Üretken yapay zeka kurtardığından daha fazla iş yaratıyor olabilir

Üretken yapay zeka ile bir sorunu veya fırsatı ele almak aşırıya kaçabilir.

Üretken yapay zeka (AI) araçlarının insanların zamandan tasarruf etmesine ve üretkenliği artırmasına yardımcı olabileceği konusunda ortak bir görüş var. Ancak bu teknolojiler hızlı bir şekilde kod çalıştırmayı veya rapor üretmeyi kolaylaştırsa da, büyük dil modellerinin (LLM'ler) oluşturulması ve sürdürülmesine yönelik arka uç çalışmaları, önceden tasarruf edilen çabadan daha fazla insan emeği gerektirebilir. Ayrıca, standart otomasyonun yeterli olduğu durumlarda birçok görev mutlaka yapay zekanın ateş gücünü gerektirmeyebilir.

Bu, Pennsylvania Üniversitesi Wharton Okulu'nda yönetim profesörü olan ve yakın zamanda düzenlenen bir MIT etkinliğinde konuşan Peter Cappelli'nin sözleri. Kümülatif olarak bakıldığında, üretken yapay zeka ve yüksek lisans, insanlara görevleri hafifletmek yerine daha fazla iş yaratabilir. Cappelli, Yüksek Lisans'ın uygulanması karmaşıktır ve "üretken yapay zekanın yapabileceği, aslında yapmaya ihtiyacımız olmayan birçok şeyin olduğu ortaya çıktı" dedi.

Yapay zeka oyunun kurallarını değiştiren bir teknoloji olarak abartılırken, "teknoloji tarafındaki öngörülerin çoğu zaman son derece yanlış olduğuna" dikkat çekti. "Aslında, iş hakkındaki teknoloji tahminlerinin çoğu zamanla yanlış çıktı." 2018'de tahmin edilen sürücüsüz kamyon ve otomobil dalgasının henüz gerçekleşmemiş umut verici tahminlerin bir örneği olduğunu söyledi.

Teknoloji odaklı dönüşümün geniş vizyonları çoğu zaman cesur ayrıntılarda takılıp kalıyor. Otonom araçların savunucuları, "yapılması gerekenden ziyade sürücüsüz kamyonların neler yapabileceğini ve düzenlemelerin onaylanması için neyin gerekli olduğunu (sigorta sorunları, yazılım sorunları ve tüm bu sorunlar)" öne sürdü. Ayrıca Cappelli şunları ekledi: "Gerçek işlerine bakarsanız, kamyon şoförleri, uzun yol kamyon taşımacılığında bile, kamyon sürmek dışında pek çok şey yapıyor."

Yazılım geliştirme ve iş için üretken yapay zekanın kullanılmasına da benzer bir benzetme yapılabilir. Programcılar "zamanlarının çoğunu bilgisayar programlamayla hiçbir ilgisi olmayan şeyler yaparak harcıyorlar" dedi. "İnsanlarla konuşuyorlar, bütçe pazarlığı yapıyorlar ve buna benzer şeyler. Programlama tarafında bile bunların hepsi aslında programlama değil."

İnovasyonun teknolojik olanakları ilgi çekicidir, ancak kullanıma sunulması, sahadaki gerçekler nedeniyle yavaşlama eğilimindedir. Üretken yapay zeka durumunda, iş gücü tasarrufu ve üretkenlik avantajları, LLM'leri ve algoritmaları oluşturmak ve sürdürmek için gereken arka uç çalışmalarının miktarından daha ağır basabilir.

Cappelli, hem üretken hem de operasyonel yapay zekanın "yeni işler ürettiğini" belirtti. "İnsanların veritabanlarını yönetmesi, materyalleri organize etmesi, raporların düellosu, geçerliliği ve buna benzer sorunları çözmesi gerekiyor. Bu pek çok yeni görev ortaya çıkaracak, birilerinin bunları yapması gerekecek. "

Bir süredir yürürlükte olan operasyonel yapay zekanın hala devam eden bir çalışma olduğunu söyledi. "Rakamlarla makine öğrenimi önemli ölçüde az kullanıldı. Bunun bir kısmı veri tabanı yönetimi sorularıydı. Analiz edebilmeniz için verileri bir araya getirmek çok fazla çaba gerektiriyor. Veriler genellikle farklı kuruluşlardaki farklı silolarda bulunur ve bunlar politik olarak zor ve sadece teknik olarak bir araya getirilmesi zor."

Cappelli, üretken yapay zeka ve Yüksek Lisans'a doğru gidilen süreçte aşılması gereken çeşitli sorunlara değiniyor:

• Üretken AI/LLM'lerle bir sorunu/fırsatı ele almak aşırıya kaçabilir - "Büyük dil modellerinin yapabileceği, muhtemelen yapılması gerekmeyen pek çok şey var" dedi. Örneğin, iş yazışmaları bir kullanım durumu olarak görülüyor ancak işlerin çoğu zaten form mektupları ve ezberci otomasyon yoluyla yapılıyor. Şunu da ekleyin: "Bir mektup formu zaten avukatlar tarafından onaylanmıştır ve büyük dil modelleri tarafından yazılan her şeyin muhtemelen bir avukat tarafından görülmesi gerekir. Ve bu hiçbir şekilde zaman tasarrufu sağlamayacaktır."
• Ezberci otomasyonu yapay zekayla değiştirmek daha maliyetli hale gelecek - Cappelli, "Büyük dil modellerinin şu anki kadar ucuz olacağı o kadar da açık değil" diye uyardı. "Daha fazla insan bunları kullandıkça, bilgisayar alanının artması gerekiyor, elektrik talepleri bile büyük. Birilerinin bunun bedelini ödemesi gerekiyor."
• Üretken AI çıktısını doğrulamak için insanlara ihtiyaç vardır - Üretken AI raporları veya çıktıları, e-postalar gibi nispeten basit şeyler için uygun olabilir, ancak daha karmaşık raporlama veya taahhütler için her şeyin doğru olduğuna dair doğrulama yapılması gerekir. "Önemli bir şey için kullanacaksanız, bunun doğru olduğundan emin olsanız iyi olur. Peki doğru olup olmadığını nasıl bileceksiniz? Bir uzmana sahip olmanın faydası olur; bağımsız olarak doğrulayabilecek ve bu konuda bir şeyler bilen biri. Halüsinasyonları veya ilginç sonuçları araştırmak ve bunun güncelliğini sağlamak Bazı insanlar bunu değerlendirmek için diğer büyük dil modellerini kullanabileceğinizi söylüyor ancak bu bir geçerlilik sorunundan çok bir güvenilirlik sorunudur. bir şekilde bunu yapmak kolay ya da ucuz değil."
• Üretken yapay zeka bizi çok fazla ve bazen çelişkili bilgi içinde boğacak - Cappelli, "Raporlar ve çıktılar oluşturmak oldukça kolay olduğundan daha fazla yanıt alacaksınız" dedi. Ayrıca bir Yüksek Lisans aynı istem için farklı yanıtlar bile verebilir. "Bu bir güvenilirlik meselesi; raporunuzda ne yapardınız? Bölümünüzün daha iyi görünmesini sağlayacak bir rapor oluşturursunuz ve bunu patrona verirsiniz." Ayrıca şu uyarıyı da yaptı: "Bu modelleri oluşturan insanlar bile size bu cevapları net bir şekilde söyleyemezler. Bu çıktılar arasındaki farkları değerlendirerek insanları boğacak mıyız?"
• İnsanlar hâlâ içgüdülerine veya kişisel tercihlerine göre karar vermeyi tercih ediyor - Makinelerin bu sorunun üstesinden gelmesi zor olacak. Cappelli, kuruluşların iş adaylarını seçmek gibi roller için Yüksek Lisans eğitimleri oluşturmaya ve yönetmeye büyük miktarlarda para yatırabileceğini, ancak yapılan araştırmalardan sonra yapılan araştırmaların, analizlerin sonucuna göre insanların beğendikleri kişileri işe alma eğiliminde olduklarını gösterdiğini söyledi Cappelli. "Makine öğrenimi bunu bizim için zaten yapabilirdi. Modeli oluşturduysanız, halihazırda kararları veren bölüm yöneticilerinizin onu kullanmak istemediğini görürsünüz. 'Eğer siz oluşturursanız, yapmazlar'ın bir başka örneği mutlaka gelin."

Cappelli, yakın vadede en yararlı üretken yapay zeka uygulamasının, veri depolarını incelemek ve karar verme süreçlerini desteklemek için analiz sunmak olduğunu öne sürdü. "Şu anda kendimiz analiz edemediğimiz verileri yıkıyoruz" dedi. "Bunu yapmakta bizden çok daha iyi olacak" dedi. Veritabanı yönetiminin yanı sıra, "birilerinin korkuluklar ve veri kirliliği sorunları hakkında da endişelenmesi gerekiyor."