AI എൻ്റെ ജോലി ഏറ്റെടുക്കുമോ? അതിനെക്കുറിച്ച് ചിന്തിക്കാനുള്ള ഒരു പ്രായോഗിക മാർഗം

ആളുകൾ അതെ അല്ലെങ്കിൽ ഇല്ല എന്ന് ചോദിക്കുന്നു. അത് ഒന്നല്ല. ആർക്കും ഉത്തരം അറിയാത്തതുകൊണ്ടല്ല, മറിച്ച് "ജോലി" എന്നത് ചോദിക്കാനുള്ള തെറ്റായ യൂണിറ്റാണ്.

ജോലിസ്ഥലത്ത് മിക്കവാറും ആരും ഒരു കാര്യം ചെയ്യാറില്ല. നിങ്ങൾ ഒരു കൂട്ടം ജോലികൾ ചെയ്യുന്നു, AI ഓരോന്നിനും വ്യത്യസ്തമായി പ്രവർത്തിക്കുന്നു. ചിലത് ഇതിനകം തന്നെ മിക്കവാറും യാന്ത്രികമാണ്. ചിലത് പതിറ്റാണ്ടുകളായി. ചിലർ യഥാർത്ഥത്തിൽ നിങ്ങളെ കൂടുതൽ മൂല്യമുള്ളതാക്കുന്ന വിധത്തിൽ എളുപ്പമാക്കും, കുറവല്ല. നിങ്ങളുടെ ജോലി ശീർഷകത്തെക്കുറിച്ചുള്ള ഒരു വിധിയിലേക്ക് അതെല്ലാം ശരാശരി നൽകുക, നിങ്ങൾക്ക് യഥാർത്ഥത്തിൽ ആവശ്യമുള്ള വിവരങ്ങൾ നിങ്ങൾ വലിച്ചെറിയുക.

അതിനാൽ ഉപയോഗപ്രദമായ പതിപ്പ് ഇതാ. ടാസ്‌ക് പ്രകാരം നിങ്ങളുടെ സ്വന്തം എക്‌സ്‌പോഷർ ടാസ്‌ക് എങ്ങനെ പ്രവർത്തിക്കാം. എന്താണ് ഒരു റോളിനെ യഥാർത്ഥമായി സംരക്ഷിക്കുന്നത്. യഥാർത്ഥത്തിൽ അതിന് എന്താണ് ചെയ്യേണ്ടത്.

യഥാർത്ഥ സംവിധാനം: ജോലികളല്ല, ജോലികൾ

ഓട്ടോമേഷൻ പഠിക്കുന്ന സാമ്പത്തിക വിദഗ്ധർ വർഷങ്ങളായി ടാസ്‌ക് അടിസ്ഥാനമാക്കിയുള്ള ഫ്രെയിം ഉപയോഗിക്കുന്നു. മുഴുവൻ തൊഴിലുകളെയും കുറിച്ചുള്ള തലക്കെട്ട് പ്രവചനങ്ങളേക്കാൾ മികച്ചതാണ് ഇത്.

ഒരു മാർക്കറ്റിംഗ് മാനേജരെ എടുക്കുക. ഒരാഴ്‌ചയ്‌ക്കുള്ളിൽ ആ വ്യക്തിക്ക് കോപ്പി എഴുതാം, കാമ്പെയ്ൻ പ്രകടനം വിശകലനം ചെയ്യാം, ഒരു ക്ലയൻ്റ് കോളിൽ ഇരിക്കാം, അടുത്ത പാദത്തിൻ്റെ ബജറ്റ് ഏത് ചാനലിന് ലഭിക്കുമെന്ന് തീരുമാനിക്കാം, ഒരു ഡിസൈനറെ ധരിപ്പിക്കാം, രണ്ട് ടീമുകൾ തമ്മിലുള്ള വഴക്ക് പരിഹരിച്ച് ഒരു റിപ്പോർട്ട് ഉണ്ടാക്കാം.

ഇപ്പോൾ അവ ഓരോന്നും തരപ്പെടുത്തുക.

| ടാസ്ക് | എക്സ്പോഷർ | |---|---| | ആദ്യ ഡ്രാഫ്റ്റ് കോപ്പി എഴുതുന്നു | ഉയർന്ന, ഇതിനകം തന്നെ വലിയതോതിൽ ഓട്ടോമാറ്റിക് | | ഒരു പതിവ് റിപ്പോർട്ട് നിർമ്മിക്കുന്നു | ഉയർന്ന | | പ്രകടന ഡാറ്റ വിശകലനം ചെയ്യുന്നു | മിതമായ, അസിസ്റ്റഡ് മാറ്റിസ്ഥാപിച്ചിട്ടില്ല | | ഒരു ഡിസൈനറെ വിശദീകരിക്കുന്നു | മിതമായ | | ഒരു ക്ലയൻ്റ് കോൾ | കുറഞ്ഞ | | ബജറ്റ് വിഹിതം തീരുമാനിക്കുന്നു | താഴ്ന്ന, അത് ഉത്തരവാദിത്തം വഹിക്കുന്നു | | ഒരു ടീം വിയോജിപ്പ് പരിഹരിക്കുന്നു | വളരെ കുറവ് |

ജോലി സ്വയമേവയുള്ളതല്ല. ആഴ്ചയുടെ ഏകദേശം മൂന്നിലൊന്ന്. പിന്നീട് സംഭവിക്കുന്നത് ആവർത്തനമല്ല. ചലിക്കാത്ത ഭാഗങ്ങളിലേക്ക് റോൾ പുനർരൂപകൽപ്പന ചെയ്യുന്നു, ഒപ്പം പൊരുത്തപ്പെടുന്ന വ്യക്തി എല്ലായ്പ്പോഴും മൂല്യവത്തായ ജോലികൾ കൂടുതൽ ചെയ്യുന്നത് അവസാനിപ്പിക്കുന്നു.

മിക്ക വിജ്ഞാന സൃഷ്ടികളിലും പ്രതീക്ഷിക്കുന്ന മാതൃക അതാണ്. "നിങ്ങളുടെ ജോലി അപ്രത്യക്ഷമാകുന്നു" എന്നതിൽ നിന്ന് ഇത് യഥാർത്ഥത്തിൽ വ്യത്യസ്തമാണ്.

നിങ്ങളുടെ സ്വന്തം എക്സ്പോഷർ സ്കോർ ചെയ്യുക

ഇത് ശരിയായി ചെയ്യുക. ഏതൊരു വ്യവസായ റിപ്പോർട്ടിൽ നിന്നും ഒരു മണിക്കൂറിനുള്ളിൽ നിങ്ങൾക്ക് കൂടുതൽ പഠിക്കാനാകും.

ഘട്ടം 1. കഴിഞ്ഞ ആഴ്‌ച നിങ്ങൾ യഥാർത്ഥത്തിൽ ചെയ്‌തത് ഏകദേശം ഒരു മണിക്കൂർ ദൈർഘ്യമുള്ള ബ്ലോക്കുകളിൽ എഴുതുക. നിങ്ങളുടെ ജോലി വിവരണമല്ല. നിങ്ങൾ എന്താണ് ചെയ്തത്.

ഘട്ടം 2. നാല് ചോദ്യങ്ങൾക്കെതിരെ ഓരോ ബ്ലോക്കും സ്കോർ ചെയ്യുക.

1. ഇൻപുട്ടിൽ കൂടുതലും ടെക്‌സ്‌റ്റോ ഡാറ്റയോ ആണോ? ടെക്‌സ്‌റ്റും ഘടനാപരമായ ഡാറ്റയും ഈ സിസ്റ്റങ്ങൾ ശക്തമാണ്. ശാരീരിക ജോലി, അല്ലെങ്കിൽ ഒരു മുറിയുടെ വായനയെ ആശ്രയിക്കുന്ന ജോലി അല്ല. 2. വ്യക്തമായി ശരിയായ ഔട്ട്‌പുട്ട് ഉണ്ടോ? പരിശോധിക്കാവുന്ന ശരിയായ ഉത്തരമുള്ള ടാസ്‌ക്കുകൾ ജഡ്ജ്‌മെൻ്റ് കോളുകളേക്കാൾ വേഗത്തിൽ ഓട്ടോമേറ്റ് ചെയ്യുന്നു. 3. ഒരു തെറ്റ് വിലകുറഞ്ഞതായിരിക്കുമോ? വിലകുറഞ്ഞ പിശകുകൾ നേരത്തെ തന്നെ യാന്ത്രികമാക്കപ്പെടും. സാങ്കേതിക വിദ്യ പ്രാപ്തമായതിന് ശേഷവും ചെലവേറിയവ ഒരു മനുഷ്യനെ വലയത്തിൽ നിർത്തുന്നു. 4. അതിന് ഉത്തരവാദിത്തം ആവശ്യമുണ്ടോ? തീരുമാനം ആരെങ്കിലും സ്വന്തമാക്കണം. ഒരു മോഡലിന് ഉത്തരവാദിത്തമുണ്ടാകില്ല. സാങ്കേതിക പരിമിതിയായിട്ടല്ല. ഘടനാപരമായ ഒന്നായി.

അതെ 1 മുതൽ 2 വരെ, കൂടാതെ വിലകുറഞ്ഞ പിശകുകളും ഉത്തരവാദിത്തമില്ലാത്തതും ഉയർന്ന എക്സ്പോഷർ എന്നാണ് അർത്ഥമാക്കുന്നത്. കൂടുതൽ നോകൾ എന്നാൽ താഴ്ന്നത് എന്നാണ് അർത്ഥമാക്കുന്നത്.

ഘട്ടം 3. മണിക്കൂറുകൾ ചേർക്കുക. ആ ശതമാനമാണ് നിങ്ങളുടെ യഥാർത്ഥ ഉത്തരം. "വിപണനം യാന്ത്രികമാകുമോ?" എന്നതിനേക്കാൾ വളരെ ഉപയോഗപ്രദമാണ്.

മിക്ക ആളുകളും അവർ 20% മുതൽ 50% വരെ എവിടെയോ ആണെന്ന് കണ്ടെത്തുന്നു. തുറന്നുകാട്ടപ്പെടുന്ന പകുതി അവർ ഏറ്റവും കുറഞ്ഞത് ആസ്വദിക്കുന്ന പകുതിയായിരിക്കും.

യഥാർത്ഥത്തിൽ ഒരു റോൾ സംരക്ഷിക്കുന്നത് എന്താണ്

സീനിയോറിറ്റി അല്ല. സാങ്കേതികമല്ല. നാല് കാര്യങ്ങൾ.

1. ഉത്തരവാദിത്തം. ഒരു തീരുമാനം തെറ്റായി പോകുമ്പോൾ ആരെങ്കിലും ഉത്തരം പറയണം. അതൊരു നിയമപരവും സംഘടനാപരവുമായ ആവശ്യകതയാണ്, കഴിവുള്ള വിടവല്ല. എത്ര മികച്ച മോഡലുകൾ ലഭിച്ചാലും ഇത് യാന്ത്രികമാകില്ല.

2. ശാരീരിക സാന്നിധ്യവും വൈദഗ്ധ്യവും. റോബോട്ടിക്സ് ഭാഷാ മോഡലുകളേക്കാൾ വളരെ പതുക്കെയാണ് നീങ്ങുന്നത്. നൈപുണ്യമുള്ള ട്രേഡുകൾ, പരിചരണ ജോലികൾ, പ്രവചനാതീതവും ശാരീരികവുമായ എന്തും, മിക്ക ഓഫീസ് ജോലികളേക്കാളും വളരെ കുറവാണ്. പത്ത് വർഷം മുമ്പ് ആളുകൾക്ക് ഉണ്ടായിരുന്ന ഒരുപാട് അനുമാനങ്ങളെ ഇത് തകിടം മറിക്കുന്നു.

3. ബന്ധങ്ങളും വിശ്വാസവും. ഉപഭോക്താക്കൾ അവർ വിശ്വസിക്കുന്ന ആളുകളിൽ നിന്ന് വാങ്ങുന്നു. ചർച്ചകൾ. ബുദ്ധിമുട്ടുള്ള സംഭാഷണങ്ങൾ. ആരെങ്കിലും പറഞ്ഞതിന് പകരം എന്താണ് അർത്ഥമാക്കുന്നത് എന്ന് വായിക്കുന്നു. ദുർബലമായി തുറന്നുകാട്ടപ്പെടുന്നു, എല്ലാം.

4. അവ്യക്തതയ്ക്ക് കീഴിലുള്ള വിധി. "ക്ലീൻ ഡാറ്റ നൽകിയിരിക്കുന്ന ഒപ്റ്റിമൽ ഓപ്ഷൻ" അല്ല. അത് യാന്ത്രികമാണ്. യഥാർത്ഥ അവ്യക്തത "ഞങ്ങൾക്ക് അപൂർണ്ണമായ വിവരങ്ങളുണ്ട്, മത്സരിക്കുന്ന മുൻഗണനകളും സമയപരിധിയും ഉണ്ട്, ഞങ്ങൾ എന്തുചെയ്യും?" അതിന് സന്ദർഭവും ഉടമസ്ഥതയും നാഡിയും ആവശ്യമാണ്.

ഇവ മിക്കവാറും സാങ്കേതിക കഴിവുകളല്ലെന്ന് ശ്രദ്ധിക്കുക. AI സംരക്ഷണം എന്ന നിലയിൽ "കോഡ് പഠിക്കുക" എന്ന പൊതുവായ ഉപദേശം പിന്നിലേക്ക് അടുത്താണ്. പരിശോധിക്കാവുന്ന ഔട്ട്‌പുട്ടുകൾ ഉപയോഗിച്ച് കോഡിംഗ് ടെക്‌സ്‌റ്റ് അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഇത് കൂടുതൽ തുറന്ന വിജ്ഞാന ടാസ്‌ക്കുകളിൽ ഒന്നാണ്.

യഥാർത്ഥത്തിൽ അപകടസാധ്യതയുള്ളത്

ഉറപ്പുനൽകുന്നതിനുപകരം സത്യസന്ധത പുലർത്തുക, കാരണം തെറ്റായ ആശ്വാസം വ്യക്തമായ കാഴ്ചയെക്കാൾ മോശമാണ്.

എൻട്രി ലെവൽ ടെക്സ്റ്റ് വർക്കാണ് ആദ്യം ഹിറ്റ് ചെയ്യുന്നത്. അടിസ്ഥാന കോപ്പിറൈറ്റിംഗ്. പതിവ് ഉള്ളടക്ക നിർമ്മാണം. ഫസ്റ്റ് പാസ് ഗവേഷണ സംഗ്രഹങ്ങൾ. ലളിതമായ ഡാറ്റ എൻട്രിയും ഫോർമാറ്റിംഗും. AI അവയെ മികച്ചതാക്കുന്നതുകൊണ്ടല്ല. കാരണം അത് വിലയുടെ ഒരു അംശത്തിൽ അവരെ സ്വീകാര്യമായി ചെയ്യുന്നു.

ഇത് ഒരു യഥാർത്ഥ ഘടനാപരമായ പ്രശ്നം സൃഷ്ടിക്കുന്നു. ജൂനിയർ വേഷങ്ങൾ ആളുകൾ എങ്ങനെ വിധിനിർണയം പഠിച്ചു. ആ വേഷങ്ങൾ മങ്ങിയാൽ, മുതിർന്ന വ്യക്തിയാകാനുള്ള വഴി ചുരുങ്ങും. ഇത് പ്രൊഫഷനെ സംബന്ധിച്ചിടത്തോളം ഒരു യഥാർത്ഥ പ്രശ്നമാണ്, ആരും അത് പരിഹരിച്ചിട്ടില്ല.

പതിവ് വിശകലനം കംപ്രസ്സുചെയ്യുന്നു. ഒഴിവാക്കിയിട്ടില്ല. എന്നാൽ നല്ല ടൂളിംഗ് ഉള്ള ഒരു അനലിസ്റ്റ് ഇപ്പോൾ മൂന്ന് പേർ ചെയ്തിരുന്നത് ചെയ്യുന്നു.

"ആവശ്യത്തിന്" ഉത്തരം തൃപ്തികരമാകുന്ന എന്തും തുറന്നുകാട്ടപ്പെടുന്നു. നിലവാരമുള്ളിടത്ത് സീലിംഗിന് പകരം തറയാണ് ഉള്ളത്. പതിവ് വിവർത്തനം. അടിസ്ഥാന പിന്തുണ. സ്റ്റാൻഡേർഡ് പ്രമാണങ്ങൾ. ചെലവ് വിജയിക്കുന്നു.

റിയലിസ്റ്റിക് സമീപകാല ചിത്രം

രണ്ട് കാര്യങ്ങൾ ഒരേസമയം സത്യമാണ്. മിക്ക കമൻ്ററികളും ഒന്ന് തിരഞ്ഞെടുക്കുകയും മറ്റൊന്നിനെ അവഗണിക്കുകയും ചെയ്യുന്നു.

AI ഇപ്പോൾ സ്കെയിലിൽ മുഴുവൻ റോളുകളും മാറ്റിസ്ഥാപിക്കുന്നില്ല. വിന്യാസം കഴിവിനേക്കാൾ മന്ദഗതിയിലാണ്. പ്രക്രിയ മാറ്റത്തിൽ ഓർഗനൈസേഷനുകൾ മോശമാണ്. സംയോജനം കഠിനമാണ്. ഉത്തരവാദിത്ത ചോദ്യങ്ങൾ പരിഹരിക്കപ്പെട്ടിട്ടില്ല. മിക്ക കമ്പനികളും ഇത് ഒരു അസിസ്റ്റൻ്റായിട്ടാണ് ഉപയോഗിക്കുന്നത്, പകരം വയ്ക്കലല്ല.

എന്നാൽ റോളുകളുടെ ഘടന അതിവേഗം മാറുകയാണ്. ആദ്യം ബാധിച്ച ആളുകൾ അവരുടെ ജോലി കൂടുതലും തുറന്ന കോളത്തിൽ ആയിരുന്നു. ഈ മാറ്റം സാധാരണയായി "പുറത്തുപോയ ആ വ്യക്തിയെ ഞങ്ങൾ മാറ്റിസ്ഥാപിക്കുന്നില്ല" എന്നാണ് കാണിക്കുന്നത്, ആവർത്തനമല്ല.

അതിനാൽ മിക്ക ആളുകളുടെയും അപകടസാധ്യത പുറത്താക്കപ്പെടുന്നില്ല. മെക്കാനിക്കൽ ഭാഗങ്ങൾ നീക്കംചെയ്ത് അതേ റോൾ ചെയ്യുന്ന ഒരാൾ ഇത് ക്രമേണ മറികടക്കുന്നു. ഒരേ ശമ്പളത്തിന് കൂടുതൽ വേഗത്തിൽ ഉൽപ്പാദിപ്പിക്കുന്നു. അതൊരു മത്സര അപകടമാണ്. അത് അഭിസംബോധന ചെയ്യാവുന്നതുമാണ്.

മുമ്പത്തെ ഓട്ടോമേഷൻ തരംഗങ്ങൾ യഥാർത്ഥത്തിൽ എന്താണ് ചെയ്തത്

അറിയുന്നത് മൂല്യവത്താണ്, കാരണം പാറ്റേൺ ആവർത്തിക്കുകയും അതിൻ്റെ ജനപ്രിയ പതിപ്പ് രണ്ട് ദിശകളിലും തെറ്റാണ്.

എടിഎമ്മുകൾ ബാങ്ക് ടെല്ലർമാരെ ഒഴിവാക്കിയില്ല. അവർ ചെയ്തുവെന്ന് സാധാരണ പറയാറുണ്ട്. യഥാർത്ഥത്തിൽ സംഭവിച്ചത്, ജെയിംസ് ബെസെൻ തൻ്റെ study of ATMs and teller employment-ൽ വിവരിച്ചതുപോലെ, എടിഎമ്മുകൾ ശാഖകൾ പ്രവർത്തിപ്പിക്കാൻ ചെലവുകുറഞ്ഞതാക്കി എന്നതാണ്. അതിനാൽ ബാങ്കുകൾ അവയിൽ കൂടുതൽ തുറന്നു. ടെല്ലർ നമ്പറുകൾ വർഷങ്ങളോളം നിലനിർത്തി, അതേസമയം ജോലി പണം എണ്ണുന്നതിൽ നിന്ന് ഉൽപ്പന്നങ്ങൾ വിൽക്കുന്നതിലേക്കും ഒഴിവാക്കലുകൾ കൈകാര്യം ചെയ്യുന്നതിലേക്കും മാറി. ചുമതല യാന്ത്രികമായി. ശേഷിച്ചതിനെ ചുറ്റിപ്പറ്റി റോൾ പുനഃസംഘടിപ്പിച്ചു.

സ്‌പ്രെഡ്‌ഷീറ്റുകൾ ബുക്ക്‌കീപ്പർമാരെ ഒഴിവാക്കിയില്ല. അവർ മാനുവൽ കണക്ക് ഒഴിവാക്കി, അത് മിക്ക ജോലികളും ആയിരുന്നു. ബുക്ക് കീപ്പിംഗ് തൊഴിൽ കാലക്രമേണ കുറഞ്ഞു. അക്കൗണ്ടിംഗും സാമ്പത്തിക വിശകലനവും വളർന്നു. മൂല്യ ശൃംഖലയിൽ കൂടുതൽ പ്രയോഗിച്ച അതേ കഴിവുകൾ, തുകകൾക്ക് പകരം ചോദ്യങ്ങൾക്ക്.

വ്യാവസായിക റോബോട്ടുകൾ നിർദ്ദിഷ്ട നിർമ്മാണ റോളുകൾ മാറ്റിസ്ഥാപിച്ചു. അതാണ് സത്യസന്ധമായ എതിർഭാരം. ചില പ്രദേശങ്ങളിൽ, സ്ഥാനചലനം കേന്ദ്രീകൃതവും ശാശ്വതവും പുതിയ ജോലികളാൽ പ്രാദേശികമായി നികത്തപ്പെട്ടതുമല്ല. നഷ്ടം നിങ്ങളുടെ നഗരത്തിലാണെങ്കിൽ ലാഭം മറ്റെവിടെയെങ്കിലും ആണെങ്കിൽ മൊത്തത്തിലുള്ള ശുഭാപ്തിവിശ്വാസം വളരെ ആശ്വാസകരമല്ല. ഏതൊക്കെ റോളുകൾ പോയി, ഏതാണ് വളർന്നത് എന്നതിനെക്കുറിച്ചുള്ള ഏറ്റവും കൂടുതൽ വിശദാംശങ്ങൾ ലഭ്യമായ തരംഗം കൂടിയാണിത്. മേൽനോട്ടമില്ലാതെ ഒരു പ്രോസസ്സ് പ്രവർത്തിക്കുന്നതിന് മുമ്പ് നിലനിർത്തേണ്ട വ്യവസ്ഥകളിലൂടെയാണ് What dark factories actually tell us പ്രവർത്തിക്കുന്നത്. ആ അവസ്ഥകൾ എക്സ്പോഷറിൻ്റെ കൃത്യമായ പ്രവചനമായി മാറുന്നു.

അതിനാൽ പാറ്റേൺ "ഒന്നും സംഭവിക്കുന്നില്ല" അല്ലെങ്കിൽ "എല്ലാം പോകുന്നു":

• ടാസ്ക് ഓട്ടോമേറ്റഡ്, വിശ്വസനീയമായി. - റോൾ സാധാരണയായി നിലനിൽക്കുന്നു, യാന്ത്രികമാക്കാത്തതിനെ ചുറ്റിപ്പറ്റി പുനഃസംഘടിപ്പിക്കുന്നു. - മൊത്തത്തിലുള്ള തൊഴിൽ പിടിച്ചുനിൽക്കുകയോ വളരുകയോ ചെയ്യുന്നു. എന്നാൽ തുല്യമല്ല, എല്ലാവർക്കും വേണ്ടിയല്ല. - മോശമായി ചെയ്യുന്ന ആളുകൾ, അവരുടെ ജോലി ഏതാണ്ട് പൂർണ്ണമായും സ്വയമേവയുള്ള ടാസ്‌ക് ആയിരുന്നു, അതിനടുത്തായി ഒന്നും മാറാൻ കഴിയില്ല.

ഈ സമയം ഒരു കാര്യം ഗൗരവമായി എടുക്കേണ്ടതാണ്. മുമ്പത്തെ തരംഗങ്ങൾ കൂടുതലും ശാരീരികമോ ഗണിതമോ ആയ ജോലികളെ യാന്ത്രികമാക്കി, കൂടാതെ രക്ഷപ്പെടാനുള്ള വഴി വൈജ്ഞാനിക ജോലിയിലേക്ക് നീങ്ങുക എന്നതായിരുന്നു. ഈ തരംഗം വൈജ്ഞാനിക പ്രവർത്തനത്തിലേക്ക് നേരിട്ട് വിരൽ ചൂണ്ടുന്നു. രക്ഷപ്പെടൽ വഴി പകരം വിധി, ഉത്തരവാദിത്തം, ശാരീരിക വൈദഗ്ദ്ധ്യം എന്നിവയിലേക്ക് നീങ്ങുന്നു. അത്ര പരിചിതമല്ലാത്ത ഒരു ദിശയാണിത്. അതുകൊണ്ടാണ് "വിജ്ഞാന പ്രവർത്തനത്തിലേക്ക്" പുനർ നൈപുണ്യത്തെ കുറിച്ചുള്ള സാധാരണ ഉപദേശം അതിനേക്കാൾ ഉപയോഗപ്രദമല്ലാത്തത്.

യഥാർത്ഥത്തിൽ എന്താണ് ചെയ്യേണ്ടത്, അടുത്ത 90 ദിവസം

കോൺക്രീറ്റ്. ക്രമത്തിൽ.

1. മുകളിലുള്ള എക്സ്പോഷർ ഓഡിറ്റ് ചെയ്യുക. ഒരു മണിക്കൂർ. നിങ്ങൾക്ക് ഇല്ലാത്ത ഒരു നമ്പറിനെതിരെ നിങ്ങൾക്ക് പ്ലാൻ ചെയ്യാൻ കഴിയില്ല.

2. ടൂളുകൾ ഉപയോഗിച്ച് ആത്മാർത്ഥമായി പ്രാവീണ്യം നേടുക. ഡബ്ലിംഗ് അല്ല. ആവർത്തിച്ചുള്ള ഒരു ടാസ്‌ക് തിരഞ്ഞെടുത്ത് ഒരു മാസത്തേക്ക് അതിൽ AI ഉപയോഗിക്കുക, അത് എവിടെയാണ് ശക്തമെന്നും എവിടെയാണ് പരാജയപ്പെടുന്നതെന്നും അറിയുന്നത് വരെ. പരാജയ മോഡുകളെക്കുറിച്ചുള്ള പ്രാക്ടീഷണർ-ലെവൽ അറിവ് ഒരു വിരളമായ കഴിവാണ്. "ഞാൻ ChatGPT ഉപയോഗിക്കുന്നു" എന്ന് പറയുന്ന ഒരാളും അവർ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നത് യഥാർത്ഥത്തിൽ മാറ്റിയിട്ടുള്ള ഒരാളും തമ്മിലുള്ള വ്യത്യാസമാണ്. The practical guide is here .

3. സംരക്ഷിത നിരയിലേക്ക് ബോധപൂർവം നീങ്ങുക. നിങ്ങളുടെ ആഴ്‌ച 60% തുറന്ന ജോലികളാണെങ്കിൽ, വിധി, ക്ലയൻ്റ് കോൺടാക്‌റ്റ്, ഉടമസ്ഥാവകാശം എന്നിവ ഉപയോഗിച്ച് ജോലിക്ക് സന്നദ്ധരാവുക. ഇത് സാധാരണയായി ലഭ്യമാണ്. ആ ജോലി കൂടുതൽ കഠിനമാണ്, ആളുകൾ അത് ഒഴിവാക്കുന്നു.

4. പ്രോംപ്റ്റ് ചെയ്യാൻ മാത്രമല്ല, ഓട്ടോമേറ്റ് ചെയ്യാൻ പഠിക്കൂ. ഒരു വർക്ക്ഫ്ലോയിലേക്ക് ടൂളുകൾ ഒരുമിച്ച് ചേർക്കുന്നത് നന്നായി ആവശ്യപ്പെടുന്നതിനേക്കാൾ കൂടുതൽ മൂല്യമുള്ളതാണ്. വളരെ കുറച്ച് ആളുകൾക്ക് അത് ചെയ്യാൻ കഴിയും. Start here .

5. നിങ്ങളുടേതായ എന്തെങ്കിലും നിർമ്മിക്കുക. ഒരു പ്രശസ്തി. ഒരു പ്രേക്ഷകൻ. ഒരു പോർട്ട്ഫോളിയോ. ഒരു നെറ്റ്‌വർക്ക്. ഇവ ഒരു ജോലി വിവരണത്തിനുള്ളിൽ ഇരിക്കില്ല, അവ പുനഃസംഘടിപ്പിക്കാനും കഴിയില്ല.

6. വോളിയത്തിൽ മത്സരിക്കുന്നത് നിർത്തുക. നിങ്ങളുടെ മൂല്യം കൂടുതൽ വാക്കുകളും കൂടുതൽ ഡെക്കുകളും കൂടുതൽ റിപ്പോർട്ടുകളും സൃഷ്ടിക്കുന്നുണ്ടെങ്കിൽ, ആ പോരാട്ടം ഇപ്പോൾ വിജയിക്കാനാവില്ല. പകരം വിധി, അഭിരുചി, ഉത്തരവാദിത്തം എന്നിവയിൽ മത്സരിക്കുക.

സത്യസന്ധമായ സംഗ്രഹം

AI നിങ്ങളുടെ ജോലി ഏറ്റെടുക്കുമോ? ഒരു പക്ഷേ ഒരു സംഭവമായിട്ടല്ല. ഇത് നിങ്ങളുടെ ടാസ്ക്കുകളുടെ ഒരു ഭാഗം എടുക്കും. അതിന് ശേഷം എന്ത് സംഭവിക്കും, അത് ചെയ്യാൻ കഴിയാത്ത ഭാഗത്തേക്ക് നിങ്ങൾ നീങ്ങുന്നുണ്ടോ, അതോ തള്ളപ്പെടാൻ കാത്തിരിക്കുകയാണോ എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു.

സമരം ചെയ്യുന്ന ആളുകൾ അവരുടെ ജോലികൾ യാന്ത്രികമാക്കിയവരായിരിക്കില്ല. എക്‌സ്‌പോസ്‌ഡ് 40% കൈകൊണ്ട് ചെയ്യുന്നത് അവരായിരിക്കും, അതേസമയം ഒരു സഹപ്രവർത്തകൻ അത് ഓട്ടോമേറ്റ് ചെയ്യുകയും മറ്റ് 60% റിക്ലെയിം ചെയ്‌ത സമയം ചെലവഴിക്കുകയും ചെയ്യും.

തലക്കെട്ട് പതിപ്പിനേക്കാൾ വളരെ കൈകാര്യം ചെയ്യാവുന്ന പ്രശ്നമാണിത്. നിങ്ങൾക്ക് ഈ ആഴ്‌ച ആരംഭിക്കാൻ കഴിയുന്ന ഒന്നാണിത്.

പതിവുചോദ്യങ്ങൾ

AI എൻ്റെ ജോലി പൂർണ്ണമായും മാറ്റിസ്ഥാപിക്കുമോ?

മിക്ക വിജ്ഞാന വേഷങ്ങൾക്കും, ഇല്ല. ഒരൊറ്റ സംഭവമായിട്ടല്ല. ഇത് ഒരു ജോലിക്കുള്ളിലെ നിർദ്ദിഷ്ട ജോലികൾ ഓട്ടോമേറ്റ് ചെയ്യുന്നു. യാഥാർത്ഥ്യമായ ഫലം, മെക്കാനിക്കൽ ഭാഗം ചുരുങ്ങിക്കൊണ്ട്, വിധി, ബന്ധങ്ങൾ, ഉത്തരവാദിത്തം എന്നിവയിലേക്ക് നിങ്ങളുടെ പങ്ക് പുനഃക്രമീകരിക്കുന്നതാണ്. പരിശോധിച്ചുറപ്പിക്കാവുന്ന ഔട്ട്‌പുട്ടുകളും കുറഞ്ഞ പിശക് ചെലവും ഉപയോഗിച്ച് മിക്കവാറും എല്ലാ ജോലികളും ടെക്‌സ്‌റ്റ് അടിസ്ഥാനമാക്കിയുള്ളതാണ് ഹോൾ-റോൾ റീപ്ലേസ്‌മെൻ്റ്.

AI-ൽ നിന്ന് ഏറ്റവും കൂടുതൽ അപകടസാധ്യതയുള്ള ജോലികൾ ഏതാണ്?

വാചകത്തിലും ഡാറ്റയിലും കേന്ദ്രീകരിച്ചിരിക്കുന്ന റോളുകൾ വ്യക്തമായ ശരിയായ ഉത്തരങ്ങളും വിലകുറഞ്ഞ തെറ്റുകളും ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നു. എൻട്രി ലെവൽ കോപ്പിറൈറ്റിംഗ്. പതിവ് ഉള്ളടക്ക നിർമ്മാണം. അടിസ്ഥാന ഗവേഷണ സംഗ്രഹം. ലളിതമായ ഡാറ്റ പ്രോസസ്സിംഗ്. ആദ്യ വരി പിന്തുണ. ഏറ്റവും കുറവ് വെളിപ്പെടുത്തുന്നത്: നൈപുണ്യമുള്ള ശാരീരിക വ്യാപാരങ്ങൾ, പരിചരണ ജോലികൾ, അവ്യക്തതയിൽ ഉത്തരവാദിത്തം, ചർച്ചകൾ അല്ലെങ്കിൽ വിധിന്യായം എന്നിവയെ കേന്ദ്രീകരിച്ചുള്ള എന്തും.

എൻ്റെ കരിയർ സംരക്ഷിക്കാൻ ഞാൻ കോഡ് പഠിക്കേണ്ടതുണ്ടോ?

പ്രത്യേകമായി AI സംരക്ഷണമല്ല. പരിശോധിക്കാവുന്ന ഔട്ട്‌പുട്ടുകൾ ഉപയോഗിച്ച് കോഡിംഗ് ടെക്‌സ്‌റ്റ് അധിഷ്‌ഠിതമാണ്, അത് താരതമ്യേന തുറന്നുകാട്ടപ്പെടുന്നു. കൈകൊണ്ട് കോഡ് എഴുതാൻ പഠിക്കുന്നതിനേക്കാൾ ഉപകാരപ്രദമാണ് ഓട്ടോമേഷനുകൾ നിർമ്മിക്കാൻ പഠിക്കുന്നത്. യഥാർത്ഥ സംരക്ഷണ കഴിവുകൾ മിക്കവാറും സാങ്കേതികമല്ലാത്തവയാണ്: വിധി, ഉടമസ്ഥാവകാശം, ക്ലയൻ്റ് ബന്ധങ്ങൾ.

ഇത് എത്ര വേഗത്തിൽ സംഭവിക്കും?

വിന്യാസത്തേക്കാൾ വേഗത്തിലാണ് കഴിവ് നീങ്ങുന്നത്. ഓർഗനൈസേഷനുകൾ പ്രക്രിയകൾ പതുക്കെ മാറ്റുന്നു. ഉത്തരവാദിത്ത ചോദ്യങ്ങൾ പരിഹരിക്കപ്പെട്ടിട്ടില്ല. വർഷങ്ങളായി ക്രമാനുഗതമായ ഘടനയിൽ മാറ്റം പ്രതീക്ഷിക്കുക. പെട്ടെന്നുള്ള മാസ് റീപ്ലേസ്‌മെൻ്റ് എന്നതിലുപരി റോളുകൾ ബാക്ക്‌ഫിൽ ചെയ്യപ്പെടാത്തതായി ഇത് പലപ്പോഴും കാണിക്കും.

എന്ത് കഴിവുകൾ ഇപ്പോഴും വിലപ്പെട്ടതായിരിക്കും?

തീരുമാനങ്ങളുടെ ഉത്തരവാദിത്തം. അപൂർണ്ണമായ വിവരങ്ങളുള്ള വിധി. ബന്ധങ്ങളും വിശ്വാസവും. ശാരീരികവും സാഹചര്യവുമായ കഴിവ്. AI ഉപകരണങ്ങൾ എവിടെയാണ് പരാജയപ്പെടുന്നത് എന്നതിനെക്കുറിച്ചുള്ള പ്രാക്ടീഷണർ തലത്തിലുള്ള അറിവ്. ഇതിൽ ഭൂരിഭാഗവും സാങ്കേതികമല്ല എന്നത് ശ്രദ്ധേയമാണ്.

പൊരുത്തപ്പെടാൻ വൈകിയോ?

ഇല്ല. വിന്യാസം നേരത്തെയുള്ളതാണ്, മിക്ക ഓർഗനൈസേഷനുകളും പരീക്ഷണം കഴിഞ്ഞിട്ടില്ല. അടുത്ത ആറ് മാസത്തിനുള്ളിൽ ആത്മാർത്ഥമായി സംസാരിക്കുന്ന ഒരാൾ നേരത്തെയാണ്, വൈകില്ല.

പ്രധാന ടേക്ക്അവേകൾ

• ജോലിയുടെ പേരുകളല്ല, ടാസ്‌ക്കുകൾ സ്‌കോർ ചെയ്യുക. നിങ്ങളുടെ ജോലി വളരെ വ്യത്യസ്തമായ എക്സ്പോഷർ ഉള്ള ഒരു ബണ്ടിൽ ആണ്. - നാല് ടെസ്റ്റുകൾ: ടെക്സ്റ്റ് അല്ലെങ്കിൽ ഡാറ്റ ഇൻപുട്ട്, പരിശോധിക്കാവുന്ന ഔട്ട്പുട്ട്, വിലകുറഞ്ഞ പിശകുകൾ, ഉത്തരവാദിത്തം ആവശ്യമില്ല. - ഒരു റോൾ സംരക്ഷിക്കുന്നത് മിക്കവാറും സാങ്കേതികമല്ലാത്തതാണ്: ഉത്തരവാദിത്തം, ബന്ധങ്ങൾ, ശാരീരിക വൈദഗ്ദ്ധ്യം, വിധി. - എൻട്രി ലെവൽ ടെക്‌സ്‌റ്റ് വർക്കാണ് ആദ്യം ഹിറ്റ് ചെയ്യുന്നത്, ഇത് സീനിയർ ആകാനുള്ള പാതയെ നിശബ്ദമായി തകർക്കുന്നു. - റിയലിസ്റ്റിക് അപകടസാധ്യത ആരെങ്കിലും ടൂളുകൾ ഉപയോഗിച്ച് മറികടക്കുകയാണ്, പകരം അവയ്ക്ക് പകരം വയ്ക്കുന്നില്ല. - തള്ളപ്പെടാൻ കാത്തിരിക്കുന്നതിനുപകരം, സംരക്ഷിത നിരയിലേക്ക് ബോധപൂർവം നീങ്ങുക.

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