8,00,000 ಕ್ಕೂ ಹೆಚ್ಚು ಕೆಲಸಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ChatGPT ಪ್ರಶ್ನೆಗಳ OpenAI ವಿಶ್ಲೇಷಣೆಯು, ತಜ್ಞ ಮಟ್ಟದ ವಿನಂತಿಗಳಲ್ಲಿ ಶೇ. 43.5 ರಷ್ಟು ವಿನಂತಿಗಳನ್ನು ಬಳಕೆದಾರರು ತಮ್ಮ ಪ್ರಾಥಮಿಕ ಉದ್ಯೋಗದ ಪಾತ್ರದ ಹೊರತಾಗಿ ನಿರ್ವಹಿಸುತ್ತಿದ್ದಾರೆ ಎಂದು ತೋರಿಸುತ್ತದೆ, ಈ ಪ್ರವೃತ್ತಿಯನ್ನು ಕಂಪನಿಯು “task crossover” ಎಂದು ಕರೆಯುತ್ತದೆ. ಈ ಸಂಶೋಧನೆಯು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ವ್ಯವಹಾರಗಳು ಪರಿಣತಿಯನ್ನು ಹೇಗೆ ನೇಮಿಸಿಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ವ್ಯಕ್ತಿಗಳು ತಮ್ಮ ವೃತ್ತಿಪರ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹೇಗೆ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತಾರೆ ಎಂಬುದರ ವೇಗದ ಮರುರೂಪಣೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.

“task crossover” ಹಿಂದಿನ ದತ್ತಾಂಶ

OpenAI ಅಮೆರಿಕದ ವೃತ್ತಿಪರ ಡೇಟಾಬೇಸ್ O*NET ಅನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರತಿಯೊಂದು ಪ್ರಶ್ನೆಯನ್ನು ಒಂದು ಪ್ರಮಾಣಿತ ವೃತ್ತಿಗೆ ಹೊಂದಿಸಿದೆ. ಇಮೇಲ್ ಡ್ರಾಫ್ಟಿಂಗ್ ಅಥವಾ ಶೆಡ್ಯೂಲಿಂಗ್‌ನಂತಹ ಸಾಮಾನ್ಯ ಚಟುವಟಿಕೆಗಳನ್ನು ಹೊರತುಪಡಿಸಿ, ಈ ಅಧ್ಯಯನವು ಸಾಮಾನ್ಯವಾಗಿ ಡೊಮೇನ್-ನಿರ್ದಿಷ್ಟ ತರಬೇತಿಯ ಅಗತ್ಯವಿರುವ ಉನ್ನತ ಮಟ್ಟದ ಸಾಮರ್ಥ್ಯಗಳ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸಿದೆ. ಉಳಿದ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ, ಸುಮಾರು ಅರ್ಧದಷ್ಟು ಬಳಕೆದಾರರು ತಮ್ಮ ವೃತ್ತಿಪರ ವರ್ಗಕ್ಕಿಂತ ಭಿನ್ನವಾದ ಕರ್ತವ್ಯಗಳನ್ನು ಮಾಡಲು ChatGPT ಅನ್ನು ಕೇಳಿದ್ದಾರೆ.

ಈ ಬದಲಾವಣೆ ಎಲ್ಲಿ ನಡೆಯುತ್ತಿದೆ

ಮಾರ್ಕೆಟಿಂಗ್ ಮತ್ತು ಎಂಜಿನಿಯರಿಂಗ್ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಈ ಕ್ರಾಸೋವರ್ ಹೆಚ್ಚಾಗಿದೆ.

  • ಮಾರ್ಕೆಟಿಂಗ್ ವೃತ್ತಿಪರರು ತಾಂತ್ರಿಕ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರ (troubleshooting) ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ChatGPT ಅನ್ನು ಬಳಸುತ್ತಿದ್ದಾರೆ—ಇವುಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಎಂಜಿನಿಯರ್‌ಗಳು ಅಥವಾ ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳು ನಿರ್ವಹಿಸುತ್ತಾರೆ.
  • ಎಂಜಿನಿಯರ್‌ಗಳು ಒಪ್ಪಂದಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಮತ್ತು ವೆಬ್‌ಸೈಟ್ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಮಾಡೆಲ್ ಅನ್ನು ಕೇಳುತ್ತಿದ್ದಾರೆ, ಈ ಪಾತ್ರಗಳನ್ನು ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ ಕಾನೂನು ಅಥವಾ ಫ್ರಂಟ್-ಎಂಡ್ ತಂಡಗಳು ನಿರ್ವಹಿಸುತ್ತಿದ್ದವು.

ಸಣ್ಣ ವ್ಯವಹಾರಗಳು ಈ ಮಾದರಿಯನ್ನು ಮತ್ತಷ್ಟು ಹೆಚ್ಚಿಸುತ್ತಿವೆ. ತಜ್ಞರಿಗಾಗಿ ಸೀಮಿತ ಬಜೆಟ್ ಇರುವುದರಿಂದ, ಒಬ್ಬನೇ ಉದ್ಯೋಗಿಯು ChatGPT ಅನ್ನು “force multiplier” ಆಗಿ ಬಳಸಬಹುದು, ಇದು autrementಾ ಹಲವಾರು ನೇಮಕಾತಿಗಳ ಅಗತ್ಯವಿರುವ ವಿವಿಧ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಕೆಲಸ ಮತ್ತು AI ಗೆ ಈ ಕ್ರಾಸೋವರ್ ಏಕೆ ಮುಖ್ಯ

ಈ ದತ್ತಾಂಶವು “specialist” ದಿಂದ “augmented generalist” ಕಡೆಗೆ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪ್ರಾಂಪ್ಟ್-ಕ್ರಾಫ್ಟಿಂಗ್ (prompt-crafting) ಒಂದು ಸ್ವತಂತ್ರ ಕೌಶಲ್ಯವಾಗುತ್ತಿದ್ದಂತೆ, ಆಳವಾದ ಪರಿಣತಿ ಹೊಂದಿರುವ ಜ್ಞಾನವು AI-ವರ್ಧಿತ ಬಹುಮುಖ ಸಾಮರ್ಥ್ಯಕ್ಕೆ (AI-augmented versatility) ದಾರಿ ಮಾಡಿಕೊಡಬಹುದು. ಸಂಸ್ಥಾಪಕರು ಮತ್ತು ಡೆವಲಪರ್‌ಗಳು ಈಗ ಲಾರ್ಜ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್‌ಗಳನ್ನು ಕೇವಲ ಪಠ್ಯ ರಚನೆಯಿಂದ ಮೀರಿ, ಕಾನೂನು, ಹಣಕಾಸು ಅಥವಾ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಹೆಚ್ಚಿನ ನಿಖರತೆಯ ತರ್ಕವನ್ನು ನೀಡಲು ಒತ್ತಡ ಅನುಭವಿಸುತ್ತಿದ್ದಾರೆ. ತಾಂತ್ರಿಕ ಕಾರ್ಯಗಳ ಕಠಿಣತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ನೇಮಕಾತಿ, ತರಬೇತಿ ಮತ್ತು ಉದ್ಯೋಗದ ಶೀರ್ಷಿಕೆಗಳನ್ನೇ ಮರುರೂಪಿಸಬಹುದು.

ಅಪಾಯಗಳು ಮತ್ತು ವಿರೋಧಾತ್ಮಕ ವಾದಗಳು

ಎಲ್ಲರೂ ಈ ಬದಲಾವಣೆಯನ್ನು ಸ್ವಾಗತಿಸುತ್ತಿಲ್ಲ. ತಜ್ಞರ ಕೆಲಸವನ್ನು AI ಗೆ ವಹಿಸಿಕೊಡುವುದು ಪರಿಣತಿಯನ್ನು ಕುಗ್ಗಿಸಬಹುದು, ಗುಪ್ತ ತಪ್ಪುಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು ಮತ್ತು ಸಂಸ್ಥೆಗಳನ್ನು ಅನುಸರಣಾ ಅಪಾಯಗಳಿಗೆ (compliance risks) ಒಡ್ಡಬಹುದು ಎಂದು ವಿಮರ್ಶಕರು ಎಚ್ಚರಿಸುತ್ತಾರೆ. AI-ಸೃಷ್ಟಿತ ಫಲಿತಾಂಶಗಳನ್ನು ಎಷ್ಟು ಬಾರಿ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಈ ಅಧ್ಯಯನವು ಪತ್ತೆಹಚ್ಚುವುದಿಲ್ಲ, ಅಥವಾ ಒಪ್ಪಂದದ ಕಾನೂನು ಅಥವಾ ಎಂಜಿನಿಯರಿಂಗ್ ವಿನ್ಯಾಸದಂತಹ ಹೆಚ್ಚಿನ ಜವಾಬ್ದಾರಿಯುತ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ತಪ್ಪುಗಳ ಸಂಭವನೀಯ ವೆಚ್ಚವನ್ನು ಇದು ಅಳೆಯುವುದಿಲ್ಲ. ಈ ಆತಂಕಗಳು ಸೂಚಿಸುವಂತೆ, AI ಸಾಮರ್ಥ್ಯವನ್ನು ವಿಸ್ತರಿಸಬಹುದಾದರೂ, ಇದು ಸಾಮರ್ಥ್ಯದ ಬಗ್ಗೆ ತಪ್ಪು ಭ್ರಮೆಯನ್ನು ಕೂಡ ಸೃಷ್ಟಿಸಬಹುದು.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • ಉಪಕರಣಗಳ ಅಭಿವೃದ್ಧಿ (Tool development): ಭವಿಷ್ಯದ LLM ಅಪ್‌ಗ್ರೇಡ್‌ಗಳು ಟಾಸ್ಕ್ ಕ್ರಾಸೋವರ್‌ನ ಬೇಡಿಕೆಗಳನ್ನು ಪೂರೈಸಲು ಡೊಮೇನ್-ನಿರ್ದಿಷ್ಟ ತರ್ಕ ಮತ್ತು ದೋಷ-ಪರಿಶೀಲನೆಯನ್ನು ಸುಧಾರಿಸಬೇಕು.
  • ಸಂಸ್ಥೆಯ ನೀತಿಗಳು (Organizational policies): ಕಂಪನಿಗಳು, ವಿಶೇಷವಾಗಿ ನಿಯಂತ್ರಿತ ವಲಯಗಳಲ್ಲಿ, AI-ಸಹಾಯಿತ ಕೆಲಸಕ್ಕಾಗಿ ಹೊಸ ಆಂತರಿಕ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ರೂಪಿಸಬಹುದು.
  • ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಯ ಸಂಕೇತಗಳು (Labor market signals): ನೇಮಕಾತಿದಾರರು “AI-augmented generalist” ಎಂಬ ಕೌಶಲ್ಯವನ್ನು ಪಟ್ಟಿ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಬಹುದು ಮತ್ತು ತರಬೇತಿ ಕಾರ್ಯಕ್ರಮಗಳು ಪ್ರಾಂಪ್ಟ್-ಎಂಜಿನಿಯರಿಂಗ್ ಕೌಶಲ್ಯಗಳತ್ತ ತಿರುಗಬಹುದು.

ಪ್ರಮುಖ ಅಂಶಗಳು

  • ಟಾಸ್ಕ್ ಕ್ರಾಸೋವರ್ ತಜ್ಞರ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಶೇ. 43.5 ರಷ್ಟು ಪಾಲನ್ನು ಹೊಂದಿದೆ, ಇದು ವೃತ್ತಿಪರ ಕಾರ್ಯಗಳ ಗಣನೀಯವಾದ ಅತಿಕ್ರಮಣವನ್ನು ಸೂಚಿಸುತ್ತದೆ.
  • ಮಾರ್ಕೆಟಿಂಗ್ ಮತ್ತು ಎಂಜಿನಿಯರಿಂಗ್ ಈ ಬದಲಾವಣೆಯಲ್ಲಿ ಮುಂಚೂಣಿಯಲ್ಲಿವೆ, ಇತರ ವಿಶೇಷತೆಗಳಿಗೆ ಸೇರಿದ ಕಾರ್ಯಗಳಿಗಾಗಿ AI ಅನ್ನು ಬಳಸುತ್ತಿವೆ.
  • ಸಣ್ಣ ವ್ಯವಹಾರಗಳು ಪ್ರತಿಭೆಯ ಕೊರತೆಯನ್ನು ತುಂಬಲು AI ಅನ್ನು ಅವಲಂಬಿಸಿವೆ, ಇದು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಒಬ್ಬನೇ ಉದ್ಯೋಗಿಯನ್ನು ಬಹು-ಶಿಸ್ತಿನ ಕಾರ್ಯನಿರ್ವಾಹಕನನ್ನಾಗಿ ಮಾಡುತ್ತದೆ.
  • ಈ ಪ್ರವೃತ್ತಿಯು ಅವಕಾಶ ಮತ್ತು ಅಪಾಯ ಎರಡನ್ನೂ ಹೆಚ್ಚಿಸುತ್ತದೆ, ಇದು ಬಲವಾದ AI ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ಹೊಸ ಕೆಲಸದ ನಿಯಮಗಳಿಗಾಗಿ ಕರೆ ನೀಡುತ್ತಿದೆ.