admin 
Rinkodaros profesionalai yra vieni pažeidžiamiausių AI sutrikimų, nes neseniai rinkodara užėmė ketvirtąją AI ekspoziciją.
Tačiau užimtumo duomenys pasakoja kitokią istoriją.
Naujuose Jeilio universiteto biudžeto laboratorijos tyrimuose nustatyta, kad „platesnė darbo rinka nepatyrė pastebimų sutrikimų nuo„ ChatGpt “leidimo prieš 33 mėnesius“,-tai sumažino visų ekonomikos darbo vietų praradimo baimę.
Atotrūkis tarp numatomos rizikos ir faktinio poveikio rodo, kad „ekspozicijos“ balai gali neprognozuoti darbo perkėlimo.
Yale atkreipia dėmesį į dvi jos analizės priemones: „Openai“ ekspozicijos metriką ir „Anthropic“ naudojimą, užfiksuoja įvairius dalykus ir praktiškai koreliuoja tik silpnai.
Poveikio balai neatitinka realybės
Jeilio tyrėjai ištyrė, kaip pasikeitė profesinis derinys nuo 2022 m. Lapkričio mėn., Palyginus jį su ankstesniais technologijų pokyčiais, tokiais kaip kompiuteriai ir ankstyvasis internetas.
Profesinis mišinys matuoja darbuotojų pasiskirstymą įvairiuose darbuose. Tai keičiasi, kai darbuotojai keičia karjerą, praranda darbą ar patenka į naujus laukus.
Remiantis tyrimais, darbai keičiasi tik apie vieną procentinį punktą greičiau nei ankstyvojo interneto priėmimo metu:
„Pastaruosius pokyčius atrodo tik maždaug 1 procentinis punktas didesnis nei buvo XXI amžiaus sandūroje priėmus internetą.“
Sektoriai, turintys didelę AI poveikį, įskaitant informaciją, finansinę veiklą, profesionalias ir verslo paslaugas, rodo didesnius pokyčius, tačiau „Duomenys vėl rodo, kad šių pramonės šakų tendencijos prasidėjo prieš išleidžiant„ ChatGPT “.
Teorija ir praktika: naudojimo spraga
Tyrime lyginami Openai teoriniai „ekspozicijos“ duomenys su realiu „Antropic“ naudojimu iš Claude'o ir nustato ribotą derinimą.
Faktinis naudojimas yra sutelktas: „Akivaizdu, kad naudojimuose labai dominuoja kompiuterių ir matematinių profesijų darbuotojai“, o menas/dizainas/žiniasklaida taip pat yra per daug atstovaujami. Tai parodo, kodėl ekspozicijos balai nėra tvarkingai suskirstyti į priėmimą.
Užimtumo duomenys rodo stabilumą
Komanda per laiką stebėjo bedarbius darbuotojus, kad ieškotų AI perkėlimo požymių. Jie jų nerado.
Bedarbiai, nepriklausomai nuo trukmės, „buvo profesijose, kuriose vidutiniškai maždaug 25–35 procentai užduočių galėjo būti atlikta generatyvinė AI“, „be aiškios didėjimo tendencijos“.
Panašiai, žiūrėdami į okupacijos lygio AI „automatizavimo/padidinimo“ naudojimą, autoriai apibendrina, kad šios priemonės „neparodo, kad nėra susijusių su užimtumo ar nedarbo pokyčiais“.
Istorinio sutrikimo laiko juosta
Ankstesni sutrikimai užtruko metus, o ne mėnesius. Kaip sako Yale:
„Istoriškai plačiai paplitęs technologinis darbo vietų sutrikimas paprastai atsiranda per dešimtmečius, o ne mėnesius ar metus. Kompiuteriai biuruose netapo įprasti praėjus beveik dešimtmečiui po jų išleidimo visuomenei, ir jiems prireikė dar ilgiau, kad jie pertvarkytų biuro darbo eigas“.
Tyrėjai taip pat pabrėžia, kad jų darbas nėra prognozuojamas ir bus atnaujinamas kas mėnesį:
„Mūsų analizė nėra ateities prognozavimas. Mes planuojame toliau kas mėnesį stebėti šias tendencijas, kad įvertintume, kaip gali pasikeisti AI darbo poveikis.“
Ką tai reiškia
Išmatuotas požiūris įveikia paniką. Tiek iš tikrųjų, tiek Yale pabrėžia, kad realizuoti rezultatai priklauso nuo įvaikinimo, darbo eigos projektavimo ir pakartojimo, o ne neapdorotos ekspozicijos.
Ankstyvosios karjeros poveikį verta stebėti: Jeilio pažymi „atsirandantys įrodymai“ apie galimą ankstyvojo karjeros darbuotojų poveikį, tačiau įspėjimai, kad duomenys yra riboti, ir išvados yra per anksti.
Žvilgsnis į priekį
Organizacijos turėtų sąmoningai integruoti AI, o ne pertvarkyti reaktyviai.
Kol nebus išsamių, įvairių platformų naudojimo duomenų, užimtumo tendencijos išlieka patikimiausiais rodikliais. Iki šiol jie nurodo stabilumą pertvarkymą.
