શું AI મારી નોકરી લેશે? તેના વિશે વિચારવાની વ્યવહારિક રીત

લોકો તેને હા કે ના તરીકે પૂછે છે. તે એક નથી. એટલા માટે નહીં કે કોઈને જવાબ ખબર નથી, પરંતુ કારણ કે "નોકરી" એ પૂછવાનું ખોટું એકમ છે.

કામ પર લગભગ કોઈ એક કામ કરતું નથી. તમે કાર્યોનું બંડલ કરો છો, અને AI દરેકને અલગ રીતે હિટ કરે છે. કેટલાક પહેલેથી જ મોટે ભાગે સ્વચાલિત છે. કેટલાક દાયકાઓ બહાર છે. થોડા ખરેખર એવી રીતે સરળ બનશે કે જે તમને વધુ મૂલ્યવાન બનાવે, ઓછું નહીં. તમારા નોકરીના શીર્ષક વિશેના ચુકાદામાં તે બધાની સરેરાશ કરો અને તમે ખરેખર જરૂરી માહિતી ફેંકી દો છો.

તો અહીં ઉપયોગી સંસ્કરણ છે. કાર્ય દ્વારા તમારા પોતાના એક્સપોઝર કાર્યને કેવી રીતે કાર્ય કરવું. જે ખરેખર ભૂમિકાનું રક્ષણ કરે છે. તેના વિશે ખરેખર શું કરવું.

વાસ્તવિક મિકેનિઝમ: કાર્યો, નોકરીઓ નહીં

ઓટોમેશનનો અભ્યાસ કરતા અર્થશાસ્ત્રીઓ વર્ષોથી કાર્ય આધારિત ફ્રેમનો ઉપયોગ કરે છે. તે સમગ્ર વ્યવસાયો વિશેની હેડલાઇન અનુમાનો કરતાં વધુ સારી રીતે ધરાવે છે.

માર્કેટિંગ મેનેજર લો. એક અઠવાડિયામાં તે વ્યક્તિ નકલ લખી શકે છે, ઝુંબેશની કામગીરીનું વિશ્લેષણ કરી શકે છે, ક્લાયન્ટ કૉલ પર બેસી શકે છે, આગામી ક્વાર્ટરનું બજેટ કઈ ચેનલ મેળવે છે તે નક્કી કરી શકે છે, ડિઝાઇનરને સંક્ષિપ્ત કરી શકે છે, બે ટીમો વચ્ચેની લડાઈને ઉકેલી શકે છે અને રિપોર્ટ તૈયાર કરી શકે છે.

હવે એક સમયે તે એકને ગ્રેડ કરો.

| કાર્ય | એક્સપોઝર | |---|---| | પ્રથમ-ડ્રાફ્ટ નકલ લખવી | ઉચ્ચ, પહેલેથી જ મોટે ભાગે સ્વચાલિત | | નિયમિત રિપોર્ટ બનાવવો | ઉચ્ચ | | પ્રદર્શન ડેટાનું વિશ્લેષણ | મધ્યમ, સહાયિત બદલાયેલ નથી | | ડિઝાઇનરને બ્રીફિંગ | મધ્યમ | | ક્લાયંટ કોલ | નીચું | | બજેટ ફાળવણી નક્કી કરવી | નીચું, તે જવાબદારી વહન કરે છે | | ટીમના મતભેદનું નિરાકરણ | ખૂબ નીચું |

જોબ ઓટોમેટેડ નથી. અઠવાડિયાનો લગભગ ત્રીજો ભાગ છે. આગળ શું થાય છે તે નિરર્થકતા નથી. ભૂમિકા એવા ભાગો તરફ ફરીથી આકાર લે છે જે આગળ વધ્યા ન હતા, અને જે વ્યક્તિ અનુકૂલન કરે છે તે વધુ કામ કરે છે જે હંમેશા મૂલ્યવાન હતું.

મોટા ભાગના જ્ઞાન કાર્યમાં અપેક્ષા રાખવાની તે પેટર્ન છે. અને તે ખરેખર "તમારી નોકરી અદૃશ્ય થઈ જાય છે" થી અલગ છે.

તમારા પોતાના એક્સપોઝરને સ્કોર કરો

આ યોગ્ય રીતે કરો. તમે કોઈપણ ઉદ્યોગ અહેવાલ કરતાં એક કલાકમાં વધુ શીખી શકશો.

પગલું 1. લગભગ એક કલાકના બ્લોકમાં તમે ગયા અઠવાડિયે ખરેખર શું કર્યું તે લખો. તમારી નોકરીનું વર્ણન નથી. તમે શું કર્યું.

સ્ટેપ 2. દરેક બ્લોકને ચાર પ્રશ્નો સામે સ્કોર કરો.

1. શું ઇનપુટ મોટે ભાગે ટેક્સ્ટ અથવા ડેટા છે? ટેક્સ્ટ અને સ્ટ્રક્ચર્ડ ડેટા એ છે જ્યાં આ સિસ્ટમો મજબૂત છે. શારીરિક કાર્ય, અથવા કામ કે જે રૂમના વાંચન પર આધાર રાખે છે, તે નથી. 2. શું ત્યાં સ્પષ્ટ રીતે સાચું આઉટપુટ છે? ચકાસવા યોગ્ય સાચા જવાબ સાથેના કાર્યો જજમેન્ટ કોલ કરતાં વધુ ઝડપથી સ્વચાલિત થાય છે. 3. શું ભૂલ સસ્તી હશે? સસ્તી ભૂલો વહેલા સ્વચાલિત થઈ જાય છે. ટેક સક્ષમ થયા પછી ખર્ચાળ લોકો માણસને લાંબા સમય સુધી લૂપમાં રાખે છે. 4. શું તેને જવાબદારીની જરૂર છે? નિર્ણય કોઈની પાસે હોવો જોઈએ. મોડેલ જવાબદાર હોઈ શકતું નથી. તકનીકી મર્યાદા તરીકે નહીં. માળખાકીય એક તરીકે.

હા 1 અને 2 માટે, વત્તા સસ્તી ભૂલો અને કોઈ જવાબદારી નહીં, એટલે ઉચ્ચ એક્સપોઝર. વધુ ઘોંઘાટ એટલે નીચા.

પગલું 3. કલાક ઉમેરો. તે ટકાવારી તમારો સાચો જવાબ છે. "શું માર્કેટિંગ સ્વચાલિત થશે?" કરતાં વધુ ઉપયોગી

મોટાભાગના લોકોને લાગે છે કે તેઓ ક્યાંક 20% અને 50% ની વચ્ચે છે. અને ખુલ્લી અર્ધ એ અડધી હોય છે જેનો તેઓ ઓછામાં ઓછો આનંદ માણે છે.

ખરેખર શું ભૂમિકાનું રક્ષણ કરે છે

સિનિયોરિટી નહીં. ટેકનિકલ નથી. ચાર વસ્તુઓ.

1. જવાબદારી. જ્યારે કોઈ નિર્ણય ખોટો થાય ત્યારે કોઈને જવાબદાર બનવું જોઈએ. તે કાનૂની અને સંસ્થાકીય જરૂરિયાત છે, ક્ષમતામાં અંતર નથી. મોડલ ગમે તેટલા સારા હોય તો પણ તે સ્વચાલિત થશે નહીં.

2. શારીરિક હાજરી અને દક્ષતા. રોબોટિક્સ ભાષાના મોડલ કરતાં ઘણું ધીમી ગતિએ આગળ વધી રહ્યું છે. કુશળ વેપાર, સંભાળનું કામ, અણધારી અને ભૌતિક કંઈપણ, ઓફિસના મોટાભાગના કામ કરતા ઘણા ઓછા ખુલ્લા હોય છે. જે દસ વર્ષ પહેલા લોકોની ઘણી બધી ધારણાઓને ઉલટાવી નાખે છે.

3. સંબંધો અને વિશ્વાસ. ક્લાઈન્ટો તેમના પર વિશ્વાસ કરતા લોકો પાસેથી ખરીદે છે. વાટાઘાટો. મુશ્કેલ વાતચીત. કોઈએ શું કહ્યું તેના બદલે તેનો અર્થ શું છે તે વાંચવું. નબળું ખુલ્લું, તે બધું.

4. અસ્પષ્ટતા હેઠળ ચુકાદો. "શુદ્ધ ડેટા આપવામાં આવેલો કયો વિકલ્પ શ્રેષ્ઠ છે" નહીં. તે ઓટોમેટેબલ છે. વાસ્તવિક અસ્પષ્ટતા એ છે કે "અમારી પાસે અધૂરી માહિતી, સ્પર્ધાત્મક પ્રાથમિકતાઓ અને સમયમર્યાદા છે, અમે શું કરીએ?" તે સંદર્ભ, માલિકી અને જ્ઞાન લે છે.

નોંધ લો કે આ મોટે ભાગે તકનીકી કુશળતા નથી. AI પ્રોટેક્શન તરીકે "કોડ શીખવા" માટેની સામાન્ય સલાહ પાછળની નજીક છે. કોડિંગ ચકાસી શકાય તેવા આઉટપુટ સાથે ટેક્સ્ટ-આધારિત છે. તે વધુ ખુલ્લા જ્ઞાન કાર્યોમાંનું એક છે.

ખરેખર શું જોખમ છે

આશ્વાસન આપવાને બદલે પ્રમાણિક બનવું, કારણ કે ખોટો દિલાસો સ્પષ્ટ દૃષ્ટિકોણ કરતાં ખરાબ છે.

એન્ટ્રી-લેવલ ટેક્સ્ટ વર્ક પ્રથમ હિટ થઈ રહ્યું છે. મૂળભૂત કોપીરાઈટીંગ. નિયમિત સામગ્રી ઉત્પાદન. પ્રથમ પાસ સંશોધન સારાંશ. સરળ ડેટા એન્ટ્રી અને ફોર્મેટિંગ. એટલા માટે નહીં કે AI તેમને વધુ સારી રીતે કરે છે. કારણ કે તે તેમને ખર્ચના અપૂર્ણાંક પર સ્વીકાર્ય રીતે કરે છે.

આ એક વાસ્તવિક માળખાકીય સમસ્યા બનાવે છે. જુનિયર ભૂમિકાઓ એ હતી કે લોકો કેવી રીતે નિર્ણય શીખે છે. જો તે ભૂમિકાઓ ઓછી થઈ જાય, તો વરિષ્ઠ વ્યક્તિ બનવાનો માર્ગ સાંકડો થઈ જાય છે. તે વ્યવસાય માટે એક વાસ્તવિક મુદ્દો છે, અને કોઈએ તેને હલ કર્યો નથી.

નિયમિત વિશ્લેષણ સંકુચિત છે. દૂર નથી. પરંતુ સારા ટૂલિંગ સાથેના એક વિશ્લેષક હવે તે કરે છે જે ત્રણ પહેલા કરતા હતા.

જે કંઈપણ "પર્યાપ્ત સારા" જવાબને સંતોષે છે તે ખુલ્લું છે. જ્યાં ગુણવત્તાને છતને બદલે ફ્લોર હોય છે. નિયમિત અનુવાદ. મૂળભૂત આધાર. પ્રમાણભૂત દસ્તાવેજો. ખર્ચ જીતે છે.

વાસ્તવિક નજીકનું ચિત્ર

એક સાથે બે વાત સાચી છે. મોટાભાગની કોમેન્ટ્રી એકને પસંદ કરે છે અને બીજાને અવગણે છે.

AI અત્યારે સ્કેલ પર સંપૂર્ણ ભૂમિકાઓને બદલી રહ્યું નથી. જમાવટ ક્ષમતા કરતાં ધીમી છે. પ્રક્રિયામાં ફેરફાર કરવામાં સંસ્થાઓ ખરાબ છે. એકીકરણ મુશ્કેલ છે. જવાબદારીના પ્રશ્નો વણઉકેલ્યા છે. મોટાભાગની કંપનીઓ તેનો ઉપયોગ રિપ્લેસમેન્ટ તરીકે નહીં પણ સહાયક તરીકે કરી રહી છે.

પરંતુ ભૂમિકાઓની રચના ઝડપથી બદલાઈ રહી છે. અને પ્રથમ અસરગ્રસ્ત લોકો તે છે જેમનું કામ મોટે ભાગે ખુલ્લી કૉલમમાં હતું. ફેરફાર સામાન્ય રીતે "અમે તે વ્યક્તિને બદલી રહ્યા નથી જેણે છોડી દીધી છે" તરીકે દર્શાવવામાં આવે છે, રીડન્ડન્સી તરીકે નહીં.

તેથી મોટાભાગના લોકો માટે જોખમ બરતરફ કરવામાં આવતું નથી. યાંત્રિક ભાગોને દૂર કરીને સમાન ભૂમિકા ભજવનાર વ્યક્તિ દ્વારા તે ધીમે ધીમે આગળ વધી રહ્યું છે. સમાન પગાર માટે વધુ, ઝડપી, ઉત્પાદન. તે સ્પર્ધાત્મક જોખમ છે. અને તે સંબોધવા યોગ્ય છે.

અગાઉના ઓટોમેશન તરંગોએ ખરેખર શું કર્યું

જાણવા યોગ્ય, કારણ કે પેટર્ન પુનરાવર્તિત થાય છે અને તેનું લોકપ્રિય સંસ્કરણ બંને દિશામાં ખોટું છે.

ATM એ બેંક ટેલર્સને નાબૂદ કર્યા નથી. સામાન્ય કહેવાનું કહેવું છે કે તેઓએ કર્યું. વાસ્તવમાં શું થયું, જેમ્સ બેસને તેના study of ATMs and teller employment માં દર્શાવ્યા મુજબ, ATM એ શાખાઓ ચલાવવા માટે સસ્તી બનાવી છે. તેથી બેંકોએ તેમાંથી વધુ ખોલી. ટેલર નંબરો વર્ષો સુધી રોકાયેલા હતા, જ્યારે નોકરી રોકડની ગણતરીથી લઈને ઉત્પાદનો વેચવા અને અપવાદોને સંભાળવા સુધી બદલાઈ ગઈ હતી. કાર્ય સ્વયંસંચાલિત થઈ ગયું. જે બાકી હતું તેની આસપાસ ભૂમિકા ફરીથી ગોઠવાઈ.

સ્પ્રેડશીટ્સ બુકકીપર્સને દૂર કરતી ન હતી. તેઓએ મેન્યુઅલ અંકગણિતને દૂર કર્યું, જે મોટાભાગનું કામ હતું. સમયાંતરે હિસાબી રોજગારમાં ઘટાડો થયો. એકાઉન્ટિંગ અને નાણાકીય વિશ્લેષણ વધ્યું. સમાન કૌશલ્યો, સરવાળોને બદલે પ્રશ્નોમાં મૂલ્ય શૃંખલામાં વધુ લાગુ કરો.

ઔદ્યોગિક રોબોટ્સે ચોક્કસ ઉત્પાદન ભૂમિકાઓને વિસ્થાપિત કરી છે. તે પ્રમાણિક કાઉન્ટરવેઇટ છે. કેટલાક પ્રદેશોમાં વિસ્થાપન કેન્દ્રિત, કાયમી અને નવા કાર્ય દ્વારા સ્થાનિક રીતે સરભર કરવામાં આવ્યું ન હતું. જો નુકસાન તમારા શહેરમાં હોય અને ફાયદો બીજે ક્યાંક હોય તો એકંદર આશાવાદ એ થોડો આરામ છે. કઈ ભૂમિકાઓ ગઈ અને કઈ વૃદ્ધિ પામી તે વિશે ઉપલબ્ધ સૌથી વધુ વિગતો સાથે તે તરંગ પણ છે. What dark factories actually tell us એવી પરિસ્થિતિઓ દ્વારા કાર્ય કરે છે કે જે પ્રક્રિયાને દેખરેખ વિના ચાલે તે પહેલાં પકડી રાખવાની હતી. તે શરતો એક્સપોઝરની એકદમ ચોક્કસ આગાહી કરનાર છે.

તેથી પેટર્ન "કંઈ થતું નથી" અથવા "બધું જાય છે" નથી:

• કાર્ય વિશ્વસનીય રીતે સ્વચાલિત થાય છે. - ભૂમિકા સામાન્ય રીતે ટકી રહે છે, જે સ્વયંસંચાલિત ન હતી તેની આસપાસ ફરીથી ગોઠવવામાં આવે છે. - એકંદર રોજગાર પકડી રાખવાનું અથવા વધવાનું વલણ ધરાવે છે. પરંતુ સમાનરૂપે નહીં, અને દરેક માટે નહીં. - જે લોકો ખરાબ રીતે કરે છે તે લોકો છે જેમનું કામ લગભગ સંપૂર્ણપણે સ્વયંસંચાલિત કાર્ય હતું, જેમાં આગળ વધવા માટે કંઈપણ નથી.

આ વખતે એક વાત ગંભીરતાથી લેવા જેવી છે. અગાઉના તરંગો મોટે ભાગે શારીરિક અથવા અંકગણિત કાર્યને સ્વયંસંચાલિત કરતા હતા, અને બચવાનો માર્ગ જ્ઞાનાત્મક કાર્યમાં આગળ વધવાનો હતો. આ તરંગ જ્ઞાનાત્મક કાર્ય પર સીધા નિર્દેશ કરે છે. છટકી જવાનો માર્ગ તેના બદલે નિર્ણય, જવાબદારી અને શારીરિક કૌશલ્ય તરફ ચાલે છે. તે ઓછી પરિચિત દિશા છે. અને તેથી જ "જ્ઞાન કાર્ય" માં પુનઃકુશળ બનવા વિશેની સામાન્ય સલાહ તેના કરતા ઓછી ઉપયોગી છે.

વાસ્તવમાં શું કરવું, આગામી 90 દિવસમાં

કોંક્રિટ. ક્રમમાં.

1. ઉપરનું એક્સપોઝર ઓડિટ કરો. એક કલાક. તમારી પાસે ન હોય તેવા નંબર સામે તમે પ્લાન કરી શકતા નથી.

2. ટૂલ્સ સાથે સાચા અર્થમાં અસ્ખલિત બનો. છલકાવવું નહીં. એક પુનરાવર્તિત કાર્ય પસંદ કરો અને એક મહિના માટે તેના પર AI નો ઉપયોગ કરો, જ્યાં સુધી તમને ખબર ન પડે કે તે ક્યાં મજબૂત છે અને ક્યાં નિષ્ફળ જાય છે. નિષ્ફળતાની સ્થિતિઓનું પ્રેક્ટિશનર-સ્તરનું જ્ઞાન પોતે જ એક દુર્લભ કૌશલ્ય છે. "હું ચેટજીપીટીનો ઉપયોગ કરું છું" એમ કહેનાર અને તેમની કામ કરવાની રીતમાં વાસ્તવમાં ફેરફાર કરનાર વ્યક્તિ વચ્ચેનો તફાવત છે. The practical guide is here .

3. સંરક્ષિત કૉલમ તરફ જાણીજોઈને આગળ વધો. જો તમારું અઠવાડિયું 60% ખુલ્લા કાર્યો છે, તો નિર્ણય, ગ્રાહક સંપર્ક અને માલિકી સાથે કાર્ય માટે સ્વયંસેવક બનો. તે સામાન્ય રીતે ઉપલબ્ધ છે. તે કામ અઘરું છે અને લોકો તેને ટાળે છે.

4. સ્વચાલિત કરવાનું શીખો, માત્ર પ્રોમ્પ્ટ કરવા માટે નહીં. ટૂલ્સને વર્કફ્લોમાં એકસાથે જોડવું એ સારી રીતે પ્રોમ્પ્ટ કરવા કરતાં ભૌતિક રીતે વધુ મૂલ્યવાન છે. અને ઘણા ઓછા લોકો તે કરી શકે છે. Start here .

5. એવું કંઈક બનાવો જે તમારું છે. પ્રતિષ્ઠા. એક પ્રેક્ષક. એક પોર્ટફોલિયો. નેટવર્ક. આ નોકરીના વર્ણનની અંદર બેસતા નથી અને તેને ફરીથી ગોઠવી શકાતા નથી.

6. વોલ્યુમ પર સ્પર્ધા કરવાનું બંધ કરો. જો તમારું મૂલ્ય વધુ શબ્દો, વધુ ડેક, વધુ અહેવાલો ઉત્પન્ન કરી રહ્યું છે, તો તે લડાઈ હવે જીતી શકાતી નથી. તેના બદલે નિર્ણય, સ્વાદ અને જવાબદારી પર સ્પર્ધા કરો.

પ્રમાણિક સારાંશ

શું AI તમારી નોકરી લેશે? કદાચ એક ઘટના તરીકે નહીં. તે તમારા કાર્યોનો વધુ એક ભાગ લેશે. પછી શું થાય છે તેના પર આધાર રાખે છે કે તમે તે ભાગો તરફ આગળ વધો છો જે તે કરી શકતો નથી, અથવા ધકેલવાની રાહ જુઓ.

જે લોકો સંઘર્ષ કરે છે તે એવા નથી કે જેમની નોકરીઓ સ્વયંસંચાલિત થઈ ગઈ છે. તેઓ તે જ હશે જેમણે ખુલ્લા 40% હાથથી કરવાનું ચાલુ રાખ્યું, જ્યારે સાથીદારે તેને સ્વચાલિત કર્યું અને અન્ય 60% પર ફરીથી દાવો કરેલ સમય પસાર કર્યો.

હેડલાઇન વર્ઝન કરતાં તે ઘણી વધુ વ્યવસ્થિત સમસ્યા છે. અને તે એક છે જે તમે આ અઠવાડિયે શરૂ કરી શકો છો.

FAQs

શું AI મારી નોકરીને સંપૂર્ણપણે બદલી દેશે?

મોટા ભાગની જ્ઞાન ભૂમિકાઓ માટે, ના. એક ઘટના તરીકે નહીં. તે નોકરીની અંદર ચોક્કસ કાર્યોને સ્વચાલિત કરે છે. વાસ્તવિક પરિણામ એ છે કે યાંત્રિક ભાગ સંકોચવા સાથે, નિર્ણય, સંબંધો અને જવાબદારી તરફ તમારી ભૂમિકાને પુન: આકાર આપવી. જ્યાં લગભગ દરેક કાર્ય ચકાસી શકાય તેવા આઉટપુટ અને ઓછી ભૂલ કિંમત સાથે ટેક્સ્ટ-આધારિત હોય છે ત્યાં સંપૂર્ણ-રોલ રિપ્લેસમેન્ટ સંભવિત છે.

કઈ નોકરીઓ AI થી સૌથી વધુ જોખમમાં છે?

ટેક્સ્ટ અને ડેટામાં કેન્દ્રિત ભૂમિકાઓ સ્પષ્ટ સાચા જવાબો અને સસ્તી ભૂલો સાથે કામ કરે છે. એન્ટ્રી-લેવલ કૉપિરાઇટિંગ. નિયમિત સામગ્રી ઉત્પાદન. મૂળભૂત સંશોધન સારાંશ. સરળ ડેટા પ્રોસેસિંગ. પ્રથમ લાઇન સપોર્ટ. સૌથી ઓછું ખુલ્લું: કુશળ શારીરિક વેપાર, સંભાળ કાર્ય અને જવાબદારી, વાટાઘાટો અથવા અસ્પષ્ટતા હેઠળ નિર્ણય પર કેન્દ્રિત કંઈપણ.

મારી કારકિર્દીની સુરક્ષા માટે મારે કોડ શીખવું જોઈએ?

ખાસ કરીને AI રક્ષણ તરીકે નહીં. કોડિંગ ચકાસી શકાય તેવા આઉટપુટ સાથે ટેક્સ્ટ-આધારિત છે, જે તેને પ્રમાણમાં ખુલ્લું બનાવે છે. હાથથી કોડ લખવાનું શીખવા કરતાં ઓટોમેશન બનાવવાનું શીખવું વધુ ઉપયોગી છે. ખરેખર રક્ષણાત્મક કુશળતા મોટે ભાગે બિન-તકનીકી હોય છે: નિર્ણય, માલિકી, ગ્રાહક સંબંધો.

આ કેટલી ઝડપથી થશે?

ક્ષમતા જમાવટ કરતાં વધુ ઝડપથી આગળ વધી રહી છે. સંસ્થાઓ ધીમે ધીમે પ્રક્રિયાઓને બદલે છે. જવાબદારીના પ્રશ્નો વણઉકેલ્યા છે. વર્ષોથી ધીમે ધીમે રચનામાં ફેરફારની અપેક્ષા રાખો. તે અચાનક સામૂહિક રિપ્લેસમેન્ટ કરતાં વધુ વખત ભૂમિકાઓ બેકફિલ ન થવા પર દેખાશે.

કઈ કુશળતા હજુ પણ મૂલ્યવાન હશે?

નિર્ણયો માટે જવાબદારી. અધૂરી માહિતી સાથેનો ચુકાદો. સંબંધો અને વિશ્વાસ. શારીરિક અને પરિસ્થિતિગત કૌશલ્ય. AI સાધનો ક્યાં નિષ્ફળ જાય છે તેનું પ્રેક્ટિશનર-સ્તરનું જ્ઞાન. નોંધનીય રીતે, આમાંના મોટા ભાગના તકનીકી નથી.

શું અનુકૂલન કરવામાં મોડું થઈ ગયું છે?

ના. જમાવટ વહેલી છે અને મોટાભાગની સંસ્થાઓ ભાગ્યે જ ભૂતકાળમાં પ્રયોગ કરી રહી છે. જે વ્યક્તિ આગામી છ મહિનામાં ખરેખર અસ્ખલિત બને છે તે વહેલો છે, મોડો નથી.

મુખ્ય ઉપાયો

• સ્કોર કાર્યો, જોબ ટાઇટલ નહીં. તમારી નોકરી જંગલી રીતે અલગ એક્સપોઝર સાથે બંડલ છે. - ચાર પરીક્ષણો: ટેક્સ્ટ અથવા ડેટા ઇનપુટ, ચકાસી શકાય તેવું આઉટપુટ, સસ્તી ભૂલો, જવાબદારીની જરૂર નથી. - જે ભૂમિકાનું રક્ષણ કરે છે તે મોટે ભાગે બિન-તકનીકી છે: જવાબદારી, સંબંધો, શારીરિક કૌશલ્ય, નિર્ણય. - એન્ટ્રી લેવલના ટેક્સ્ટ વર્કને પહેલા ફટકો પડી રહ્યો છે, જે શાંતિથી સિનિયર બનવાના માર્ગને તોડી નાખે છે. - ટૂલ્સનો ઉપયોગ કરીને કોઈ વ્યક્તિ દ્વારા વાસ્તવિક જોખમ વધી રહ્યું છે, તેમના દ્વારા બદલવામાં આવતું નથી. - ધકેલવાની રાહ જોવાને બદલે, જાણી જોઈને સુરક્ષિત સ્તંભ તરફ આગળ વધો.

સંબંધિત વાંચન: the skills that actually matter in the age of AI , how to automate your work with AI , અને why ChatGPT gives wrong answers .