນວໂນ້ມຂອງ AI ໃນການຜະລິດຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງຫຼືບໍ່ກ່ຽວຂ້ອງ. ໃນປີ 2030, ຮູບແບບພາສາຂັ້ນສູງທີ່ມີການຝຶກອົບຮົມທີ່ດີກວ່າ (ລວມທັງເຕັກນິກການກວດສອບຂໍ້ເທັດຈິງຕໍ່ກັບຖານຂໍ້ມູນໃນເວລາຈິງ) ສາມາດບັນລຸການກວດສອບຄວາມເປັນຈິງໃນລະດັບຂອງມະນຸດພາຍໃນ. ນີ້ຫມາຍຄວາມວ່າ AI ອາດຈະຮ່າງບົດຄວາມຂ່າວເຕັມທີ່ມີຄໍາເວົ້າທີ່ຖືກຕ້ອງແລະສະຖິຕິທີ່ດຶງມາຈາກແຫຼ່ງທີ່ມາໂດຍອັດຕະໂນມັດ, ຮຽກຮ້ອງໃຫ້ມີການແກ້ໄຂເລັກນ້ອຍ.

• Domain-Specific AIs: ພວກເຮົາຈະເຫັນແບບຈໍາລອງການຜະລິດແບບພິເສດເພີ່ມເຕີມທີ່ປັບໃຫ້ເໝາະສົມກັບບາງສາຂາ (ທາງດ້ານກົດໝາຍ, ການແພດ, ການຂຽນເຕັກນິກ). ຮູບແບບ AI ທາງດ້ານກົດໝາຍຂອງປີ 2030 ອາດຈະມີຄວາມໜ້າເຊື່ອຖືໄດ້ຮ່າງສັນຍາມາດຕະຖານ ຫຼື ສະຫຼຸບກົດໝາຍກໍລະນີ - ວຽກງານທີ່ມີໂຄງສ້າງແຕ່ປະຈຸບັນຕ້ອງການເວລາທະນາຍຄວາມ. ຖ້າ AI ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບເອກະສານທາງດ້ານກົດຫມາຍທີ່ມີຄວາມຖືກຕ້ອງ, ຮ່າງຂອງມັນອາດຈະມີຄວາມຫນ້າເຊື່ອຖືພຽງພໍທີ່ທະນາຍຄວາມພຽງແຕ່ໃຫ້ເບິ່ງສຸດທ້າຍຢ່າງໄວວາ.

• ແບບທຳມະຊາດ ແລະ ຄວາມສອດຄ່ອງກັນ: ຕົວແບບຕ່າງໆໄດ້ດີຂຶ້ນໃນການຮັກສາບໍລິບົດຂອງເອກະສານທີ່ຍາວນານ, ເຮັດໃຫ້ມີເນື້ອໃນທີ່ສອດຄ່ອງກັນຫຼາຍຂຶ້ນ ແລະ ຢູ່ໃນຈຸດຍາວ. ໃນປີ 2035, ມັນເປັນໄປໄດ້ວ່າ AI ສາມາດຂຽນຮ່າງທຳອິດທີ່ເໝາະສົມຂອງປຶ້ມທີ່ບໍ່ເປັນນິທານ ຫຼື ຄູ່ມືທາງເທັກນິກດ້ວຍຕົວມັນເອງ, ໂດຍມະນຸດເປັນຜູ້ໃຫ້ຄຳປຶກສາເປັນຫຼັກ (ເພື່ອກຳນົດເປົ້າໝາຍ ຫຼືໃຫ້ຄວາມຮູ້ສະເພາະ).

ນີ້ອາດຈະມີລັກສະນະແນວໃດໃນການປະຕິບັດ? ວາລະສານທີ່ເປັນປົກກະຕິ ສາມາດກາຍເປັນອັດຕະໂນມັດຢ່າງເຕັມສ່ວນສໍາລັບການຕີທີ່ແນ່ນອນ. ພວກເຮົາອາດຈະເຫັນອົງການຂ່າວໃນປີ 2030 ມີລະບົບ AI ຂຽນສະບັບທໍາອິດຂອງທຸກໆລາຍງານລາຍໄດ້, ເລື່ອງກິລາ, ຫຼືການປັບປຸງຜົນການເລືອກຕັ້ງ, ໂດຍບັນນາທິການພຽງແຕ່ເອົາຕົວຢ່າງຈໍານວນຫນ້ອຍສໍາລັບການຮັບປະກັນຄຸນນະພາບ. ແທ້ຈິງແລ້ວ, ຜູ້ຊ່ຽວຊານຄາດຄະເນວ່າສ່ວນແບ່ງທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆຂອງເນື້ອຫາອອນໄລນ໌ຈະຖືກສ້າງຂື້ນໂດຍເຄື່ອງຈັກ - ຫນຶ່ງໃນການຄາດຄະເນທີ່ກ້າຫານໂດຍນັກວິເຄາະອຸດສາຫະກໍາແນະນໍາວ່າ ເຖິງ 90% ຂອງເນື້ອຫາອອນໄລນ໌ສາມາດຖືກສ້າງຂື້ນ AI ໃນປີ 2026 ( ໃນປີ 2026, ເນື້ອຫາອອນໄລນ໌ທີ່ສ້າງຂຶ້ນໂດຍຄົນທີ່ບໍ່ແມ່ນມະນຸດຈະມີຈໍານວນຫຼວງຫຼາຍທີ່ມະນຸດສ້າງຂື້ນ ) ຕົວເລກທີ່ໂຕ້ວາທີ - OO. ເຖິງແມ່ນວ່າຜົນໄດ້ຮັບແບບອະນຸລັກຫຼາຍກວ່ານັ້ນຫມາຍຄວາມວ່າໃນກາງຊຸມປີ 2030, ສ່ວນໃຫຍ່ຂອງບົດຄວາມເວັບປົກກະຕິ, ສໍາເນົາຜະລິດຕະພັນ, ແລະບາງທີແມ່ນແຕ່ຂ່າວສ່ວນບຸກຄົນແມ່ນຜູ້ຂຽນໂດຍ AI.

ໃນ ການຕະຫຼາດແລະການສື່ສານຂອງບໍລິສັດ , AI ທົ່ວໄປອາດຈະຖືກມອບຫມາຍໃຫ້ດໍາເນີນການແຄມເປນທັງຫມົດໂດຍຕົນເອງ. ມັນສາມາດສ້າງແລະສົ່ງອີເມວການຕະຫຼາດສ່ວນບຸກຄົນ, ຂໍ້ຄວາມສື່ມວນຊົນສັງຄົມ, ແລະການປ່ຽນແປງການສໍາເນົາໂຄສະນາ, ປັບປຸງການສົ່ງຂໍ້ຄວາມຢ່າງຕໍ່ເນື່ອງໂດຍອີງໃສ່ປະຕິກິລິຍາຂອງລູກຄ້າ - ທັງຫມົດໂດຍບໍ່ມີການ copywriter ຂອງມະນຸດຢູ່ໃນ loop. ນັກວິເຄາະ Gartner ຄາດຄະເນວ່າໃນປີ 2025, ຢ່າງຫນ້ອຍ 30% ຂອງຂໍ້ຄວາມຕະຫຼາດຂາອອກຂອງວິສາຫະກິດຂະຫນາດໃຫຍ່ຈະຖືກສັງເຄາະໂດຍ AI ( Gerative AI Use Cases for Industries and Enterprises ), ແລະອັດຕາສ່ວນນີ້ຈະເພີ່ມຂຶ້ນພຽງແຕ່ໃນປີ 2030.

ຢ່າງໃດກໍ່ຕາມ, ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະສັງເກດວ່າ ຄວາມຄິດສ້າງສັນແລະການຕັດສິນຂອງມະນຸດຈະຍັງມີບົດບາດ, ໂດຍສະເພາະສໍາລັບເນື້ອຫາທີ່ມີສະເຕກສູງ . ໃນປີ 2035, AI ອາດຈະຈັດການຖະແຫຼງຂ່າວຫຼືການຕອບ blog ດ້ວຍຕົນເອງ, ແຕ່ ສຳ ລັບນັກຂ່າວສືບສວນທີ່ກ່ຽວຂ້ອງກັບຄວາມຮັບຜິດຊອບຫຼືຫົວຂໍ້ທີ່ລະອຽດອ່ອນ, ສື່ຕ່າງໆອາດຈະຍັງຮຽກຮ້ອງການກວດກາຂອງມະນຸດ. ອະນາຄົດອາດຈະນໍາເອົາວິທີການລະດັບຊັ້ນ: AI ຜະລິດເນື້ອຫາປະຈໍາວັນເປັນສ່ວນໃຫຍ່, ໃນຂະນະທີ່ມະນຸດສຸມໃສ່ການແກ້ໄຂແລະການຜະລິດຊິ້ນສ່ວນຍຸດທະສາດຫຼືລະອຽດອ່ອນ. ໂດຍພື້ນຖານແລ້ວ, ເສັ້ນຂອງສິ່ງທີ່ຖືວ່າເປັນ "ປົກກະຕິ" ຈະຂະຫຍາຍອອກໄປເມື່ອຄວາມສາມາດຂອງ AI ເຕີບໂຕ.

ນອກຈາກນັ້ນ, ຮູບແບບໃໝ່ຂອງເນື້ອຫາເຊັ່ນ: ການເລົ່າເລື່ອງແບບໂຕ້ຕອບທີ່ສ້າງຂຶ້ນໂດຍ AI ຫຼືບົດລາຍງານທີ່ປັບແຕ່ງສະເພາະຕົວ ອາດຈະເກີດຂຶ້ນ. ຕົວຢ່າງ, ບົດລາຍງານປະຈໍາປີຂອງບໍລິສັດສາມາດຖືກສ້າງຂື້ນໃນຫຼາຍຮູບແບບໂດຍ AI - ຫຍໍ້ສໍາລັບຜູ້ບໍລິຫານ, ສະບັບບັນຍາຍສໍາລັບພະນັກງານ, ສະບັບທີ່ອຸດົມສົມບູນຂໍ້ມູນສໍາລັບນັກວິເຄາະ - ແຕ່ລະຄົນສ້າງໂດຍອັດຕະໂນມັດຈາກຂໍ້ມູນພື້ນຖານດຽວກັນ. ໃນການສຶກສາ, ປື້ມແບບຮຽນສາມາດຖືກຂຽນແບບເຄື່ອນໄຫວໂດຍ AI ເພື່ອໃຫ້ເຫມາະສົມກັບລະດັບການອ່ານທີ່ແຕກຕ່າງກັນ. ຄໍາຮ້ອງສະຫມັກເຫຼົ່ານີ້ສາມາດເປັນເອກະລາດສ່ວນໃຫຍ່ແຕ່ໄດ້ຮັບການສະຫນັບສະຫນູນໂດຍຂໍ້ມູນທີ່ຖືກຢືນຢັນ.

ເສັ້ນທາງໃນລາຍລັກອັກສອນຊີ້ໃຫ້ເຫັນວ່າໃນກາງຊຸມປີ 2030, AI ຈະເປັນນັກຂຽນທີ່ອຸດົມສົມບູນ . ກຸນແຈສໍາລັບການດໍາເນີນງານທີ່ເປັນເອກະລາດຢ່າງແທ້ຈິງແມ່ນຈະສ້າງຄວາມໄວ້ວາງໃຈໃນຜົນໄດ້ຮັບຂອງມັນ. ຖ້າ AI ສາມາດສະແດງຄວາມຖືກຕ້ອງຕາມຄວາມເປັນຈິງ, ຄຸນນະພາບຂອງສະໄຕລ໌, ແລະການສອດຄ່ອງກັບມາດຕະຖານດ້ານຈັນຍາບັນ, ຄວາມຕ້ອງການສໍາລັບການທົບທວນຄືນຂອງມະນຸດຕາມລໍາດັບຈະຫຼຸດລົງ. ພາກສ່ວນຕ່າງໆຂອງເອກະສານສີຂາວນີ້ເອງ, ໃນປີ 2035, ອາດຈະຖືກຮ່າງໂດຍນັກຄົ້ນຄວ້າ AI ໂດຍບໍ່ຕ້ອງການບັນນາທິການ - ຄວາມຫວັງທີ່ພວກເຮົາມີຄວາມລະມັດລະວັງໃນແງ່ດີ, ຍ້ອນວ່າມີການປົກປ້ອງທີ່ເຫມາະສົມ.

Generative AI ໃນ Visual Arts ແລະການອອກແບບ

ຄວາມສາມາດຂອງ AI ໃນການສ້າງຮູບພາບ ແລະວຽກງານສິລະປະໄດ້ດຶງດູດການຈິນຕະນາການຂອງສາທາລະນະຊົນ, ຈາກຮູບແຕ້ມທີ່ສ້າງໂດຍ AI ຊະນະການແຂ່ງຂັນສິລະປະຈົນເຖິງວິດີໂອປອມທີ່ບໍ່ສາມາດແຍກອອກຈາກຮູບຖ່າຍຕົວຈິງໄດ້. ໃນໂດເມນສາຍຕາ, ແບບຈໍາລອງ AI ເຊັ່ນ: ເຄືອຂ່າຍ adversarial generative (GANs) ແລະຕົວແບບການແຜ່ກະຈາຍ (ເຊັ່ນ: Stable Diffusion, Midjourney) ສາມາດຜະລິດຮູບພາບຕົ້ນສະບັບໂດຍອີງໃສ່ການກະຕຸ້ນຂໍ້ຄວາມ. ດັ່ງນັ້ນ, ດຽວນີ້ AI ສາມາດເຮັດວຽກເປັນນັກສິລະປິນຫຼືຜູ້ອອກແບບທີ່ປົກຄອງຕົນເອງໄດ້ບໍ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): AI ເປັນຜູ້ຊ່ວຍສ້າງສັນ

ມາຮອດປີ 2025, ຮູບແບບການຜະລິດມີຄວາມຊໍານິຊໍານານໃນການສ້າງ ຮູບພາບຕາມຄວາມຕ້ອງການ ດ້ວຍຄວາມຊື່ສັດທີ່ຫນ້າປະທັບໃຈ. ຜູ້​ໃຊ້​ສາ​ມາດ​ຂໍ​ໃຫ້​ຮູບ​ພາບ AI ເພື່ອ​ແຕ້ມ "ເມືອງ​ໃນ​ສະ​ໄຫມ​ກາງ​ທີ່​ຕາ​ເວັນ​ຕົກ​ໃນ​ແບບ​ຂອງ Van Gogh​" ແລະ​ໄດ້​ຮັບ​ຮູບ​ພາບ​ສິ​ລະ​ປະ convincingly ໃນ​ວິ​ນາ​ທີ​. ນີ້ໄດ້ນໍາໄປສູ່ການນໍາໃຊ້ຢ່າງກວ້າງຂວາງຂອງ AI ໃນການອອກແບບກາຟິກ, ການຕະຫຼາດ, ແລະການບັນເທີງສໍາລັບສິນລະປະແນວຄວາມຄິດ, prototypes, ແລະແມ້ກະທັ້ງຮູບພາບສຸດທ້າຍໃນບາງກໍລະນີ. ໂດດເດັ່ນ:

• ການອອກແບບກາຟິກ & ຮູບພາບຫຼັກຊັບ: ບໍລິສັດສ້າງກາຟິກເວັບໄຊທ໌, ຮູບປະກອບ, ຫຼືຮູບພາບຫຼັກຊັບຜ່ານ AI, ຫຼຸດຜ່ອນຄວາມຕ້ອງການທີ່ຈະມອບໃຫ້ທຸກຊິ້ນສ່ວນຈາກນັກສິລະປິນ. ທີມງານການຕະຫຼາດຈໍານວນຫຼາຍໃຊ້ເຄື່ອງມື AI ເພື່ອຜະລິດການປ່ຽນແປງຂອງການໂຄສະນາຫຼືຮູບພາບຜະລິດຕະພັນເພື່ອທົດສອບສິ່ງທີ່ດຶງດູດຜູ້ບໍລິໂພກ.

• ສິນລະປະ ແລະຮູບປະກອບ: ນັກສິລະປິນສ່ວນບຸກຄົນຮ່ວມມືກັບ AI ເພື່ອລະດົມຄວາມຄິດ ຫຼືຕື່ມຂໍ້ມູນໃສ່ໃນລາຍລະອຽດ. ຕົວຢ່າງ, ນັກແຕ້ມຮູບອາດໃຊ້ AI ເພື່ອສ້າງພາບພື້ນຫຼັງ, ເຊິ່ງພວກມັນຈະປະສົມປະສານກັບຕົວລະຄອນທີ່ແຕ້ມມາຈາກມະນຸດ. ຜູ້ສ້າງປຶ້ມຕະຫຼົກບາງຄົນໄດ້ທົດລອງກັບແຜງ ຫຼືການໃສ່ສີທີ່ສ້າງໂດຍ AI.

• ສື່ ແລະການບັນເທີງ: ສິນລະປະທີ່ສ້າງໂດຍ AI ໄດ້ປາກົດຢູ່ໃນໜ້າປົກວາລະສານ ແລະໜ້າປົກປຶ້ມ. ຕົວຢ່າງທີ່ມີຊື່ສຽງແມ່ນ ຂອງ Cosmopolitan ທີ່ສະແດງນັກອາວະກາດ - ລາຍງານວ່າຮູບປົກວາລະສານທໍາອິດທີ່ສ້າງໂດຍ AI (OpenAI's DALL·E) ຕາມການຊີ້ນໍາຂອງຜູ້ອໍານວຍການສິລະປະ. ໃນຂະນະທີ່ນີ້ກ່ຽວຂ້ອງກັບການກະຕຸ້ນເຕືອນຂອງມະນຸດແລະການຄັດເລືອກ, ສິລະປະທີ່ແທ້ຈິງໄດ້ຖືກສະແດງດ້ວຍເຄື່ອງຈັກ.

ທີ່​ສໍາ​ຄັນ, ການ​ນໍາ​ໃຊ້​ໃນ​ປັດ​ຈຸ​ບັນ​ສ່ວນ​ໃຫຍ່​ເຫຼົ່າ​ນີ້​ຍັງ​ມີ​ສ່ວນ​ຮ່ວມ​ໃນ​ການ​ປິ່ນ​ປົວ​ແລະ​ການ​ເຮັດ​ວຽກ​ຂອງ​ມະ​ນຸດ ​. AI ສາມາດຖົ່ມຮູບຫຼາຍສິບຮູບ, ແລະມະນຸດເລືອກສິ່ງທີ່ດີທີ່ສຸດ ແລະອາດຈະແຕະມັນຂຶ້ນ. ໃນຄວາມຫມາຍນັ້ນ, AI ກໍາລັງເຮັດວຽກຢ່າງເປັນເອກະລາດເພື່ອ ຜະລິດ ທາງເລືອກ, ແຕ່ມະນຸດກໍາລັງນໍາພາທິດທາງທີ່ສ້າງສັນແລະເລືອກສຸດທ້າຍ. ມັນຫນ້າເຊື່ອຖືສໍາລັບການສ້າງເນື້ອຫາຫຼາຍຢ່າງໄວ, ແຕ່ບໍ່ຮັບປະກັນວ່າຕອບສະຫນອງຄວາມຕ້ອງການທັງຫມົດໃນການທົດລອງຄັ້ງທໍາອິດ. ບັນຫາເຊັ່ນ: ລາຍລະອຽດທີ່ບໍ່ຖືກຕ້ອງ (ເຊັ່ນ: AI ແຕ້ມມືດ້ວຍຈໍານວນນິ້ວມືທີ່ບໍ່ຖືກຕ້ອງ, ລັກສະນະທີ່ຮູ້ຈັກ) ຫຼືຜົນໄດ້ຮັບທີ່ບໍ່ໄດ້ຕັ້ງໃຈຫມາຍຄວາມວ່າຜູ້ອໍານວຍການສິລະປະຂອງມະນຸດມັກຈະຕ້ອງເບິ່ງແຍງຄຸນນະພາບຜົນຜະລິດ.

ຢ່າງໃດກໍຕາມ, ມີໂດເມນທີ່ AI ໃກ້ຈະປົກຄອງຕົນເອງຢ່າງເຕັມທີ່:

• ການອອກແບບທົ່ວໄປ: ໃນຂົງເຂດເຊັ່ນ: ສະຖາປັດຕະຍະກໍາແລະການອອກແບບຜະລິດຕະພັນ, ເຄື່ອງມື AI ສາມາດສ້າງຕົວແບບການອອກແບບແບບອັດຕະໂນມັດທີ່ຕອບສະຫນອງຂໍ້ຈໍາກັດທີ່ກໍານົດໄວ້. ສໍາລັບຕົວຢ່າງ, ເນື່ອງຈາກຂະຫນາດທີ່ຕ້ອງການແລະຫນ້າທີ່ຂອງເຄື່ອງເຟີນີເຈີ, ສູດການຄິດໄລ່ການຜະລິດອາດຈະເຮັດໃຫ້ການອອກແບບທີ່ມີຄວາມເປັນໄປໄດ້ຫຼາຍ (ບາງອັນຂ້ອນຂ້າງບໍ່ທໍາມະດາ) ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດເກີນກວ່າສະເປັກເບື້ອງຕົ້ນ. ການອອກແບບເຫຼົ່ານີ້ສາມາດຖືກນໍາໃຊ້ໂດຍກົງຫຼືປັບປຸງໂດຍມະນຸດ. ເຊັ່ນດຽວກັນ, ໃນວິສະວະກໍາ, AI ການຜະລິດສາມາດອອກແບບພາກສ່ວນ (ເວົ້າວ່າ, ອົງປະກອບຂອງເຮືອບິນ) ເຫມາະສໍາລັບນ້ໍາຫນັກແລະຄວາມເຂັ້ມແຂງ, ການຜະລິດຮູບແບບໃຫມ່ທີ່ມະນຸດອາດຈະບໍ່ໄດ້ conceived.

• ຊັບສິນວິດີໂອເກມ: AI ສາມາດສ້າງໂຄງສ້າງ, ຮູບແບບ 3D, ຫຼືແມ້ກະທັ້ງລະດັບທັງຫມົດສໍາລັບວິດີໂອເກມອັດຕະໂນມັດ. ນັກພັດທະນາໃຊ້ສິ່ງເຫຼົ່ານີ້ເພື່ອເລັ່ງການສ້າງເນື້ອຫາ. ເກມອິນດີ້ບາງເກມໄດ້ເລີ່ມລວມເອົາງານສິນລະປະທີ່ສ້າງຂຶ້ນຕາມຂັ້ນຕອນ ແລະແມ້ກະທັ້ງການສົນທະນາ (ຜ່ານຕົວແບບພາສາ) ເພື່ອສ້າງໂລກເກມທີ່ກວ້າງໃຫຍ່ໄພສານທີ່ມີຊັບສິນທີ່ມະນຸດສ້າງຂຶ້ນໜ້ອຍທີ່ສຸດ.

• ອະນິເມຊັນ ແລະ ວິດີໂອ (ເກີດໃໝ່): ໃນຂະນະທີ່ມີຂະໜາດໜ້ອຍກວ່າຮູບພາບສະຖິດ, AI ທີ່ເປັນກຳເນີດຂອງວິດີໂອແມ່ນມີຄວາມກ້າວໜ້າ. AI ສາມາດສ້າງຄລິບວິດີໂອສັ້ນ ຫຼືພາບເຄື່ອນໄຫວຈາກການກະຕຸ້ນເຕືອນໄດ້ແລ້ວ, ເຖິງແມ່ນວ່າຄຸນນະພາບບໍ່ສອດຄ່ອງກັນ. ເທກໂນໂລຍີ Deepfake - ເຊິ່ງແມ່ນການຜະລິດ - ສາມາດຜະລິດການປ່ຽນແປງໃບຫນ້າທີ່ແທ້ຈິງຫຼືໂຄນສຽງ. ໃນການຕັ້ງຄ່າຄວບຄຸມ, ສະຕູດິໂອສາມາດໃຊ້ AI ເພື່ອສ້າງສາກພື້ນຫຼັງ ຫຼືພາບເຄື່ອນໄຫວຂອງຝູງຊົນໂດຍອັດຕະໂນມັດ.

ໂດຍສະເພາະ, Gartner ຄາດຄະເນວ່າໃນປີ 2030, ພວກເຮົາຈະເຫັນ ຮູບເງົາ blockbuster ທີ່ສໍາຄັນທີ່ມີ 90% ຂອງເນື້ອໃນທີ່ສ້າງຂຶ້ນໂດຍ AI (ຈາກ script ກັບພາບ) ( Generative AI Use Cases for Industries and Enterprises ). ມາຮອດປີ 2025, ພວກເຮົາຍັງບໍ່ມີເທື່ອ – AI ບໍ່ສາມາດສ້າງຮູບເງົາທີ່ມີຄວາມຍາວເປັນເອກະລາດໄດ້. ແຕ່ຊິ້ນສ່ວນຂອງປິດສະໜານັ້ນກຳລັງພັດທະນາຄື: ການສ້າງສະຄຣິບ (ຂໍ້ຄວາມ AI), ການສ້າງຕົວລະຄອນ ແລະສາກ (ຮູບພາບ/ວິດີໂອ AI), ການສະແດງສຽງ (ໂຄລນສຽງ AI), ແລະ ການຊ່ວຍເຫຼືອການແກ້ໄຂ (AI ສາມາດຊ່ວຍຕັດ ແລະ ຫັນປ່ຽນໄດ້ແລ້ວ).

ການຄາດຄະເນສໍາລັບປີ 2030-2035: ສື່ທີ່ສ້າງໂດຍ AI ໃນລະດັບຂະຫນາດ

ເບິ່ງໄປຂ້າງຫນ້າ, ບົດບາດຂອງ AI ທົ່ວໄປໃນສິລະປະສາຍຕາແລະການອອກແບບແມ່ນກຽມພ້ອມທີ່ຈະຂະຫຍາຍອອກຢ່າງຫຼວງຫຼາຍ. ໃນປີ 2035, ພວກເຮົາຄາດວ່າ AI ຈະເປັນ ຜູ້ສ້າງເນື້ອຫາຕົ້ນຕໍ ໃນສື່ສາຍຕາຫຼາຍອັນ, ມັກຈະດຳເນີນງານດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດໜ້ອຍທີ່ສຸດເກີນກວ່າການແນະນຳເບື້ອງຕົ້ນ. ຄວາມຄາດຫວັງບາງຢ່າງ:

• ຮູບເງົາ ແລະວິດີໂອທີ່ສ້າງດ້ວຍ AI ຢ່າງເຕັມສ່ວນ: ໃນສິບປີຂ້າງໜ້າ, ມັນເປັນໄປໄດ້ຫຼາຍທີ່ພວກເຮົາຈະເຫັນຮູບເງົາ ຫຼືຊຸດທຳອິດທີ່ຜະລິດໂດຍ AI ສ່ວນໃຫຍ່. ມະນຸດອາດຈະໃຫ້ທິດທາງລະດັບສູງ (ເຊັ່ນ: ໂຄງຮ່າງຂອງຕົວໜັງສື ຫຼືຮູບແບບທີ່ຕ້ອງການ) ແລະ AI ຈະສະແດງສາກ, ສ້າງຮູບຊົງຕົວລະຄອນ ແລະສ້າງພາບເຄື່ອນໄຫວທຸກຢ່າງ. ການທົດລອງໃນຕອນຕົ້ນໃນຮູບເງົາສັ້ນມີແນວໂນ້ມພາຍໃນສອງສາມປີ, ໂດຍມີຄວາມພະຍາຍາມໃນຄວາມຍາວຂອງລັກສະນະພາຍໃນ 2030s. ຮູບເງົາ AI ເຫຼົ່ານີ້ອາດຈະເລີ່ມຕົ້ນສະເພາະ (ອະນິເມຊັນທົດລອງ, ແລະອື່ນໆ) ແຕ່ສາມາດກາຍເປັນກະແສຕົ້ນຕໍຍ້ອນວ່າຄຸນນະພາບປັບປຸງ. Gartner's 90% ໃນປີ 2030 ການຄາດຄະເນຮູບເງົາ ( ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປສໍາລັບອຸດສາຫະກໍາແລະວິສາຫະກິດ ), ໃນຂະນະທີ່ມີຄວາມທະເຍີທະຍານ, ຊີ້ໃຫ້ເຫັນຄວາມເຊື່ອຂອງອຸດສາຫະກໍາວ່າການສ້າງເນື້ອຫາ AI ຈະມີຄວາມຊັບຊ້ອນພຽງພໍທີ່ຈະຮັບຜິດຊອບສ່ວນໃຫຍ່ຂອງການຜະລິດຮູບເງົາ.

• ການອອກແບບອັດຕະໂນມັດ: ໃນຂົງເຂດຕ່າງໆເຊັ່ນ: ແຟຊັ່ນຫຼືສະຖາປັດຕະຍະກໍາ, AI ທົ່ວໄປຈະຖືກນໍາໃຊ້ເພື່ອຮ່າງແນວຄວາມຄິດການອອກແບບຫຼາຍຮ້ອຍແບບອັດຕະໂນມັດໂດຍອີງໃສ່ຕົວກໍານົດການເຊັ່ນ "ຄ່າໃຊ້ຈ່າຍ, ວັດສະດຸ, ຮູບແບບ X", ເຮັດໃຫ້ມະນຸດເລືອກເອົາການອອກແບບສຸດທ້າຍ. ນີ້ຈະຫັນໄປສູ່ຄວາມເຄື່ອນໄຫວໃນປະຈຸບັນ: ແທນທີ່ຈະເປັນຜູ້ອອກແບບທີ່ສ້າງຈາກຈຸດເລີ່ມຕົ້ນແລະອາດຈະໃຊ້ AI ສໍາລັບການດົນໃຈ, ຜູ້ອອກແບບໃນອະນາຄົດອາດຈະເຮັດຫນ້າທີ່ເປັນຜູ້ຮັກສາ, ເລືອກການອອກແບບທີ່ດີທີ່ສຸດທີ່ສ້າງ AI ແລະບາງທີມັນ. ໃນປີ 2035, ສະຖາປະນິກອາດຈະໃສ່ຂໍ້ກໍານົດສໍາລັບອາຄານແລະໄດ້ຮັບແຜນຜັງທີ່ສົມບູນເປັນຄໍາແນະນໍາຈາກ AI (ໂຄງສ້າງທັງຫມົດມີສຽງ, ມາລະຍາດຂອງກົດລະບຽບວິສະວະກໍາຝັງ).

• ການສ້າງເນື້ອຫາສ່ວນບຸກຄົນ: ພວກເຮົາອາດຈະເຫັນ AIs ສ້າງພາບໃນທັນທີສໍາລັບຜູ້ໃຊ້ແຕ່ລະຄົນ. ຈິນຕະນາການວິດີໂອເກມ ຫຼືປະສົບການສະເໝືອນຈິງໃນປີ 2035 ບ່ອນທີ່ທັດສະນີຍະພາບ ແລະຕົວລະຄອນປັບຕົວເຂົ້າກັບຄວາມມັກຂອງຜູ້ຫຼິ້ນ, ສ້າງຂຶ້ນໃນເວລາຈິງໂດຍ AI. ຫຼື ໜັງຕະຫຼົກທີ່ປັບແຕ່ງສະເພາະຕົວທີ່ສ້າງຂຶ້ນຕາມມື້ຂອງຜູ້ໃຊ້ – ເປັນ “ເລື່ອງຕະຫຼົກປະຈຳວັນ” ແບບອັດຕະໂນມັດ AI ທີ່ປ່ຽນວາລະສານຂໍ້ຄວາມຂອງທ່ານໃຫ້ເປັນຮູບແຕ້ມໂດຍອັດຕະໂນມັດໃນແຕ່ລະຕອນແລງ.

• ຄວາມຄິດສ້າງສັນແບບ Multimodal: ລະບົບ AI ໂດຍທົ່ວໄປແມ່ນມີຫຼາຍແບບຫຼາຍແບບ - ຊຶ່ງຫມາຍຄວາມວ່າພວກເຂົາສາມາດຈັດການຂໍ້ຄວາມ, ຮູບພາບ, ສຽງ, ແລະອື່ນໆ. ໂດຍການລວມເອົາສິ່ງເຫຼົ່ານີ້, AI ສາມາດໃຊ້ການກະຕຸ້ນເຕືອນງ່າຍໆເຊັ່ນ: "ເຮັດໃຫ້ຂ້ອຍເປັນການໂຄສະນາການຕະຫຼາດສໍາລັບຜະລິດຕະພັນ X" ແລະສ້າງສໍາເນົາບໍ່ພຽງແຕ່ລາຍລັກອັກສອນ, ແຕ່ຮູບພາບທີ່ກົງກັນ, ບາງທີວິດີໂອໂຄສະນາສັ້ນ, ທັງຫມົດແມ່ນສອດຄ່ອງໃນແບບ. ການຈັດລຽງຂອງຊຸດເນື້ອຫາແບບຄລິກດຽວນີ້ແມ່ນການບໍລິການທີ່ອາດຈະເປັນໄປໄດ້ໃນຕົ້ນປີ 2030.

AI ຈະ ມາແທນທີ່ນັກສິລະປິນມະນຸດ ບໍ? ຄໍາຖາມນີ້ມັກຈະເກີດຂື້ນ. ມັນເປັນໄປໄດ້ວ່າ AI ຈະຍຶດເອົາວຽກງານການຜະລິດຫຼາຍຢ່າງ (ໂດຍສະເພາະແມ່ນສິນລະປະທີ່ຊ້ໍາກັນຫຼືການປ່ຽນແປງຢ່າງໄວວາທີ່ຈໍາເປັນສໍາລັບທຸລະກິດ), ແຕ່ສິລະປະຂອງມະນຸດຈະຍັງຄົງຢູ່ໃນຕົ້ນສະບັບແລະນະວັດກໍາ. ໃນປີ 2035, AI ທີ່ເປັນເອກະລາດອາດຈະສາມາດແຕ້ມຮູບໃນແບບຂອງຈິດຕະນາການທີ່ມີຊື່ສຽງ - ແຕ່ການສ້າງ ໃຫມ່ ຫຼືສິລະປະວັດທະນະທໍາທີ່ເລິກເຊິ່ງອາດຈະເປັນການເສີມສ້າງຂອງມະນຸດ (ອາດມີ AI ເປັນຜູ້ຮ່ວມມື). ພວກເຮົາຄາດຄະເນອະນາຄົດທີ່ນັກສິລະປິນຂອງມະນຸດເຮັດວຽກຄຽງຄູ່ກັບ "ນັກສິລະປິນຮ່ວມ." ຄົນເຮົາອາດຈະມອບໃຫ້ AI ສ່ວນບຸກຄົນເພື່ອສ້າງສິລະປະຢ່າງຕໍ່ເນື່ອງສໍາລັບຫ້ອງສະແດງດິຈິຕອນຢູ່ໃນເຮືອນ, ຕົວຢ່າງ, ສະຫນອງສະພາບແວດລ້ອມທີ່ສ້າງສັນທີ່ມີການປ່ຽນແປງຕະຫຼອດໄປ.

ຈາກທັດສະນະຄວາມຫນ້າເຊື່ອຖື, AI ການຜະລິດຕາມີເສັ້ນທາງທີ່ງ່າຍຕໍ່ການປົກຄອງຕົນເອງກ່ວາຂໍ້ຄວາມໃນບາງທາງ: ຮູບພາບສາມາດ "ດີພຽງພໍ" ເຖິງແມ່ນວ່າບໍ່ສົມບູນແບບ, ໃນຂະນະທີ່ຄວາມຜິດພາດຂອງຕົວຫນັງສືແມ່ນມີບັນຫາຫຼາຍ. ດັ່ງນັ້ນ, ພວກເຮົາເຫັນ ການຮັບຮອງເອົາທີ່ມີຄວາມສ່ຽງຕໍ່າ - ຖ້າການອອກແບບທີ່ສ້າງໂດຍ AI ແມ່ນຫນ້າກຽດຫຼືຜິດພາດ, ທ່ານພຽງແຕ່ບໍ່ໃຊ້ມັນ, ແຕ່ມັນບໍ່ກໍ່ໃຫ້ເກີດອັນຕະລາຍໂດຍຕົວມັນເອງ. ນີ້ຫມາຍຄວາມວ່າໃນຊຸມປີ 2030, ບໍລິສັດອາດຈະສະດວກສະບາຍໃຫ້ AI ຫັນອອກການອອກແບບທີ່ບໍ່ມີການເບິ່ງແຍງແລະມີສ່ວນຮ່ວມກັບມະນຸດເທົ່ານັ້ນເມື່ອມີສິ່ງໃຫມ່ໆຫຼືມີຄວາມສ່ຽງຢ່າງແທ້ຈິງ.

ສະຫລຸບລວມແລ້ວ, ໃນປີ 2035 AI ການຜະລິດແມ່ນຄາດວ່າຈະເປັນຜູ້ສ້າງເນື້ອຫາທີ່ມີປະສິດທິພາບດ້ານສາຍຕາ, ອາດຈະຮັບຜິດຊອບສໍາລັບສ່ວນທີ່ສໍາຄັນຂອງຮູບພາບແລະສື່ທີ່ຢູ່ອ້ອມຂ້າງພວກເຮົາ. ມັນຈະສ້າງເນື້ອຫາສໍາລັບການບັນເທີງ, ການອອກແບບ, ແລະການສື່ສານປະຈໍາວັນທີ່ຫນ້າເຊື່ອຖື. ນັກສິລະປິນທີ່ປົກຄອງຕົນເອງແມ່ນຢູ່ໃນຂອບເຂດ - ເຖິງແມ່ນວ່າ AI ຈະຖືກເຫັນວ່າເປັນ ຄວາມຄິດສ້າງສັນ ຫຼືພຽງແຕ່ເປັນເຄື່ອງມືທີ່ສະຫຼາດຫຼາຍແມ່ນການໂຕ້ວາທີທີ່ຈະພັດທະນາຍ້ອນວ່າຜົນໄດ້ຮັບຂອງມັນກາຍເປັນສິ່ງທີ່ແຕກຕ່າງຈາກມະນຸດ.

Generative AI ໃນການພັດທະນາຊອບແວ (Coding)

ການພັດທະນາຊອບແວອາດຈະເບິ່ງຄືວ່າເປັນວຽກງານການວິເຄາະສູງ, ແຕ່ມັນຍັງມີອົງປະກອບທີ່ສ້າງສັນ - ການຂຽນລະຫັດແມ່ນການສ້າງຂໍ້ຄວາມໂດຍພື້ນຖານໃນພາສາທີ່ມີໂຄງສ້າງ. AI ການຜະລິດທີ່ທັນສະໄຫມ, ໂດຍສະເພາະແມ່ນຕົວແບບພາສາຂະຫນາດໃຫຍ່, ໄດ້ພິສູດວ່າມີຄວາມຊໍານານໃນການຂຽນລະຫັດ. ເຄື່ອງມືເຊັ່ນ GitHub Copilot, Amazon CodeWhisperer, ແລະອື່ນໆເຮັດຫນ້າທີ່ເປັນໂປລແກລມຄູ່ AI, ແນະນໍາ snippets ລະຫັດຫຼືແມ້ກະທັ້ງຫນ້າທີ່ທັງຫມົດເປັນປະເພດນັກພັດທະນາ. ມັນສາມາດໄປສູ່ການດໍາເນີນໂຄງການອັດຕະໂນມັດໄດ້ໄກປານໃດ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): AI ເປັນ Coding Co-Pilot

ໃນປີ 2025, ເຄື່ອງສ້າງລະຫັດ AI ໄດ້ກາຍເປັນເລື່ອງທົ່ວໄປໃນຂະບວນການເຮັດວຽກຂອງນັກພັດທະນາຈໍານວນຫຼາຍ. ເຄື່ອງ​ມື​ເຫຼົ່າ​ນີ້​ສາ​ມາດ​ຕື່ມ​ຂໍ້​ມູນ​ລະ​ຫັດ​ອັດ​ຕະ​ໂນ​ມັດ​, ສ້າງ boilerplate (ເຊັ່ນ​: ຫນ້າ​ທີ່​ມາດ​ຕະ​ຖານ​ຫຼື​ການ​ທົດ​ສອບ​)​, ແລະ​ແມ້​ກະ​ທັ້ງ​ການ​ຂຽນ​ໂຄງ​ການ​ງ່າຍ​ດາຍ​ໄດ້​ຮັບ​ການ​ອະ​ທິ​ບາຍ​ພາ​ສາ​ທໍາ​ມະ​ຊາດ​. ທີ່ສໍາຄັນ, ເຖິງແມ່ນວ່າ, ພວກເຂົາເຈົ້າດໍາເນີນການພາຍໃຕ້ການຊີ້ນໍາຂອງນັກພັດທະນາ - ນັກພັດທະນາທົບທວນຄືນແລະປະສົມປະສານຄໍາແນະນໍາຂອງ AI.

ບາງຂໍ້ເທັດຈິງແລະຕົວເລກໃນປະຈຸບັນ:

• ຫຼາຍກວ່າເຄິ່ງຫນຶ່ງຂອງນັກພັດທະນາມືອາຊີບໄດ້ຮັບຮອງເອົາ AI coding assistant ໃນທ້າຍປີ 2023 ( Coding on Copilot: 2023 Data suggests downward pressure on the code quality (incl 2024 projections) - GitClear ), ຊີ້ໃຫ້ເຫັນເຖິງການເພີ່ມຂຶ້ນຢ່າງໄວວາ. GitHub Copilot, ຫນຶ່ງໃນເຄື່ອງມືທີ່ມີຢ່າງກວ້າງຂວາງຄັ້ງທໍາອິດ, ໄດ້ຖືກລາຍງານວ່າສ້າງໂດຍສະເລ່ຍ 30-40% ຂອງລະຫັດໃນໂຄງການທີ່ມັນຖືກນໍາໃຊ້ ( Coding ບໍ່ແມ່ນ MOAT ອີກຕໍ່ໄປ. 46% ຂອງລະຫັດໃນ GitHub ແມ່ນແລ້ວ ... ). ນີ້ຫມາຍຄວາມວ່າ AI ກໍາລັງຂຽນບາງສ່ວນທີ່ສໍາຄັນຂອງລະຫັດ, ເຖິງແມ່ນວ່າມະນຸດກໍາລັງຊີ້ນໍາແລະກວດສອບມັນ.

• ເຄື່ອງມື AI ເຫຼົ່ານີ້ດີເລີດໃນວຽກງານເຊັ່ນ: ການຂຽນລະຫັດຊ້ໍາຊ້ອນ (ເຊັ່ນ, ຫ້ອງຮຽນແບບຈໍາລອງຂໍ້ມູນ, getter / setter method), ການແປງພາສາການຂຽນໂປຼແກຼມຫນຶ່ງໄປຫາອີກ, ຫຼືການຜະລິດສູດການຄິດໄລ່ທີ່ກົງໄປກົງມາທີ່ຄ້າຍຄືກັບຕົວຢ່າງການຝຶກອົບຮົມ. ຍົກຕົວຢ່າງ, ນັກພັດທະນາສາມາດສະແດງຄວາມຄິດເຫັນ "// ຟັງຊັນເພື່ອຈັດຮຽງລາຍຊື່ຜູ້ໃຊ້ຕາມຊື່" ແລະ AI ຈະສ້າງຫນ້າທີ່ຈັດຮຽງທີ່ເຫມາະສົມເກືອບທັນທີ.

• ພວກເຂົາຍັງຊ່ວຍ ແກ້ໄຂ bug ແລະຄໍາອະທິບາຍ : ນັກພັດທະນາສາມາດວາງຂໍ້ຄວາມສະແດງຂໍ້ຜິດພາດແລະ AI ອາດຈະແນະນໍາການແກ້ໄຂ, ຫຼືຖາມວ່າ "ລະຫັດນີ້ເຮັດຫຍັງ?" ແລະໄດ້ຮັບຄໍາອະທິບາຍພາສາທໍາມະຊາດ. ນີ້​ແມ່ນ​ເປັນ​ເອ​ກະ​ລາດ​ໃນ​ຄວາມ​ຮູ້​ສຶກ (AI ສາ​ມາດ​ວິ​ນິດ​ໄສ​ບັນ​ຫາ​ຂອງ​ຕົນ​ເອງ​)​, ແຕ່​ມະ​ນຸດ​ຕັດ​ສິນ​ໃຈ​ວ່າ​ຈະ​ນໍາ​ໃຊ້​ການ​ແກ້​ໄຂ​ໄດ້​.

• ສິ່ງສໍາຄັນ, ຜູ້ຊ່ວຍການເຂົ້າລະຫັດ AI ໃນປະຈຸບັນແມ່ນບໍ່ມີຄວາມຜິດພາດ. ພວກເຂົາສາມາດແນະນໍາລະຫັດທີ່ບໍ່ປອດໄພ, ຫຼືລະຫັດທີ່ ເກືອບ ແກ້ໄຂບັນຫາແຕ່ມີຂໍ້ບົກພ່ອງທີ່ລະອຽດອ່ອນ. ດັ່ງນັ້ນ, ການປະຕິບັດທີ່ດີທີ່ສຸດໃນມື້ນີ້ແມ່ນເພື່ອ ຮັກສາມະນຸດຢູ່ໃນວົງຈອນ - ນັກພັດທະນາທົດສອບແລະແກ້ໄຂລະຫັດທີ່ຂຽນ AI ຄືກັນກັບພວກເຂົາຂຽນລະຫັດຂອງມະນຸດ. ໃນອຸດສາຫະກໍາທີ່ມີການຄວບຄຸມຫຼືຊອບແວທີ່ສໍາຄັນ (ເຊັ່ນ: ລະບົບການແພດຫຼືການບິນ), ການປະກອບສ່ວນຂອງ AI ໄດ້ຮັບການທົບທວນຢ່າງເຂັ້ມງວດ.

ບໍ່​ມີ​ລະ​ບົບ​ຊອບ​ແວ​ໃນ​ທົ່ວ​ປະ​ຈຸ​ບັນ​ແມ່ນ​ໄດ້​ຖືກ​ນໍາ​ໃຊ້​ທັງ​ຫມົດ​ຂຽນ​ໂດຍ AI ຈາກ​ເບື້ອງ​ຕົ້ນ​ໂດຍ​ບໍ່​ມີ​ການ​ກວດ​ສອບ​ການ​ພັດ​ທະ​ນາ​. ແນວໃດກໍ່ຕາມ, ບາງການນຳໃຊ້ແບບເອກະລາດ ຫຼື ເຄິ່ງປົກຄອງຕົນເອງແມ່ນປະກົດຂຶ້ນ:

• ການທົດສອບຫນ່ວຍງານທີ່ຜະລິດໂດຍອັດຕະໂນມັດ: AI ສາມາດວິເຄາະລະຫັດແລະຜະລິດການທົດສອບຫນ່ວຍງານເພື່ອໃຫ້ກວມເອົາກໍລະນີຕ່າງໆ. ກອບການທົດສອບອາດຈະສ້າງ ແລະດໍາເນີນການທົດສອບທີ່ຂຽນດ້ວຍ AI ເຫຼົ່ານີ້ໂດຍອັດຕະໂນມັດເພື່ອຈັບແມງໄມ້, ເພີ່ມການທົດສອບທີ່ຂຽນໂດຍມະນຸດ.

• ເວທີທີ່ມີລະຫັດຕ່ໍາ / ບໍ່ມີລະຫັດທີ່ມີ AI: ບາງແພລະຕະຟອມອະນຸຍາດໃຫ້ຜູ້ທີ່ບໍ່ແມ່ນໂຄງການອະທິບາຍສິ່ງທີ່ພວກເຂົາຕ້ອງການ (ເຊັ່ນ: "ສ້າງຫນ້າເວັບທີ່ມີແບບຟອມຕິດຕໍ່ແລະຖານຂໍ້ມູນເພື່ອບັນທຶກລາຍການ") ແລະລະບົບຈະສ້າງລະຫັດ. ໃນຂະນະທີ່ຍັງຢູ່ໃນຂັ້ນຕອນຕົ້ນ, ນີ້ຊີ້ໃຫ້ເຫັນເຖິງອະນາຄົດທີ່ AI ສາມາດສ້າງຊອບແວອັດຕະໂນມັດສໍາລັບກໍລະນີການນໍາໃຊ້ມາດຕະຖານ.

• Scripting ແລະ Glue Code: ອັດຕະໂນມັດ IT ມັກຈະກ່ຽວຂ້ອງກັບການຂຽນສະຄິບເພື່ອເຊື່ອມຕໍ່ລະບົບ. ເຄື່ອງມື AI ມັກຈະສາມາດສ້າງສະຄິບນ້ອຍໆເຫຼົ່ານີ້ໂດຍອັດຕະໂນມັດ. ສໍາລັບຕົວຢ່າງ, ການຂຽນສະຄິບເພື່ອແຍກໄຟລ໌ບັນທຶກແລະສົ່ງອີເມວແຈ້ງເຕືອນ - AI ສາມາດຜະລິດສະຄິບທີ່ເຮັດວຽກໄດ້ດ້ວຍການດັດແກ້ຫນ້ອຍທີ່ສຸດຫຼືບໍ່ມີການແກ້ໄຂ.

ການຄາດຄະເນສໍາລັບ 2030-2035: ໄປສູ່ "ການພັດທະນາຕົນເອງ" ຊອບແວ

ໃນທົດສະວັດຕໍ່ໄປ, AI ທົ່ວໄປຄາດວ່າຈະມີສ່ວນແບ່ງຂະຫນາດໃຫຍ່ຂອງພາລະການຂຽນລະຫັດ, ກ້າວໄປໃກ້ກັບການພັດທະນາຊອບແວທີ່ເປັນເອກະລາດຢ່າງເຕັມສ່ວນສໍາລັບໂຄງການບາງຊັ້ນຮຽນ. ບາງ​ການ​ພັດ​ທະ​ນາ​ຄາດ​ຄະ​ເນ​:

• ການປະຕິບັດຄຸນສົມບັດທີ່ສົມບູນ: ໃນປີ 2030, ພວກເຮົາຄາດການວ່າ AI ຈະສາມາດປະຕິບັດຄຸນສົມບັດຂອງແອັບພລິເຄຊັນທີ່ງ່າຍດາຍໃນຕອນທ້າຍ. ຜູ້ຈັດການຜະລິດຕະພັນອາດຈະອະທິບາຍລັກສະນະທີ່ເປັນພາສາທໍາມະດາ ("ຜູ້ໃຊ້ຄວນຈະສາມາດປັບລະຫັດຜ່ານຂອງເຂົາເຈົ້າຜ່ານການເຊື່ອມຕໍ່ອີເມວ") ແລະ AI ສາມາດສ້າງລະຫັດທີ່ຈໍາເປັນ (ແບບຟອມຫນ້າ, ເຫດຜົນດ້ານຫລັງ, ການປັບປຸງຖານຂໍ້ມູນ, ການສົ່ງອີເມລ໌) ແລະປະສົມປະສານມັນເຂົ້າໄປໃນ codebase. AI ຈະມີປະສິດຕິຜົນເປັນນັກພັດທະນາຊັ້ນສູງທີ່ສາມາດປະຕິບັດຕາມສະເພາະ. ວິສະວະກອນມະນຸດອາດຈະເຮັດການກວດສອບລະຫັດ ແລະດໍາເນີນການທົດສອບ. ໃນຂະນະທີ່ຄວາມຫນ້າເຊື່ອຖືຂອງ AI ປັບປຸງ, ການກວດສອບລະຫັດອາດຈະກາຍເປັນຄວາມງ່າຍດາຍຢ່າງໄວວາຖ້າທັງຫມົດ.

• ການຮັກສາລະຫັດອັດຕະໂນມັດ: ສ່ວນຫນຶ່ງຂອງວິສະວະກໍາຊອບແວແມ່ນບໍ່ພຽງແຕ່ການຂຽນລະຫັດໃຫມ່, ແຕ່ການປັບປຸງລະຫັດທີ່ມີຢູ່ - ແກ້ໄຂຂໍ້ບົກພ່ອງ, ປັບປຸງການປະຕິບັດ, ປັບຕົວກັບຄວາມຕ້ອງການໃຫມ່. ນັກພັດທະນາ AI ໃນອະນາຄົດອາດຈະດີເລີດໃນເລື່ອງນີ້. ໂດຍໃຫ້ຖານລະຫັດ ແລະຄຳສັ່ງ (“ແອັບຂອງພວກເຮົາກຳລັງຂັດຂ້ອງເມື່ອມີຜູ້ໃຊ້ຫຼາຍຄົນເຂົ້າສູ່ລະບົບພ້ອມກັນ”), AI ອາດຈະຊອກຫາບັນຫາ (ເຊັ່ນ: ຂໍ້ຜິດພາດທີ່ກົງກັນ) ແລະແກ້ໄຂມັນ. ຮອດປີ 2035, ລະບົບ AI ອາດຈະຈັດການຕົ໋ວການບຳລຸງຮັກສາແບບປົກກະຕິໂດຍອັດຕະໂນມັດໃນຄືນ, ຮັບໃຊ້ເປັນພະນັກງານບຳລຸງຮັກສາທີ່ບໍ່ອິດເມື່ອຍສຳລັບລະບົບຊອບແວ.

• ການປະສົມປະສານແລະການນໍາໃຊ້ API: ເນື່ອງຈາກລະບົບຊອບແວແລະ APIs ຫຼາຍຂຶ້ນມາພ້ອມກັບເອກະສານທີ່ສາມາດອ່ານໄດ້ AI, ຕົວແທນ AI ສາມາດຊອກຫາວິທີເຊື່ອມຕໍ່ລະບົບ A ກັບບໍລິການ B ໄດ້ຢ່າງເປັນເອກະລາດໂດຍການຂຽນລະຫັດກາວ. ຍົກຕົວຢ່າງ, ຖ້າບໍລິສັດຕ້ອງການໃຫ້ລະບົບ HR ພາຍໃນຂອງພວກເຂົາສາມາດຊິ້ງກັບ API ເງິນເດືອນໃຫມ່, ພວກເຂົາອາດຈະເຮັດວຽກ AI ເພື່ອ "ເຮັດການເຫຼົ່ານີ້ສົນທະນາກັບກັນແລະກັນ," ແລະມັນຈະຂຽນລະຫັດປະສົມປະສານຫຼັງຈາກອ່ານຂໍ້ມູນຂອງທັງສອງລະບົບ.

• ຄຸນນະພາບແລະການເພີ່ມປະສິດທິພາບ: ຮູບແບບການສ້າງລະຫັດໃນອະນາຄົດອາດຈະລວມເອົາການຕອບໂຕ້ຄືນເພື່ອກວດສອບວ່າລະຫັດເຮັດວຽກ (ເຊັ່ນ: ດໍາເນີນການທົດສອບຫຼືການຈໍາລອງໃນ sandbox). ນີ້ ໝາຍ ຄວາມວ່າ AI ບໍ່ພຽງແຕ່ສາມາດຂຽນລະຫັດເທົ່ານັ້ນແຕ່ຍັງສາມາດແກ້ໄຂຕົວເອງໄດ້ໂດຍການທົດສອບມັນ. ໃນປີ 2035, ພວກເຮົາສາມາດຈິນຕະນາການ AI ທີ່, ມອບໃຫ້ວຽກງານ, ສືບຕໍ່ເຮັດຊ້ໍາລະຫັດຂອງມັນຈົນກ່ວາການທົດສອບທັງຫມົດຜ່ານ - ຂະບວນການທີ່ມະນຸດອາດຈະບໍ່ຈໍາເປັນຕ້ອງຕິດຕາມແຖວຕໍ່ແຖວ. ນີ້ຈະເພີ່ມຄວາມໄວ້ວາງໃຈຢ່າງຫຼວງຫຼາຍໃນລະຫັດທີ່ຜະລິດໂດຍຕົນເອງ.

ຫນຶ່ງສາມາດຈິນຕະນາການສະຖານະການໃນປີ 2035 ບ່ອນທີ່ໂຄງການຊອບແວຂະຫນາດນ້ອຍ - ເວົ້າ app ມືຖືທີ່ກໍາຫນົດເອງສໍາລັບທຸລະກິດ - ສາມາດໄດ້ຮັບການພັດທະນາສ່ວນໃຫຍ່ໂດຍຕົວແທນ AI ທີ່ໃຫ້ຄໍາແນະນໍາໃນລະດັບສູງ. "ຜູ້ພັດທະນາ" ຂອງມະນຸດໃນສະຖານະການນັ້ນແມ່ນຜູ້ຈັດການໂຄງການຫຼືຜູ້ກວດສອບຫຼາຍກວ່າ, ກໍານົດຄວາມຕ້ອງການແລະຂໍ້ຈໍາກັດ (ຄວາມປອດໄພ, ຄໍາແນະນໍາຮູບແບບ) ແລະປ່ອຍໃຫ້ AI ເຮັດການຍົກລະຫັດຕົວຈິງຢ່າງຫນັກແຫນ້ນ.

ຢ່າງໃດກໍຕາມ, ສໍາລັບຊອບແວຂະຫນາດໃຫຍ່ທີ່ສະລັບສັບຊ້ອນ (ລະບົບປະຕິບັດການ, ຂັ້ນຕອນວິທີ AI ກ້າວຫນ້າ, ແລະອື່ນໆ), ຜູ້ຊ່ຽວຊານດ້ານມະນຸດຍັງຈະມີສ່ວນຮ່ວມຢ່າງເລິກເຊິ່ງ. ການແກ້ໄຂບັນຫາທີ່ສ້າງສັນ ແລະການອອກແບບສະຖາປັດຕະຍະກຳໃນຊອຟແວຄົງຈະຍັງຄົງເປັນແບບຢ່າງຂອງມະນຸດເປັນໄລຍະໜຶ່ງ. AI ອາດຈະຈັດການກັບວຽກງານການຂຽນລະຫັດຫຼາຍຢ່າງ, ແຕ່ການຕັດສິນໃຈວ່າ ຈະ ສ້າງແລະອອກແບບໂຄງສ້າງໂດຍລວມແມ່ນສິ່ງທ້າທາຍທີ່ແຕກຕ່າງກັນ. ທີ່ເວົ້າວ່າ, ຍ້ອນວ່າ AI ທົ່ວໄປເລີ່ມຮ່ວມມື - ຕົວແທນ AI ຫຼາຍຕົວຈັດການກັບອົງປະກອບທີ່ແຕກຕ່າງກັນຂອງລະບົບ - ມັນຄິດວ່າພວກເຂົາສາມາດອອກແບບສະຖາປັດຕະຍະກໍາໃນບາງຂອບເຂດ (ຕົວຢ່າງ, AI ຫນຶ່ງສະເຫນີການອອກແບບລະບົບ, ຄົນອື່ນວິພາກວິຈານມັນ, ແລະພວກເຂົາເຮັດຊ້ໍາອີກ, ໂດຍມີມະນຸດເບິ່ງແຍງຂະບວນການ).

ຜົນປະໂຫຍດທີ່ຄາດຫວັງທີ່ສໍາຄັນຂອງ AI ໃນການເຂົ້າລະຫັດແມ່ນ ການຂະຫຍາຍຜົນຜະລິດ . Gartner ຄາດຄະເນວ່າໃນປີ 2028, 90% ຂອງວິສະວະກອນຊອບແວຈະໃຊ້ຜູ້ຊ່ວຍລະຫັດ AI (ເພີ່ມຂຶ້ນຈາກຫນ້ອຍກວ່າ 15% ໃນປີ 2024) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ). ນີ້ຊີ້ໃຫ້ເຫັນວ່າຄົນນອກ - ຜູ້ທີ່ບໍ່ໄດ້ໃຊ້ AI - ຈະມີຈໍານວນຫນ້ອຍ. ພວກເຮົາຍັງອາດຈະເຫັນການຂາດແຄນຜູ້ພັດທະນາມະນຸດໃນບາງພື້ນທີ່ທີ່ຖືກຫຼຸດຜ່ອນໂດຍ AI ຕື່ມຊ່ອງຫວ່າງ; ໂດຍພື້ນຖານແລ້ວ, ນັກພັດທະນາແຕ່ລະຄົນສາມາດເຮັດໄດ້ຫຼາຍຂື້ນກັບຕົວຊ່ວຍ AI ທີ່ສາມາດຮ່າງລະຫັດອັດຕະໂນມັດ.

ຄວາມໄວ້ວາງໃຈຈະຍັງຄົງເປັນບັນຫາຫຼັກ. ເຖິງແມ່ນວ່າໃນປີ 2035, ອົງການຈັດຕັ້ງຈະຕ້ອງຮັບປະກັນວ່າລະຫັດທີ່ສ້າງຂຶ້ນໂດຍຕົນເອງມີຄວາມປອດໄພ (AI ຈະຕ້ອງບໍ່ແນະນໍາຊ່ອງໂຫວ່) ແລະສອດຄ່ອງກັບມາດຕະຖານທາງດ້ານກົດຫມາຍ / ຈັນຍາບັນ (ເຊັ່ນ: AI ບໍ່ໄດ້ລວມເອົາລະຫັດ plagiarized ຈາກຫ້ອງສະຫມຸດ open-source ໂດຍບໍ່ມີໃບອະນຸຍາດທີ່ເຫມາະສົມ). ພວກເຮົາຄາດຫວັງວ່າການປັບປຸງເຄື່ອງມືຄຸ້ມຄອງລະບົບ AI ທີ່ສາມາດກວດສອບ ແລະຕິດຕາມຕົ້ນກຳເນີດຂອງລະຫັດທີ່ຂຽນດ້ວຍ AI ເພື່ອຊ່ວຍໃຫ້ສາມາດເຂົ້າລະຫັດແບບອັດຕະໂນມັດໄດ້ຫຼາຍຂຶ້ນໂດຍບໍ່ມີຄວາມສ່ຽງ.

ສະຫລຸບລວມແລ້ວ, ໃນກາງຊຸມປີ 2030, AI ທົ່ວໄປມີແນວໂນ້ມທີ່ຈະຈັດການສ່ວນແບ່ງຂອງສິງໂຕຂອງການຂຽນລະຫັດສໍາລັບວຽກງານຊໍແວປົກກະຕິແລະຊ່ວຍຢ່າງຫຼວງຫຼາຍໃນສະລັບສັບຊ້ອນ. ວົງຈອນການພັດທະນາຊອຟແວຈະອັດຕະໂນມັດຫຼາຍ - ຈາກຄວາມຕ້ອງການກັບການນໍາໃຊ້ - ໂດຍ AI ອາດຈະສ້າງແລະປັບປ່ຽນລະຫັດອັດຕະໂນມັດ. ນັກພັດທະນາມະນຸດຈະສຸມໃສ່ຫຼາຍກ່ຽວກັບເຫດຜົນລະດັບສູງ, ປະສົບການຂອງຜູ້ໃຊ້, ແລະການກວດກາ, ໃນຂະນະທີ່ຕົວແທນ AI ເຂົ້າໄປໃນລາຍລະອຽດການປະຕິບັດ.

AI ທົ່ວໄປໃນການບໍລິການລູກຄ້າແລະການສະຫນັບສະຫນູນ

ຖ້າທ່ານໄດ້ພົວພັນກັບການສົນທະນາສະຫນັບສະຫນູນລູກຄ້າອອນໄລນ໌ໃນເວລາທີ່ຜ່ານມາ, ມີໂອກາດດີທີ່ AI ຢູ່ໃນອີກດ້ານຫນຶ່ງສໍາລັບຢ່າງຫນ້ອຍສ່ວນຫນຶ່ງຂອງມັນ. ການບໍລິການລູກຄ້າແມ່ນໂດເມນທີ່ສຸກແລ້ວສໍາລັບການອັດຕະໂນມັດ AI: ມັນກ່ຽວຂ້ອງກັບການຕອບສະຫນອງຕໍ່ຄໍາຖາມຂອງຜູ້ໃຊ້, ເຊິ່ງ AI ການຜະລິດ (ໂດຍສະເພາະແບບຈໍາລອງການສົນທະນາ) ສາມາດເຮັດໄດ້ດີ, ແລະມັນມັກຈະປະຕິບັດຕາມ scripts ຫຼືບົດຄວາມພື້ນຖານຄວາມຮູ້, ເຊິ່ງ AI ສາມາດຮຽນຮູ້ໄດ້. AI ສາມາດຈັດການກັບລູກຄ້າແບບອັດຕະໂນມັດໄດ້ແນວໃດ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): Chatbots ແລະ Virtual Agents ເປັນແຖວໜ້າ

ໃນປັດຈຸບັນ, ຫຼາຍອົງການຈັດຕັ້ງນໍາໃຊ້ AI chatbots ເປັນຈຸດທໍາອິດຂອງການຕິດຕໍ່ ບໍລິການລູກຄ້າ. ເຫຼົ່ານີ້ມີຕັ້ງແຕ່ bots ທີ່ອີງໃສ່ກົດລະບຽບງ່າຍໆ ("ກົດ 1 ສໍາລັບການເອີ້ນເກັບເງິນ, 2 ສໍາລັບການສະຫນັບສະຫນູນ ... ") ໄປສູ່ AI chatbots ທີ່ທັນສະໄຫມທີ່ສາມາດຕີຄວາມຫມາຍຄໍາຖາມແບບບໍ່ເສຍຄ່າແລະຕອບສະຫນອງການສົນທະນາ. ຈຸດສໍາຄັນ:

• ການ​ຈັດ​ການ​ຄໍາ​ຖາມ​ທົ່ວ​ໄປ​: ຕົວ​ແທນ AI ດີ​ເລີດ​ໃນ​ການ​ຕອບ​ຄໍາ​ຖາມ​ທີ່​ຖືກ​ຖາມ​ເລື້ອຍໆ​, ການ​ໃຫ້​ຂໍ້​ມູນ (ຊົ່ວ​ໂມງ​ຮ້ານ​, ນະ​ໂຍ​ບາຍ​ການ​ຄືນ​ເງິນ​, ຂັ້ນ​ຕອນ​ການ​ແກ້​ໄຂ​ບັນ​ຫາ​ທີ່​ຮູ້​ຈັກ​) ແລະ​ການ​ຊີ້​ນໍາ​ຜູ້​ໃຊ້​ໂດຍ​ຜ່ານ​ຂັ້ນ​ຕອນ​ມາດ​ຕະ​ຖານ​. ຕົວຢ່າງ, AI chatbot ສໍາລັບທະນາຄານສາມາດຊ່ວຍໃຫ້ຜູ້ໃຊ້ກວດສອບຍອດເງິນໃນບັນຊີຂອງເຂົາເຈົ້າ, ຕັ້ງລະຫັດຜ່ານໃຫມ່, ຫຼືອະທິບາຍວິທີການສະຫມັກຂໍເງິນກູ້, ໂດຍບໍ່ມີການຊ່ວຍເຫຼືອຈາກມະນຸດ.

• ຄວາມເຂົ້າໃຈພາສາທໍາມະຊາດ: ແບບຈໍາລອງການຜະລິດທີ່ທັນສະໄຫມອະນຸຍາດໃຫ້ມີການໂຕ້ຕອບທີ່ມີນ້ໍາຫຼາຍແລະ "ຄ້າຍຄືມະນຸດ". ລູກຄ້າສາມາດພິມຄໍາຖາມດ້ວຍຄໍາຂອງຕົນເອງແລະ AI ສາມາດເຂົ້າໃຈຄວາມຕັ້ງໃຈໄດ້. ບໍລິສັດລາຍງານວ່າຕົວແທນ AI ໃນມື້ນີ້ມີຄວາມພໍໃຈຂອງລູກຄ້າຫຼາຍກ່ວາ bots clunky ຂອງສອງສາມປີຜ່ານມາ - ເກືອບເຄິ່ງຫນຶ່ງຂອງລູກຄ້າໃນປັດຈຸບັນເຊື່ອວ່າຕົວແທນ AI ສາມາດເຫັນອົກເຫັນໃຈແລະມີປະສິດທິພາບໃນເວລາທີ່ແກ້ໄຂຄວາມກັງວົນ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສໍາລັບປີ 2025 ), ສະແດງໃຫ້ເຫັນຄວາມໄວ້ວາງໃຈເພີ່ມຂຶ້ນໃນການບໍລິການຂັບເຄື່ອນ AI.

• ຮອງຮັບຫຼາຍຊ່ອງ: AI ບໍ່ພຽງແຕ່ຢູ່ໃນການສົນທະນາເທົ່ານັ້ນ. ຜູ້ຊ່ວຍສຽງ (ເຊັ່ນ: ລະບົບ IVR ໂທລະສັບທີ່ມີ AI ຢູ່ເບື້ອງຫຼັງ) ກໍາລັງເລີ່ມຈັດການການໂທ, ແລະ AI ຍັງສາມາດຮ່າງການຕອບອີເມວຕໍ່ການສອບຖາມຂອງລູກຄ້າທີ່ອາດຈະອອກໄປໂດຍອັດຕະໂນມັດຖ້າຖືວ່າຖືກຕ້ອງ.

• ເມື່ອມະນຸດກ້າວເຂົ້າມາ: ໂດຍປົກກະຕິ, ຖ້າ AI ສັບສົນຫຼືຄໍາຖາມທີ່ສັບສົນເກີນໄປ, ມັນຈະມອບໃຫ້ຕົວແທນຂອງມະນຸດ. ລະບົບໃນປະຈຸບັນແມ່ນດີທີ່ຈະ ຮູ້ຂໍ້ຈໍາກັດຂອງພວກເຂົາ ໃນຫຼາຍໆກໍລະນີ. ຕົວຢ່າງ, ຖ້າລູກຄ້າຖາມສິ່ງທີ່ຜິດປົກກະຕິຫຼືສະແດງຄວາມອຸກອັ່ງ ("ນີ້ແມ່ນຄັ້ງທີສາມທີ່ຂ້ອຍຕິດຕໍ່ກັບເຈົ້າແລະຂ້ອຍຮູ້ສຶກເສຍໃຈຫຼາຍ ... "), AI ອາດຈະທຸງນີ້ສໍາລັບມະນຸດທີ່ຈະມາແທນ. ຂອບເຂດສໍາລັບການ handoff ຖືກກໍານົດໂດຍບໍລິສັດເພື່ອດຸ່ນດ່ຽງປະສິດທິພາບກັບຄວາມພໍໃຈຂອງລູກຄ້າ.

ຫຼາຍໆບໍລິສັດໄດ້ລາຍງານສ່ວນທີ່ສໍາຄັນຂອງການໂຕ້ຕອບທີ່ຖືກແກ້ໄຂໂດຍ AI ດຽວ. ອີງຕາມການສໍາຫຼວດອຸດສາຫະກໍາ, ປະມານ 70-80% ຂອງການສອບຖາມລູກຄ້າແບບປົກກະຕິສາມາດຖືກຈັດການໂດຍ AI chatbots ໃນມື້ນີ້, ແລະປະມານ 40% ຂອງການພົວພັນກັບລູກຄ້າຂອງບໍລິສັດຜ່ານຊ່ອງທາງຕ່າງໆແມ່ນອັດຕະໂນມັດແລ້ວຫຼື AI-ຊ່ວຍ ( 52 AI ສະຖິຕິການບໍລິການລູກຄ້າທີ່ທ່ານຄວນຮູ້ - Plivo ). IBM's Global AI Adoption Index (2022) ຊີ້ໃຫ້ເຫັນ 80% ຂອງບໍລິສັດບໍ່ວ່າຈະໃຊ້ ຫຼືວາງແຜນທີ່ຈະໃຊ້ AI chatbots ສໍາລັບການບໍລິການລູກຄ້າໃນປີ 2025.

ການພັດທະນາທີ່ຫນ້າສົນໃຈແມ່ນ AI ບໍ່ພຽງແຕ່ຕອບສະຫນອງລູກຄ້າເທົ່ານັ້ນ, ແຕ່ ຍັງຊ່ວຍຕົວແທນຂອງມະນຸດ ໃນເວລາທີ່ແທ້ຈິງ. ຕົວຢ່າງ, ໃນລະຫວ່າງການສົນທະນາສົດ ຫຼືໂທ, AI ອາດຈະຟັງ ແລະໃຫ້ຄຳຕອບທີ່ແນະນຳ ຫຼືຂໍ້ມູນທີ່ກ່ຽວຂ້ອງໃຫ້ຕົວແທນມະນຸດໄດ້ທັນທີ. ອັນນີ້ເຮັດໃຫ້ສາຍຂອງເອກະລາດ - AI ບໍ່ໄດ້ປະເຊີນກັບລູກຄ້າຢ່າງດຽວ, ແຕ່ມັນມີສ່ວນຮ່ວມຢ່າງຈິງຈັງໂດຍບໍ່ມີການສອບຖາມຂອງມະນຸດຢ່າງຈະແຈ້ງ. ມັນມີປະສິດທິພາບເຮັດຫນ້າທີ່ເປັນທີ່ປຶກສາເອກະລາດຂອງຕົວແທນ.

ການຄາດຄະເນສໍາລັບ 2030-2035: ການໂຕ້ຕອບລູກຄ້າທີ່ຂັບເຄື່ອນໂດຍ AI ຢ່າງຫຼວງຫຼາຍ

ໃນປີ 2030, ການໂຕ້ຕອບການບໍລິການລູກຄ້າສ່ວນໃຫຍ່ຄາດວ່າຈະກ່ຽວຂ້ອງກັບ AI, ໂດຍຈໍານວນຫຼາຍໄດ້ຖືກຈັດການໂດຍ AI ທັງຫມົດຕັ້ງແຕ່ຕົ້ນຈົນຈົບ. ການ​ຄາດ​ຄະ​ເນ​ແລະ​ທ່າ​ອ່ຽງ​ສະ​ຫນັບ​ສະ​ຫນູນ​ນີ້​:

• ການສອບຖາມຄວາມຊັບຊ້ອນທີ່ສູງຂຶ້ນໄດ້ຮັບການແກ້ໄຂ: ເມື່ອຕົວແບບ AI ປະສົມປະສານຄວາມຮູ້ອັນກວ້າງຂວາງແລະປັບປຸງການສົມເຫດສົມຜົນ, ພວກເຂົາຈະສາມາດຈັດການກັບຄໍາຮ້ອງຂໍຂອງລູກຄ້າທີ່ສັບສົນຫຼາຍ. ແທນທີ່ຈະພຽງແຕ່ຕອບ "ຂ້ອຍຈະສົ່ງຄືນສິນຄ້າໄດ້ແນວໃດ?", AI ໃນອະນາຄົດອາດຈະແກ້ໄຂບັນຫາຫຼາຍຂັ້ນຕອນເຊັ່ນ, "ອິນເຕີເນັດຂອງຂ້ອຍຫຼຸດລົງ, ຂ້ອຍໄດ້ພະຍາຍາມປິດເປີດໃຫມ່, ເຈົ້າຊ່ວຍໄດ້ບໍ?" ໂດຍການວິນິດໄສບັນຫາຜ່ານກ່ອງໂຕ້ຕອບ, ແນະນໍາລູກຄ້າຜ່ານການແກ້ໄຂບັນຫາຂັ້ນສູງ, ແລະພຽງແຕ່ຖ້າສິ່ງອື່ນລົ້ມເຫລວໃນການກໍານົດເວລານັກວິຊາການ - ວຽກງານທີ່ອາດຈະຕ້ອງການເຕັກໂນໂລຢີສະຫນັບສະຫນູນຂອງມະນຸດ. ໃນການບໍລິການລູກຄ້າດ້ານການດູແລສຸຂະພາບ, AI ອາດຈະຈັດການກັບການນັດຫມາຍຂອງຄົນເຈັບຫຼືການສອບຖາມການປະກັນໄພໃນຕອນທ້າຍ.

• ການແກ້ໄຂການບໍລິການ End-to-End: ພວກເຮົາອາດຈະເຫັນ AI ບໍ່ພຽງແຕ່ບອກລູກຄ້າວ່າຈະເຮັດແນວໃດ, ແຕ່ຕົວຈິງແລ້ວ ເຮັດມັນ ໃນນາມຂອງລູກຄ້າພາຍໃນລະບົບ backend. ຍົກຕົວຢ່າງ, ຖ້າລູກຄ້າເວົ້າວ່າ "ຂ້ອຍຕ້ອງການປ່ຽນຖ້ຽວບິນຂອງຂ້ອຍໄປວັນຈັນຕໍ່ໄປແລະເພີ່ມກະເປົ໋າອີກ,", ຕົວແທນ AI ໃນປີ 2030 ອາດຈະຕິດຕໍ່ໂດຍກົງກັບລະບົບການຈອງຂອງສາຍການບິນ, ດໍາເນີນການປ່ຽນແປງ, ດໍາເນີນການຈ່າຍເງິນສໍາລັບກະເປົາແລະຢືນຢັນກັບລູກຄ້າ - ທັງຫມົດໂດຍຕົນເອງ. AI ກາຍເປັນຕົວແທນໃຫ້ບໍລິການເຕັມຮູບແບບ, ບໍ່ພຽງແຕ່ແຫຼ່ງຂໍ້ມູນເທົ່ານັ້ນ.

• ຕົວແທນ AI ທົ່ວໄປ: ບໍລິສັດມີແນວໂນ້ມທີ່ຈະນໍາໃຊ້ AI ໃນທົ່ວທຸກຈຸດສໍາພັດຂອງລູກຄ້າ - ໂທລະສັບ, ສົນທະນາ, ອີເມວ, ສື່ສັງຄົມ. ລູກຄ້າຫຼາຍຄົນອາດຈະບໍ່ຮູ້ວ່າພວກເຂົາກໍາລັງລົມກັບ AI ຫຼືມະນຸດ, ໂດຍສະເພາະຍ້ອນວ່າສຽງຂອງ AI ກາຍເປັນທໍາມະຊາດຫຼາຍຂຶ້ນແລະການສົນທະນາຕອບໂຕ້ກັບສະພາບການຫຼາຍຂຶ້ນ. ໃນປີ 2035, ການຕິດຕໍ່ບໍລິການລູກຄ້າມັກຈະຫມາຍເຖິງການພົວພັນກັບ AI ອັດສະລິຍະທີ່ຈື່ຈໍາປະຕິສໍາພັນທີ່ຜ່ານມາຂອງເຈົ້າ, ເຂົ້າໃຈຄວາມມັກຂອງເຈົ້າ, ແລະປັບຕົວເຂົ້າກັບສຽງຂອງເຈົ້າ - ທີ່ສໍາຄັນແມ່ນຕົວແທນ virtual ສ່ວນບຸກຄົນສໍາລັບລູກຄ້າທຸກໆຄົນ.

• ການຕັດສິນໃຈ AI ໃນການໂຕ້ຕອບ: ນອກເຫນືອຈາກການຕອບຄໍາຖາມ, AI ຈະເລີ່ມການຕັດສິນໃຈທີ່ປະຈຸບັນຕ້ອງການການອະນຸມັດຈາກຜູ້ຈັດການ. ຕົວຢ່າງ, ໃນມື້ນີ້ຕົວແທນຂອງມະນຸດອາດຈະຕ້ອງການການອະນຸມັດຈາກຜູ້ຄຸມງານເພື່ອສະເຫນີເງິນຄືນຫຼືສ່ວນຫຼຸດພິເສດເພື່ອເອົາໃຈລູກຄ້າທີ່ໃຈຮ້າຍ. ໃນອະນາຄົດ, AI ສາມາດໄດ້ຮັບການມອບຫມາຍໃຫ້ການຕັດສິນໃຈເຫຼົ່ານັ້ນ, ພາຍໃນຂອບເຂດຈໍາກັດ, ໂດຍອີງໃສ່ມູນຄ່າຕະຫຼອດຊີວິດຂອງລູກຄ້າທີ່ຄິດໄລ່ແລະການວິເຄາະຄວາມຮູ້ສຶກ. ການສຶກສາໂດຍ Futurum / IBM ຄາດຄະເນວ່າໃນປີ 2030 ປະມານ 69% ຂອງການຕັດສິນໃຈທີ່ເຮັດໃນລະຫວ່າງການພົວພັນກັບລູກຄ້າໃນເວລາຈິງຈະຖືກເຮັດໂດຍເຄື່ອງຈັກອັດສະລິຍະ ( ເພື່ອທົບທວນຄືນ Shift ໄປ CX, ນັກກາລະຕະຫຼາດຕ້ອງເຮັດ 2 ສິ່ງເຫຼົ່ານີ້ ) - AI ຕັດສິນໃຈຢ່າງມີປະສິດທິຜົນໃນການປະຕິບັດທີ່ດີທີ່ສຸດໃນການໂຕ້ຕອບ.

• 100% ການມີສ່ວນຮ່ວມຂອງ AI: ບົດລາຍງານຫນຶ່ງຊີ້ໃຫ້ເຫັນວ່າ AI ໃນທີ່ສຸດກໍ່ຈະມີບົດບາດໃນ ທຸກໆ ການໂຕ້ຕອບຂອງລູກຄ້າ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສໍາລັບປີ 2025 ), ບໍ່ວ່າຈະເປັນທາງຫນ້າຫຼືໃນພື້ນຫລັງ. ນັ້ນອາດຈະຫມາຍຄວາມວ່າເຖິງແມ່ນວ່າມະນຸດກໍາລັງພົວພັນກັບລູກຄ້າ, ພວກເຂົາຈະໄດ້ຮັບການຊ່ວຍເຫຼືອຈາກ AI (ການໃຫ້ຄໍາແນະນໍາ, ດຶງຂໍ້ມູນ). ອີກທາງເລືອກ, ການຕີຄວາມ ໝາຍ ແມ່ນວ່າບໍ່ມີການສອບຖາມຂອງລູກຄ້າໃດໆທີ່ບໍ່ມີຄໍາຕອບໄດ້ທຸກເວລາ - ຖ້າມະນຸດອອຟໄລ, AI ແມ່ນມີຢູ່ສະ ເໝີ.

ໃນປີ 2035, ພວກເຮົາອາດຈະພົບວ່າຕົວແທນບໍລິການລູກຄ້າຂອງມະນຸດໄດ້ກາຍເປັນຜູ້ຊ່ຽວຊານສໍາລັບສະຖານະການທີ່ລະອຽດອ່ອນທີ່ສຸດຫຼືສໍາຜັດສູງ (ຕົວຢ່າງ, ລູກຄ້າ VIP ຫຼືການແກ້ໄຂຄໍາຮ້ອງທຸກທີ່ສັບສົນທີ່ຕ້ອງການຄວາມເຫັນອົກເຫັນໃຈຂອງມະນຸດ). ການສອບຖາມແບບປົກກະຕິ - ຈາກທະນາຄານເຖິງການຂາຍຍ່ອຍເຖິງການສະຫນັບສະຫນູນດ້ານເຕັກໂນໂລຢີ - ສາມາດໄດ້ຮັບການບໍລິການໂດຍເຮືອຂອງຕົວແທນ AI ເຮັດວຽກ 24/7, ສືບຕໍ່ຮຽນຮູ້ຈາກແຕ່ລະການໂຕ້ຕອບ. ການປ່ຽນແປງນີ້ສາມາດເຮັດໃຫ້ການບໍລິການລູກຄ້າມີຄວາມສອດຄ່ອງແລະທັນທີທັນໃດ, ຍ້ອນວ່າ AI ບໍ່ໄດ້ເຮັດໃຫ້ຄົນລໍຖ້າຢູ່ແລະສາມາດເຮັດວຽກຫຼາຍຢ່າງທາງທິດສະດີເພື່ອຈັດການກັບລູກຄ້າທີ່ບໍ່ຈໍາກັດໃນເວລາດຽວກັນ.

ມີຄວາມທ້າທາຍທີ່ຈະເອົາຊະນະສໍາລັບວິໄສທັດນີ້: AI ຕ້ອງມີຄວາມເຂັ້ມແຂງຫຼາຍເພື່ອຮັບມືກັບຄວາມບໍ່ແນ່ນອນຂອງລູກຄ້າຂອງມະນຸດ. ມັນຕ້ອງສາມາດຈັດການກັບຄໍາເວົ້າ, ຄວາມໂກດແຄ້ນ, ຄວາມສັບສົນ, ແລະຄວາມຫລາກຫລາຍຂອງວິທີທີ່ຄົນຕິດຕໍ່ສື່ສານ. ມັນຍັງຕ້ອງການຄວາມຮູ້ທີ່ທັນສະໄຫມ (ບໍ່ມີຈຸດໃດຖ້າຂໍ້ມູນຂອງ AI ລ້າສະໄຫມ). ໂດຍການລົງທຶນໃນການເຊື່ອມໂຍງລະຫວ່າງ AI ແລະຖານຂໍ້ມູນຂອງບໍລິສັດ (ສໍາລັບຂໍ້ມູນໃນເວລາທີ່ແທ້ຈິງກ່ຽວກັບຄໍາສັ່ງ, ການຢຸດ, ແລະອື່ນໆ), ອຸປະສັກເຫຼົ່ານີ້ສາມາດແກ້ໄຂໄດ້.

ຕາມຈັນຍາບັນ, ບໍລິສັດຈະຕ້ອງຕັດສິນໃຈວ່າເວລາໃດທີ່ຈະເປີດເຜີຍ "ເຈົ້າກໍາລັງລົມກັບ AI" ແລະຮັບປະກັນຄວາມຍຸຕິທໍາ (AI ບໍ່ໄດ້ປະຕິບັດຕໍ່ລູກຄ້າບາງຢ່າງໃນທາງລົບຍ້ອນການຝຶກອົບຮົມທີ່ມີຄວາມລໍາອຽງ). ສົມມຸດວ່າສິ່ງເຫຼົ່ານີ້ຖືກຄຸ້ມຄອງ, ກໍລະນີທຸລະກິດແມ່ນແຂງແຮງ: ການບໍລິການລູກຄ້າ AI ສາມາດຕັດຄ່າໃຊ້ຈ່າຍແລະເວລາລໍຖ້າຢ່າງຫຼວງຫຼາຍ. ຕະຫຼາດສໍາລັບ AI ໃນການບໍລິການລູກຄ້າຄາດວ່າຈະເຕີບໂຕເຖິງຫຼາຍສິບຕື້ໂດລາໃນປີ 2030 ( AI in Customer Service Market Report 2025-2030: Case ) ( How Generative AI is Boosting Logistics | Ryder ) ຍ້ອນວ່າອົງການຈັດຕັ້ງລົງທຶນໃນຄວາມສາມາດເຫຼົ່ານີ້.

ສະຫຼຸບແລ້ວ, ຄາດຫວັງວ່າອະນາຄົດທີ່ ການບໍລິການລູກຄ້າ AI ອັດຕະໂນມັດເປັນມາດຕະຖານ . ການຂໍຄວາມຊ່ວຍເຫຼືອມັກຈະຫມາຍເຖິງການພົວພັນກັບເຄື່ອງຈັກອັດສະລິຍະທີ່ສາມາດແກ້ໄຂບັນຫາຂອງທ່ານໄດ້ໄວ. ມະນຸດຈະຍັງຢູ່ໃນວົງການສໍາລັບການກວດກາແລະຈັດການກັບກໍລະນີທີ່ແຂບ, ແຕ່ເປັນຫົວຫນ້າຂອງພະນັກງານ AI ຫຼາຍ. ຜົນໄດ້ຮັບອາດຈະໄວຂຶ້ນ, ການບໍລິການສ່ວນບຸກຄົນຫຼາຍຂຶ້ນສໍາລັບຜູ້ບໍລິໂພກ - ຕາບໃດທີ່ AI ໄດ້ຮັບການຝຶກອົບຮົມແລະການຕິດຕາມຢ່າງຖືກຕ້ອງເພື່ອປ້ອງກັນຄວາມອຸກອັ່ງຂອງປະສົບການ "ສາຍດ່ວນຫຸ່ນຍົນ" ໃນອະດີດ.

AI ທົ່ວໄປໃນການດູແລສຸຂະພາບແລະການແພດ

ການດູແລສຸຂະພາບແມ່ນພາກສະຫນາມທີ່ສະເຕກສູງ. ແນວຄວາມຄິດຂອງ AI ປະຕິບັດງານໂດຍບໍ່ມີການກວດກາຂອງມະນຸດໃນຢາປົວພະຍາດເຮັດໃຫ້ເກີດຄວາມຕື່ນເຕັ້ນ (ສໍາລັບປະສິດທິພາບແລະການເຂົ້າເຖິງ) ແລະຄວາມລະມັດລະວັງ (ສໍາລັບເຫດຜົນຄວາມປອດໄພແລະ empathy). Generative AI ໄດ້ເລີ່ມຕົ້ນທີ່ຈະເຮັດໃຫ້ inroads ໃນຂົງເຂດເຊັ່ນ: ການວິເຄາະຮູບພາບທາງການແພດ, ເອກະສານທາງດ້ານການຊ່ວຍ, ແລະແມ້ກະທັ້ງການຄົ້ນພົບຢາ. ມັນສາມາດເຮັດຫຍັງໄດ້ດ້ວຍຄວາມຮັບຜິດຊອບຂອງຕົນເອງ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ການຊ່ວຍເຫຼືອແພດໝໍ, ບໍ່ປ່ຽນແທນ

ໃນປັດຈຸບັນ, AI ທົ່ວໄປໃນການດູແລສຸຂະພາບຕົ້ນຕໍເຮັດຫນ້າທີ່ເປັນ ຜູ້ຊ່ວຍທີ່ມີປະສິດທິພາບ ດ້ານການປິ່ນປົວ, ແທນທີ່ຈະເປັນຜູ້ຕັດສິນໃຈແບບອັດຕະໂນມັດ. ຕົວຢ່າງ:

• ເອກະສານທາງການແພດ: ຫນຶ່ງໃນການປະຕິບັດທີ່ປະສົບຜົນສໍາເລັດຫຼາຍທີ່ສຸດຂອງ AI ໃນການດູແລສຸຂະພາບແມ່ນການຊ່ວຍເຫຼືອແພດໃນເອກະສານ. ຮູບແບບພາສາທໍາມະຊາດສາມາດຖອດຂໍ້ຄວາມຈາກການຢ້ຽມຢາມຂອງຄົນເຈັບ ແລະສ້າງບັນທຶກທາງຄລີນິກ ຫຼືສະຫຼຸບການອອກໂຮງໝໍ. ບໍລິສັດຕ່າງໆມີ "ນັກຂຽນ AI" ທີ່ຟັງໃນລະຫວ່າງການສອບເສັງ (ຜ່ານໄມໂຄຣໂຟນ) ແລະຜະລິດບົດບັນທຶກການພົບກັນໂດຍອັດຕະໂນມັດເພື່ອໃຫ້ທ່ານຫມໍທົບທວນຄືນ. ນີ້ຊ່ວຍປະຫຍັດເວລາຂອງແພດໃນການພິມ. ບາງລະບົບເຖິງແມ່ນເອົາສ່ວນຕ່າງໆຂອງບັນທຶກສຸຂະພາບທາງອີເລັກໂທຣນິກໂດຍອັດຕະໂນມັດ. ນີ້ສາມາດເຮັດໄດ້ດ້ວຍການແຊກແຊງຫນ້ອຍ - ທ່ານຫມໍພຽງແຕ່ແກ້ໄຂຂໍ້ຜິດພາດເລັກນ້ອຍໃນຮ່າງ, ຊຶ່ງຫມາຍຄວາມວ່າການຂຽນບັນທຶກແມ່ນເປັນເອກະລາດສ່ວນໃຫຍ່.

• Radiology and Imaging: AI, ລວມທັງຕົວແບບທົ່ວໄປ, ສາມາດວິເຄາະ X-rays, MRI, ແລະ CT scans ເພື່ອກວດພົບຄວາມຜິດປົກກະຕິ (ເຊັ່ນ: tumors ຫຼືກະດູກຫັກ). ໃນປີ 2018, FDA ໄດ້ອະນຸມັດລະບົບ AI ສໍາລັບການກວດສອບອັດຕະໂນມັດຂອງພະຍາດເບົາຫວານ retinopathy (ສະພາບຕາ) ໃນຮູບພາບ retinal - ໂດຍສະເພາະ, ມັນໄດ້ຖືກອະນຸຍາດໃຫ້ໂທໂດຍບໍ່ມີການທົບທວນຜູ້ຊ່ຽວຊານໃນສະພາບການກວດກາສະເພາະນັ້ນ. ລະບົບນັ້ນບໍ່ແມ່ນ AI ທົ່ວໄປ, ແຕ່ມັນສະແດງໃຫ້ເຫັນວ່າຜູ້ຄວບຄຸມໄດ້ອະນຸຍາດໃຫ້ການວິນິດໄສ AI ທີ່ເປັນເອກະລາດໃນກໍລະນີຈໍາກັດ. ຮູບແບບການຜະລິດເຂົ້າມາມີບົດບາດໃນການສ້າງບົດລາຍງານທີ່ສົມບູນແບບ. ຕົວຢ່າງເຊັ່ນ, AI ອາດຈະກວດເບິ່ງ X-ray ຫນ້າເອິກແລະ ຮ່າງບົດລາຍງານຂອງ radiologist ໂດຍກ່າວວ່າ "ບໍ່ມີການຄົ້ນພົບຢ່າງຮ້າຍແຮງ. ປອດແມ່ນຈະແຈ້ງ, ຫົວໃຈຂະຫນາດປົກກະຕິ." radiologist ຫຼັງຈາກນັ້ນພຽງແຕ່ຢືນຢັນແລະອາການ. ໃນບາງກໍລະນີປົກກະຕິ, ບົດລາຍງານເຫຼົ່ານີ້ອາດຈະອອກມາໂດຍບໍ່ມີການແກ້ໄຂຖ້ານັກລັງສີໄວ້ວາງໃຈ AI ແລະພຽງແຕ່ກວດສອບຢ່າງໄວວາ.

• ເຄື່ອງກວດອາການ ແລະພະຍາບານສະເໝືອນ: AI chatbots ທົ່ວໄປກຳລັງຖືກໃຊ້ເປັນຕົວກວດອາການແຖວໜ້າ. ຄົນເຈັບສາມາດປ້ອນອາການຂອງເຂົາເຈົ້າແລະໄດ້ຮັບຄໍາແນະນໍາ (ເຊັ່ນ: "ມັນອາດຈະເປັນຫວັດທໍາມະດາ; ພັກຜ່ອນແລະນ້ໍາ, ແຕ່ໄປພົບທ່ານຫມໍຖ້າ X ຫຼື Y ເກີດຂື້ນ."). ແອັບເຊັ່ນ: Babylon Health ໃຊ້ AI ເພື່ອໃຫ້ຄຳແນະນຳ. ປະຈຸບັນ, ໂດຍທົ່ວໄປແລ້ວສິ່ງເຫຼົ່ານີ້ຖືກກອບເປັນຂໍ້ມູນ, ບໍ່ແມ່ນຄໍາແນະນໍາທາງການແພດທີ່ແນ່ນອນ, ແລະພວກເຂົາຊຸກຍູ້ໃຫ້ຕິດຕາມກັບແພດຫມໍຂອງມະນຸດສໍາລັບບັນຫາທີ່ຮ້າຍແຮງ.

• ການຄົ້ນພົບຢາ (ເຄມີທົ່ວໄປ): ແບບຈໍາລອງ AI ທົ່ວໄປສາມາດສະເຫນີໂຄງສ້າງໂມເລກຸນໃຫມ່ສໍາລັບຢາ. ນີ້ແມ່ນຢູ່ໃນໂດເມນການຄົ້ນຄວ້າຫຼາຍກ່ວາການດູແລຄົນເຈັບ. AIs ເຫຼົ່ານີ້ເຮັດວຽກຢ່າງເປັນເອກະລາດເພື່ອແນະນໍາທາດປະສົມຫຼາຍພັນຊະນິດທີ່ມີຄຸນສົມບັດທີ່ຕ້ອງການ, ເຊິ່ງຫຼັງຈາກນັ້ນນັກເຄມີຂອງມະນຸດທົບທວນແລະທົດສອບໃນຫ້ອງທົດລອງ. ບໍລິສັດເຊັ່ນ Insilico Medicine ໄດ້ໃຊ້ AI ເພື່ອສ້າງຜູ້ສະຫມັກຢາໃຫມ່ໃນເວລາຫນ້ອຍລົງ. ໃນຂະນະທີ່ນີ້ບໍ່ໄດ້ພົວພັນກັບຄົນເຈັບໂດຍກົງ, ມັນເປັນຕົວຢ່າງຂອງ AI ອັດຕະໂນມັດສ້າງການແກ້ໄຂ (ການອອກແບບໂມເລກຸນ) ທີ່ມະນຸດໃຊ້ເວລາດົນກວ່າທີ່ຈະຊອກຫາ.

• ການປະຕິບັດການດູແລສຸຂະພາບ: AI ກໍາລັງຊ່ວຍເພີ່ມປະສິດທິພາບການກໍານົດເວລາ, ການຄຸ້ມຄອງການສະຫນອງ, ແລະການຂົນສົ່ງອື່ນໆໃນໂຮງຫມໍ. ຕົວຢ່າງ, ຮູບແບບການຜະລິດອາດຈະຈໍາລອງການໄຫຼວຽນຂອງຄົນເຈັບແລະແນະນໍາການປັບຕາຕະລາງເວລາເພື່ອຫຼຸດຜ່ອນເວລາລໍຖ້າ. ໃນຂະນະທີ່ບໍ່ເຫັນເປັນຕາເຫັນ, ເຫຼົ່ານີ້ແມ່ນການຕັດສິນໃຈທີ່ AI ສາມາດເຮັດໄດ້ດ້ວຍການປ່ຽນແປງຄູ່ມືຫນ້ອຍທີ່ສຸດ.

ມັນເປັນສິ່ງ ສຳ ຄັນທີ່ຈະຕ້ອງລະບຸວ່າ ໃນປີ 2025, ບໍ່ມີໂຮງ ໝໍ ໃດທີ່ປ່ອຍໃຫ້ AI ເປັນເອກະລາດໃນການຕັດສິນໃຈຫຼືການປິ່ນປົວທາງການແພດຢ່າງໃຫຍ່ຫຼວງໂດຍບໍ່ມີການເຊັນຊື່ຈາກມະນຸດ. ການວາງແຜນການວິນິດໄສແລະການປິ່ນປົວຍັງຄົງຢູ່ໃນມືຂອງມະນຸດຢ່າງຫນັກແຫນ້ນ, ໂດຍມີ AI ສະຫນອງການປ້ອນຂໍ້ມູນ. ຄວາມໄວ້ວາງໃຈທີ່ຕ້ອງການສໍາລັບ AI ເພື່ອບອກຄົນເຈັບຢ່າງເປັນເອກະລາດຢ່າງເຕັມທີ່ວ່າ "ເຈົ້າເປັນມະເຮັງ" ຫຼືການສັ່ງຢາແມ່ນຍັງບໍ່ທັນມີ, ຫຼືມັນຄວນຈະບໍ່ມີການກວດສອບຢ່າງກວ້າງຂວາງ. ຜູ້ຊ່ຽວຊານດ້ານການແພດນໍາໃຊ້ AI ເປັນຕາຄູ່ທີສອງຫຼືເປັນເຄື່ອງມືປະຫຍັດເວລາ, ແຕ່ພວກເຂົາກວດສອບຜົນໄດ້ຮັບທີ່ສໍາຄັນ.

ການຄາດຄະເນສໍາລັບ 2030-2035: AI ເປັນເພື່ອນຮ່ວມງານຂອງທ່ານຫມໍ (ແລະອາດຈະເປັນພະຍາບານຫຼືແພດການຢາ)

ໃນທົດສະວັດທີ່ຈະມາເຖິງ, ພວກເຮົາຄາດຫວັງວ່າ AI ທົ່ວໄປຈະປະຕິບັດວຽກງານທາງດ້ານການຊ່ວຍປົກກະຕິຫຼາຍຂຶ້ນຢ່າງເປັນເອກະລາດແລະເສີມຂະຫຍາຍການເຂົ້າເຖິງການບໍລິການດ້ານສຸຂະພາບ:

• ການວິນິດໄສເບື້ອງຕົ້ນແບບອັດຕະໂນມັດ: ຮອດປີ 2030, AI ສາມາດຈັດການກັບການວິເຄາະເບື້ອງຕົ້ນຢ່າງໜ້າເຊື່ອຖືໄດ້ສຳລັບຫຼາຍເງື່ອນໄຂທົ່ວໄປ. ຮູບພາບລະບົບ AI ໃນຄລີນິກທີ່ອ່ານອາການຂອງຄົນເຈັບ, ປະຫວັດການແພດ, ເຖິງແມ່ນວ່ານ້ໍາສຽງແລະໃບຫນ້າຂອງເຂົາເຈົ້າຜ່ານກ້ອງຖ່າຍຮູບ, ແລະສະຫນອງຄໍາແນະນໍາການວິນິດໄສແລະການທົດສອບທີ່ແນະນໍາ - ທັງຫມົດກ່ອນທີ່ທ່ານຫມໍຂອງມະນຸດຈະເຫັນຄົນເຈັບ. ຫຼັງຈາກນັ້ນ, ທ່ານຫມໍສາມາດສຸມໃສ່ການຢືນຢັນແລະປຶກສາຫາລືການບົ່ງມະຕິ. ໃນ telemedicine, ຄົນເຈັບທໍາອິດອາດຈະສົນທະນາກັບ AI ທີ່ເຮັດໃຫ້ບັນຫາແຄບລົງ (ຕົວຢ່າງເຊັ່ນ, ການຕິດເຊື້ອ sinus ທີ່ເປັນໄປໄດ້ກັບບາງສິ່ງບາງຢ່າງທີ່ຮຸນແຮງກວ່າ) ແລະຫຼັງຈາກນັ້ນເຊື່ອມຕໍ່ໃຫ້ເຂົາເຈົ້າກັບຄລີນິກຖ້າຈໍາເປັນ. ຜູ້ຄວບຄຸມອາດຈະອະນຸຍາດໃຫ້ AI ຢ່າງເປັນທາງການ ໂດຍບໍ່ມີການກວດກາຂອງມະນຸດຖ້າພິສູດໄດ້ຖືກຕ້ອງທີ່ສຸດ - ຕົວຢ່າງເຊັ່ນ AI ບົ່ງມະຕິການຕິດເຊື້ອຫູແບບກົງໄປກົງມາຈາກຮູບພາບ otoscope ສາມາດເຮັດໄດ້.

• ການຕິດຕາມສຸຂະພາບສ່ວນບຸກຄົນ: ດ້ວຍການຂະຫຍາຍຕົວຂອງເຄື່ອງສວມໃສ່ (smartwatches, ເຊັນເຊີສຸຂະພາບ), AI ຈະຕິດຕາມກວດກາຄົນເຈັບຢ່າງຕໍ່ເນື່ອງແລະອັດຕະໂນມັດເຕືອນບັນຫາ. ຕົວຢ່າງ, ໃນປີ 2035 AI ຂອງເຄື່ອງສວມໃສ່ຂອງເຈົ້າອາດຈະກວດພົບຈັງຫວະຫົວໃຈທີ່ຜິດປົກກະຕິ ແລະຈັດຕາຕະລາງໃຫ້ເຈົ້າເປັນອັດຕະໂນມັດເພື່ອປຶກສາແບບຈິງຈັງ ຫຼືແມ້ກະທັ້ງໂທຫາລົດສຸກເສີນຖ້າມັນກວດພົບອາການຫົວໃຈວາຍ ຫຼືເສັ້ນເລືອດຕັນໃນ. ນີ້ຂ້າມເຂົ້າໄປໃນອານາເຂດການຕັດສິນໃຈຂອງເອກະລາດ - ການຕັດສິນໃຈວ່າສະຖານະການແມ່ນສຸກເສີນແລະການປະຕິບັດ - ເຊິ່ງເປັນການນໍາໃຊ້ AI ທີ່ເປັນໄປໄດ້ແລະຊ່ວຍຊີວິດ.

• ຄໍາແນະນໍາການປິ່ນປົວ: AI ທົ່ວໄປທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນວັນນະຄະດີທາງການແພດແລະຂໍ້ມູນຄົນເຈັບອາດຈະແນະນໍາແຜນການການປິ່ນປົວສ່ວນບຸກຄົນ. ໃນປີ 2030, ສໍາລັບພະຍາດທີ່ຊັບຊ້ອນເຊັ່ນ: ມະເຮັງ, AI tumor boards ສາມາດວິເຄາະການແຕ່ງຫນ້າທາງພັນທຸກໍາຂອງຄົນເຈັບແລະປະຫວັດທາງການແພດແລະກໍານົດອັດຕະໂນມັດຂອງການປິ່ນປົວທີ່ແນະນໍາ (ແຜນການເຄມີ, ການເລືອກຢາ). ທ່ານ ໝໍ ຂອງມະນຸດຈະທົບທວນມັນ, ແຕ່ເມື່ອເວລາຜ່ານໄປເມື່ອຄວາມ ໝັ້ນ ໃຈສ້າງຂື້ນ, ພວກເຂົາອາດຈະເລີ່ມຮັບເອົາແຜນການທີ່ສ້າງໂດຍ AI ໂດຍສະເພາະ ສຳ ລັບກໍລະນີປົກກະຕິ, ປັບຕົວພຽງແຕ່ເມື່ອຕ້ອງການ.

• ພະຍາບານ virtual ແລະການດູແລຢູ່ເຮືອນ: AI ທີ່ສາມາດສົນທະນາແລະໃຫ້ຄໍາແນະນໍາທາງການແພດສາມາດຈັດການກັບການຕິດຕາມແລະການດູແລຊໍາເຮື້ອຫຼາຍ. ຕົວຢ່າງເຊັ່ນ, ຄົນເຈັບຢູ່ເຮືອນທີ່ມີພະຍາດຊໍາເຮື້ອສາມາດລາຍງານການວັດແທກປະຈໍາວັນໃຫ້ຜູ້ຊ່ວຍພະຍາບານ AI ເຊິ່ງໃຫ້ຄໍາແນະນໍາ ("ນໍ້າຕານໃນເລືອດຂອງເຈົ້າສູງເລັກນ້ອຍ, ພິຈາລະນາປັບອາຫານຫວ່າງຕອນແລງຂອງເຈົ້າ") ແລະພຽງແຕ່ໃສ່ໃນພະຍາບານຂອງມະນຸດເມື່ອການອ່ານນອກຂອບເຂດຫຼືບັນຫາເກີດຂື້ນ. AI ນີ້ສາມາດປະຕິບັດການເປັນເອກະລາດສ່ວນໃຫຍ່ພາຍໃຕ້ການຊີ້ນໍາຈາກທາງໄກຂອງແພດ.

• ການວິເຄາະຮູບພາບທາງການແພດແລະຫ້ອງທົດລອງ - ທໍ່ອັດຕະໂນມັດຢ່າງເຕັມສ່ວນ: ໃນປີ 2035, ການອ່ານການສະແກນທາງການແພດອາດຈະເຮັດໄດ້ສ່ວນໃຫຍ່ໂດຍ AI ໃນບາງຂົງເຂດ. ນັກວິທະຍາສາດວິທະຍຸຈະເບິ່ງແຍງລະບົບ AI ແລະຈັດການກັບກໍລະນີທີ່ສັບສົນ, ແຕ່ສ່ວນໃຫຍ່ຂອງການສະແກນປົກກະຕິ (ເຊິ່ງແນ່ນອນແມ່ນປົກກະຕິ) ສາມາດ "ອ່ານ" ແລະລົງນາມໂດຍ AI ໂດຍກົງ. ເຊັ່ນດຽວກັນ, ການວິເຄາະສະໄລ້ທາງ pathology (ຕົວຢ່າງ, ການກວດຫາຈຸລັງມະເຮັງໃນການກວດ biopsy) ສາມາດເຮັດໄດ້ໂດຍຕົນເອງສໍາລັບການກວດສອບເບື້ອງຕົ້ນ, ເລັ່ງຜົນໄດ້ຮັບໃນຫ້ອງທົດລອງຢ່າງຫຼວງຫຼາຍ.

• ການຄົ້ນພົບຢາແລະການທົດລອງທາງດ້ານການຊ່ວຍ: AI ອາດຈະອອກແບບບໍ່ພຽງແຕ່ໂມເລກຸນຂອງຢາເທົ່ານັ້ນ, ແຕ່ຍັງສ້າງຂໍ້ມູນຄົນເຈັບສັງເຄາະສໍາລັບການທົດລອງຫຼືຊອກຫາຜູ້ສະຫມັກທົດລອງທີ່ດີທີ່ສຸດ. ມັນ​ອາດ​ຈະ​ດຳ​ເນີນ​ການ​ທົດ​ລອງ​ສະ​ເໝືອນ​ຢ່າງ​ເປັນ​ຕົນ​ເອງ (ຈຳ​ລອງ​ວິ​ທີ​ທີ່​ຄົນ​ເຈັບ​ຈະ​ຕອບ​ສະ​ໜອງ) ເພື່ອ​ແຄບ​ທາງ​ເລືອກ​ກ່ອນ​ການ​ທົດ​ລອງ​ຈິງ. ນີ້ສາມາດນໍາເອົາຢາອອກສູ່ຕະຫຼາດໄດ້ໄວຂຶ້ນດ້ວຍການທົດລອງທີ່ຂັບເຄື່ອນໂດຍມະນຸດໜ້ອຍລົງ.

ວິໄສທັດຂອງທ່ານ ຫມໍ AI ຢ່າງສົມບູນປ່ຽນທ່ານຫມໍຂອງມະນຸດແມ່ນຍັງຂ້ອນຂ້າງໄກແລະຍັງມີຂໍ້ຂັດແຍ້ງ. ເຖິງແມ່ນວ່າໃນປີ 2035, ຄວາມຄາດຫວັງແມ່ນວ່າ AI ຈະເປັນ ເພື່ອນຮ່ວມງານ ຂອງທ່ານຫມໍແທນທີ່ຈະເປັນການທົດແທນການສໍາພັດຂອງມະນຸດ. ການວິນິດໄສທີ່ຊັບຊ້ອນມັກຈະຕ້ອງການຄວາມເຂົ້າໃຈ, ຈັນຍາບັນ, ແລະການສົນທະນາເພື່ອເຂົ້າໃຈສະພາບການຂອງຄົນເຈັບ - ພື້ນທີ່ທີ່ທ່ານຫມໍຂອງມະນຸດດີເລີດ. ທີ່ເວົ້າວ່າ, AI ອາດຈະຈັດການ, ເວົ້າວ່າ, 80% ຂອງວຽກງານປົກກະຕິ: ເອກະສານ, ກໍລະນີກົງໄປກົງມາ, ການຕິດຕາມ, ແລະອື່ນໆ, ໃຫ້ແພດຫມໍຂອງມະນຸດສຸມໃສ່ການຫລອກລວງ 20% ແລະຄວາມສໍາພັນຂອງຄົນເຈັບ.

ມີອຸປະສັກທີ່ສໍາຄັນ: ການອະນຸມັດກົດລະບຽບສໍາລັບ AI ເອກະລາດໃນການດູແລສຸຂະພາບແມ່ນມີຄວາມເຄັ່ງຄັດ (ຕາມຄວາມເຫມາະສົມ). ລະບົບ AI ຈະຕ້ອງການການກວດສອບທາງດ້ານຄລີນິກຢ່າງກວ້າງຂວາງ. ພວກເຮົາອາດຈະເຫັນການຍອມຮັບທີ່ເພີ່ມຂຶ້ນ - ຕົວຢ່າງ, AI ໄດ້ຖືກອະນຸຍາດໃຫ້ກວດຫາໂຣກແບບອັດຕະໂນມັດຫຼືປິ່ນປົວໃນເຂດທີ່ບໍ່ໄດ້ຮັບການບໍລິການທີ່ບໍ່ມີທ່ານຫມໍ, ເປັນວິທີການຂະຫຍາຍການເຂົ້າເຖິງການດູແລສຸຂະພາບ (ຈິນຕະນາການ "ຄລີນິກ AI" ຢູ່ໃນບ້ານຫ່າງໄກສອກຫຼີກໃນປີ 2030 ທີ່ດໍາເນີນການກັບການຊີ້ນໍາທາງໂທລະສັບເປັນໄລຍະຈາກທ່ານຫມໍໃນເມືອງ).

ການພິຈາລະນາດ້ານຈັນຍາບັນມີຂະຫນາດໃຫຍ່. ຄວາມຮັບຜິດຊອບ (ຖ້າ AI ອັດຕະໂນມັດຜິດພາດໃນການວິນິດໄສ, ໃຜເປັນຜູ້ຮັບຜິດຊອບ?), ການຍິນຍອມເຫັນດີ (ຄົນເຈັບຈໍາເປັນຕ້ອງຮູ້ວ່າ AI ມີສ່ວນຮ່ວມໃນການດູແລຂອງພວກເຂົາ), ແລະການຮັບປະກັນຄວາມສະເຫມີພາບ (AI ເຮັດວຽກໄດ້ດີສໍາລັບປະຊາກອນທັງຫມົດ, ຫຼີກເວັ້ນການລໍາອຽງ) ແມ່ນສິ່ງທ້າທາຍທີ່ຈະນໍາທາງ. ໂດຍສົມມຸດວ່າສິ່ງເຫຼົ່ານັ້ນຖືກແກ້ໄຂ, ໃນກາງຊຸມປີ 2030 AI ການຜະລິດສາມາດຖືກແສ່ວເຂົ້າໄປໃນຜ້າຂອງການຈັດສົ່ງການດູແລສຸຂະພາບ, ປະຕິບັດວຽກງານຫຼາຍຢ່າງທີ່ເຮັດໃຫ້ຜູ້ໃຫ້ບໍລິການຂອງມະນຸດມີອິດສະຫຼະແລະມີທ່າແຮງທີ່ຈະເຂົ້າເຖິງຄົນເຈັບທີ່ປະຈຸບັນມີການເຂົ້າເຖິງຈໍາກັດ.

ສະຫລຸບລວມແລ້ວ, ໃນປີ 2035 ການດູແລສຸຂະພາບຈະເຫັນ AI ປະສົມປະສານຢ່າງເລິກເຊິ່ງແຕ່ສ່ວນຫຼາຍແມ່ນຢູ່ພາຍໃຕ້ hood ຫຼືໃນພາລະບົດບາດສະຫນັບສະຫນູນ. ພວກເຮົາຈະໄວ້ວາງໃຈ AI ທີ່ຈະ ເຮັດຫຼາຍຢ່າງດ້ວຍຕົວມັນເອງ - ອ່ານການສະແກນ, ເບິ່ງສິ່ງສໍາຄັນ, ແຜນການຮ່າງ - ແຕ່ດ້ວຍຕາຫນ່າງຄວາມປອດໄພຂອງການຄວບຄຸມຂອງມະນຸດຍັງຢູ່ໃນສະຖານທີ່ສໍາລັບການຕັດສິນໃຈທີ່ສໍາຄັນ. ຜົນໄດ້ຮັບອາດຈະເປັນລະບົບການດູແລສຸຂະພາບທີ່ມີປະສິດທິພາບ, ຕອບສະຫນອງ, ບ່ອນທີ່ AI ຈັດການກັບການຍົກຫນັກແລະມະນຸດສະຫນອງຄວາມເຂົ້າໃຈແລະການຕັດສິນຂັ້ນສຸດທ້າຍ.

AI ທົ່ວໄປໃນການສຶກສາ

ການສຶກສາແມ່ນອີກສາຂາໜຶ່ງທີ່ AI ທົ່ວໄປກຳລັງສ້າງຄື້ນ, ຈາກບອທ໌ສອນທີ່ຂັບເຄື່ອນດ້ວຍ AI ຈົນເຖິງການໃຫ້ຄະແນນອັດຕະໂນມັດ ແລະການສ້າງເນື້ອຫາ. ການສິດສອນ ແລະ ການຮຽນຮູ້ກ່ຽວຂ້ອງກັບການສື່ສານ ແລະ ຄວາມຄິດສ້າງສັນ, ເຊິ່ງເປັນຈຸດແຂງຂອງຕົວແບບການຜະລິດ. ແຕ່ AI ສາມາດໄວ້ວາງໃຈໃນການສຶກສາໂດຍບໍ່ມີການຊີ້ນໍາຂອງຄູບໍ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ຄູສອນ ແລະຜູ້ສ້າງເນື້ອຫາຢູ່ໃນສາຍ

ໃນປັດຈຸບັນ, AI ແມ່ນຖືກນໍາໃຊ້ໃນການສຶກສາຕົ້ນຕໍເປັນ ເຄື່ອງມືເສີມ ແທນທີ່ຈະເປັນຄູສອນແບບດ່ຽວ. ຕົວຢ່າງຂອງການນໍາໃຊ້ໃນປະຈຸບັນ:

• AI Tutoring Assistants: ເຄື່ອງມືເຊັ່ນ "Khanmigo" ຂອງ Khan Academy (ຂັບເຄື່ອນໂດຍ GPT-4) ຫຼືແອັບການຮຽນຮູ້ພາສາຕ່າງໆໃຊ້ AI ເພື່ອຈຳລອງຄູສອນແບບຕົວຕໍ່ໜຶ່ງ ຫຼືຄູ່ສົນທະນາ. ນັກຮຽນສາມາດຖາມຄໍາຖາມເປັນພາສາທໍາມະຊາດແລະໄດ້ຮັບຄໍາຕອບຫຼືຄໍາອະທິບາຍ. AI ສາມາດໃຫ້ຄໍາແນະນໍາສໍາລັບບັນຫາການເຮັດວຽກບ້ານ, ອະທິບາຍແນວຄວາມຄິດໃນວິທີທີ່ແຕກຕ່າງກັນ, ຫຼືແມ້ກະທັ້ງການຫຼິ້ນບົດບາດເປັນຕົວເລກປະຫວັດສາດສໍາລັບບົດຮຽນປະຫວັດສາດແບບໂຕ້ຕອບ. ຢ່າງໃດກໍຕາມ, ຄູສອນ AI ເຫຼົ່ານີ້ຖືກນໍາໃຊ້ໂດຍປົກກະຕິກັບການຕິດຕາມ; ຄູອາຈານຫຼືຜູ້ຮັກສາ app ມັກຈະຕິດຕາມການສົນທະນາຫຼືກໍານົດຂອບເຂດກ່ຽວກັບສິ່ງທີ່ AI ສາມາດສົນທະນາ (ເພື່ອຫຼີກເວັ້ນການຂໍ້ມູນຂ່າວສານທີ່ບໍ່ຖືກຕ້ອງຫຼືເນື້ອໃນທີ່ບໍ່ເຫມາະສົມ).

• ການສ້າງເນື້ອຫາສໍາລັບຄູ: Generative AI ຊ່ວຍໃຫ້ຄູສອນໂດຍການສ້າງຄໍາຖາມແບບສອບຖາມ, ສະຫຼຸບການອ່ານ, ຕາຕະລາງບົດຮຽນ, ແລະອື່ນໆ. ຄູອາດຈະຖາມ AI, "ສ້າງ 5 ບັນຫາການປະຕິບັດກ່ຽວກັບສົມຜົນສີ່ຫລ່ຽມທີ່ມີຄໍາຕອບ," ປະຫຍັດເວລາໃນການກະກຽມ. ນີ້ແມ່ນການສ້າງເນື້ອຫາແບບອັດຕະໂນມັດ, ແຕ່ໂດຍປົກກະຕິແລ້ວ ຄູຈະທົບທວນຜົນໄດ້ຮັບເພື່ອຄວາມຖືກຕ້ອງ ແລະສອດຄ່ອງກັບຫຼັກສູດ. ສະນັ້ນມັນເປັນອຸປະກອນປະຫຍັດແຮງງານຫຼາຍກ່ວາເອກະລາດຢ່າງເຕັມສ່ວນ.

• ການໃຫ້ຄະແນນ ແລະຄໍາຕິຊົມ: AI ສາມາດໃຫ້ຄະແນນການສອບເສັງແບບຫຼາຍທາງເລືອກໂດຍອັດຕະໂນມັດ (ບໍ່ມີຫຍັງໃໝ່ຢູ່ທີ່ນັ້ນ) ແລະສາມາດປະເມີນຄຳຕອບສັ້ນໆ ຫຼື essay ໄດ້ຫຼາຍຂຶ້ນ. ບາງລະບົບໂຮງຮຽນໃຊ້ AI ເພື່ອຈັດປະເພດຄໍາຕອບທີ່ເປັນລາຍລັກອັກສອນແລະໃຫ້ຄໍາຄິດເຫັນກັບນັກຮຽນ (ເຊັ່ນ: ການແກ້ໄຂໄວຍາກອນ, ຄໍາແນະນໍາເພື່ອຂະຫຍາຍການໂຕ້ຖຽງ). ໃນຂະນະທີ່ບໍ່ແມ່ນວຽກງານທີ່ສ້າງຂື້ນເລື້ອຍໆ, AIs ໃຫມ່ກໍ່ສາມາດ ສ້າງ ບົດລາຍງານຄໍາຄຶດຄໍາເຫັນສ່ວນບຸກຄົນສໍາລັບນັກຮຽນໂດຍອີງໃສ່ການປະຕິບັດຂອງເຂົາເຈົ້າ, ເນັ້ນໃສ່ພື້ນທີ່ເພື່ອປັບປຸງ. ຄູສອນມັກຈະກວດເບິ່ງ AI-graded essays ສອງຄັ້ງໃນຂັ້ນຕອນນີ້ເນື່ອງຈາກຄວາມກັງວົນກ່ຽວກັບ nuance.

• ລະບົບການຮຽນຮູ້ແບບປັບຕົວ: ເຫຼົ່ານີ້ແມ່ນເວທີທີ່ປັບຄວາມຫຍຸ້ງຍາກຫຼືຮູບແບບຂອງວັດສະດຸໂດຍອີງໃສ່ການປະຕິບັດຂອງນັກຮຽນ. Generative AI ເສີມຂະຫຍາຍສິ່ງນີ້ໂດຍການສ້າງບັນຫາຫຼືຕົວຢ່າງໃຫມ່ໃນການບິນທີ່ເຫມາະສົມກັບຄວາມຕ້ອງການຂອງນັກຮຽນ. ຕົວຢ່າງ, ຖ້ານັກຮຽນກໍາລັງຕໍ່ສູ້ກັບແນວຄວາມຄິດ, AI ອາດຈະສ້າງຄໍາຖາມປຽບທຽບຫຼືການປະຕິບັດທີ່ສຸມໃສ່ແນວຄວາມຄິດນັ້ນ. ນີ້ແມ່ນຂ້ອນຂ້າງເປັນເອກະລາດ, ແຕ່ຢູ່ໃນລະບົບທີ່ຖືກອອກແບບໂດຍນັກການສຶກສາ.

• ການໃຊ້ນັກຮຽນເພື່ອການຮຽນຮູ້: ນັກຮຽນເອງໃຊ້ເຄື່ອງມືເຊັ່ນ ChatGPT ເພື່ອຊ່ວຍໃນການຮຽນຮູ້ – ຂໍຄວາມກະຈ່າງແຈ້ງ, ການແປ, ຫຼືແມ້ກະທັ້ງການໃຊ້ AI ເພື່ອຮັບຄໍາຄິດເຫັນກ່ຽວກັບຮ່າງບົດເລື່ອງ (“ປັບປຸງວັກແນະນໍາຂອງຂ້ອຍ”). ນີ້​ແມ່ນ​ການ​ຊີ້​ນໍາ​ຕົນ​ເອງ​ແລະ​ສາ​ມາດ​ຈະ​ບໍ່​ມີ​ຄວາມ​ຮູ້​ຂອງ​ຄູ​ອາ​ຈານ​. AI ໃນສະຖານະການນີ້ເຮັດຫນ້າທີ່ເປັນຄູສອນຕາມຄວາມຕ້ອງການຫຼືຕົວອ່ານຫຼັກຖານ. ສິ່ງທ້າທາຍແມ່ນການຮັບປະກັນໃຫ້ນັກຮຽນໃຊ້ມັນເພື່ອການຮຽນຮູ້ແທນທີ່ຈະພຽງແຕ່ໄດ້ຮັບຄໍາຕອບ (ຄວາມຊື່ສັດທາງວິຊາການ).

ມັນເປັນທີ່ຊັດເຈນວ່າໃນປີ 2025, AI ໃນການສຶກສາແມ່ນມີອໍານາດແຕ່ໂດຍປົກກະຕິດໍາເນີນການກັບນັກການສຶກສາຂອງມະນຸດໃນວົງການຜູ້ທີ່ຮັກສາການປະກອບສ່ວນຂອງ AI. ມີຄວາມລະມັດລະວັງທີ່ເຂົ້າໃຈໄດ້: ພວກເຮົາບໍ່ຢາກເຊື່ອ AI ໃນການສອນຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ ຫຼືເພື່ອຈັດການການໂຕ້ຕອບຂອງນັກຮຽນທີ່ລະອຽດອ່ອນໃນສູນຍາກາດ. ຄູສອນເບິ່ງ AI tutors ເປັນຜູ້ຊ່ວຍທີ່ເປັນປະໂຫຍດທີ່ສາມາດໃຫ້ນັກຮຽນປະຕິບັດຫຼາຍແລະຄໍາຕອບທັນທີທັນໃດສໍາລັບຄໍາຖາມປົກກະຕິ, ປ່ອຍໃຫ້ຄູສອນສຸມໃສ່ການໃຫ້ຄໍາປຶກສາທີ່ເລິກເຊິ່ງ.

ການຄາດຄະເນສໍາລັບ 2030-2035: ຄູສອນ AI ສ່ວນບຸກຄົນແລະຜູ້ຊ່ວຍການສອນອັດຕະໂນມັດ

ໃນທົດສະວັດຕໍ່ໄປ, ພວກເຮົາຄາດວ່າ AI ທົ່ວໄປຈະຊ່ວຍໃຫ້ ປະສົບການການຮຽນຮູ້ທີ່ເປັນແບບສ່ວນຕົວ ແລະ ເປັນເອກະລາດ , ໃນຂະນະທີ່ບົດບາດຂອງຄູພັດທະນາ:

• AI Personal Tutors ສໍາລັບນັກຮຽນທຸກຄົນ: ໃນປີ 2030, ວິໄສທັດ (ແບ່ງປັນໂດຍຜູ້ຊ່ຽວຊານເຊັ່ນ Sal Khan ຂອງ Khan Academy) ແມ່ນວ່ານັກຮຽນແຕ່ລະຄົນສາມາດເຂົ້າຫາຄູສອນ AI ທີ່ມີປະສິດທິຜົນເທົ່າກັບຄູສອນຂອງມະນຸດໃນຫຼາຍດ້ານ ( ຄູສອນ AI ນີ້ສາມາດເຮັດໃຫ້ມະນຸດສະຫຼາດຂຶ້ນ 10 ເທົ່າ, ຜູ້ສ້າງຂອງມັນເວົ້າວ່າ ). ຄູສອນ AI ເຫຼົ່ານີ້ຈະພ້ອມໃຫ້ບໍລິການ 24/7, ຮູ້ປະຫວັດການຮຽນຮູ້ຂອງນັກຮຽນຢ່າງສະໜິດສະໜົມ, ແລະປັບຮູບແບບການສອນຂອງເຂົາເຈົ້າໃຫ້ເໝາະສົມ. ຕົວຢ່າງ, ຖ້ານັກຮຽນເປັນນັກຮຽນທີ່ມີສາຍຕາທີ່ຕໍ່ສູ້ກັບແນວຄິດກ່ຽວກັບພຶດຊະຄະນິດ, AI ອາດຈະສ້າງແບບເຄື່ອນໄຫວແບບການອະທິບາຍພາບ ຫຼືການຈໍາລອງແບບໂຕ້ຕອບເພື່ອຊ່ວຍ. ເນື່ອງຈາກວ່າ AI ສາມາດຕິດຕາມຄວາມຄືບຫນ້າຂອງນັກຮຽນໃນໄລຍະເວລາ, ມັນສາມາດຕັດສິນໃຈອັດຕະໂນມັດວ່າຈະທົບທວນຫົວຂໍ້ໃດຕໍ່ໄປຫຼືເວລາໃດທີ່ຈະກ້າວໄປສູ່ທັກສະໃຫມ່ - ການຄຸ້ມຄອງແຜນການສອນ ສໍາລັບນັກຮຽນນັ້ນຢ່າງມີປະສິດທິພາບ.

• ຫຼຸດຜ່ອນວຽກຂອງຄູໃນໜ້າວຽກປະຈຳ: ການໃຫ້ຄະແນນ, ການສ້າງເອກະສານ, ການຮ່າງເອກະສານບົດຮຽນ – ວຽກງານເຫຼົ່ານີ້ອາດຈະຖືກສົ່ງໃຫ້ AI ເກືອບທັງໝົດພາຍໃນຊຸມປີ 2030. AI ສາມາດສ້າງວຽກບ້ານທີ່ກຳນົດເອງໄດ້ໃນອາທິດໜຶ່ງຂອງຫ້ອງຮຽນ, ໃຫ້ຄະແນນການມອບໝາຍທັງໝົດໃນອາທິດທີ່ຜ່ານມາ (ແມ່ນແຕ່ວຽກທີ່ເປີດແລ້ວ) ພ້ອມກັບຄຳຄິດເຫັນ, ແລະເນັ້ນໃຫ້ຄູສອນວ່ານັກຮຽນອາດຈະຕ້ອງການຄວາມຊ່ວຍເຫຼືອເພີ່ມເຕີມໃນຫົວຂໍ້ໃດ. ອັນນີ້ອາດຈະເກີດຂຶ້ນດ້ວຍການປ້ອນຂໍ້ມູນຂອງຄູໜ້ອຍທີ່ສຸດ, ບາງທີພຽງແຕ່ເບິ່ງສັ້ນໆເພື່ອຮັບປະກັນໃຫ້ຄະແນນຂອງ AI ເບິ່ງຄືວ່າຍຸດຕິທຳ.

• ເວທີການຮຽນຮູ້ການປັບຕົວແບບອັດຕະໂນມັດ: ພວກເຮົາອາດຈະເຫັນຫຼັກສູດທີ່ຂັບເຄື່ອນດ້ວຍ AI ຢ່າງເຕັມທີ່ສໍາລັບບາງວິຊາ. ຈິນຕະນາການຫຼັກສູດອອນໄລນ໌ທີ່ບໍ່ມີຜູ້ສອນມະນຸດບ່ອນທີ່ຕົວແທນ AI ແນະນໍາອຸປະກອນ, ໃຫ້ຕົວຢ່າງ, ຕອບຄໍາຖາມ, ແລະປັບຈັງຫວະໂດຍອີງໃສ່ນັກຮຽນ. ປະສົບການຂອງນັກຮຽນສາມາດເປັນເອກະລັກຂອງເຂົາເຈົ້າ, ສ້າງຂຶ້ນໃນເວລາຈິງ. ການຝຶກອົບຮົມຂອງບໍລິສັດແລະການຮຽນຮູ້ສໍາລັບຜູ້ໃຫຍ່ບາງຄົນອາດຈະກ້າວໄປສູ່ຮູບແບບນີ້ໄວ, ເຊິ່ງໃນປີ 2035 ພະນັກງານສາມາດເວົ້າວ່າ "ຂ້ອຍຢາກຮຽນ Excel ຂັ້ນສູງ" ແລະຄູສອນ AI ຈະສອນພວກເຂົາຜ່ານຫຼັກສູດສ່ວນບຸກຄົນ, ລວມທັງການສ້າງບົດຝຶກຫັດແລະການປະເມີນວິທີແກ້ໄຂຂອງພວກເຂົາ, ໂດຍບໍ່ມີຄູຝຶກສອນມະນຸດ.

• ຜູ້ຊ່ວຍ AI ໃນຫ້ອງຮຽນ: ໃນຫ້ອງຮຽນທາງດ້ານຮ່າງກາຍ ຫຼື virtual, AI ສາມາດຟັງການສົນທະນາໃນຫ້ອງຮຽນ ແລະຊ່ວຍໃຫ້ຄູສອນໄດ້ທັນທີ (ເຊັ່ນ: ການກະຊິບຄໍາແນະນໍາຜ່ານຫູຟັງ: "ນັກຮຽນຫຼາຍຄົນເບິ່ງສັບສົນກ່ຽວກັບແນວຄວາມຄິດນັ້ນ, ບາງທີອາດໃຫ້ຕົວຢ່າງອື່ນ"). ມັນຍັງສາມາດປານກາງເວທີສົນທະນາອອນໄລນ໌, ຕອບຄໍາຖາມທີ່ກົງໄປກົງມາໂດຍນັກຮຽນທີ່ຖາມ ("ການມອບຫມາຍແມ່ນເວລາໃດ?" ຫຼືແມ້ກະທັ້ງການຊີ້ແຈງຈຸດບັນຍາຍ) ດັ່ງນັ້ນຄູຈະບໍ່ຖືກໂຈມຕີທາງອີເມວ. ໃນປີ 2035, ມີຄູສອນ AI ຢູ່ໃນຫ້ອງ, ໃນຂະນະທີ່ຄູສອນມະນຸດສຸມໃສ່ການຊີ້ນໍາລະດັບສູງແລະລັກສະນະແຮງຈູງໃຈ, ອາດຈະເປັນມາດຕະຖານ.

• ການເຂົ້າເຖິງການສຶກສາທົ່ວໂລກ: ຄູສອນ AI ທີ່ເປັນເອກະລາດສາມາດຊ່ວຍສຶກສານັກຮຽນໃນເຂດທີ່ຂາດຄູໄດ້. ແທັບເລັດທີ່ມີຄູສອນ AI ອາດຈະເຮັດຫນ້າທີ່ເປັນຄູສອນປະຖົມສໍາລັບນັກຮຽນທີ່ບໍ່ມີໂຮງຮຽນຈໍາກັດ, ກວມເອົາການຮູ້ຫນັງສືພື້ນຖານແລະຄະນິດສາດ. ໃນປີ 2035, ນີ້ອາດຈະເປັນຫນຶ່ງໃນການນໍາໃຊ້ທີ່ມີຜົນກະທົບທີ່ສຸດ - ຊ່ອງຫວ່າງ AI ຂົວທີ່ຄູອາຈານຂອງມະນຸດບໍ່ມີ. ຢ່າງໃດກໍ່ຕາມ, ການຮັບປະກັນຄຸນນະພາບແລະຄວາມເຫມາະສົມທາງດ້ານວັດທະນະທໍາຂອງການສຶກສາ AI ໃນສະພາບການທີ່ແຕກຕ່າງກັນແມ່ນມີຄວາມສໍາຄັນ.

AI ຈະມາແທນຄູບໍ? ຄົງຈະບໍ່ເຕັມທີ່. ການສອນແມ່ນຫຼາຍກວ່າການໃຫ້ເນື້ອຫາ – ມັນເປັນການໃຫ້ຄໍາປຶກສາ, ແຮງບັນດານໃຈ, ການສະຫນັບສະຫນູນທາງດ້ານຈິດໃຈ-ສັງຄົມ. ອົງປະກອບຂອງມະນຸດເຫຼົ່ານັ້ນແມ່ນຍາກສໍາລັບ AI ທີ່ຈະເຮັດສໍາເນົາ. ແຕ່ AI ສາມາດກາຍເປັນ ຄູສອນຄົນທີສອງ ໃນຫ້ອງຮຽນຫຼືແມ່ນແຕ່ຄູສອນຜູ້ທໍາອິດສໍາລັບການຖ່າຍທອດຄວາມຮູ້, ເຮັດໃຫ້ນັກການສຶກສາຂອງມະນຸດສຸມໃສ່ສິ່ງທີ່ມະນຸດເຮັດໄດ້ດີທີ່ສຸດ: ເຫັນອົກເຫັນໃຈ, ກະຕຸ້ນ, ແລະສົ່ງເສີມການຄິດວິພາກວິຈານ.

ມີຄວາມເປັນຫ່ວງໃນການຈັດການ: ການຮັບປະກັນໃຫ້ AI ສະໜອງຂໍ້ມູນທີ່ຖືກຕ້ອງ (ບໍ່ມີຄວາມຫຼົງໄຫຼທາງດ້ານການສຶກສາກ່ຽວກັບຂໍ້ເທັດຈິງທີ່ບໍ່ຖືກຕ້ອງ), ຫຼີກເວັ້ນຄວາມລຳອຽງໃນເນື້ອຫາດ້ານການສຶກສາ, ການຮັກສາຄວາມເປັນສ່ວນຕົວຂອງຂໍ້ມູນນັກຮຽນ ແລະ ການຮັກສານັກຮຽນໃຫ້ມີສ່ວນຮ່ວມ (AI ຕ້ອງການແຮງຈູງໃຈ, ບໍ່ພຽງແຕ່ຖືກຕ້ອງ). ພວກເຮົາອາດຈະເຫັນການຮັບຮອງ ຫຼືການຢັ້ງຢືນລະບົບການສຶກສາ AI – ຄ້າຍຄືກັບປຶ້ມແບບຮຽນທີ່ໄດ້ຮັບການອະນຸມັດ – ເພື່ອຮັບປະກັນວ່າພວກມັນໄດ້ມາດຕະຖານ.

ສິ່ງທ້າທາຍອີກອັນຫນຶ່ງແມ່ນການເອື່ອຍອີງຫຼາຍເກີນໄປ: ຖ້າຄູສອນ AI ໃຫ້ຄໍາຕອບພ້ອມເກີນໄປ, ນັກຮຽນອາດຈະບໍ່ຮຽນຮູ້ຄວາມອົດທົນຫຼືການແກ້ໄຂບັນຫາ. ເພື່ອຫຼຸດຜ່ອນສິ່ງດັ່ງກ່າວ, ຄູສອນ AI ໃນອະນາຄົດອາດຈະຖືກອອກແບບເພື່ອບາງຄັ້ງໃຫ້ນັກຮຽນຕໍ່ສູ້ກັບ (ເປັນຄູສອນຂອງມະນຸດ) ຫຼືຊຸກຍູ້ໃຫ້ພວກເຂົາແກ້ໄຂບັນຫາດ້ວຍຄໍາແນະນໍາແທນທີ່ຈະໃຫ້ວິທີແກ້ໄຂ.

ໃນປີ 2035, ຫ້ອງຮຽນອາດຈະມີການປ່ຽນແປງ: ນັກຮຽນແຕ່ລະຄົນມີອຸປະກອນເຊື່ອມຕໍ່ AI ນໍາພາເຂົາເຈົ້າຕາມຈັງຫວະຂອງຕົນເອງ, ໃນຂະນະທີ່ຄູສອນຈັດກິດຈະກໍາກຸ່ມ ແລະໃຫ້ຄວາມເຂົ້າໃຈຂອງມະນຸດ. ການ​ສຶກ​ສາ​ສາ​ມາດ​ກາຍ​ເປັນ​ປະ​ສິດ​ທິ​ພາບ​ແລະ​ປັບ​ປຸງ​. ຄໍາສັນຍາແມ່ນນັກຮຽນທຸກຄົນໄດ້ຮັບການຊ່ວຍເຫຼືອທີ່ພວກເຂົາຕ້ອງການເມື່ອພວກເຂົາຕ້ອງການ - ປະສົບການ "ຄູສອນສ່ວນຕົວ" ທີ່ແທ້ຈິງໃນລະດັບ. ຄວາມສ່ຽງແມ່ນການສູນເສຍການສໍາພັດຂອງມະນຸດບາງຢ່າງຫຼືການໃຊ້ AI ໃນທາງທີ່ຜິດ (ເຊັ່ນ: ນັກຮຽນໂກງຜ່ານ AI). ແຕ່ໂດຍລວມແລ້ວ, ຖ້າຈັດການໄດ້ດີ, AI ທົ່ວໄປແມ່ນຢືນຢູ່ເພື່ອປະຊາທິປະໄຕແລະເສີມຂະຫຍາຍການຮຽນຮູ້ໂດຍການເປັນເພື່ອນທີ່ມີຄວາມຮູ້ທີ່ເຄີຍມີຢູ່ໃນການເດີນທາງການສຶກສາຂອງນັກຮຽນ.

Generative AI ໃນ Logistics ແລະ Supply Chain

Logistics - ສິລະປະແລະວິທະຍາສາດຂອງການເຄື່ອນຍ້າຍສິນຄ້າແລະການຄຸ້ມຄອງລະບົບຕ່ອງໂສ້ການສະຫນອງ - ອາດຈະບໍ່ເບິ່ງຄືວ່າເປັນໂດເມນແບບດັ້ງເດີມສໍາລັບ AI "ການຜະລິດ", ແຕ່ການແກ້ໄຂບັນຫາແລະການວາງແຜນທີ່ສ້າງສັນແມ່ນສໍາຄັນໃນດ້ານນີ້. AI ທົ່ວໄປສາມາດຊ່ວຍໄດ້ໂດຍການຈໍາລອງສະຖານະການ, ການເພີ່ມປະສິດທິພາບແຜນການ, ແລະແມ້ກະທັ້ງການຄວບຄຸມລະບົບຫຸ່ນຍົນ. ເປົ້າຫມາຍໃນການຂົນສົ່ງແມ່ນປະສິດທິພາບແລະການປະຫຍັດຄ່າໃຊ້ຈ່າຍ, ເຊິ່ງສອດຄ່ອງກັບຈຸດແຂງຂອງ AI ໃນການວິເຄາະຂໍ້ມູນແລະການສະເຫນີວິທີແກ້ໄຂ. ດັ່ງນັ້ນ AI ສາມາດເປັນເອກະລາດໄດ້ແນວໃດໃນລະບົບຕ່ອງໂສ້ການສະຫນອງແລະການດໍາເນີນງານການຂົນສົ່ງ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ການເພີ່ມປະສິດທິພາບ ແລະການປັບປຸງດ້ວຍການຄວບຄຸມຂອງມະນຸດ

ໃນມື້ນີ້, AI (ລວມທັງບາງວິທີການສ້າງ) ຖືກນໍາໃຊ້ໃນການຂົນສົ່ງຕົ້ນຕໍເປັນ ເຄື່ອງມືສະຫນັບສະຫນູນການຕັດສິນໃຈ :

• ການເພີ່ມປະສິດທິພາບເສັ້ນທາງ: ບໍລິສັດເຊັ່ນ UPS ແລະ FedEx ໄດ້ໃຊ້ AI algorithms ເພື່ອເພີ່ມປະສິດທິພາບເສັ້ນທາງການຈັດສົ່ງ - ຮັບປະກັນໃຫ້ຄົນຂັບລົດໄປສູ່ເສັ້ນທາງທີ່ມີປະສິດທິພາບທີ່ສຸດ. ຕາມປະເພນີ, ເຫຼົ່ານີ້ແມ່ນວິທີການຄົ້ນຄ້ວາການດໍາເນີນງານ, ແຕ່ໃນປັດຈຸບັນວິທີການທົ່ວໄປສາມາດຊ່ວຍຄົ້ນຫາຍຸດທະສາດການກໍານົດເສັ້ນທາງທາງເລືອກພາຍໃຕ້ເງື່ອນໄຂຕ່າງໆ (ການຈະລາຈອນ, ສະພາບອາກາດ). ໃນຂະນະທີ່ AI ແນະນໍາເສັ້ນທາງ, ຜູ້ສົ່ງມະນຸດຫຼືຜູ້ຈັດການກໍານົດພາລາມິເຕີ (ຕົວຢ່າງ, ບູລິມະສິດ) ແລະສາມາດ override ຖ້າຈໍາເປັນ.

• ການວາງແຜນການໂຫຼດແລະພື້ນທີ່: ສໍາລັບການບັນຈຸລົດບັນທຸກຫຼືຕູ້ຂົນສົ່ງ, AI ສາມາດສ້າງແຜນການໂຫຼດທີ່ດີທີ່ສຸດ (ກ່ອງໃດໄປບ່ອນໃດ). A AI ທົ່ວໄປອາດຈະຜະລິດການກໍາຫນົດຄ່າການຫຸ້ມຫໍ່ຫຼາຍເພື່ອເພີ່ມການນໍາໃຊ້ພື້ນທີ່, ທີ່ສໍາຄັນ "ສ້າງ" ວິທີແກ້ໄຂທີ່ມະນຸດສາມາດເລືອກເອົາຈາກ. ນີ້ໄດ້ຖືກເນັ້ນໃຫ້ເຫັນໂດຍການສຶກສາສັງເກດເຫັນວ່າລົດບັນທຸກມັກຈະແລ່ນເປົ່າ 30% ໃນສະຫະລັດ, ແລະການວາງແຜນທີ່ດີກວ່າ - ການຊ່ວຍເຫຼືອໂດຍ AI - ສາມາດຫຼຸດຜ່ອນສິ່ງເສດເຫຼືອນັ້ນ ( Top Generative AI Use Cases in Logistics ). ແຜນການໂຫຼດທີ່ສ້າງຂຶ້ນໂດຍ AI ເຫຼົ່ານີ້ມີຈຸດປະສົງເພື່ອຕັດຄ່າໃຊ້ຈ່າຍນໍ້າມັນເຊື້ອໄຟ ແລະການປ່ອຍອາຍພິດ, ແລະໃນບາງຄັງສິນຄ້າເຂົາເຈົ້າໄດ້ຖືກປະຕິບັດດ້ວຍການປ່ຽນແປງຄູ່ມືຫນ້ອຍທີ່ສຸດ.

• ການ​ຄາດ​ຄະ​ເນ​ຄວາມ​ຕ້ອງ​ການ​ແລະ​ການ​ຄຸ້ມ​ຄອງ​ສາງ​: ຕົວ​ແບບ AI ສາ​ມາດ​ຄາດ​ຄະ​ເນ​ຄວາມ​ຕ້ອງ​ການ​ຂອງ​ຜະ​ລິດ​ຕະ​ພັນ​ແລະ​ສ້າງ​ແຜນ​ການ restocking​. ຮູບແບບການຜະລິດອາດຈະຈໍາລອງສະຖານະການຄວາມຕ້ອງການທີ່ແຕກຕ່າງກັນ (ເວົ້າວ່າ, AI "ຈິນຕະນາການ" ຄວາມຕ້ອງການເພີ່ມຂຶ້ນເນື່ອງຈາກວັນພັກທີ່ຈະມາເຖິງ) ແລະວາງແຜນສິນຄ້າຄົງຄັງຕາມຄວາມເຫມາະສົມ. ນີ້ຊ່ວຍໃຫ້ຜູ້ຈັດການຕ່ອງໂສ້ການສະຫນອງກະກຽມ. ໃນປັດຈຸບັນ, AI ສະຫນອງການພະຍາກອນແລະຄໍາແນະນໍາ, ແຕ່ໂດຍທົ່ວໄປແລ້ວມະນຸດຈະໂທຫາຂັ້ນສຸດທ້າຍກ່ຽວກັບລະດັບການຜະລິດຫຼືຄໍາສັ່ງ.

• ການປະເມີນຄວາມສ່ຽງ: ລະບົບຕ່ອງໂສ້ການສະຫນອງທົ່ວໂລກປະເຊີນກັບການຂັດຂວາງ (ໄພພິບັດທໍາມະຊາດ, ການຊັກຊ້າຂອງທ່າເຮືອ, ບັນຫາທາງດ້ານການເມືອງ). ລະບົບ AI ໃນປັດຈຸບັນ comb ຜ່ານຂ່າວແລະຂໍ້ມູນເພື່ອກໍານົດຄວາມສ່ຽງໃນຂອບເຂດ. ສໍາລັບຕົວຢ່າງ, ບໍລິສັດຂົນສົ່ງຫນຶ່ງໃຊ້ gen AI ເພື່ອສະແກນອິນເຕີເນັດແລະທຸງແລວທາງການຂົນສົ່ງທີ່ມີຄວາມສ່ຽງ (ພື້ນທີ່ອາດຈະມີບັນຫາຍ້ອນ, ເວົ້າວ່າ, ພາຍຸເຮີຣິເຄນທີ່ເຂົ້າມາຫຼືຄວາມບໍ່ສະຫງົບ) ( Top Generative AI Use Cases in Logistics ). ດ້ວຍຂໍ້ມູນນັ້ນ, ຜູ້ວາງແຜນສາມາດປ່ຽນເສັ້ນທາງການຂົນສົ່ງໂດຍອັດຕະໂນມັດໃນບໍລິເວນທີ່ມີບັນຫາ. ໃນບາງກໍລະນີ, AI ອາດຈະແນະນໍາການປ່ຽນເສັ້ນທາງໂດຍອັດຕະໂນມັດຫຼືການປ່ຽນແປງຮູບແບບການຂົນສົ່ງ, ເຊິ່ງມະນຸດໄດ້ອະນຸມັດ.

• Warehouse Automation: ສາງຫຼາຍບ່ອນແມ່ນເຄິ່ງອັດຕະໂນມັດທີ່ມີຫຸ່ນຍົນສໍາລັບການເກັບແລະການຫຸ້ມຫໍ່. Generative AI ສາມາດຈັດສັນໜ້າວຽກໃຫ້ຫຸ່ນຍົນ ແລະມະນຸດແບບເຄື່ອນໄຫວເພື່ອການໄຫຼເຂົ້າທີ່ດີທີ່ສຸດ. ສໍາລັບຕົວຢ່າງ, AI ອາດຈະສ້າງແຖວວຽກສໍາລັບຜູ້ເລືອກເອົາຫຸ່ນຍົນໃນແຕ່ລະເຊົ້າໂດຍອີງໃສ່ຄໍາສັ່ງ. ນີ້ມັກຈະເປັນເອກະລາດຢ່າງເຕັມສ່ວນໃນການປະຕິບັດ, ກັບຜູ້ຈັດການພຽງແຕ່ຕິດຕາມກວດກາ KPIs - ຖ້າຄໍາສັ່ງເພີ່ມຂຶ້ນໂດຍບໍ່ຄາດຄິດ, AI ຈະປັບການປະຕິບັດດ້ວຍຕົນເອງ.

• Fleet Management: AI ຊ່ວຍໃນການກຳນົດເວລາການບຳລຸງຮັກສາຍານພາຫະນະໂດຍການວິເຄາະຮູບແບບ ແລະສ້າງຕາຕະລາງການບຳລຸງຮັກສາທີ່ດີທີ່ສຸດທີ່ຫຼຸດເວລາຢຸດເຮັດວຽກ. ມັນຍັງສາມາດຈັດກຸ່ມການຂົນສົ່ງເພື່ອຫຼຸດຜ່ອນການເດີນທາງ. ການຕັດສິນໃຈເຫຼົ່ານີ້ສາມາດເຮັດໄດ້ໂດຍຊອບແວ AI ໂດຍອັດຕະໂນມັດຕາບໃດທີ່ມັນຕອບສະຫນອງຄວາມຕ້ອງການການບໍລິການ.

ໂດຍລວມແລ້ວ, ໃນປີ 2025, ມະນຸດໄດ້ກໍານົດຈຸດປະສົງ (ເຊັ່ນ: "ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍແຕ່ຮັບປະກັນການຈັດສົ່ງ 2 ມື້") ແລະ AI ເລັ່ງວິທີແກ້ໄຂຫຼືຕາຕະລາງເພື່ອບັນລຸສິ່ງນັ້ນ. ລະບົບສາມາດດໍາເນີນການປະຈໍາວັນໂດຍບໍ່ມີການແຊກແຊງຈົນກ່ວາບາງສິ່ງບາງຢ່າງຜິດປົກກະຕິເກີດຂຶ້ນ. ການຂົນສົ່ງຫຼາຍຢ່າງກ່ຽວຂ້ອງກັບການຕັດສິນໃຈທີ່ຊ້ໍາກັນ (ເວລາທີ່ການຂົນສົ່ງນີ້ຄວນອອກຈາກ? ຄັງສິນຄ້າໃດເພື່ອປະຕິບັດຄໍາສັ່ງນີ້ຈາກ?), ເຊິ່ງ AI ສາມາດຮຽນຮູ້ທີ່ຈະເຮັດຢ່າງຕໍ່ເນື່ອງ. ບໍລິສັດກໍາລັງຄ່ອຍໆໄວ້ວາງໃຈ AI ເພື່ອຈັດການກັບການຕັດສິນໃຈຈຸນລະພາກເຫຼົ່ານີ້ແລະພຽງແຕ່ຜູ້ຈັດການເຕືອນເມື່ອມີຂໍ້ຍົກເວັ້ນ.

ການຄາດຄະເນສໍາລັບ 2030-2035: ລະບົບຕ່ອງໂສ້ການສະຫນອງການຂັບລົດດ້ວຍຕົນເອງ

ໃນ​ທົດ​ສະ​ວັດ​ຕໍ່​ໄປ, ພວກ​ເຮົາ​ສາ​ມາດ​ຄາດ​ຄະ​ເນ ​ການ​ປະ​ສານ​ງານ​ເປັນ​ເອ​ກະ​ລາດ ​ໃນ​ການ​ຂົນ​ສົ່ງ​ທີ່​ຂັບ​ເຄື່ອນ​ໂດຍ AI:

• ຍານພາຫານະ ແລະ Drones ປົກຄອງຕົນເອງ: ລົດບັນທຸກທີ່ຂັບລົດດ້ວຍຕົນເອງ ແລະ drones ສົ່ງ, ໃນຂະນະທີ່ຫົວຂໍ້ AI / ຫຸ່ນຍົນທີ່ກວ້າງຂວາງ, ມີຜົນກະທົບໂດຍກົງຕໍ່ການຂົນສົ່ງ. ຮອດປີ 2030, ຖ້າຄວາມທ້າທາຍດ້ານລະບຽບ ແລະ ເຕັກນິກຖືກເອົາຊະນະໄດ້, ພວກເຮົາອາດມີ AI ຂັບໄລ່ລົດບັນທຸກເທິງຖະໜົນຫຼວງເປັນປະຈຳ ຫຼື drones ຈັດການສົ່ງສິນຄ້າໃນໄລຍະທາງສຸດທ້າຍໃນຕົວເມືອງ. AIs ເຫຼົ່ານີ້ຈະເຮັດການຕັດສິນໃຈໃນເວລາທີ່ແທ້ຈິງ (ການປ່ຽນແປງເສັ້ນທາງ, ການຫຼີກເວັ້ນອຸປະສັກ) ໂດຍບໍ່ມີຄົນຂັບລົດ. ມຸມການຜະລິດແມ່ນຢູ່ໃນວິທີທີ່ AIs ຍານພາຫະນະເຫຼົ່ານີ້ຮຽນຮູ້ຈາກຂໍ້ມູນທີ່ກວ້າງຂວາງແລະການຈໍາລອງ, "ການຝຶກອົບຮົມ" ທີ່ມີປະສິດທິພາບໃນສະຖານະການນັບບໍ່ຖ້ວນ. ເຮືອ​ບິນ​ທີ່​ປົກຄອງ​ຕົນ​ເອງ​ຢ່າງ​ເຕັມ​ສ່ວນ​ສາມາດ​ປະຕິບັດ​ງານ​ໄດ້ 24/7, ​ໂດຍ​ມະນຸດ​ຈະ​ຕິດຕາມ​ເບິ່ງ​ຈາກ​ໄລຍະ​ໄກ​ເທົ່າ​ນັ້ນ. ນີ້ເອົາອົງປະກອບຂອງມະນຸດອັນໃຫຍ່ຫຼວງ (ຜູ້ຂັບຂີ່) ອອກຈາກການດໍາເນີນງານການຂົນສົ່ງ, ເພີ່ມທະວີການປົກຄອງຂອງຕົນເອງຢ່າງຫຼວງຫຼາຍ.

• ລະບົບຕ່ອງໂສ້ການສະຫນອງການປິ່ນປົວດ້ວຍຕົນເອງ: AI ທົ່ວໄປອາດຈະຖືກນໍາໃຊ້ເພື່ອຈໍາລອງສະຖານະການລະບົບຕ່ອງໂສ້ການສະຫນອງຢ່າງຕໍ່ເນື່ອງແລະກະກຽມແຜນການສຸກເສີນ. ໃນປີ 2035, AI ອາດຈະກວດພົບໂດຍອັດຕະໂນມັດເມື່ອໂຮງງານຜູ້ຜະລິດໄດ້ປິດລົງ (ຜ່ານຂ່າວຫຼືຂໍ້ມູນຟີດ) ແລະ ທັນທີທັນໃດ ປ່ຽນແຫຼ່ງໄປຫາຜູ້ສະຫນອງທາງເລືອກທີ່ມັນໄດ້ກວດສອບການຈໍາລອງແລ້ວ. ນີ້ຫມາຍຄວາມວ່າລະບົບຕ່ອງໂສ້ການສະຫນອງ "ປິ່ນປົວ" ຕົວຂອງມັນເອງຈາກການຂັດຂວາງກັບ AI ເປັນຜູ້ລິເລີ່ມ. ຜູ້ຈັດການຂອງມະນຸດຈະໄດ້ຮັບການແຈ້ງເຕືອນກ່ຽວກັບສິ່ງທີ່ AI ໄດ້ເຮັດ, ແທນທີ່ຈະເປັນຜູ້ລິເລີ່ມການແກ້ໄຂບັນຫາ.

• ການເພີ່ມປະສິດທິພາບຂອງສິນຄ້າຄົງຄັງແບບ End-to-End: AI ສາມາດຈັດການສິນຄ້າຄົງຄັງອັດຕະໂນມັດໃນທົ່ວເຄືອຂ່າຍຂອງຄັງສິນຄ້າແລະຮ້ານຄ້າທັງຫມົດ. ມັນຈະຕັດສິນໃຈເວລາແລະບ່ອນທີ່ຈະຍ້າຍຫຼັກຊັບ (ບາງທີອາດໃຊ້ຫຸ່ນຍົນຫຼືຍານພາຫະນະອັດຕະໂນມັດເພື່ອເຮັດແນວນັ້ນ), ເກັບຮັກສາສິນຄ້າຄົງຄັງພຽງພໍໃນແຕ່ລະສະຖານທີ່. ໂດຍພື້ນຖານແລ້ວ AI ແລ່ນຫໍຄວບຄຸມລະບົບຕ່ອງໂສ້ການສະໜອງ: ການເບິ່ງກະແສທັງໝົດ ແລະ ການປັບຕົວໃນເວລາຈິງ. ໃນປີ 2035, ແນວຄວາມຄິດຂອງລະບົບຕ່ອງໂສ້ການສະຫນອງ "ຂັບລົດດ້ວຍຕົນເອງ" ອາດຈະຫມາຍຄວາມວ່າລະບົບກໍານົດແຜນການແຈກຢາຍທີ່ດີທີ່ສຸດໃນແຕ່ລະມື້, ສັ່ງສິນຄ້າ, ກໍານົດເວລາໂຮງງານຜະລິດ, ແລະຈັດການຂົນສົ່ງທັງຫມົດດ້ວຍຕົນເອງ. ມະນຸດຈະເບິ່ງແຍງຍຸດທະສາດໂດຍລວມແລະຈັດການກັບຂໍ້ຍົກເວັ້ນທີ່ເກີນກວ່າຄວາມເຂົ້າໃຈຂອງ AI ໃນປະຈຸບັນ.

• Generative Design in Logistics: ພວກເຮົາສາມາດເຫັນ AI ອອກແບບເຄືອຂ່າຍຕ່ອງໂສ້ການສະໜອງໃໝ່. ສົມມຸດວ່າບໍລິສັດຂະຫຍາຍໄປສູ່ພາກພື້ນໃຫມ່; AI ສາມາດສ້າງສະຖານທີ່ສາງທີ່ດີທີ່ສຸດ, ການເຊື່ອມໂຍງການຂົນສົ່ງ, ແລະນະໂຍບາຍສິນຄ້າຄົງຄັງສໍາລັບພາກພື້ນທີ່ໃຫ້ຂໍ້ມູນ - ບາງສິ່ງບາງຢ່າງທີ່ປຶກສາແລະນັກວິເຄາະເຮັດໃນມື້ນີ້. ໃນປີ 2030, ບໍລິສັດອາດຈະອີງໃສ່ຄໍາແນະນໍາຂອງ AI ສໍາລັບທາງເລືອກການອອກແບບລະບົບຕ່ອງໂສ້ການສະຫນອງ, ໄວ້ວາງໃຈວ່າມັນຈະຊັ່ງນໍ້າຫນັກປັດໃຈໄວແລະອາດຈະຊອກຫາວິທີແກ້ໄຂທີ່ສ້າງສັນ (ເຊັ່ນ: ສູນການແຈກຢາຍທີ່ບໍ່ຊັດເຈນ) ທີ່ມະນຸດພາດ.

• ການປະສົມປະສານກັບການຜະລິດ (ອຸດສາຫະກໍາ 4.0): Logistics ບໍ່ໄດ້ຢືນຢູ່ຄົນດຽວ; ມັນພົວພັນກັບການຜະລິດ. ໂຮງງານໃນອະນາຄົດອາດຈະມີ AI ການຜະລິດກໍານົດເວລາການຜະລິດ, ການສັ່ງຊື້ວັດຖຸດິບທັນເວລາ, ແລະຫຼັງຈາກນັ້ນແນະນໍາເຄືອຂ່າຍການຂົນສົ່ງສິນຄ້າໃນທັນທີ. AI ປະສົມປະສານນີ້ສາມາດຫມາຍຄວາມວ່າການວາງແຜນຂອງມະນຸດຫນ້ອຍລົງ - ເປັນລະບົບຕ່ອງໂສ້ທີ່ບໍ່ມີຮອຍຕໍ່ຈາກການຜະລິດໄປສູ່ການຈັດສົ່ງທີ່ຂັບເຄື່ອນໂດຍສູດການຄິດໄລ່ການເພີ່ມປະສິດທິພາບສໍາລັບຄ່າໃຊ້ຈ່າຍ, ຄວາມໄວ, ແລະຄວາມຍືນຍົງ. ແລ້ວ, ຮອດປີ 2025, ລະບົບຕ່ອງໂສ້ການສະໜອງທີ່ມີປະສິດທິພາບສູງແມ່ນການຂັບເຄື່ອນຂໍ້ມູນ; ໃນປີ 2035 ພວກເຂົາອາດຈະໄດ້ຮັບການຂັບເຄື່ອນໂດຍ AI ສ່ວນໃຫຍ່.

• ການ​ບໍ​ລິ​ການ​ລູກ​ຄ້າ​ແບບ​ເຄື່ອນ​ໄຫວ​ໃນ​ການ​ຂົນ​ສົ່ງ​: ການ​ກໍ່​ສ້າງ​ໃນ​ການ​ບໍ​ລິ​ການ​ລູກ​ຄ້າ AI​, ຕ່ອງ​ໂສ້​ການ​ສະ​ຫນອງ AIs ອາດ​ຈະ​ໂຕ້​ຕອບ​ໂດຍ​ກົງ​ກັບ​ລູກ​ຄ້າ​ຫຼື​ລູກ​ຄ້າ​. ຕົວຢ່າງ, ຖ້າລູກຄ້າໃຫຍ່ຕ້ອງການປ່ຽນຄໍາສັ່ງຈໍານວນຫລາຍຂອງພວກເຂົາໃນນາທີສຸດທ້າຍ, ຕົວແທນ AI ສາມາດເຈລະຈາທາງເລືອກທີ່ເປັນໄປໄດ້ (ເຊັ່ນ: "ພວກເຮົາສາມາດຈັດສົ່ງໄດ້ເຄິ່ງຫນຶ່ງ, ເຄິ່ງຫນຶ່ງໃນອາທິດຫນ້າເນື່ອງຈາກຂໍ້ຈໍາກັດ") ໂດຍບໍ່ຕ້ອງລໍຖ້າຜູ້ຈັດການຂອງມະນຸດ. ນີ້ກ່ຽວຂ້ອງກັບຄວາມເຂົ້າໃຈຂອງ AI ທົ່ວໄປທັງສອງດ້ານ (ຄວາມຕ້ອງການຂອງລູກຄ້າທຽບກັບຄວາມສາມາດໃນການປະຕິບັດງານ) ແລະການຕັດສິນໃຈທີ່ເຮັດໃຫ້ການດໍາເນີນງານລຽບງ່າຍໃນຂະນະທີ່ລູກຄ້າພໍໃຈ.

ຜົນປະໂຫຍດທີ່ຄາດໄວ້ແມ່ນ ທີ່ມີປະສິດທິພາບ, ທົນທານ, ແລະຕອບສະຫນອງ . ບໍລິສັດຄາດຄະເນການປະຫຍັດຂະຫນາດໃຫຍ່ - McKinsey ຄາດຄະເນວ່າການເພີ່ມປະສິດທິພາບຂອງລະບົບຕ່ອງໂສ້ການສະຫນອງ AI ສາມາດຕັດຄ່າໃຊ້ຈ່າຍຢ່າງຫຼວງຫຼາຍແລະປັບປຸງລະດັບການບໍລິການ, ເພີ່ມມູນຄ່າທີ່ມີທ່າແຮງຫຼາຍພັນຕື້ໃນທົ່ວອຸດສາຫະກໍາ ( The State of AI in 2023: Generative AI's breakout year | McKinsey ).

ຢ່າງໃດກໍ່ຕາມ, ການຫັນການຄວບຄຸມໄປສູ່ AI ຫຼາຍຂຶ້ນຍັງມີຄວາມສ່ຽງ, ເຊັ່ນ: ຄວາມຜິດພາດທີ່ເຮັດໃຫ້ເກີດຄວາມຜິດພາດຖ້າເຫດຜົນຂອງ AI ມີຂໍ້ບົກພ່ອງ (ຕົວຢ່າງ, ສະຖານະການທີ່ບໍ່ດີຂອງລະບົບຕ່ອງໂສ້ການສະຫນອງ AI ທີ່ເຮັດວຽກຂອງບໍລິສັດໂດຍບໍ່ໄດ້ຕັ້ງໃຈຍ້ອນຄວາມຜິດພາດໃນການສ້າງແບບຈໍາລອງ). ການປົກປ້ອງເຊັ່ນ: "ມະນຸດໃນວົງການສໍາລັບການຕັດສິນໃຈອັນໃຫຍ່ຫຼວງ" ຫຼືຢ່າງຫນ້ອຍ dashboards ທີ່ອະນຸຍາດໃຫ້ override ຂອງມະນຸດຢ່າງໄວວາຈະຍັງຄົງຢູ່ຕະຫຼອດປີ 2035. ເມື່ອເວລາຜ່ານໄປ, ເມື່ອການຕັດສິນໃຈຂອງ AI ພິສູດແລ້ວ, ມະນຸດຈະກາຍເປັນຄວາມສະດວກສະບາຍໃນການຍ່າງກັບຄືນໄປບ່ອນ.

ຫນ້າສົນໃຈ, ໂດຍການເພີ່ມປະສິດທິພາບສໍາລັບປະສິດທິພາບ, AI ບາງຄັ້ງອາດຈະເຮັດໃຫ້ທາງເລືອກທີ່ຂັດແຍ້ງກັບຄວາມມັກຂອງມະນຸດຫຼືການປະຕິບັດແບບດັ້ງເດີມ. ຕົວຢ່າງ, ການເພີ່ມປະສິດທິພາບຢ່າງດຽວອາດຈະເຮັດໃຫ້ສິນຄ້າຄົງຄັງບໍ່ຫຼາຍ, ເຊິ່ງມີປະສິດທິພາບແຕ່ສາມາດຮູ້ສຶກວ່າມີຄວາມສ່ຽງ. ຜູ້ຊ່ຽວຊານໃນລະບົບຕ່ອງໂສ້ການສະຫນອງໃນປີ 2030 ອາດຈະຕ້ອງປັບຄວາມເຂົ້າໃຈຂອງເຂົາເຈົ້າເພາະວ່າ AI, ຂໍ້ມູນຂະຫນາດໃຫຍ່, ອາດຈະສະແດງໃຫ້ເຫັນວ່າກົນລະຍຸດທີ່ຜິດປົກກະຕິຂອງມັນເຮັດວຽກດີກວ່າ.

ສຸດທ້າຍ, ພວກເຮົາຕ້ອງພິຈາລະນາວ່າ ຂໍ້ຈໍາກັດທາງກາຍະພາບ (ພື້ນຖານໂຄງລ່າງ, ຄວາມໄວໃນຂະບວນການທາງກາຍະພາບ) ຈໍາກັດຄວາມໄວການຂົນສົ່ງສາມາດປ່ຽນແປງໄດ້, ດັ່ງນັ້ນການປະຕິວັດນີ້ແມ່ນກ່ຽວກັບການວາງແຜນແລະການນໍາໃຊ້ຊັບສິນທີ່ສະຫລາດກວ່າຄວາມເປັນຈິງທາງດ້ານຮ່າງກາຍໃຫມ່ທັງຫມົດ. ແຕ່ເຖິງແມ່ນວ່າຢູ່ໃນຂອບເຂດເຫຼົ່ານັ້ນ, ການແກ້ໄຂທີ່ສ້າງສັນຂອງ AI ແລະການເພີ່ມປະສິດທິພາບຢ່າງບໍ່ຢຸດຢັ້ງສາມາດປັບປຸງວິທີການຍ້າຍສິນຄ້າໄປທົ່ວໂລກດ້ວຍການວາງແຜນຄູ່ມືຫນ້ອຍທີ່ສຸດ.

ສະຫລຸບລວມແລ້ວ, ການຂົນສົ່ງສິນຄ້າໃນປີ 2035 ອາດຈະເຮັດວຽກຄ້າຍຄືກັບເຄື່ອງຈັກອັດຕະໂນມັດທີ່ມີນ້ໍາມັນດີ: ສິນຄ້າໄຫຼຢ່າງມີປະສິດທິພາບ, ເສັ້ນທາງການປັບຕົວໃນເວລາຈິງກັບການຂັດຂວາງ, ຄັງສິນຄ້າຈັດການຕົວເອງດ້ວຍຫຸ່ນຍົນ, ແລະລະບົບທັງຫມົດສືບຕໍ່ຮຽນຮູ້ແລະປັບປຸງຈາກຂໍ້ມູນ - ທັງຫມົດຖືກສ້າງຂື້ນໂດຍ AI ການຜະລິດທີ່ເຮັດຫນ້າທີ່ເປັນສະຫມອງຂອງການດໍາເນີນງານ.

AI ທົ່ວໄປໃນການເງິນແລະທຸລະກິດ

ອຸດສາຫະກໍາການເງິນຈັດການກັບຂໍ້ມູນຫຼາຍ - ບົດລາຍງານ, ການວິເຄາະ, ການສື່ສານຂອງລູກຄ້າ - ເຮັດໃຫ້ມັນອຸດົມສົມບູນສໍາລັບ AI ການຜະລິດ. ຈາກທະນາຄານໄປສູ່ການຄຸ້ມຄອງການລົງທຶນແລະການປະກັນໄພ, ອົງການຈັດຕັ້ງກໍາລັງຄົ້ນຫາ AI ສໍາລັບອັດຕະໂນມັດແລະການສ້າງຄວາມເຂົ້າໃຈ. ຄໍາຖາມແມ່ນ, ວຽກງານທາງດ້ານການເງິນໃດທີ່ AI ສາມາດຈັດການກັບຄວາມຫນ້າເຊື່ອຖືໄດ້ໂດຍບໍ່ມີການກວດກາຂອງມະນຸດ, ໂດຍຄວາມສໍາຄັນຂອງຄວາມຖືກຕ້ອງແລະຄວາມໄວ້ວາງໃຈໃນໂດເມນນີ້?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ລາຍງານອັດຕະໂນມັດ ແລະການສະຫນັບສະຫນູນການຕັດສິນໃຈ

ໃນປັດຈຸບັນ, AI ທົ່ວໄປກໍາລັງປະກອບສ່ວນທາງດ້ານການເງິນໃນຫຼາຍວິທີ, ມັກຈະຢູ່ພາຍໃຕ້ການຊີ້ນໍາຂອງມະນຸດ:

• ການຜະລິດບົດລາຍງານ: ທະນາຄານແລະບໍລິສັດທາງດ້ານການເງິນຜະລິດບົດລາຍງານຈໍານວນຫລາຍ - ສະຫຼຸບລາຍຮັບ, ຄໍາຄິດຄໍາເຫັນຂອງຕະຫຼາດ, ການວິເຄາະຫຼັກຊັບ, ແລະອື່ນໆ. AI ແມ່ນໃຊ້ແລ້ວເພື່ອຮ່າງເຫຼົ່ານີ້. ສໍາລັບຕົວຢ່າງ, Bloomberg ໄດ້ພັດທະນາ BloombergGPT , ຮູບແບບພາສາຂະຫນາດໃຫຍ່ທີ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນທາງດ້ານການເງິນ, ເພື່ອຊ່ວຍວຽກງານເຊັ່ນ: ການຈັດປະເພດຂ່າວແລະ Q&A ສໍາລັບຜູ້ໃຊ້ຢູ່ປາຍຍອດຂອງພວກເຂົາ ( Generation AI ກໍາລັງຈະມາເຖິງທາງດ້ານການເງິນ ). ໃນຂະນະທີ່ການນໍາໃຊ້ຕົ້ນຕໍແມ່ນຊ່ວຍໃຫ້ມະນຸດຊອກຫາຂໍ້ມູນ, ມັນສະແດງໃຫ້ເຫັນເຖິງບົດບາດການຂະຫຍາຍຕົວຂອງ AI. Automated Insights (ບໍລິສັດ AP ເຮັດວຽກກັບ) ຍັງສ້າງບົດຄວາມທາງດ້ານການເງິນ. ຈົດຫມາຍຂ່າວການລົງທຶນຈໍານວນຫຼາຍໃຊ້ AI ເພື່ອສະຫຼຸບການເຄື່ອນໄຫວຕະຫຼາດປະຈໍາວັນຫຼືຕົວຊີ້ວັດດ້ານເສດຖະກິດ. ໂດຍປົກກະຕິ, ມະນຸດທົບທວນສິ່ງເຫຼົ່ານີ້ກ່ອນທີ່ຈະສົ່ງໃຫ້ລູກຄ້າ, ແຕ່ມັນເປັນການແກ້ໄຂໄວແທນທີ່ຈະຂຽນຈາກ scratch.

• ການສື່ສານຂອງລູກຄ້າ: ໃນທະນາຄານຂາຍຍ່ອຍ, AI chatbots ຈັດການຄໍາຖາມຂອງລູກຄ້າກ່ຽວກັບຍອດເງິນໃນບັນຊີ, ການເຮັດທຸລະກໍາ, ຫຼືຂໍ້ມູນຜະລິດຕະພັນ (ປະສົມປະສານເຂົ້າໃນໂດເມນບໍລິການລູກຄ້າ). ນອກຈາກນີ້, AI ສາມາດສ້າງຈົດຫມາຍຄໍາແນະນໍາທາງດ້ານການເງິນສ່ວນບຸກຄົນຫຼື nudges. ສໍາລັບຕົວຢ່າງ, AI ອາດຈະກໍານົດວ່າລູກຄ້າສາມາດປະຫຍັດຄ່າທໍານຽມແລະຂຽນຂໍ້ຄວາມອັດຕະໂນມັດໂດຍແນະນໍາໃຫ້ພວກເຂົາປ່ຽນເປັນປະເພດບັນຊີທີ່ແຕກຕ່າງກັນ, ເຊິ່ງຫຼັງຈາກນັ້ນອອກໄປດ້ວຍການແຊກແຊງຂອງມະນຸດຫນ້ອຍທີ່ສຸດ. ປະເພດຂອງການສື່ສານສ່ວນບຸກຄົນໃນຂະຫນາດນີ້ແມ່ນການນໍາໃຊ້ AI ໃນດ້ານການເງິນໃນປະຈຸບັນ.

• ການກວດຫາການສໍ້ໂກງ ແລະການແຈ້ງເຕືອນ: AI ທົ່ວໄປສາມາດຊ່ວຍສ້າງຄຳບັນຍາຍ ຫຼືຄຳອະທິບາຍສຳລັບຄວາມຜິດປົກກະຕິທີ່ກວດພົບໂດຍລະບົບການສໍ້ໂກງ. ຕົວຢ່າງ, ຖ້າກິດຈະກໍາທີ່ຫນ້າສົງໄສຖືກລາຍງານ, AI ອາດຈະສ້າງຂໍ້ຄວາມຄໍາອະທິບາຍສໍາລັບລູກຄ້າ ("ພວກເຮົາສັງເກດເຫັນການເຂົ້າສູ່ລະບົບຈາກອຸປະກອນໃຫມ່ ... ") ຫຼືບົດລາຍງານສໍາລັບນັກວິເຄາະ. ການກວດຫາແມ່ນອັດຕະໂນມັດ (ໃຊ້ການກວດຫາຄວາມຜິດກະຕິ AI/ML), ແລະການສື່ສານແມ່ນອັດຕະໂນມັດເພີ່ມຂຶ້ນ, ເຖິງແມ່ນວ່າການດໍາເນີນການສຸດທ້າຍ (ການບລັອກບັນຊີ) ມັກຈະມີການກວດສອບຂອງມະນຸດ.

• ການໃຫ້ຄໍາປຶກສາທາງດ້ານການເງິນ (ຈໍາກັດ): ບາງທີ່ປຶກສາ robo (ເວທີການລົງທືນອັດຕະໂນມັດ) ໃຊ້ສູດການຄິດໄລ່ (ບໍ່ຈໍາເປັນທີ່ຈະສ້າງ AI) ເພື່ອຈັດການຫຼັກຊັບທີ່ບໍ່ມີທີ່ປຶກສາຂອງມະນຸດ. Generative AI ກໍາລັງເຂົ້າມາໂດຍ, ເວົ້າວ່າ, ການສ້າງຄໍາຄິດຄໍາເຫັນກ່ຽວກັບວ່າເປັນຫຍັງການຊື້ຂາຍບາງຢ່າງຖືກເຮັດຫຼືສະຫຼຸບການປະຕິບັດຫຼັກຊັບທີ່ເຫມາະສົມກັບລູກຄ້າ. ຢ່າງໃດກໍ່ຕາມ, ຄໍາແນະນໍາທາງດ້ານການເງິນທີ່ບໍລິສຸດ (ເຊັ່ນການວາງແຜນທາງດ້ານການເງິນທີ່ຊັບຊ້ອນ) ສ່ວນຫຼາຍແມ່ນມະນຸດຫຼືກົດລະບຽບທີ່ອີງໃສ່ລະບົບສູດການຄິດໄລ່; ຄໍາແນະນໍາແບບບໍ່ເສຍຄ່າທີ່ບໍ່ມີການກວດກາແມ່ນມີຄວາມສ່ຽງຍ້ອນຄວາມຮັບຜິດຊອບຖ້າມັນຜິດພາດ.

• ການປະເມີນຄວາມສ່ຽງ ແລະ ການຮັບປະກັນ: ບໍລິສັດປະກັນໄພກຳລັງທົດສອບ AI ເພື່ອຂຽນບົດລາຍງານການປະເມີນຄວາມສ່ຽງໂດຍອັດຕະໂນມັດ ຫຼື ແມ່ນແຕ່ຮ່າງເອກະສານນະໂຍບາຍ. ສໍາລັບຕົວຢ່າງ, ຂໍ້ມູນກ່ຽວກັບຊັບສິນ, AI ສາມາດສ້າງຮ່າງນະໂຍບາຍການປະກັນໄພຫຼືບົດລາຍງານຂອງ underwriter ທີ່ອະທິບາຍປັດໃຈຄວາມສ່ຽງ. ມະນຸດໃນປັດຈຸບັນທົບທວນຜົນໄດ້ຮັບເຫຼົ່ານີ້ເພາະວ່າຄວາມຜິດພາດໃດໆໃນສັນຍາສາມາດມີຄ່າໃຊ້ຈ່າຍຫຼາຍ.

• ການ​ວິ​ເຄາະ​ຂໍ້​ມູນ​ແລະ​ຄວາມ​ເຂົ້າ​ໃຈ​: AI ສາ​ມາດ comb ໂດຍ​ຜ່ານ​ການ​ລາຍ​ງານ​ການ​ເງິນ​ຫຼື​ຂ່າວ​ແລະ​ສ້າງ​ບົດ​ສະ​ຫຼຸບ​. ນັກວິເຄາະໃຊ້ເຄື່ອງມືທີ່ສາມາດສະຫຼຸບລາຍງານປະຈໍາປີ 100 ຫນ້າໃນທັນທີເຂົ້າໄປໃນຈຸດສໍາຄັນ, ຫຼືສະກັດເອົາສິ່ງທີ່ເອົາມາໃຫ້ຕົ້ນຕໍຈາກບັນທຶກການໂທລາຍໄດ້. ບົດສະຫຼຸບເຫຼົ່ານີ້ປະຫຍັດເວລາແລະສາມາດຖືກນໍາໃຊ້ໂດຍກົງໃນການຕັດສິນໃຈຫຼືຜ່ານໄປ, ແຕ່ນັກວິເຄາະທີ່ລະມັດລະວັງກວດເບິ່ງລາຍລະອຽດທີ່ສໍາຄັນສອງຄັ້ງ.

ໂດຍເນື້ອແທ້ແລ້ວ, AI ໃນປະຈຸບັນໃນດ້ານການເງິນເຮັດຫນ້າທີ່ເປັນນັກວິເຄາະ / ນັກຂຽນທີ່ບໍ່ອິດເມື່ອຍ , ສ້າງເນື້ອຫາທີ່ມະນຸດເຮັດ. ການນໍາໃຊ້ເອກະລາດຢ່າງເຕັມສ່ວນສ່ວນໃຫຍ່ແມ່ນຢູ່ໃນພື້ນທີ່ທີ່ຖືກກໍານົດໄວ້ດີເຊັ່ນຂ່າວທີ່ມີຂໍ້ມູນ (ບໍ່ຈໍາເປັນຕ້ອງມີຄໍາຕັດສິນຂອງຫົວຂໍ້) ຫຼືຄໍາຕອບການບໍລິການລູກຄ້າ. ການໄວ້ວາງໃຈ AI ໂດຍກົງກັບການຕັດສິນໃຈກ່ຽວກັບເງິນ (ເຊັ່ນ: ການໂອນເງິນ, ການປະຕິບັດການຄ້າຂາຍນອກເໜືອໄປຈາກຂັ້ນຕອນການກຳນົດໄວ້ລ່ວງໜ້າ) ແມ່ນຫາຍາກເນື່ອງຈາກມີສະເຕກສູງ ແລະການກວດສອບລະບຽບ.

ການຄາດຄະເນສໍາລັບ 2030-2035: ນັກວິເຄາະ AI ແລະການດໍາເນີນການທາງດ້ານການເງິນທີ່ປົກຄອງຕົນເອງ

​ເບິ່ງ​ໄປ​ຂ້າງ​ໜ້າ, ຮອດ​ປີ 2035, AI ​ແບບ​ຜະ​ລິດ​ອາດ​ຈະ​ຝັງ​ເລິກ​ໃນ​ການ​ດຳ​ເນີນ​ງານ​ດ້ານ​ການ​ເງິນ, ມີ​ທ່າ​ແຮງ​ໃນ​ການ​ຈັດ​ການ​ຫຼາຍ​ວຽກ​ງານ​ດ້ວຍ​ຕົນ​ເອງ:

• ນັກວິເຄາະດ້ານການເງິນ AI: ພວກເຮົາອາດຈະເຫັນລະບົບ AI ທີ່ສາມາດວິເຄາະບໍລິສັດແລະຕະຫຼາດແລະຜະລິດຄໍາແນະນໍາຫຼືບົດລາຍງານໃນລະດັບຂອງນັກວິເຄາະການຄົ້ນຄວ້າກ່ຽວກັບຄວາມສະເຫມີພາບຂອງມະນຸດ. ໃນປີ 2030, AI ສາມາດອ່ານເອກະສານທາງດ້ານການເງິນຂອງບໍລິສັດທັງຫມົດ, ປຽບທຽບກັບຂໍ້ມູນອຸດສາຫະກໍາ, ແລະຜະລິດບົດລາຍງານການແນະນໍາການລົງທຶນ ("ຊື້ / ຂາຍ" ດ້ວຍເຫດຜົນ) ດ້ວຍຕົວມັນເອງ. ບາງກອງທຶນ hedge ກໍາລັງໃຊ້ AI ເພື່ອສ້າງສັນຍານການຊື້ຂາຍ; ໃນຊຸມປີ 2030, ບົດລາຍງານການຄົ້ນຄວ້າ AI ອາດຈະເປັນເລື່ອງທົ່ວໄປ. ຜູ້ຈັດການຫຼັກຊັບຂອງມະນຸດອາດຈະເລີ່ມໄວ້ວາງໃຈການວິເຄາະທີ່ສ້າງໂດຍ AI ເປັນການປ້ອນຂໍ້ມູນລະຫວ່າງຄົນອື່ນ. ຍັງມີທ່າແຮງສໍາລັບ AI ໃນການຄຸ້ມຄອງຫຼັກຊັບຢ່າງເປັນເອກະລາດ: ການຕິດຕາມຢ່າງຕໍ່ເນື່ອງແລະການດຸ່ນດ່ຽງການລົງທຶນຕາມຍຸດທະສາດທີ່ກໍານົດໄວ້ກ່ອນ. ໃນຄວາມເປັນຈິງ, ການຊື້ຂາຍ algorithmic ແມ່ນອັດຕະໂນມັດຫຼາຍ - AI ການຜະລິດອາດຈະເຮັດໃຫ້ຍຸດທະສາດການປັບຕົວຫຼາຍຂຶ້ນໂດຍການສ້າງແລະທົດສອບຮູບແບບການຊື້ຂາຍໃຫມ່ຂອງມັນເອງ.

• ການວາງແຜນການເງິນແບບອັດຕະໂນມັດ: ທີ່ປຶກສາ AI ທີ່ປະເຊີນກັບຜູ້ບໍລິໂພກສາມາດຈັດການການວາງແຜນການເງິນແບບປົກກະຕິສໍາລັບບຸກຄົນ. ໃນປີ 2030, ທ່ານອາດຈະບອກ AI ເປົ້າຫມາຍຂອງທ່ານ (ຊື້ເຮືອນ, ປະຫຍັດສໍາລັບວິທະຍາໄລ) ແລະມັນສາມາດສ້າງແຜນການທາງດ້ານການເງິນຢ່າງເຕັມທີ່ (ງົບປະມານ, ການຈັດສັນການລົງທຶນ, ຄໍາແນະນໍາປະກັນໄພ) ເຫມາະສົມກັບທ່ານ. ໃນເບື້ອງຕົ້ນ, ຜູ້ວາງແຜນທາງດ້ານການເງິນຂອງມະນຸດອາດຈະທົບທວນຄືນມັນ, ແຕ່ເມື່ອຄວາມຫມັ້ນໃຈເພີ່ມຂຶ້ນ, ຄໍາແນະນໍາດັ່ງກ່າວອາດຈະຖືກມອບໃຫ້ຜູ້ບໍລິໂພກໂດຍກົງ, ດ້ວຍການປະຕິເສດທີ່ເຫມາະສົມ. ສິ່ງສໍາຄັນແມ່ນການຮັບປະກັນຄໍາແນະນໍາຂອງ AI ປະຕິບັດຕາມກົດລະບຽບແລະຢູ່ໃນຜົນປະໂຫຍດທີ່ດີທີ່ສຸດຂອງລູກຄ້າ. ຖ້າແກ້ໄຂໄດ້, AI ສາມາດເຮັດໃຫ້ຄໍາແນະນໍາດ້ານການເງິນຂັ້ນພື້ນຖານສາມາດເຂົ້າເຖິງໄດ້ຫຼາຍໃນລາຄາຖືກ.

• Back-Office Automation: Generative AI ອາດຈະຈັດການເອກະສານຫ້ອງການຫຼັງຫຼາຍຢ່າງໂດຍອັດຕະໂນມັດ - ຄໍາຮ້ອງສະຫມັກການກູ້ຢືມ, ບົດລາຍງານການປະຕິບັດຕາມ, ສະຫຼຸບການກວດສອບ. ຕົວຢ່າງ, AI ສາມາດເອົາຂໍ້ມູນທຸລະກໍາທັງຫມົດແລະ ສ້າງບົດລາຍງານການກວດສອບ ທີ່ຊີ້ບອກຄວາມກັງວົນໃດໆ. ຜູ້ກວດສອບໃນປີ 2035 ອາດຈະໃຊ້ເວລາຫຼາຍກວ່າທີ່ຈະທົບທວນຄືນຂໍ້ຍົກເວັ້ນທີ່ມີທຸງ AI ຫຼາຍກວ່າການທົບທວນທຸກຢ່າງດ້ວຍຕົນເອງ. ເຊັ່ນດຽວກັນ, ສໍາລັບການປະຕິບັດຕາມ, AI ສາມາດສ້າງບົດລາຍງານກິດຈະກໍາທີ່ຫນ້າສົງໄສ (SARs) ສໍາລັບຜູ້ຄວບຄຸມໂດຍບໍ່ມີການນັກວິເຄາະຂຽນໃຫ້ເຂົາເຈົ້າຈາກ scratch. ການສ້າງເອກກະສານຕາມປົກກະຕິເຫຼົ່ານີ້, ດ້ວຍການກວດກາຂອງມະນຸດໄປສູ່ພື້ນຖານການຍົກເວັ້ນ, ສາມາດກາຍເປັນມາດຕະຖານ.

• ການຮຽກຮ້ອງປະກັນໄພແລະການຮັບປະກັນ: AI ສາມາດປະມວນຜົນການຮ້ອງຂໍປະກັນໄພ (ມີຫຼັກຖານຮູບພາບ, ແລະອື່ນໆ), ກໍານົດການຄຸ້ມຄອງ, ແລະສ້າງຈົດຫມາຍຕັດສິນການຈ່າຍເງິນອັດຕະໂນມັດ. ພວກເຮົາອາດຈະໄປຮອດຈຸດທີ່ການຮຽກຮ້ອງແບບກົງໄປກົງມາ (ເຊັ່ນ: ອຸປະຕິເຫດລົດໃຫຍ່ທີ່ມີຂໍ້ມູນທີ່ຊັດເຈນ) ຖືກແກ້ໄຂໂດຍ AI ພາຍໃນນາທີຂອງການຍື່ນສະເຫນີ. Underwriting ນະ​ໂຍ​ບາຍ​ໃຫມ່​ອາດ​ຈະ​ຄ້າຍ​ຄື​ກັນ​: AI ປະ​ເມີນ​ຄວາມ​ສ່ຽງ​ແລະ​ສ້າງ​ເງື່ອນ​ໄຂ​ນະ​ໂຍ​ບາຍ​. ຮອດປີ 2035, ບາງທີອາດມີພຽງກໍລະນີທີ່ສັບສົນ ຫຼື ເສັ້ນຊາຍແດນເທົ່ານັ້ນທີ່ເພີ່ມຂຶ້ນໄປສູ່ຜູ້ຮັບເໝົາກໍ່ສ້າງຂອງມະນຸດ.

• ການສໍ້ໂກງ ແລະຄວາມປອດໄພ: AI ອາດຈະມີຄວາມສຳຄັນຫຼາຍກວ່າເກົ່າໃນການກວດສອບ ແລະຕອບສະໜອງຕໍ່ການສໍ້ໂກງ ຫຼືໄພຂົ່ມຂູ່ທາງອິນເຕີເນັດໃນດ້ານການເງິນ. ຕົວແທນ AI ທີ່ເປັນເອກະລາດອາດຈະຕິດຕາມການເຮັດທຸລະກໍາໃນເວລາຈິງແລະປະຕິບັດທັນທີ (ປິດບັນຊີ, ຢຸດທຸລະກໍາ) ເມື່ອເງື່ອນໄຂບາງຢ່າງຖືກຕີ, ຫຼັງຈາກນັ້ນໃຫ້ເຫດຜົນ. ຄວາມໄວແມ່ນສໍາຄັນຢູ່ທີ່ນີ້, ສະນັ້ນການມີສ່ວນຮ່ວມຂອງມະນຸດຫນ້ອຍທີ່ສຸດແມ່ນຕ້ອງການ. ພາກສ່ວນການຜະລິດອາດຈະມາໃນການສື່ສານການກະທໍາເຫຼົ່ານີ້ກັບລູກຄ້າຫຼືຜູ້ຄວບຄຸມໃນທາງທີ່ຊັດເຈນ.

• ສະຫນັບສະຫນູນຜູ້ບໍລິຫານ: ຈິນຕະນາການ AI "ຫົວຫນ້າພະນັກງານ" ທີ່ສາມາດສ້າງບົດລາຍງານທຸລະກິດສໍາລັບຜູ້ບໍລິຫານໄດ້ທັນທີ. ຖາມວ່າ, "ພະແນກເອີຣົບຂອງພວກເຮົາປະຕິບັດໃນໄຕມາດນີ້ແນວໃດແລະສິ່ງທີ່ເປັນຕົວຂັບເຄື່ອນຕົ້ນຕໍເມື່ອທຽບກັບປີທີ່ຜ່ານມາ?" ແລະ AI ຈະຜະລິດບົດລາຍງານທີ່ຊັດເຈນກັບຕາຕະລາງ, ທັງຫມົດທີ່ຖືກຕ້ອງ, ດຶງຂໍ້ມູນ. ປະເພດຂອງການລາຍງານແບບເຄື່ອນໄຫວ, ອັດຕະໂນມັດ ແລະການວິເຄາະນີ້ສາມາດກາຍເປັນເລື່ອງງ່າຍຄືກັບການສົນທະນາ. ໃນປີ 2030, ການສອບຖາມ AI ສໍາລັບຄວາມສະຫລາດທາງທຸລະກິດແລະການໄວ້ວາງໃຈມັນເພື່ອໃຫ້ຄໍາຕອບທີ່ຖືກຕ້ອງສາມາດທົດແທນບົດລາຍງານແບບຄົງທີ່ແລະບາງທີອາດມີບາງບົດບາດຂອງນັກວິເຄາະ.

ການຄາດຄະເນທີ່ຫນ້າສົນໃຈອັນຫນຶ່ງ: ໃນປີ 2030, ເນື້ອຫາທາງດ້ານການເງິນສ່ວນໃຫຍ່ (ຂ່າວ, ບົດລາຍງານ, ແລະອື່ນໆ) ອາດຈະຖືກສ້າງຂື້ນ AI . ແລ້ວ, ຮ້ານຄ້າຕ່າງໆເຊັ່ນ Dow Jones ແລະ Reuters ໃຊ້ອັດຕະໂນມັດສໍາລັບຂ່າວທີ່ແນ່ນອນ. ຖ້າທ່າອ່ຽງດັ່ງກ່າວຍັງສືບຕໍ່, ແລະການລະເບີດຂອງຂໍ້ມູນທາງດ້ານການເງິນ, AI ອາດຈະຮັບຜິດຊອບໃນການກັ່ນຕອງແລະການສື່ສານສ່ວນໃຫຍ່ຂອງມັນ.

ຢ່າງໃດກໍຕາມ, ຄວາມໄວ້ວາງໃຈແລະການກວດສອບຈະເປັນສູນກາງ. ອຸດສາຫະກໍາການເງິນຖືກຄວບຄຸມຢ່າງເຂັ້ມງວດແລະ AI ໃດໆທີ່ດໍາເນີນການອັດຕະໂນມັດຈະຕ້ອງໄດ້ມາດຕະຖານທີ່ເຄັ່ງຄັດ:

• ຮັບປະກັນບໍ່ໃຫ້ມີຕາຕົກໃຈ (ທ່ານບໍ່ສາມາດມີນັກວິເຄາະ AI ປະດິດຕົວຊີ້ວັດທາງການເງິນທີ່ບໍ່ແມ່ນຄວາມຈິງ – ທີ່ສາມາດເຮັດໃຫ້ຕະຫຼາດເຂົ້າໃຈຜິດ).

• ຫຼີກລ່ຽງການມີອະຄະຕິ ຫຼືການປະຕິບັດທີ່ຜິດກົດໝາຍ (ເຊັ່ນ: ການໃຫ້ເງິນກູ້ຄືນໃໝ່ໂດຍບໍ່ໄດ້ຕັ້ງໃຈໃນການຕັດສິນໃຈເນື່ອງຈາກຂໍ້ມູນການຝຶກອົບຮົມທີ່ມີອະຄະຕິ).

• ການກວດສອບ: ຜູ້ຄວບຄຸມອາດຈະຮຽກຮ້ອງໃຫ້ການຕັດສິນໃຈຂອງ AI ສາມາດອະທິບາຍໄດ້. ຖ້າ AI ປະຕິເສດການກູ້ຢືມຫຼືເຮັດການຕັດສິນໃຈການຊື້ຂາຍ, ຕ້ອງມີເຫດຜົນທີ່ສາມາດກວດສອບໄດ້. ຮູບແບບການຜະລິດສາມາດເປັນກ່ອງດໍາເລັກນ້ອຍ, ສະນັ້ນຄາດຫວັງວ່າການພັດທະນາ AI ທີ່ສາມາດອະທິບາຍໄດ້ ເພື່ອເຮັດໃຫ້ການຕັດສິນໃຈຂອງເຂົາເຈົ້າໂປ່ງໃສ.

ໃນອີກ 10 ປີຂ້າງໜ້າ ອາດຈະກ່ຽວຂ້ອງກັບການຮ່ວມມືຢ່າງໃກ້ຊິດລະຫວ່າງ AI ແລະຜູ້ຊ່ຽວຊານດ້ານການເງິນ, ຄ່ອຍໆຍ້າຍສາຍຂອງເອກະລາດເມື່ອຄວາມເຊື່ອໝັ້ນເພີ່ມຂຶ້ນ. ການຊະນະໃນຕອນຕົ້ນຈະມາໃນລະບົບອັດຕະໂນມັດທີ່ມີຄວາມສ່ຽງຕໍ່າ (ເຊັ່ນ: ການສ້າງລາຍງານ). ຍາກກວ່າຈະເປັນການຕັດສິນຫຼັກໆ ເຊັ່ນ: ການຕັດສິນໃຈສິນເຊື່ອ ຫຼືການເລືອກການລົງທຶນ, ແຕ່ເຖິງແມ່ນຢູ່ທີ່ນັ້ນ, ຍ້ອນວ່າບັນທຶກການຕິດຕາມຂອງ AI ສ້າງຂຶ້ນ, ບໍລິສັດຕ່າງໆອາດຈະໃຫ້ອຳນາດປົກຄອງຕົນເອງຫຼາຍຂຶ້ນ. ຕົວຢ່າງ, ບາງທີກອງທຶນ AI ຈະດໍາເນີນການກັບຜູ້ເບິ່ງແຍງຂອງມະນຸດທີ່ແຊກແຊງພຽງແຕ່ຖ້າການປະຕິບັດ deviates ຫຼືຖ້າ AI ຊີ້ໃຫ້ເຫັນຄວາມບໍ່ແນ່ນອນ.

ທາງດ້ານເສດຖະກິດ, McKinsey ຄາດຄະເນວ່າ AI (ໂດຍສະເພາະ gen AI) ສາມາດເພີ່ມມູນຄ່າການທະນາຄານ 200-340 ຕື້ໂດລາຕໍ່ປີແລະຜົນກະທົບອັນໃຫຍ່ຫຼວງທີ່ຄ້າຍຄືກັນໃນຕະຫຼາດປະກັນໄພແລະຕະຫຼາດທຶນ ( The state of AI in 2023: Generative AI's breakout year | McKinsey ) ( ). McKinsey ແມ່ນຫຍັງ? ນີ້ແມ່ນຜ່ານປະສິດທິພາບແລະຜົນການຕັດສິນໃຈທີ່ດີກວ່າ. ເພື່ອເກັບກໍາມູນຄ່ານັ້ນ, ການວິເຄາະທາງດ້ານການເງິນແລະການສື່ສານແບບປົກກະຕິຫຼາຍອາດຈະຖືກຫັນໄປຫາລະບົບ AI.

ສະຫລຸບລວມແລ້ວ, ໃນປີ 2035 AI ທົ່ວໄປສາມາດເປັນຄືກັບກອງທັບຂອງນັກວິເຄາະ, ທີ່ປຶກສາ, ແລະພະນັກງານຊັ້ນສູງທີ່ເຮັດວຽກໃນທົ່ວຂະແຫນງການເງິນ, ເຮັດວຽກຫນັກຫຼາຍແລະການວິເຄາະທີ່ຊັບຊ້ອນບາງຢ່າງເປັນເອກະລາດ. ມະນຸດຍັງຈະກໍານົດເປົ້າຫມາຍແລະຈັດການຍຸດທະສາດລະດັບສູງ, ຄວາມສໍາພັນຂອງລູກຄ້າ, ແລະການຄວບຄຸມ. ໂລກການເງິນ, ມີຄວາມລະມັດລະວັງ, ຈະຂະຫຍາຍການປົກຄອງຕົນເອງຄ່ອຍໆ - ແຕ່ທິດທາງແມ່ນຈະແຈ້ງວ່າການປຸງແຕ່ງຂໍ້ມູນຫຼາຍຂຶ້ນແລະແມ້ກະທັ້ງຄໍາແນະນໍາການຕັດສິນໃຈຈະມາຈາກ AI. ໂດຍຫລັກການແລ້ວ, ນີ້ເຮັດໃຫ້ການບໍລິການໄວຂຶ້ນ (ເງິນກູ້ທັນທີ, ຄໍາແນະນໍາຕະຫຼອດໂມງ), ຄ່າໃຊ້ຈ່າຍຕ່ໍາ, ແລະທ່າແຮງຫຼາຍ (ການຕັດສິນໃຈໂດຍອີງໃສ່ຮູບແບບຂໍ້ມູນ). ແຕ່ການຮັກສາຄວາມໄວ້ວາງໃຈແມ່ນສໍາຄັນ; ຄວາມຜິດພາດ AI ລະດັບສູງອັນດຽວໃນດ້ານການເງິນສາມາດເຮັດໃຫ້ເກີດຄວາມເສຍຫາຍທີ່ໃຫຍ່ຫຼວງ (ຈິນຕະນາການເຖິງຄວາມລົ້ມເຫຼວຂອງ AI-triggered flash ຫຼືຜົນປະໂຫຍດທີ່ຖືກປະຕິເສດທີ່ບໍ່ຖືກຕ້ອງຕໍ່ຫລາຍພັນຄົນ). ດັ່ງນັ້ນ, ການປ້ອງກັນແລະການກວດສອບຂອງມະນຸດອາດຈະຍັງຄົງຢູ່ໂດຍສະເພາະແມ່ນການປະຕິບັດທີ່ປະເຊີນຫນ້າກັບຜູ້ບໍລິໂພກ, ເຖິງແມ່ນວ່າຂະບວນການກັບຄືນໄປບ່ອນຫ້ອງການກາຍເປັນເອກະລາດສູງ.

ສິ່ງທ້າທາຍແລະການພິຈາລະນາດ້ານຈັນຍາບັນ

ໃນທົ່ວທຸກໂດເມນເຫຼົ່ານີ້, ຍ້ອນວ່າ AI ທົ່ວໄປໄດ້ຮັບຜິດຊອບຄວາມຮັບຜິດຊອບຂອງຕົນເອງຫຼາຍຂຶ້ນ, ຊຸດຂອງສິ່ງທ້າທາຍທົ່ວໄປແລະຄໍາຖາມດ້ານຈັນຍາບັນເກີດຂື້ນ. ການຮັບປະກັນ AI ເປັນຕົວແທນເອກະລາດທີ່ເຊື່ອຖືໄດ້ແລະເປັນປະໂຫຍດບໍ່ພຽງແຕ່ເປັນວຽກງານດ້ານວິຊາການ, ແຕ່ເປັນວຽກງານຂອງສັງຄົມ. ໃນທີ່ນີ້ພວກເຮົາອະທິບາຍຄວາມກັງວົນທີ່ສໍາຄັນແລະວິທີການທີ່ເຂົາເຈົ້າໄດ້ຖືກແກ້ໄຂ (ຫຼືຈະຕ້ອງໄດ້ແກ້ໄຂ):

ຄວາມຫນ້າເຊື່ອຖືແລະຄວາມຖືກຕ້ອງ

ບັນຫາ Hallucination: ແບບຈໍາລອງ AI ທົ່ວໄປສາມາດຜະລິດຜົນໄດ້ຮັບທີ່ບໍ່ຖືກຕ້ອງຫຼື fabricated ທັງຫມົດທີ່ເບິ່ງຄວາມຫມັ້ນໃຈ. ນີ້ແມ່ນອັນຕະລາຍໂດຍສະເພາະໃນເວລາທີ່ບໍ່ມີມະນຸດຢູ່ໃນ loop ເພື່ອຈັບຄວາມຜິດພາດ. chatbot ອາດຈະໃຫ້ຄໍາແນະນໍາທີ່ຜິດພາດຂອງລູກຄ້າ, ຫຼືບົດລາຍງານທີ່ຂຽນດ້ວຍ AI ອາດຈະປະກອບດ້ວຍສະຖິຕິທີ່ສ້າງຂຶ້ນ. ມາຮອດປີ 2025, ຄວາມບໍ່ຖືກ ຕ້ອງຖືກຮັບຮູ້ວ່າເປັນຄວາມສ່ຽງອັນດັບຕົ້ນໆຂອງ AI ການຜະລິດໂດຍອົງການຈັດຕັ້ງ ( ສະຖານະຂອງ AI ໃນປີ 2023: ປີການແຕກແຍກຂອງ AI Generative | McKinsey ) ( ລັດຂອງ AI: ການສໍາຫຼວດທົ່ວໂລກ | McKinsey ). ກ້າວໄປຂ້າງໜ້າ, ເທັກນິກຕ່າງໆ ເຊັ່ນ: ການກວດສອບຄວາມຈິງຕໍ່ກັບຖານຂໍ້ມູນ, ການປັບປຸງສະຖາປັດຕະຍະກຳແບບຈຳລອງ, ແລະ ການຮຽນຮູ້ການເສີມສ້າງດ້ວຍຄຳຕິຊົມກຳລັງຖືກນຳໃຊ້ເພື່ອຫຼຸດຜ່ອນຄວາມຫຶງຫວງ. ລະບົບ AI ອັດຕະໂນມັດອາດຈະຕ້ອງການການທົດສອບຢ່າງເຂັ້ມງວດແລະບາງທີການກວດສອບຢ່າງເປັນທາງການສໍາລັບວຽກງານທີ່ສໍາຄັນ (ເຊັ່ນ: ການສ້າງລະຫັດທີ່ສາມາດແນະນໍາຂໍ້ບົກພ່ອງ / ຄວາມປອດໄພຖ້າຜິດພາດ).

ຄວາມສອດຄ່ອງ: ລະບົບ AI ຈໍາເປັນຕ້ອງປະຕິບັດຢ່າງຫນ້າເຊື່ອຖືໃນໄລຍະເວລາແລະໃນທົ່ວສະຖານະການ. ສໍາລັບຕົວຢ່າງ, AI ອາດຈະເຮັດໄດ້ດີໃນຄໍາຖາມມາດຕະຖານແຕ່ stumble ໃນກໍລະນີແຂບ. ການຮັບປະກັນການປະຕິບັດທີ່ສອດຄ່ອງຈະຕ້ອງມີຂໍ້ມູນການຝຶກອົບຮົມຢ່າງກວ້າງຂວາງທີ່ກວມເອົາສະຖານະການທີ່ຫຼາກຫຼາຍແລະການຕິດຕາມຢ່າງຕໍ່ເນື່ອງ. ອົງການຈັດຕັ້ງຈໍານວນຫຼາຍວາງແຜນທີ່ຈະມີວິທີການປະສົມ - AI ເຮັດວຽກ, ແຕ່ຕົວຢ່າງແບບສຸ່ມແມ່ນການກວດສອບໂດຍມະນຸດ - ເພື່ອວັດແທກອັດຕາຄວາມຖືກຕ້ອງຢ່າງຕໍ່ເນື່ອງ.

Fail-Safes: ເມື່ອ AI ເປັນເອກະລາດ, ການໃຫ້ມັນຮັບຮູ້ຄວາມບໍ່ແນ່ນອນຂອງຕົນເອງແມ່ນສໍາຄັນ. ລະບົບຄວນຖືກອອກແບບເພື່ອ "ຮູ້ເວລາທີ່ມັນບໍ່ຮູ້." ຕົວຢ່າງ, ຖ້າທ່ານຫມໍ AI ບໍ່ແນ່ໃຈວ່າການວິນິດໄສ, ມັນຄວນຈະແຈ້ງສໍາລັບການທົບທວນຄືນຂອງມະນຸດແທນທີ່ຈະໃຫ້ການຄາດຄະເນແບບສຸ່ມ. ການສ້າງການຄາດຄະເນຄວາມບໍ່ແນ່ນອນເຂົ້າໄປໃນຜົນໄດ້ຮັບຂອງ AI (ແລະມີຂອບເຂດສໍາລັບການຈັບມືຂອງມະນຸດອັດຕະໂນມັດ) ເປັນພື້ນທີ່ພັດທະນາຢ່າງຫ້າວຫັນ.

ອະຄະຕິ ແລະຄວາມຍຸດຕິທຳ

Generative AI ຮຽນຮູ້ຈາກຂໍ້ມູນປະຫວັດສາດທີ່ສາມາດມີອະຄະຕິ (ເຊື້ອຊາດ, ເພດ, ແລະອື່ນໆ). AI ທີ່ເປັນເອກະລາດອາດຈະສືບຕໍ່ຫຼືແມ້ກະທັ້ງຂະຫຍາຍຄວາມລໍາອຽງເຫຼົ່ານັ້ນ:

• ໃນການຈ້າງຫຼືການເຂົ້າຮຽນ, ຜູ້ຕັດສິນໃຈ AI ສາມາດຈໍາແນກຢ່າງບໍ່ຍຸຕິທໍາຖ້າຂໍ້ມູນການຝຶກອົບຮົມຂອງມັນມີຄວາມລໍາອຽງ.

• ໃນການບໍລິການລູກຄ້າ, AI ອາດຈະຕອບສະຫນອງຕໍ່ຜູ້ໃຊ້ທີ່ແຕກຕ່າງກັນໂດຍອີງໃສ່ພາສາຫຼືປັດໃຈອື່ນໆ, ເວັ້ນເສຍແຕ່ຖືກກວດສອບຢ່າງລະມັດລະວັງ.

• ໃນຂົງເຂດສ້າງສັນ, AI ອາດຈະສະແດງເຖິງວັດທະນະທໍາ ຫຼືຮູບແບບບາງຢ່າງ ຖ້າຊຸດຝຶກອົບຮົມບໍ່ສົມດຸນກັນ.

ການແກ້ໄຂນີ້ຮຽກຮ້ອງໃຫ້ມີການແກ້ໄຂຊຸດຂໍ້ມູນຢ່າງລະມັດລະວັງ, ການທົດສອບຄວາມລໍາອຽງ, ແລະບາງທີການປັບຕົວ algorithmic ເພື່ອຮັບປະກັນຄວາມຍຸຕິທໍາ. ຄວາມໂປ່ງໃສແມ່ນສໍາຄັນ: ບໍລິສັດຈະຕ້ອງເປີດເຜີຍເງື່ອນໄຂການຕັດສິນໃຈຂອງ AI, ໂດຍສະເພາະຖ້າ AI ທີ່ເປັນເອກະລາດມີຜົນກະທົບຕໍ່ໂອກາດຫຼືສິດຂອງໃຜຜູ້ຫນຶ່ງ (ເຊັ່ນການກູ້ຢືມເງິນຫຼືວຽກ). ລະບຽບການແມ່ນແລ້ວເອົາໃຈໃສ່; ຕົວຢ່າງ: ກົດໝາຍວ່າດ້ວຍ AI ຂອງສະຫະພາບເອີຣົບ (ໃນການເຮັດວຽກໃນກາງຊຸມປີ 2020) ອາດຈະຮຽກຮ້ອງໃຫ້ມີການປະເມີນຄວາມລຳອຽງສຳລັບລະບົບ AI ທີ່ມີຄວາມສ່ຽງສູງ.

ຄວາມຮັບຜິດຊອບແລະຄວາມຮັບຜິດຊອບທາງດ້ານກົດຫມາຍ

ເມື່ອລະບົບ AI ເຮັດວຽກແບບອັດຕະໂນມັດເຮັດໃຫ້ເກີດອັນຕະລາຍ ຫຼືເຮັດຜິດ, ໃຜຮັບຜິດຊອບ? ຂອບ​ເຂດ​ທາງ​ດ້ານ​ກົດ​ໝາຍ​ກຳ​ລັງ​ຕິດ​ຕາມ:

• ບໍລິສັດທີ່ນຳໃຊ້ AI ອາດຈະຮັບຜິດຊອບ, ຄ້າຍຄືກັບການຮັບຜິດຊອບຕໍ່ການກະທຳຂອງພະນັກງານ. ຕົວຢ່າງ, ຖ້າ AI ໃຫ້ຄໍາແນະນໍາທາງດ້ານການເງິນທີ່ບໍ່ດີທີ່ເຮັດໃຫ້ເກີດການສູນເສຍ, ບໍລິສັດອາດຈະຕ້ອງຊົດເຊີຍລູກຄ້າ.

• ມີການໂຕ້ວາທີກ່ຽວກັບ AI "ບຸກຄະລິກກະພາບ" ຫຼືວ່າ AI ຂັ້ນສູງສາມາດຮັບຜິດຊອບບາງສ່ວນ, ແຕ່ນັ້ນແມ່ນທິດສະດີຫຼາຍກວ່າໃນປັດຈຸບັນ. ໃນທາງປະຕິບັດ, ການຕໍານິຕິຕຽນຈະຕິດຕາມກັບຜູ້ພັດທະນາຫຼືຜູ້ປະກອບການ.

• ຜະລິດຕະພັນປະກັນໄພໃຫມ່ອາດຈະເກີດຂື້ນສໍາລັບຄວາມລົ້ມເຫຼວຂອງ AI. ຖ້າລົດບັນທຸກທີ່ຂັບລົດດ້ວຍຕົນເອງເຮັດໃຫ້ເກີດອຸປະຕິເຫດ, ການປະກັນໄພຂອງຜູ້ຜະລິດອາດຈະກວມເອົາມັນ, ຄ້າຍຄືກັນກັບຄວາມຮັບຜິດຊອບຂອງຜະລິດຕະພັນ.

• ເອກະສານແລະການລົງບັນທຶກການຕັດສິນໃຈຂອງ AI ຈະເປັນສິ່ງສໍາຄັນສໍາລັບການເສຍຊີວິດ. ຖ້າມີບາງຢ່າງຜິດພາດ, ພວກເຮົາຈໍາເປັນຕ້ອງກວດສອບເສັ້ນທາງການຕັດສິນໃຈຂອງ AI ເພື່ອຮຽນຮູ້ຈາກມັນແລະມອບຄວາມຮັບຜິດຊອບ. ຜູ້ຄວບຄຸມອາດຈະບັງຄັບໃຫ້ບັນທຶກສໍາລັບການດໍາເນີນການ AI ອັດຕະໂນມັດສໍາລັບເຫດຜົນນີ້.

ຄວາມໂປ່ງໃສ ແລະ ການອະທິບາຍ

Autonomous AI ຄວນຈະສາມາດອະທິບາຍເຫດຜົນຂອງມັນໃນເງື່ອນໄຂທີ່ມະນຸດເຂົ້າໃຈໄດ້, ໂດຍສະເພາະໃນໂດເມນທີ່ຕາມມາ (ການເງິນ, ການດູແລສຸຂະພາບ, ລະບົບຍຸຕິທໍາ). AI ທີ່ສາມາດອະທິບາຍໄດ້ແມ່ນພາກສະຫນາມທີ່ພະຍາຍາມເປີດກ່ອງດໍາ:

• ສໍາລັບການປະຕິເສດເງິນກູ້ໂດຍ AI, ກົດລະບຽບ (ເຊັ່ນໃນສະຫະລັດ, ECOA) ອາດຈະຮຽກຮ້ອງໃຫ້ຜູ້ສະຫມັກມີເຫດຜົນ. ດັ່ງນັ້ນ AI ຕ້ອງເອົາປັດໃຈອອກ (ຕົວຢ່າງ, "ອັດຕາສ່ວນຫນີ້ສິນຕໍ່ລາຍໄດ້ສູງ") ເປັນຄໍາອະທິບາຍ.

• ຜູ້ໃຊ້ທີ່ພົວພັນກັບ AI (ເຊັ່ນ: ນັກຮຽນທີ່ມີຄູສອນ AI ຫຼືຄົນເຈັບທີ່ມີແອັບຯສຸຂະພາບ AI) ສົມຄວນທີ່ຈະຮູ້ວ່າມັນມາຮອດຄໍາແນະນໍາແນວໃດ. ຄວາມພະຍາຍາມແມ່ນເພື່ອເຮັດໃຫ້ການໃຫ້ເຫດຜົນຂອງ AI ສາມາດຕິດຕາມໄດ້ຫຼາຍຂຶ້ນ, ບໍ່ວ່າຈະເປັນການເຮັດໃຫ້ແບບຈໍາລອງແບບງ່າຍດາຍ ຫຼືໂດຍການມີແບບຈໍາລອງການອະທິບາຍແບບຂະຫນານ.

• ຄວາມໂປ່ງໃສຍັງຫມາຍຄວາມວ່າຜູ້ໃຊ້ຄວນຮູ້ ເວລາທີ່ ພວກເຂົາກໍາລັງຈັດການກັບ AI ທຽບກັບມະນຸດ. ຂໍ້ແນະນໍາດ້ານຈັນຍາບັນ (ແລະອາດຈະເປັນກົດຫມາຍບາງຢ່າງ) ອີງໃສ່ການຮຽກຮ້ອງໃຫ້ມີການເປີດເຜີຍຖ້າລູກຄ້າກໍາລັງລົມກັບ bot. ນີ້ປ້ອງກັນການຫຼອກລວງແລະອະນຸຍາດໃຫ້ຜູ້ໃຊ້ຍິນຍອມເຫັນດີ. ໃນປັດຈຸບັນບາງບໍລິສັດໄດ້ແທັກເນື້ອຫາທີ່ຂຽນໂດຍ AI ຢ່າງຊັດເຈນ (ເຊັ່ນ: "ບົດຄວາມນີ້ຖືກສ້າງຂື້ນໂດຍ AI") ເພື່ອຮັກສາຄວາມໄວ້ວາງໃຈ.

ຄວາມເປັນສ່ວນຕົວ ແລະການປົກປ້ອງຂໍ້ມູນ

Generative AI ມັກຈະຕ້ອງການຂໍ້ມູນ – ລວມທັງຂໍ້ມູນສ່ວນຕົວທີ່ມີຄວາມອ່ອນໄຫວ – ເພື່ອເຮັດວຽກ ຫຼືຮຽນຮູ້. ການປະຕິບັດການປົກຄອງຕົນເອງຕ້ອງເຄົາລົບຄວາມເປັນສ່ວນຕົວ:

• ຕົວແທນບໍລິການລູກຄ້າ AI ຈະເຂົ້າເຖິງຂໍ້ມູນບັນຊີເພື່ອຊ່ວຍລູກຄ້າ; ຂໍ້ມູນນັ້ນຕ້ອງໄດ້ຮັບການປົກປ້ອງ ແລະໃຊ້ສະເພາະກັບໜ້າວຽກເທົ່ານັ້ນ.

• ຖ້າຄູສອນ AI ມີການເຂົ້າເຖິງໂປຣໄຟລ໌ນັກຮຽນ, ມີການພິຈາລະນາພາຍໃຕ້ກົດໝາຍເຊັ່ນ FERPA (ໃນສະຫະລັດ) ເພື່ອຮັບປະກັນຄວາມເປັນສ່ວນຕົວຂອງຂໍ້ມູນການສຶກສາ.

• ຕົວແບບຂະຫນາດໃຫຍ່ສາມາດຈື່ຈໍາສະເພາະຈາກຂໍ້ມູນການຝຶກອົບຮົມຂອງເຂົາເຈົ້າໂດຍບໍ່ໄດ້ຕັ້ງໃຈ (ຕົວຢ່າງ, regurgitating ທີ່ຢູ່ຂອງບຸກຄົນທີ່ເຫັນໃນລະຫວ່າງການຝຶກອົບຮົມ). ເຕັກນິກເຊັ່ນ: ຄວາມເປັນສ່ວນຕົວທີ່ແຕກຕ່າງກັນແລະການປິດບັງຂໍ້ມູນໃນການຝຶກອົບຮົມແມ່ນສໍາຄັນເພື່ອປ້ອງກັນການຮົ່ວໄຫລຂອງຂໍ້ມູນສ່ວນບຸກຄົນໃນຜົນໄດ້ຮັບທີ່ສ້າງຂຶ້ນ.

• ກົດລະບຽບເຊັ່ນ GDPR ໃຫ້ສິດທິບຸກຄົນກ່ຽວກັບການຕັດສິນໃຈອັດຕະໂນມັດທີ່ມີຜົນກະທົບຕໍ່ພວກເຂົາ. ປະຊາຊົນສາມາດຮ້ອງຂໍໃຫ້ມີການທົບທວນຄືນຂອງມະນຸດຫຼືການຕັດສິນໃຈທີ່ຈະບໍ່ອັດຕະໂນມັດ solely ຖ້າພວກເຂົາມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍ. ໃນປີ 2030, ກົດລະບຽບເຫຼົ່ານີ້ອາດຈະພັດທະນາຍ້ອນວ່າ AI ກາຍເປັນທີ່ແຜ່ຫຼາຍ, ອາດຈະແນະນໍາສິດທິໃນການອະທິບາຍຫຼືເລືອກອອກຈາກການປຸງແຕ່ງ AI.

ຄວາມປອດໄພແລະການລ່ວງລະເມີດ

ລະບົບ AI ທີ່ເປັນເອກະລາດອາດເປັນເປົ້າໝາຍຂອງການແຮັກ ຫຼືສາມາດຖືກຂູດຮີດເພື່ອເຮັດສິ່ງທີ່ເປັນອັນຕະລາຍ:

• ເຄື່ອງສ້າງເນື້ອຫາ AI ສາມາດຖືກນໍາໃຊ້ໃນທາງທີ່ຜິດເພື່ອສ້າງຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງໃນລະດັບ (ວິດີໂອປອມ, ບົດຄວາມຂ່າວປອມ), ເຊິ່ງເປັນຄວາມສ່ຽງຕໍ່ສັງຄົມ. ຈັນຍາບັນຂອງການປ່ອຍຕົວແບບການຜະລິດທີ່ມີປະສິດທິພາບຫຼາຍແມ່ນການໂຕ້ວາທີຢ່າງຮຸນແຮງ (ຕົວຢ່າງ OpenAI ໃນເບື້ອງຕົ້ນແມ່ນມີຄວາມລະມັດລະວັງກັບຄວາມສາມາດຂອງຮູບພາບຂອງ GPT-4, ສໍາລັບຕົວຢ່າງ). ວິທີແກ້ໄຂລວມມີການສ້າງລາຍນໍ້າທີ່ສ້າງດ້ວຍ AI ເພື່ອຊ່ວຍກວດຫາການປອມແປງ, ແລະການໃຊ້ AI ເພື່ອຕໍ່ສູ້ກັບ AI (ເຊັ່ນ: ຂັ້ນຕອນການກວດຫາການປອມແປງເລິກ).

• ຖ້າ AI ຄວບຄຸມຂະບວນການທາງດ້ານຮ່າງກາຍ (drones, ລົດ, ການຄວບຄຸມອຸດສາຫະກໍາ), ການຮັບປະກັນມັນຕໍ່ກັບການໂຈມຕີທາງອິນເຕີເນັດແມ່ນສໍາຄັນ. ລະບົບປົກຄອງຕົນເອງທີ່ຖືກ hacked ສາມາດເຮັດໃຫ້ເກີດອັນຕະລາຍໃນໂລກທີ່ແທ້ຈິງ. ນີ້ຫມາຍຄວາມວ່າການເຂົ້າລະຫັດທີ່ເຂັ້ມແຂງ, ລົ້ມເຫລວ, ປອດໄພ, ແລະຄວາມສາມາດສໍາລັບການ override ຫຼື shutdown ຂອງມະນຸດຖ້າຫາກວ່າບາງສິ່ງບາງຢ່າງເບິ່ງຄືວ່າຖືກທໍາລາຍ.

• ນອກຈາກນີ້ຍັງມີຄວາມກັງວົນຂອງ AI ໄປເກີນຂອບເຂດທີ່ຕັ້ງໄວ້ (ສະຖານະການ "rogue AI"). ໃນຂະນະທີ່ AIs ໃນປະຈຸບັນບໍ່ມີອົງການຫຼືຄວາມຕັ້ງໃຈ, ຖ້າລະບົບປົກຄອງຕົນເອງໃນອະນາຄົດແມ່ນຕົວແທນຫຼາຍຂຶ້ນ, ຈໍາເປັນຕ້ອງມີຂໍ້ຈໍາກັດແລະການຕິດຕາມຢ່າງເຂັ້ມງວດເພື່ອຮັບປະກັນວ່າພວກເຂົາບໍ່ໄດ້, ເວົ້າ, ດໍາເນີນການການຄ້າທີ່ບໍ່ໄດ້ຮັບອະນຸຍາດຫຼືລະເມີດກົດຫມາຍເນື່ອງຈາກຈຸດປະສົງທີ່ຖືກກໍານົດທີ່ບໍ່ຖືກຕ້ອງ.

ການນໍາໃຊ້ດ້ານຈັນຍາບັນແລະຜົນກະທົບຕໍ່ມະນຸດ

ສຸດທ້າຍ, ການພິຈາລະນາດ້ານຈັນຍາບັນຢ່າງກວ້າງຂວາງ:

• ການຍົກຍ້າຍວຽກ: ຖ້າ AI ສາມາດເຮັດວຽກງານໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ, ຈະເກີດຫຍັງຂຶ້ນກັບວຽກເຫຼົ່ານັ້ນ? ໃນປະຫວັດສາດ, ເຕັກໂນໂລຢີເຮັດໃຫ້ບາງວຽກອັດຕະໂນມັດແຕ່ສ້າງຄົນອື່ນ. ການຫັນປ່ຽນສາມາດເປັນຄວາມເຈັບປວດສໍາລັບຄົນງານທີ່ມີທັກສະໃນວຽກງານທີ່ກາຍເປັນອັດຕະໂນມັດ. ສັງຄົມຈະຕ້ອງຈັດການນີ້ໂດຍຜ່ານທັກສະໃຫມ່, ການສຶກສາ, ແລະອາດຈະຄິດຄືນໃຫມ່ກ່ຽວກັບການສະຫນັບສະຫນູນດ້ານເສດຖະກິດ (ບາງຄົນແນະນໍາວ່າ AI ອາດຈະຕ້ອງການແນວຄວາມຄິດເຊັ່ນ: ລາຍໄດ້ພື້ນຖານທົ່ວໄປຖ້າການເຮັດວຽກຫຼາຍແມ່ນອັດຕະໂນມັດ). ແລ້ວ, ການສໍາຫຼວດສະແດງໃຫ້ເຫັນຄວາມຮູ້ສຶກປະສົມ - ການສຶກສາຫນຶ່ງພົບວ່າຄົນງານຫນຶ່ງສ່ວນສາມເປັນຫ່ວງກ່ຽວກັບ AI ທົດແທນວຽກ, ໃນຂະນະທີ່ຄົນອື່ນເຫັນວ່າມັນເປັນຄວາມຂີ້ຄ້ານ.

• ການເຊາະເຈື່ອນທັກສະຂອງມະນຸດ: ຖ້າຄູສອນ AI ສອນແລະ AI autopilots ຂັບລົດແລະ AI ຂຽນລະຫັດ, ຄົນຈະສູນເສຍທັກສະເຫຼົ່ານີ້ບໍ? ການເອື່ອຍອີງຫຼາຍເກີນໄປກ່ຽວກັບ AI ອາດຈະເຮັດໃຫ້ຄວາມຊໍານານທີ່ຮ້າຍແຮງທີ່ສຸດທໍາລາຍ; ມັນເປັນສິ່ງທີ່ໂຄງການການສຶກສາແລະການຝຶກອົບຮົມຈະຕ້ອງປັບຕົວ, ໃຫ້ແນ່ໃຈວ່າຄົນຍັງຮຽນຮູ້ພື້ນຖານເຖິງແມ່ນວ່າ AI ຈະຊ່ວຍໄດ້.

• ການຕັດສິນໃຈດ້ານຈັນຍາບັນ: AI ຂາດການຕັດສິນທາງດ້ານຈັນຍາບັນຂອງມະນຸດ. ໃນການດູແລສຸຂະພາບຫຼືກົດຫມາຍ, ການຕັດສິນໃຈທີ່ອີງໃສ່ຂໍ້ມູນຢ່າງດຽວອາດຈະຂັດແຍ້ງກັບຄວາມເມດຕາຫຼືຄວາມຍຸຕິທໍາໃນກໍລະນີສ່ວນບຸກຄົນ. ພວກເຮົາອາດຈະຈໍາເປັນຕ້ອງໄດ້ເຂົ້າລະຫັດກອບດ້ານຈັນຍາບັນເຂົ້າໄປໃນ AI (ພື້ນທີ່ຂອງການຄົ້ນຄວ້າດ້ານຈັນຍາບັນ AI, ເຊັ່ນ: ການຈັດລໍາດັບການຕັດສິນໃຈຂອງ AI ກັບຄຸນຄ່າຂອງມະນຸດ). ຢ່າງຫນ້ອຍ, ການຮັກສາມະນຸດຢູ່ໃນວົງຈອນສໍາລັບການຕັດສິນໃຈທີ່ຖືກຄິດຄ່າທໍານຽມທາງດ້ານຈັນຍາບັນແມ່ນແນະນໍາໃຫ້.

• ການລວມເອົາ: ການຮັບປະກັນຜົນປະໂຫຍດ AI ໄດ້ຖືກແຈກຢາຍຢ່າງກວ້າງຂວາງແມ່ນເປົ້າຫມາຍດ້ານຈັນຍາບັນ. ຖ້າພຽງແຕ່ບໍລິສັດໃຫຍ່ສາມາດຈ່າຍ AI ກ້າວຫນ້າ, ທຸລະກິດຂະຫນາດນ້ອຍກວ່າຫຼືພາກພື້ນທີ່ທຸກຍາກອາດຈະຖືກປະໄວ້. ຄວາມພະຍາຍາມເປີດແຫຼ່ງ ແລະການແກ້ໄຂ AI ທີ່ມີລາຄາບໍ່ແພງສາມາດຊ່ວຍໃຫ້ການເຂົ້າເຖິງປະຊາທິປະໄຕໄດ້. ນອກຈາກນີ້, ອິນເຕີເຟດຄວນຖືກອອກແບບເພື່ອໃຫ້ທຸກຄົນສາມາດໃຊ້ເຄື່ອງມື AI (ພາສາທີ່ແຕກຕ່າງກັນ, ການເຂົ້າເຖິງສໍາລັບຜູ້ທີ່ພິການ, ແລະອື່ນໆ), ຖ້າບໍ່ດັ່ງນັ້ນພວກເຮົາຈະສ້າງການແບ່ງປັນດິຈິຕອນໃຫມ່ຂອງ "ຜູ້ທີ່ມີຜູ້ຊ່ວຍ AI ແລະຜູ້ທີ່ບໍ່ໄດ້."

ການຫຼຸດຜ່ອນຄວາມສ່ຽງໃນປະຈຸບັນ: ໃນດ້ານບວກ, ຍ້ອນວ່າບໍລິສັດເປີດຕົວ gen AI, ມີຄວາມຮັບຮູ້ແລະການປະຕິບັດເພີ່ມຂຶ້ນກ່ຽວກັບບັນຫາເຫຼົ່ານີ້. ໃນທ້າຍປີ 2023, ເກືອບເຄິ່ງຫນຶ່ງຂອງບໍລິສັດທີ່ໃຊ້ AI ໄດ້ເຮັດວຽກຢ່າງຫ້າວຫັນເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງເຊັ່ນ: ຄວາມບໍ່ແນ່ນອນ ( ສະຖານະຂອງ AI ໃນປີ 2023: ປີການແຕກແຍກຂອງ AI Generative | McKinsey ) ( ລັດຂອງ AI: ການສໍາຫຼວດທົ່ວໂລກ | McKinsey ), ແລະຈໍານວນດັ່ງກ່າວແມ່ນເພີ່ມຂຶ້ນ. ບໍລິສັດເຕັກໂນໂລຢີໄດ້ສ້າງຕັ້ງຄະນະກໍາມະຈັນຍາບັນ AI; ລັດຖະບານກໍາລັງຮ່າງກົດລະບຽບ. ສິ່ງສໍາຄັນແມ່ນການອົບຈັນຍາບັນເຂົ້າໃນການພັດທະນາ AI ຕັ້ງແຕ່ເລີ່ມຕົ້ນ ("ຈັນຍາບັນໂດຍການອອກແບບ"), ແທນທີ່ຈະປະຕິກິລິຍາຕໍ່ມາ.

ສະຫຼຸບກ່ຽວກັບສິ່ງທ້າທາຍ: ການໃຫ້ AI ເປັນເອກະລາດເພີ່ມເຕີມແມ່ນດາບສອງຄົມ. ມັນສາມາດໃຫ້ຜົນໄດ້ຮັບປະສິດທິພາບແລະນະວັດກໍາ, ແຕ່ມັນຮຽກຮ້ອງໃຫ້ມີແຖບຄວາມຮັບຜິດຊອບສູງ. ຊຸມປີຂ້າງຫນ້າອາດຈະເຫັນການຜະສົມຂອງວິທີແກ້ໄຂເຕັກໂນໂລຢີ (ເພື່ອປັບປຸງພຶດຕິກໍາຂອງ AI), ການແກ້ໄຂຂະບວນການ (ນະໂຍບາຍແລະການກວດກາ), ແລະບາງທີມາດຕະຖານຫຼືການຢັ້ງຢືນໃຫມ່ (ລະບົບ AI ອາດຈະຖືກກວດສອບແລະຮັບຮອງຄືກັບເຄື່ອງຈັກຫຼືເອເລັກໂຕຣນິກໃນປະຈຸບັນ). ການນໍາທາງໄປສູ່ສິ່ງທ້າທາຍເຫຼົ່ານີ້ຢ່າງສໍາເລັດຜົນຈະກໍານົດວ່າພວກເຮົາສາມາດເຊື່ອມໂຍງ AI ອັດຕະໂນມັດເຂົ້າໄປໃນສັງຄົມໄດ້ອຍ່າງລຽບງ່າຍໃນວິທີການທີ່ເພີ່ມຄວາມສະຫວັດດີພາບແລະຄວາມໄວ້ວາງໃຈຂອງມະນຸດ.

ສະຫຼຸບ

Generative AI ໄດ້ພັດທະນາຢ່າງໄວວາຈາກການທົດລອງນະວະນິຍາຍໄປສູ່ເທັກໂນໂລຍີການຫັນປ່ຽນເພື່ອຈຸດປະສົງທົ່ວໄປທີ່ສໍາຜັດກັບທຸກມຸມຂອງຊີວິດຂອງພວກເຮົາ. ເຈ້ຍສີຂາວນີ້ໄດ້ຄົ້ນຄວ້າວິທີການ, ໃນປີ 2025, ລະບົບ AI ໄດ້ຂຽນບົດຄວາມແລ້ວ, ການອອກແບບຮູບພາບ, ຊອບແວການເຂົ້າລະຫັດ, ສົນທະນາກັບລູກຄ້າ, ສະຫຼຸບບັນທຶກທາງການແພດ, ນັກຮຽນສອນ, ການເພີ່ມປະສິດທິພາບຂອງຕ່ອງໂສ້ການສະຫນອງ, ແລະຮ່າງບົດລາຍງານທາງດ້ານການເງິນ. ສິ່ງທີ່ສໍາຄັນ, ໃນຫຼາຍວຽກງານເຫຼົ່ານີ້ AI ສາມາດປະຕິບັດໄດ້ ໂດຍການແຊກແຊງຫນ້ອຍຫຼືບໍ່ມີມະນຸດ , ໂດຍສະເພາະສໍາລັບວຽກທີ່ຖືກກໍານົດໄວ້ດີ, ຊ້ໍາກັນ. ບໍລິສັດແລະບຸກຄົນກໍາລັງເລີ່ມໄວ້ວາງໃຈ AI ເພື່ອປະຕິບັດຫນ້າທີ່ເຫຼົ່ານີ້ຢ່າງເປັນເອກະລາດ, ເກັບຜົນປະໂຫຍດໃນຄວາມໄວແລະຂະຫນາດ.

ມຸ່ງໄປເຖິງປີ 2035, ພວກເຮົາຢືນຢູ່ໃນຂອບຂອງຍຸກທີ່ AI ຈະເປັນຄູ່ຮ່ວມງານທີ່ກວ້າງຂວາງກວ່າ - ມັກຈະເປັນ ແຮງງານດິຈິຕອນທີ່ເບິ່ງບໍ່ເຫັນ ທີ່ຈັດການກັບການປົກກະຕິເພື່ອໃຫ້ມະນຸດສາມາດສຸມໃສ່ການຍົກເວັ້ນ. ພວກເຮົາຄາດວ່າຈະມີ AI ທົ່ວໄປທີ່ຈະຂັບຂີ່ລົດ ແລະລົດບັນທຸກຕາມຖະໜົນຫົນທາງຂອງພວກເຮົາຢ່າງໜ້າເຊື່ອຖື, ຈັດການສິນຄ້າຄົງຄັງໃນສາງໃນຄືນ, ຕອບຄຳຖາມຂອງພວກເຮົາໃນຖານະເປັນຜູ້ຊ່ວຍສ່ວນຕົວທີ່ມີຄວາມຮູ້, ໃຫ້ການແນະນຳຕົວຕໍ່ໜຶ່ງໃຫ້ກັບນັກຮຽນທົ່ວໂລກ, ແລະແມ່ນແຕ່ຊ່ວຍຄົ້ນພົບວິທີປິ່ນປົວໃໝ່ໃນຢາປົວພະຍາດ – ທັງໝົດດ້ວຍການເບິ່ງແຍງໂດຍກົງໜ້ອຍທີ່ສຸດ. ເສັ້ນລະຫວ່າງເຄື່ອງມືແລະຕົວແທນຈະມົວຍ້ອນວ່າ AI ເຄື່ອນຍ້າຍຈາກການປະຕິບັດຕາມຄໍາແນະນໍາແບບຕັ້ງໃຈໄປສູ່ການສ້າງການແກ້ໄຂຢ່າງຕັ້ງຫນ້າ.

ຢ່າງໃດກໍຕາມ, ການເດີນທາງໄປສູ່ອະນາຄົດ AI ທີ່ເປັນເອກະລາດນີ້ຕ້ອງໄດ້ຮັບການນໍາທາງດ້ວຍຄວາມລະມັດລະວັງ. ດັ່ງທີ່ພວກເຮົາໄດ້ອະທິບາຍໄວ້, ແຕ່ລະໂດເມນນໍາເອົາຂໍ້ຈໍາກັດແລະຄວາມຮັບຜິດຊອບຂອງຕົນເອງ:

• ການກວດສອບຄວາມເປັນຈິງຂອງມື້ນີ້: AI ແມ່ນບໍ່ຜິດ. ມັນດີເລີດໃນການຮັບຮູ້ຮູບແບບແລະການສ້າງເນື້ອຫາແຕ່ຂາດຄວາມເຂົ້າໃຈທີ່ແທ້ຈິງແລະຄວາມຮູ້ສຶກທົ່ວໄປໃນຄວາມຮູ້ສຶກຂອງມະນຸດ. ດັ່ງນັ້ນ, ສໍາລັບໃນປັດຈຸບັນ, ການກວດສອບຂອງມະນຸດຍັງຄົງເປັນຕາຫນ່າງຄວາມປອດໄພ. ການຮັບຮູ້ບ່ອນທີ່ AI ພ້ອມທີ່ຈະບິນ solo (ແລະບ່ອນທີ່ມັນບໍ່ແມ່ນ) ແມ່ນສໍາຄັນ. ຄວາມສໍາເລັດຫຼາຍຢ່າງໃນມື້ນີ້ແມ່ນມາຈາກ ທີມມະນຸດ - AI , ແລະວິທີການປະສົມນີ້ຈະສືບຕໍ່ມີຄຸນຄ່າໃນເວລາທີ່ການເປັນເອກະລາດຢ່າງເຕັມທີ່ຍັງບໍ່ທັນລະມັດລະວັງ.

• ຄໍາສັນຍາຂອງມື້ອື່ນ: ດ້ວຍຄວາມກ້າວຫນ້າໃນສະຖາປັດຕະຍະກໍາຕົວແບບ, ເຕັກນິກການຝຶກອົບຮົມ, ແລະກົນໄກການກວດກາ, ຄວາມສາມາດຂອງ AI ຈະສືບຕໍ່ຂະຫຍາຍອອກໄປ. ທົດສະວັດຕໍ່ໄປຂອງ R&D ສາມາດແກ້ໄຂຈຸດເຈັບປວດໃນປະຈຸບັນຈໍານວນຫຼາຍ (ການຫຼຸດຜ່ອນຄວາມແປກໃຈ, ປັບປຸງການຕີຄວາມຫມາຍ, ສອດຄ່ອງ AI ກັບຄຸນຄ່າຂອງມະນຸດ). ຖ້າເປັນດັ່ງນັ້ນ, ລະບົບ AI ໃນປີ 2035 ອາດຈະແຂງແຮງພໍທີ່ຈະໄດ້ຮັບການມອບຫມາຍໃຫ້ມີຄວາມເປັນເອກະລາດຫຼາຍກວ່າເກົ່າ. ການຄາດຄະເນໃນເອກະສານສະບັບນີ້ - ຈາກຄູສອນ AI ໄປສູ່ທຸລະກິດທີ່ດໍາເນີນການດ້ວຍຕົນເອງສ່ວນໃຫຍ່ - ອາດຈະເປັນຄວາມຈິງຂອງພວກເຮົາ, ຫຼືແມ້ກະທັ້ງການປະດິດສ້າງທີ່ຍາກທີ່ຈະຈິນຕະນາການໃນມື້ນີ້.

• ບົດບາດຂອງມະນຸດແລະການປັບຕົວ: ແທນທີ່ຈະ AI ເຂົ້າມາແທນທີ່ມະນຸດຢ່າງແທ້ຈິງ, ພວກເຮົາຄາດວ່າພາລະບົດບາດຈະພັດທະນາ. ຜູ້ຊ່ຽວຊານໃນທຸກສາຂາຈະຕ້ອງການທີ່ຈະມີຄວາມຊໍານິຊໍານານໃນການເຮັດວຽກ ກັບ AI - ນໍາພາມັນ, ກວດສອບມັນ, ແລະສຸມໃສ່ການເຮັດວຽກທີ່ຕ້ອງການຄວາມເຂັ້ມແຂງຂອງມະນຸດຢ່າງເດັ່ນຊັດເຊັ່ນ: ຄວາມເຫັນອົກເຫັນໃຈ, ການຄິດຍຸດທະສາດແລະການແກ້ໄຂບັນຫາທີ່ສັບສົນ. ການສຶກສາ ແລະ ການຝຶກອົບຮົມກຳລັງແຮງງານຄວນເປັນຈຸດມຸ່ງໝາຍເພື່ອເນັ້ນໃສ່ທັກສະຂອງມະນຸດທີ່ເປັນເອກະລັກເຫຼົ່ານີ້, ເຊັ່ນດຽວກັນກັບຄວາມຮູ້ທາງດ້ານ AI ສຳລັບທຸກຄົນ. ຜູ້ວາງນະໂຍບາຍແລະຜູ້ນໍາທຸລະກິດຄວນວາງແຜນການຫັນປ່ຽນໃນຕະຫຼາດແຮງງານແລະຮັບປະກັນລະບົບການສະຫນັບສະຫນູນສໍາລັບຜູ້ທີ່ໄດ້ຮັບຜົນກະທົບຈາກອັດຕະໂນມັດ.

• ຈັນຍາບັນແລະການປົກຄອງ: ບາງທີສໍາຄັນທີ່ສຸດ, ກອບຂອງການນໍາໃຊ້ AI ດ້ານຈັນຍາບັນແລະການຄຸ້ມຄອງຕ້ອງສະຫນັບສະຫນູນການຂະຫຍາຍຕົວທາງດ້ານເຕັກໂນໂລຢີນີ້. ຄວາມໄວ້ວາງໃຈແມ່ນສະກຸນເງິນຂອງການຮັບຮອງເອົາ - ປະຊາຊົນພຽງແຕ່ຈະປ່ອຍໃຫ້ AI ຂັບລົດຫຼືຊ່ວຍເຫຼືອໃນການຜ່າຕັດຖ້າພວກເຂົາເຊື່ອວ່າມັນປອດໄພ. ການສ້າງຄວາມເຊື່ອຫມັ້ນທີ່ກ່ຽວຂ້ອງກັບການທົດສອບຢ່າງເຂັ້ມງວດ, ຄວາມໂປ່ງໃສ, ການມີສ່ວນຮ່ວມຂອງບັນດາຜູ້ມີສ່ວນຮ່ວມ (ເຊັ່ນ: ການພົວພັນກັບແພດຫມໍໃນການອອກແບບ AIs ທາງການແພດ, ຄູສອນໃນເຄື່ອງມືການສຶກສາ AI), ແລະລະບຽບການທີ່ເຫມາະສົມ. ການ​ຮ່ວມ​ມື​ສາ​ກົນ​ອາດ​ຈະ​ເປັນ​ສິ່ງ​ຈໍາ​ເປັນ​ເພື່ອ​ຈັດ​ການ​ສິ່ງ​ທ້າ​ທາຍ​ເຊັ່ນ​: deepfakes ຫຼື AI ໃນ​ສົງ​ຄາມ​, ການ​ຮັບ​ປະ​ກັນ​ມາດ​ຕະ​ຖານ​ທົ່ວ​ໂລກ​ສໍາ​ລັບ​ການ​ນໍາ​ໃຊ້​ທີ່​ມີ​ຄວາມ​ຮັບ​ຜິດ​ຊອບ​.

ສະຫຼຸບແລ້ວ, AI ທົ່ວໄປຢືນເປັນເຄື່ອງຈັກທີ່ມີປະສິດທິພາບຂອງຄວາມກ້າວຫນ້າ. ການນໍາໃຊ້ຢ່າງສະຫລາດ, ມັນສາມາດບັນເທົາມະນຸດຈາກຄວາມຂີ້ຄ້ານ, ປົດລັອກຄວາມຄິດສ້າງສັນ, ການບໍລິການສ່ວນບຸກຄົນ, ແລະຊ່ອງຫວ່າງທີ່ຢູ່ (ນໍາເອົາຄວາມຊໍານານທີ່ຜູ້ຊ່ຽວຊານຂາດແຄນ). ສິ່ງສໍາຄັນແມ່ນການນໍາມັນໄປໃຊ້ໃນທາງທີ່ ຂະຫຍາຍທ່າແຮງຂອງມະນຸດແທນທີ່ຈະເຮັດໃຫ້ມັນຢູ່ແຄມ . ໃນທັນທີທັນໃດ, ນັ້ນຫມາຍຄວາມວ່າເຮັດໃຫ້ມະນຸດຢູ່ໃນວົງຈອນເພື່ອນໍາພາ AI. ໃນໄລຍະຍາວ, ມັນຫມາຍຄວາມວ່າການເຂົ້າລະຫັດຄຸນຄ່າມະນຸດສະທໍາເຂົ້າໄປໃນຫຼັກຂອງລະບົບ AI ເພື່ອວ່າເຖິງແມ່ນວ່າພວກເຂົາປະຕິບັດຢ່າງເປັນເອກະລາດ, ພວກເຂົາປະຕິບັດຜົນປະໂຫຍດທີ່ດີທີ່ສຸດຂອງພວກເຮົາ.

ໂດເມນ	ການປົກຄອງທີ່ໜ້າເຊື່ອຖືໄດ້ໃນມື້ນີ້ (2025)	ຄາດ​ວ່າ​ຈະ​ມີ​ການ​ປົກຄອງ​ຕົນ​ເອງ​ທີ່​ໜ້າ​ເຊື່ອ​ຖື​ໄດ້​ພາຍ​ໃນ​ປີ 2035
ການຂຽນ & ເນື້ອຫາ	- ຂ່າວປົກກະຕິ (ກິລາ, ລາຍໄດ້) ຜະລິດອັດຕະໂນມັດ.- ການທົບທວນຄືນຜະລິດຕະພັນສະຫຼຸບໂດຍ AI.- ສະບັບຮ່າງຂອງບົດຄວາມຫຼືອີເມລ໌ສໍາລັບການດັດແກ້ຂອງມະນຸດ. ( Philana Patterson – ONA Community Profile ) ( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI )	- ເນື້ອຫາຂ່າວ ແລະການຕະຫຼາດສ່ວນໃຫຍ່ຂຽນດ້ວຍຄວາມຖືກຕ້ອງຕາມຄວາມເປັນຈິງ.- AI ຜະລິດບົດຄວາມ ແລະຂ່າວທີ່ຄົບຖ້ວນໂດຍມີການກວດສອບໜ້ອຍທີ່ສຸດ.- ເນື້ອຫາສ່ວນບຸກຄົນສູງທີ່ສ້າງຂຶ້ນຕາມຄວາມຕ້ອງການ.
ສິລະປະ ແລະການອອກແບບ	- AI ສ້າງຮູບພາບຈາກການກະຕຸ້ນເຕືອນ (ມະນຸດເລືອກທີ່ດີທີ່ສຸດ).- ສິນລະປະແນວຄວາມຄິດແລະການປ່ຽນແປງການອອກແບບທີ່ສ້າງຂຶ້ນເປັນເອກະລາດ.	- AI ຜະລິດພາບວີດີໂອ/ຮູບເງົາເຕັມຮູບແບບ ແລະຮູບພາບທີ່ຊັບຊ້ອນ.- ການອອກແບບຜະລິດຕະພັນ/ສະຖາປັດຕະຍະກຳສະເພາະກອງປະຊຸມ.- ສື່ສ່ວນບຸກຄົນ (ຮູບພາບ, ວິດີໂອ) ສ້າງຂຶ້ນຕາມຄວາມຕ້ອງການ.
ການຂຽນລະຫັດຊອບແວ	- AI autocompletes ລະ​ຫັດ & ຂຽນ​ຫນ້າ​ທີ່​ງ່າຍ​ດາຍ (ການ​ທົບ​ທວນ​ຄືນ​ໂດຍ dev​)​. ( Coding on Copilot: 2023 ຂໍ້ມູນຊີ້ໃຫ້ເຫັນຄວາມກົດດັນຫຼຸດລົງກ່ຽວກັບຄຸນນະພາບຂອງລະຫັດ (ລວມທັງການຄາດຄະເນ 2024) - GitClear ) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine )	- AI ປະຕິບັດຄຸນສົມບັດທັງໝົດຈາກສະເປັກທີ່ໜ້າເຊື່ອຖືໄດ້.- ການແກ້ບັນຫາແບບອັດຕະໂນມັດ ແລະການຮັກສາລະຫັດສຳລັບຮູບແບບທີ່ຮູ້ຈັກ.- ການສ້າງແອັບທີ່ມີລະຫັດຕ່ຳດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດໜ້ອຍໜຶ່ງ.
ການບໍລິການລູກຄ້າ	- Chatbots ຕອບ FAQs, ແກ້ໄຂບັນຫາທີ່ງ່າຍດາຍ (handoff ກໍລະນີສະລັບສັບຊ້ອນ).- AI ຈັດການ ~ 70% ຂອງການສອບຖາມປົກກະຕິກ່ຽວກັບບາງຊ່ອງທາງ. ( 59 ສະ​ຖິ​ຕິ​ການ​ບໍ​ລິ​ການ​ລູກ​ຄ້າ AI ສໍາ​ລັບ​ປີ 2025 ) ( ໃນ​ປີ 2030​, 69​% ຂອງ​ການ​ຕັດ​ສິນ​ໃຈ​ໃນ​ລະ​ຫວ່າງ​ການ​ພົວ​ພັນ​ກັບ​ລູກ​ຄ້າ​ຈະ ... )	- AI ຈັດການການໂຕ້ຕອບລູກຄ້າສ່ວນໃຫຍ່ໃນຕອນທ້າຍ, ລວມທັງການສອບຖາມທີ່ຊັບຊ້ອນ.- ການຕັດສິນໃຈ AI ໃນເວລາຈິງສໍາລັບການສໍາປະທານການບໍລິການ (ການຄືນເງິນ, ການຍົກລະດັບ).- ຕົວແທນຂອງມະນຸດພຽງແຕ່ສໍາລັບການເພີ່ມຂຶ້ນຫຼືກໍລະນີພິເສດ.
ການດູແລສຸຂະພາບ	- AI ຮ່າງບັນທຶກທາງການແພດ; ແນະນໍາການວິນິດໄສທີ່ທ່ານຫມໍກວດສອບ.- AI ອ່ານບາງ scans (radiology) ທີ່ມີການກວດກາ; triages ກໍລະນີງ່າຍດາຍ. ( ຜະ​ລິດ​ຕະ​ພັນ​ຮູບ​ພາບ​ການ​ແພດ AI ສາ​ມາດ​ເພີ່ມ​ຂຶ້ນ 5 ເທົ່າ​ໃນ​ປີ 2035 ​)	- AI ກວດຫາພະຍາດທົ່ວໄປໄດ້ຢ່າງໜ້າເຊື່ອຖື ແລະຕີຄວາມໝາຍຮູບພາບທາງການແພດສ່ວນໃຫຍ່.- AI ຕິດຕາມຄົນເຈັບ ແລະເລີ່ມການດູແລ (ເຊັ່ນ: ການເຕືອນຢາ, ການແຈ້ງເຕືອນສຸກເສີນ).- AI Virtual “ພະຍາບານ” ຈັດການການຕິດຕາມແບບປົກກະຕິ; ທ່ານຫມໍສຸມໃສ່ການດູແລສະລັບສັບຊ້ອນ.
ການສຶກສາ	- AI tutors ຕອບ​ຄໍາ​ຖາມ​ຂອງ​ນັກ​ຮຽນ​, ສ້າງ​ບັນ​ຫາ​ການ​ປະ​ຕິ​ບັດ (ການ​ຕິດ​ຕາມ​ຂອງ​ຄູ​ອາ​ຈານ​)​. ([ AI ທົ່ວໄປສໍາລັບການສຶກສາ K-12	ບົດລາຍງານການຄົ້ນຄວ້າໂດຍ Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
ການຂົນສົ່ງ	- AI ປັບປຸງເສັ້ນທາງການຈັດສົ່ງແລະການຫຸ້ມຫໍ່ (ມະນຸດກໍານົດເປົ້າຫມາຍ) . ( ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປໃນການຂົນສົ່ງ )	- ການຈັດສົ່ງແບບຂັບລົດດ້ວຍຕົນເອງຂະໜາດໃຫຍ່ (ລົດບັນທຸກ, drones) ຄວບຄຸມໂດຍ AI controllers.- AI autonomously reroutes ships around disruptions and adjusts inventory.- end-to-end supply chain coordination (order, distribution) ຈັດການໂດຍ AI.
ການເງິນ	- AI ສ້າງບົດລາຍງານທາງດ້ານການເງິນ / ບົດສະຫຼຸບຂ່າວ (ການທົບທວນຄືນຂອງມະນຸດ).- Robo-advisors ຄຸ້ມຄອງຫຼັກຊັບງ່າຍດາຍ; AI ສົນທະນາຈັດການຄໍາຖາມຂອງລູກຄ້າ. ( AI Generative ກໍາລັງເຂົ້າມາໃນດ້ານການເງິນ )	- ນັກວິເຄາະ AI ຜະລິດຄໍາແນະນໍາດ້ານການລົງທຶນ ແລະບົດລາຍງານຄວາມສ່ຽງທີ່ມີຄວາມຖືກຕ້ອງສູງ.- ການຊື້ຂາຍແບບອັດຕະໂນມັດ ແລະ ການດຸ່ນດ່ຽງຫຼັກຊັບພາຍໃນຂອບເຂດກໍານົດ.- AI auto-ອະນຸມັດເງິນກູ້ມາດຕະຖານ / ການຮຽກຮ້ອງ; ມະນຸດຈັດການກັບຂໍ້ຍົກເວັ້ນ.

ອ້າງອີງ:

1. Patterson, Philana. ເລື່ອງລາຍຮັບອັດຕະໂນມັດເພີ່ມຂຶ້ນ . The Associated Press (2015) – ອະທິບາຍການຜະລິດອັດຕະໂນມັດຂອງ AP ຂອງລາຍງານລາຍໄດ້ຫຼາຍພັນລາຍທີ່ບໍ່ມີຄົນຂຽນ ( ເລື່ອງລາຍຮັບອັດຕະໂນມັດເພີ່ມຂຶ້ນ | The Associated Press ).

2. McKinsey & ບໍລິສັດ. ສະຖານະຂອງ AI ໃນຕົ້ນປີ 2024: ການຮັບຮອງເອົາ Gen AI ເພີ່ມຂຶ້ນ ແລະເລີ່ມສ້າງມູນຄ່າ . (2024) – ລາຍງານ 65% ຂອງອົງການຈັດຕັ້ງທີ່ໃຊ້ AI ທົ່ວໄປຢ່າງເປັນປົກກະຕິ, ເກືອບສອງເທົ່າຈາກປີ 2023 ( ສະຖານະຂອງ AI ໃນຕົ້ນປີ 2024 | McKinsey ), ແລະປຶກສາຫາລືກ່ຽວກັບຄວາມພະຍາຍາມຫຼຸດຜ່ອນຄວາມສ່ຽງ ( ລັດຂອງ AI: ການສໍາຫຼວດທົ່ວໂລກ | McKinsey ).

3. Gartner. Beyond ChatGPT: ອະນາຄົດຂອງ Generative AI ສໍາລັບວິສາຫະກິດ . (2023) - ຄາດຄະເນວ່າໃນປີ 2030, 90% ຂອງຮູບເງົາ blockbuster ສາມາດສ້າງ AI ( ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປສໍາລັບອຸດສາຫະກໍາແລະວິສາຫະກິດ ) ແລະເນັ້ນໃສ່ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປເຊັ່ນ: ການອອກແບບຢາເສບຕິດ ( ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປສໍາລັບອຸດສາຫະກໍາແລະວິສາຫະກິດ ).

4. ເຊັດ. 12 ວິທີທີ່ນັກຂ່າວໃຊ້ເຄື່ອງມື AI ຢູ່ໃນຫ້ອງຂ່າວ . (2024) – ຕົວຢ່າງຂອງ “Klara” AI ຢູ່ສຳນັກຂ່າວທີ່ຂຽນບົດຄວາມ 11% ໂດຍມີບັນນາທິການຂອງມະນຸດທົບທວນເນື້ອໃນ AI ທັງໝົດ ( 12 ວິທີທີ່ນັກຂ່າວໃຊ້ເຄື່ອງມື AI ໃນຫ້ອງຂ່າວ - Twipe ).

5. ຂ່າວ Amazon.com. Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI . (2023) – ປະກາດສະຫຼຸບການທົບທວນທີ່ສ້າງໂດຍ AI ໃນຫນ້າຜະລິດຕະພັນເພື່ອຊ່ວຍໃຫ້ຜູ້ຊື້ ( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI ).

6. Zendesk. 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສໍາລັບປີ 2025 . (2023) - ຊີ້ໃຫ້ເຫັນຫຼາຍກວ່າສອງສ່ວນສາມຂອງອົງການຈັດຕັ້ງ CX ຄິດວ່າ AI ການຜະລິດຈະເພີ່ມ "ຄວາມອົບອຸ່ນ" ໃນການບໍລິການ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສໍາລັບ 2025 ) ແລະຄາດຄະເນ AI ໃນ 100% ຂອງການພົວພັນກັບລູກຄ້າໃນທີ່ສຸດ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສໍາລັບ 2025 ).

7. Futurum Research & SAS. ປະສົບການ 2030: ອະນາຄົດຂອງປະສົບການຂອງລູກຄ້າ . (2019) - ການສໍາຫຼວດທີ່ຄົ້ນພົບວ່າຍີ່ຫໍ້ຄາດຫວັງ ~ 69% ຂອງການຕັດສິນໃຈໃນລະຫວ່າງການພົວພັນກັບລູກຄ້າຈະເຮັດໂດຍເຄື່ອງຈັກອັດສະລິຍະໃນປີ 2030 ( ເພື່ອຈິນຕະນາການການປ່ຽນແປງເປັນ CX, ນັກກາລະຕະຫຼາດຕ້ອງເຮັດ 2 ສິ່ງເຫຼົ່ານີ້ ).

8. Dataiku. ກໍລະນີການນໍາໃຊ້ AI ທົ່ວໄປໃນການຂົນສົ່ງ . (2023) – ອະທິບາຍວິທີການທີ່ GenAI ເພີ່ມປະສິດທິພາບການໂຫຼດ (ຫຼຸດລົງ ~ 30% ພື້ນທີ່ລົດບັນທຸກຫວ່າງເປົ່າ) ( Top Generative AI Use Cases in Logistics ) ແລະຊີ້ໃຫ້ເຫັນຄວາມສ່ຽງຂອງລະບົບຕ່ອງໂສ້ການສະຫນອງໂດຍການສະແກນຂ່າວ.

9. ວາລະສານ Visual Studio. GitHub Copilot Tops ບົດລາຍງານການຄົ້ນຄວ້າກ່ຽວກັບຜູ້ຊ່ວຍລະຫັດ AI . (2024) – ສົມມຸດຕິຖານການວາງແຜນຍຸດທະສາດຂອງ Gartner: ໃນປີ 2028, 90% ຂອງນັກພັດທະນາວິສາຫະກິດຈະໃຊ້ຕົວຊ່ວຍລະຫັດ AI (ເພີ່ມຂຶ້ນຈາກ 14% ໃນປີ 2024) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ).

10. ຂ່າວ Bloomberg. ແນະນຳ BloombergGPT . (2023) – ລາຍລະອຽດຂອງຕົວແບບ 50B-ພາຣາມິເຕີຂອງ Bloomberg ແນໃສ່ວຽກງານການເງິນ, ສ້າງຂຶ້ນໃນ Terminal ສໍາລັບ Q&A ແລະການສະຫນັບສະຫນູນການວິເຄາະ ( Generation AI ກໍາລັງເຂົ້າມາໃນດ້ານການເງິນ ).

ບົດຄວາມທີ່ເຈົ້າອາດຈະມັກອ່ານຫຼັງຈາກອັນນີ້:

🔗 ວຽກທີ່ AI ບໍ່ສາມາດແທນທີ່ - ແລະວຽກໃດທີ່ AI ຈະມາແທນ?
ທັດສະນະທົ່ວໂລກກ່ຽວກັບພູມສັນຖານວຽກທີ່ພັດທະນາ, ກວດເບິ່ງວ່າບົດບາດໃດທີ່ປອດໄພຈາກການລົບກວນ AI ແລະອັນໃດມີຄວາມສ່ຽງທີ່ສຸດ.

🔗 AI ສາມາດຄາດຄະເນຕະຫຼາດຫຼັກຊັບໄດ້ບໍ?
ການລົງເລິກເຂົ້າໄປໃນຄວາມສາມາດ, ຂໍ້ຈໍາກັດ, ແລະການພິຈາລະນາດ້ານຈັນຍາບັນຂອງການນໍາໃຊ້ AI ສໍາລັບການຄາດຄະເນຕະຫຼາດຫຼັກຊັບ.

🔗 AI Generative ສາມາດໃຊ້ໃນ Cybersecurity ໄດ້ແນວໃດ?
ສຶກສາວິທີການນຳໃຊ້ AI ທົ່ວໄປເພື່ອປ້ອງກັນໄພຂົ່ມຂູ່ທາງອິນເຕີເນັດ, ຈາກການກວດຫາຄວາມຜິດປົກກະຕິຈົນເຖິງການສ້າງແບບຈໍາລອງໄພຂົ່ມຂູ່.