एआय माझी नोकरी घेईल का? याचा विचार करण्याचा एक व्यावहारिक मार्ग

लोक हो किंवा नाही म्हणून विचारतात. ते एक नाही. कोणालाच उत्तर माहित नाही म्हणून नाही, तर "नोकरी" हे विचारण्यासाठी चुकीचे युनिट आहे म्हणून.

कामावर जवळजवळ कोणीही एक गोष्ट करत नाही. तुम्ही अनेक कार्ये करता आणि AI प्रत्येकाला वेगळ्या पद्धतीने मारते. काही आधीच बहुतेक स्वयंचलित आहेत. काही दशके बाहेर आहेत. काही प्रत्यक्षात अशा प्रकारे सोपे होतील ज्यामुळे तुम्हाला अधिक मौल्यवान बनते, कमी नाही. त्या सर्वांची सरासरी तुमच्या नोकरीच्या शीर्षकाबाबत निर्णय घ्या आणि तुम्हाला प्रत्यक्षात आवश्यक असलेली माहिती तुम्ही फेकून द्या.

तर येथे उपयुक्त आवृत्ती आहे. कार्यानुसार आपले स्वतःचे प्रदर्शन कार्य कसे करावे. काय खरोखर भूमिका संरक्षित करते. त्याबद्दल प्रत्यक्षात काय करावे.

खरी यंत्रणा: कार्ये, नोकऱ्या नाहीत

ऑटोमेशनचा अभ्यास करणाऱ्या अर्थशास्त्रज्ञांनी अनेक वर्षांपासून टास्क-आधारित फ्रेमचा वापर केला आहे. हे संपूर्ण व्यवसायांबद्दलच्या मथळ्याच्या अंदाजापेक्षा बरेच चांगले आहे.

मार्केटिंग मॅनेजर घ्या. एका आठवड्यात ती व्यक्ती कॉपी लिहू शकते, मोहिमेच्या कामगिरीचे विश्लेषण करू शकते, क्लायंट कॉलवर बसू शकते, पुढील तिमाहीचे बजेट कोणत्या चॅनेलला मिळेल ते ठरवू शकते, डिझायनरला थोडक्यात सांगू शकते, दोन संघांमधील भांडण सोडवू शकते आणि अहवाल तयार करू शकते.

आता त्या एका वेळी ग्रेड करा.

| कार्य | एक्सपोजर | |---|---| | प्रथम-मसुदा प्रत लिहिणे | उच्च, आधीच मोठ्या प्रमाणात स्वयंचलित | | एक नियमित अहवाल तयार करणे | उच्च | | कार्यप्रदर्शन डेटाचे विश्लेषण करणे | मध्यम, सहाय्य बदलले नाही | | डिझायनरची माहिती देणे | मध्यम | | क्लायंट कॉल | कमी | | बजेट वाटप ठरवणे | कमी, त्यात जबाबदारी आहे | | संघातील मतभेद सोडवणे | खूप कमी |

काम स्वयंचलित नाही. आठवड्याचा अंदाजे एक तृतीयांश आहे. पुढे काय होते ते रिडंडन्सी नाही. भूमिका न हललेल्या भागांच्या दिशेने बदलते, आणि जो माणूस जुळवून घेतो तो नेहमीच मौल्यवान काम करत असतो.

बहुतेक ज्ञानाच्या कामात असाच नमुना अपेक्षित आहे. आणि ते "तुमची नोकरी गायब" पेक्षा खरोखर वेगळे आहे.

तुमचे स्वतःचे एक्सपोजर स्कोअर करा

हे नीट करा. कोणत्याही उद्योग अहवालापेक्षा तुम्ही एका तासात अधिक जाणून घ्याल.

पायरी 1. तुम्ही गेल्या आठवड्यात काय केले ते साधारणतः एका तासाच्या ब्लॉकमध्ये लिहा. तुमच्या नोकरीचे वर्णन नाही. आपण काय केले.

पायरी २. प्रत्येक ब्लॉकला चार प्रश्नांविरुद्ध गुणांकन करा.

1. इनपुट बहुतेक मजकूर किंवा डेटा आहे का? मजकूर आणि संरचित डेटा जेथे या प्रणाली मजबूत आहेत. शारीरिक काम, किंवा काम जे खोलीच्या वाचनावर अवलंबून असते, ते नाही. 2. स्पष्टपणे योग्य आउटपुट आहे का? पडताळणीयोग्य योग्य उत्तरासह कार्ये निर्णय कॉलपेक्षा जलद स्वयंचलित होतात. 3. चूक स्वस्त होईल का? स्वस्त चुका लवकर स्वयंचलित होतात. तंत्रज्ञान सक्षम झाल्यानंतर महागड्या माणसाला लूपमध्ये ठेवतात. 4. याला उत्तरदायित्वाची गरज आहे का? निर्णय कुणाला तरी घ्यावा लागतो. मॉडेल जबाबदार असू शकत नाही. तांत्रिक मर्यादा म्हणून नाही. संरचनात्मक म्हणून.

होय ते 1 आणि 2, तसेच स्वस्त त्रुटी आणि जबाबदारी नाही, म्हणजे उच्च प्रदर्शन. अधिक नळ म्हणजे कमी.

पायरी ३. तास जोडा. ती टक्केवारी तुमचे खरे उत्तर आहे. "विपणन स्वयंचलित होईल का?" पेक्षा कितीतरी अधिक उपयुक्त

बहुतेक लोकांना ते 20% आणि 50% च्या दरम्यान आढळतात. आणि उघड झालेला अर्धा भाग त्यांना कमीत कमी आनंद देणारा अर्धा असतो.

खरोखर काय भूमिका संरक्षित करते

ज्येष्ठता नाही. तांत्रिक नसणे. चार गोष्टी.

१. उत्तरदायित्व. निर्णय चुकीचा झाल्यास कोणीतरी जबाबदार असणे आवश्यक आहे. ही कायदेशीर आणि संस्थात्मक आवश्यकता आहे, क्षमता अंतर नाही. मॉडेल कितीही चांगले असले तरीही ते स्वयंचलित होणार नाही.

२. शारीरिक उपस्थिती आणि निपुणता. रोबोटिक्स भाषा मॉडेल्सपेक्षा खूपच हळू चालत आहे. कौशल्यपूर्ण व्यवहार, काळजीचे काम, काहीही अप्रत्याशित आणि भौतिक, बहुतेक कार्यालयीन कामांपेक्षा खूपच कमी उघड आहे. जे लोकांच्या दहा वर्षांपूर्वीच्या अनेक गृहितकांना उलथवून टाकते.

३. नातेसंबंध आणि विश्वास. ग्राहक त्यांचा विश्वास असलेल्या लोकांकडून खरेदी करतात. वाटाघाटी. अवघड संभाषणे. कोणी काय बोलले याऐवजी काय म्हणायचे ते वाचणे. कमकुवतपणे उघड, हे सर्व.

४. संदिग्धता अंतर्गत निर्णय. "स्वच्छ डेटा दिल्यास कोणता पर्याय इष्टतम आहे" असे नाही. ते स्वयंचलित आहे. वास्तविक अस्पष्टता म्हणजे "आमच्याकडे अपूर्ण माहिती, स्पर्धात्मक प्राधान्यक्रम आणि अंतिम मुदत आहे, आम्ही काय करू?" ते संदर्भ, मालकी आणि मज्जातंतू घेते.

लक्षात घ्या की ही बहुतेक तांत्रिक कौशल्ये नाहीत. AI संरक्षण म्हणून "कोड शिकणे" हा सामान्य सल्ला मागे आहे. कोडिंग हे सत्यापित करण्यायोग्य आउटपुटसह मजकूर-आधारित आहे. हे अधिक उघड ज्ञान कार्यांपैकी एक आहे.

खरोखर काय धोका आहे

धीर देण्याऐवजी प्रामाणिक असणे, कारण खोटे सांत्वन स्पष्ट दृश्यापेक्षा वाईट आहे.

प्रवेश-स्तरीय मजकूर कार्य प्रथम हिट होत आहे. मूलभूत कॉपीरायटिंग. नियमित सामग्री उत्पादन. प्रथम उत्तीर्ण संशोधन सारांश. साधी डेटा एंट्री आणि स्वरूपन. एआय त्यांना चांगले करते म्हणून नाही. कारण ते त्यांना किंमतीच्या काही अंशाने स्वीकार्यपणे करते.

हे एक वास्तविक संरचनात्मक समस्या निर्माण करते. कनिष्ठ भूमिका लोक निर्णय कसे शिकले होते. त्या भूमिका कमी झाल्या तर ज्येष्ठ व्यक्ती बनण्याचा मार्ग अरुंद होतो. व्यवसायासाठी ही एक वास्तविक समस्या आहे आणि कोणीही त्याचे निराकरण केले नाही.

नियमित विश्लेषण संकुचित आहे. काढून टाकले नाही. पण चांगले टूलिंग असलेला एक विश्लेषक आता तिघांनी पूर्वीप्रमाणेच करतो.

जे काही "पुरेसे चांगले" उत्तर समाधानी आहे ते उघड होते. जिथे गुणवत्तेला कमाल मर्यादा ऐवजी मजला असतो. नियमित भाषांतर. मूलभूत आधार. मानक कागदपत्रे. खर्च जिंकतो.

वास्तववादी जवळचे चित्र

एकाच वेळी दोन गोष्टी खऱ्या आहेत. बहुतेक समालोचन एक निवडतात आणि दुसऱ्याकडे दुर्लक्ष करतात.

एआय सध्या मोठ्या प्रमाणावर भूमिका बदलत नाही. तैनाती क्षमतेपेक्षा कमी आहे. प्रक्रिया बदलण्यात संस्था वाईट आहेत. एकीकरण कठीण आहे. जबाबदारीचे प्रश्न अनुत्तरीत आहेत. बहुतेक कंपन्या त्याचा वापर सहाय्यक म्हणून करत आहेत, बदली म्हणून नाही.

परंतु भूमिकांची रचना झपाट्याने बदलत आहे. आणि प्रथम प्रभावित लोक ते आहेत ज्यांचे कार्य बहुतेक उघड स्तंभात होते. बदल सामान्यतः "आम्ही सोडलेल्या व्यक्तीची जागा घेत नाही" म्हणून दाखवतो, अतिरेक म्हणून नाही.

त्यामुळे बहुतेक लोकांसाठी जोखीम काढून टाकली जात नाही. एखाद्या व्यक्तीने यांत्रिक भाग काढून टाकून तीच भूमिका केल्याने ते हळूहळू पुढे जात आहे. समान पगारासाठी अधिक, जलद उत्पादन करणे. तो एक स्पर्धात्मक धोका आहे. आणि ते संबोधित करण्यायोग्य आहे.

मागील ऑटोमेशन लहरींनी प्रत्यक्षात काय केले

जाणून घेण्यासारखे आहे, कारण नमुना पुनरावृत्ती होतो आणि त्याची लोकप्रिय आवृत्ती दोन्ही दिशांनी चुकीची आहे.

एटीएमने बँक टेलर काढून टाकले नाहीत. नेहमीच्या सांगण्यानुसार त्यांनी केले. जेम्स बेसनने त्याच्या study of ATMs and teller employment मध्ये सांगितल्याप्रमाणे, प्रत्यक्षात काय घडले ते म्हणजे एटीएममुळे शाखा चालवणे स्वस्त झाले. त्यामुळे बँकांनी त्यापैकी अधिक उघडले. टेलर नंबर वर्षानुवर्षे रोखून धरले गेले, तर नोकरी रोख मोजण्यापासून उत्पादने विकणे आणि अपवाद हाताळण्यापर्यंत बदलली. कार्य स्वयंचलित झाले. जे शिल्लक होते त्याभोवती भूमिका पुनर्रचना केली.

स्प्रेडशीट्सने बुककीपर्स काढून टाकले नाहीत. त्यांनी मॅन्युअल अंकगणित काढून टाकले, जे बहुतेक काम होते. कालांतराने बुककीपिंगचा रोजगार कमी झाला. लेखा आणि आर्थिक विश्लेषण वाढले. समान कौशल्ये, मूल्य शृंखला पुढे लागू केली, बेरीज ऐवजी प्रश्नांसाठी.

औद्योगिक यंत्रमानवांनी विशिष्ट उत्पादन भूमिका विस्थापित केल्या. हेच प्रामाणिक काउंटरवेट आहे. काही क्षेत्रांमध्ये विस्थापन केंद्रित, कायमस्वरूपी आणि नवीन कामामुळे स्थानिक पातळीवर भरलेले नव्हते. नुकसान तुमच्या गावात असेल आणि फायदा इतरत्र असेल तर एकूण आशावाद थोडासा दिलासा आहे. कोणत्या भूमिका केल्या आणि कोणत्या वाढल्या याबद्दल सर्वात तपशीलवार उपलब्ध असलेली ही लहर आहे. What dark factories actually tell us ही प्रक्रिया पर्यवेक्षणाशिवाय चालवण्याआधी धरून ठेवलेल्या अटींद्वारे कार्य करते. त्या अटी एक्सपोजरचा अगदी अचूक अंदाज लावतात.

तर नमुना "काहीही होत नाही" किंवा "सर्व काही चालते" असा नाही:

• कार्य विश्वसनीयरित्या स्वयंचलित होते. - भूमिका सहसा टिकून राहते, जे स्वयंचलित झाले नाही त्याभोवती पुनर्रचना केली जाते. - एकूण रोजगार धारण करणे किंवा वाढू शकते. परंतु समान रीतीने नाही आणि प्रत्येकासाठी नाही. - जे लोक वाईट वागतात ते असे आहेत ज्यांचे कार्य जवळजवळ संपूर्णपणे स्वयंचलित कार्य होते, ज्यामध्ये जाण्यासाठी काहीही नव्हते.

यावेळी एक गोष्ट गांभीर्याने घेण्यासारखी आहे. मागील लहरी मुख्यतः स्वयंचलित शारीरिक किंवा अंकगणितीय कार्य करत असत आणि सुटकेचा मार्ग संज्ञानात्मक कार्यात जाण्याचा होता. ही लहर थेट संज्ञानात्मक कार्याकडे निर्देशित करते. सुटकेचा मार्ग त्याऐवजी निर्णय, जबाबदारी आणि शारीरिक कौशल्याकडे धावतो. ही एक कमी परिचित दिशा आहे. आणि म्हणूनच "नॉलेज वर्क" मध्ये रीस्किलिंग करण्याबद्दलचा नेहमीचा सल्ला पूर्वीपेक्षा कमी उपयुक्त आहे.

प्रत्यक्षात काय करायचे, पुढील ९० दिवस

काँक्रीट. क्रमाने.

१. वरील एक्सपोजर ऑडिट करा. एक तास. तुमच्याकडे नसलेल्या नंबरवर तुम्ही योजना करू शकत नाही.

२. साधनांसह खऱ्या अर्थाने अस्खलित व्हा. दबकत नाही. एक आवर्ती कार्य निवडा आणि एक महिन्यासाठी त्यावर एआय वापरा, जोपर्यंत ते कोठे मजबूत आहे आणि ते कुठे अपयशी ठरते. अयशस्वी पद्धतींचे अभ्यासक-स्तरीय ज्ञान हे स्वतःच एक दुर्मिळ कौशल्य आहे. "मी चॅटजीपीटी वापरतो" असे म्हणणारी व्यक्ती आणि त्यांची कार्यपद्धती बदललेली व्यक्ती यांच्यात हा फरक आहे. The practical guide is here .

३. जाणूनबुजून संरक्षित स्तंभाकडे जा. जर तुमचा आठवडा 60% उघड टास्क असेल, तर निर्णय, क्लायंट संपर्क आणि मालकीसह कामासाठी स्वयंसेवक व्हा. हे सहसा उपलब्ध असते. ते काम कठीण आहे आणि लोक ते टाळतात.

४. केवळ प्रॉम्प्ट करण्यासाठी नव्हे तर स्वयंचलित करायला शिका. वर्कफ्लोमध्ये साधने एकत्र करणे चांगले प्रॉम्प्ट करण्यापेक्षा भौतिकदृष्ट्या अधिक मौल्यवान आहे. आणि खूप कमी लोक ते करू शकतात. Start here .

५. आपले असे काहीतरी तयार करा. एक प्रतिष्ठा. एक प्रेक्षक. एक पोर्टफोलिओ. एक नेटवर्क. हे नोकरीच्या वर्णनात बसत नाहीत आणि त्यांची पुनर्रचना केली जाऊ शकत नाही.

६. व्हॉल्यूमवर स्पर्धा करणे थांबवा. जर तुमचे मूल्य अधिक शब्द, अधिक डेक, अधिक अहवाल तयार करत असेल, तर ती लढाई आता जिंकता येणार नाही. त्याऐवजी निर्णय, चव आणि जबाबदारी यावर स्पर्धा करा.

प्रामाणिक सारांश

एआय तुमची नोकरी घेईल का? कदाचित एक घटना म्हणून नाही. ते तुमच्या कामांचा एक भाग घेईल. त्यानंतर काय होते ते तुम्ही करू शकत नसलेल्या भागांकडे जाता का, किंवा ढकलले जाण्याची प्रतीक्षा करा यावर अवलंबून आहे.

संघर्ष करणारे लोक असे नसतील ज्यांच्या नोकऱ्या स्वयंचलित झाल्या. ते असे असतील ज्यांनी उघड केलेले 40% हाताने करत राहिले, तर एका सहकाऱ्याने ते स्वयंचलित केले आणि इतर 60% वर पुन्हा दावा केलेला वेळ घालवला.

हेडलाइन आवृत्तीपेक्षा ती अधिक आटोपशीर समस्या आहे. आणि हे एक आहे जे तुम्ही या आठवड्यात सुरू करू शकता.

वारंवार विचारले जाणारे प्रश्न

AI माझी नोकरी पूर्णपणे बदलेल का?

बहुतेक ज्ञान भूमिकांसाठी, नाही. एकच कार्यक्रम म्हणून नाही. हे नोकरीमधील विशिष्ट कार्ये स्वयंचलित करते. वास्तविक परिणाम म्हणजे निर्णय, नातेसंबंध आणि उत्तरदायित्वाच्या दिशेने बदलणारी तुमची भूमिका, यांत्रिक भाग कमी होत आहे. संपूर्ण-भूमिका बदलण्याची शक्यता जास्त असते जेथे जवळजवळ प्रत्येक कार्य पडताळणीयोग्य आउटपुट आणि कमी त्रुटी खर्चासह मजकूर-आधारित असते.

AI मुळे कोणत्या नोकऱ्यांना सर्वाधिक धोका आहे?

मजकूर आणि डेटामध्ये केंद्रित भूमिका स्पष्ट योग्य उत्तरे आणि स्वस्त चुकांसह कार्य करतात. एंट्री-लेव्हल कॉपीरायटिंग. नियमित सामग्री उत्पादन. मूलभूत संशोधन सारांश. साधे डेटा प्रोसेसिंग. प्रथम श्रेणी समर्थन. कमीत कमी उघड: कुशल शारीरिक व्यवहार, काळजीचे काम आणि उत्तरदायित्व, वाटाघाटी किंवा संदिग्धतेखालील निर्णय यावर केंद्रित काहीही.

माझ्या करिअरचे रक्षण करण्यासाठी मी कोड शिकले पाहिजे का?

विशेषतः AI संरक्षण म्हणून नाही. कोडिंग हे सत्यापित करण्यायोग्य आउटपुटसह मजकूर-आधारित आहे, ज्यामुळे ते तुलनेने उघड होते. हाताने कोड लिहायला शिकण्यापेक्षा ऑटोमेशन तयार करणे शिकणे अधिक उपयुक्त आहे. वास्तविक संरक्षणात्मक कौशल्ये बहुतेक गैर-तांत्रिक असतात: निर्णय, मालकी, ग्राहक संबंध.

हे किती लवकर होईल?

तैनातीपेक्षा क्षमता वेगाने पुढे जात आहे. संस्था हळूहळू प्रक्रिया बदलतात. जबाबदारीचे प्रश्न अनुत्तरीत आहेत. वर्षानुवर्षे हळूहळू रचना बदलण्याची अपेक्षा करा. अचानक मोठ्या प्रमाणात बदलण्यापेक्षा भूमिका बॅकफिल न केल्यामुळे ते अधिक वेळा दिसून येईल.

कोणती कौशल्ये अजूनही मौल्यवान असतील?

निर्णयांची जबाबदारी. अपूर्ण माहितीसह निर्णय. नातेसंबंध आणि विश्वास. शारीरिक आणि परिस्थितीजन्य कौशल्य. एआय टूल्स कुठे अयशस्वी होतात याचे प्रॅक्टिशनर-स्तरीय ज्ञान. विशेष म्हणजे, यापैकी बहुतेक तांत्रिक नाहीत.

जुळवून घ्यायला उशीर झाला का?

नाही. तैनाती लवकर आहे आणि बहुतेक संस्था केवळ प्रयोग करत नाहीत. पुढील सहा महिन्यांत जो खरोखर अस्खलित होईल तो लवकर आहे, उशीरा नाही.

महत्त्वाच्या गोष्टी

• स्कोअर टास्क, जॉब टायटल नाही. तुमची नोकरी ही वेगवेगळ्या प्रदर्शनासह एक बंडल आहे. - चार चाचण्या: मजकूर किंवा डेटा इनपुट, पडताळणीयोग्य आउटपुट, स्वस्त त्रुटी, जबाबदारीची आवश्यकता नाही. - जे भूमिका संरक्षित करते ते बहुतेक गैर-तांत्रिक असते: जबाबदारी, नातेसंबंध, शारीरिक कौशल्य, निर्णय. - एंट्री लेव्हल मजकूर कामाला प्रथम फटका बसत आहे, जे शांतपणे वरिष्ठ होण्याचा मार्ग खंडित करते. - कोणीतरी साधने वापरून वास्तववादी जोखीम ओलांडली जात आहे, त्यांच्याद्वारे बदलली जात नाही. - ढकलण्याची वाट पाहण्याऐवजी मुद्दाम संरक्षित स्तंभाकडे जा.

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