8,00,000-ലധികം ജോലി സംബന്ധമായ ChatGPT ക്വറികളെക്കുറിച്ചുള്ള (queries) OpenAI-യുടെ വിശകലനം പ്രകാരം, സ്പെഷ്യലിസ്റ്റ് തലത്തിലുള്ള അഭ്യർത്ഥനകളിൽ 43.5% ഉം ഉപയോക്താക്കൾ അവരുടെ പ്രധാന ജോലിക്ക് പുറത്തുള്ള കാര്യങ്ങൾക്കായി ഉപയോഗിക്കുന്നു. കമ്പനി ഇതിനെ “task crossover” എന്ന് വിളിക്കുന്നു. ബിസിനസ്സുകൾ എങ്ങനെ വൈദഗ്ധ്യം ഉപയോഗിക്കുന്നുവെന്നും വ്യക്തികൾ അവരുടെ തൊഴിൽപരമായ കഴിവുകളെ എങ്ങനെ നിർവചിക്കുന്നുവെന്നും വേഗത്തിൽ മാറിക്കൊണ്ടിരിക്കുന്നു എന്നതിന്റെ സൂചനയായതിനാൽ ഈ കണ്ടെത്തൽ വളരെ പ്രധാനമാണ്.

“task crossover” എന്നതിന് പിന്നിലെ വിവരങ്ങൾ

യു.എസ് തൊഴിൽ ഡാറ്റാബേസ് ആയ O*NET ഉപയോഗിച്ച് OpenAI ഓരോ ക്വറിയെയും ഒരു നിശ്ചിത തൊഴിലുമായി ബന്ധിപ്പിച്ചു. ഇമെയിൽ തയ്യാറാക്കൽ അല്ലെങ്കിൽ ഷെഡ്യൂളിംഗ് പോലുള്ള പൊതുവായ കാര്യങ്ങൾ ഒഴിവാക്കിയ ശേഷം, സാധാരണയായി പ്രത്യേക പരിശീലനം ആവശ്യമുള്ള ഉയർന്ന തലത്തിലുള്ള കഴിവുകളിലാണ് പഠനം ശ്രദ്ധ കേന്ദ്രീകരിച്ചത്. ബാക്കിയുള്ള ക്വറികളിൽ പകുതിയോളം പേരും ChatGPT-യോട് തങ്ങളുടെ തൊഴിൽ വിഭാഗത്തിൽ പെടാത്ത മറ്റ് ജോലികൾ ചെയ്യാൻ ആവശ്യപ്പെട്ടു.

ഈ മാറ്റം എവിടെയാണ് സംഭവിക്കുന്നത്

മാർക്കറ്റിംഗ്, എഞ്ചിനീയറിംഗ് മേഖലകളിലാണ് ഈ ക്രോസ്ഓവർ കൂടുതലായി കാണപ്പെടുന്നത്.

  • സാങ്കേതിക പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനും (technical troubleshooting) ഡാറ്റാ വിശകലനത്തിനുമായി മാർക്കറ്റിംഗ് പ്രൊഫഷണലുകൾ ChatGPT ഉപയോഗിക്കുന്നു—സാധാരണയായി എഞ്ചിനീയർമാരോ ഡാറ്റാ സയന്റിസ്റ്റുകളോ ചെയ്യുന്ന ജോലികളാണിവ.
  • കരാറുകൾ പരിശോധിക്കാനും വെബ്‌സൈറ്റ് പ്രശ്നങ്ങൾ പരിഹരിക്കാനും എഞ്ചിനീയർമാർ ഈ മോഡലിനോട് ആവശ്യപ്പെടുന്നു; സാധാരണയായി നിയമ വിഭാഗമോ ഫ്രണ്ട്-എൻഡ് ടീമുകളോ ആണ് ഇത്തരം ചുമതലകൾ നിർവഹിക്കാറുള്ളത്.

ചെറുകിട ബിസിനസ്സുകളിൽ ഈ രീതി കൂടുതൽ പ്രകടമാണ്. സ്പെഷ്യലിസ്റ്റുകൾക്കായി പരിമിതമായ ബജറ്റുള്ള സാഹചര്യത്തിൽ, ഒരു ജീവനക്കാരന് ChatGPT ഒരു “force multiplier” ആയി ഉപയോഗിക്കാം. ഇത് മറ്റ് പല ജോലികൾക്കായി കൂടുതൽ ആളുകളെ നിയമിക്കേണ്ടി വരുന്ന സാഹചര്യം ഒഴിവാക്കി, ഒരൊറ്റ വ്യക്തിക്ക് തന്നെ പലതരം ചുമതലകൾ കൈകാര്യം ചെയ്യാൻ സഹായിക്കുന്നു.

ജോലിയിലും AI-യിലും ഈ ക്രോസ്ഓവർ എന്തിന് പ്രസക്തമാകുന്നു

“specialist” എന്നതിൽ നിന്ന് “augmented generalist” എന്നതിലേക്കുള്ള മാറ്റമാണ് ഈ വിവരങ്ങൾ സൂചിപ്പിക്കുന്നത്. പ്രോംപ്റ്റ് ക്രാഫ്റ്റിംഗ് (prompt-crafting) ഒരു പ്രത്യേക നൈപുണ്യമായി മാറുന്നതോടെ, ഒരു പ്രത്യേക മേഖലയിലുള്ള ആഴത്തിലുള്ള അറിവിനേക്കാൾ AI സഹായത്തോടെയുള്ള വൈവിധ്യമാർന്ന കഴിവുകൾക്ക് പ്രാധാന്യം ലഭിച്ചേക്കാം. ലാർജ് ലാംഗ്വേജ് മോഡലുകളെ (LLM) വെറും ടെക്സ്റ്റ് ജനറേഷന് അപ്പുറത്തേക്ക് കൊണ്ടുപോകാനും നിയമം, ഫിനാൻസ് അല്ലെങ്കിൽ എഞ്ചിനീയറിംഗ് തുടങ്ങിയ മേഖലകളിൽ കൃത്യമായ യുക്തിപരമായ വിശകലനങ്ങൾ (high-fidelity reasoning) നൽകാനും സ്ഥാപകർക്കും ഡെവലപ്പർമാർക്കും ഇപ്പോൾ സമ്മർദ്ദമുണ്ട്. സാങ്കേതിക ജോലികൾ എളുപ്പമാക്കുന്നത് വഴി നിയമന രീതികളും പരിശീലനവും തൊഴിൽ പദവികളും പോലും മാറിയേക്കാം.

അപകടസാധ്യതകളും എതിർവാദങ്ങളും

എല്ലാവരും ഈ മാറ്റത്തെ സ്വാഗതം ചെയ്യുന്നില്ല. സ്പെഷ്യലിസ്റ്റ് ജോലികൾ AI-യെ ഏൽപ്പിക്കുന്നത് വൈദഗ്ധ്യം കുറയ്ക്കാനും, മറഞ്ഞിരിക്കുന്ന പിശകുകൾ ഉണ്ടാകാനും, നിയമപരമായ പ്രശ്നങ്ങളിലേക്ക് (compliance risks) സ്ഥാപനങ്ങളെ എത്തിക്കാനും കാരണമാകുമെന്ന് വിമർശകർ മുന്നറിയിപ്പ് നൽകുന്നു. AI നിർമ്മിക്കുന്ന ഉത്തരങ്ങൾ എത്രത്തോളം പരിശോധിക്കപ്പെടുന്നു എന്ന് ഈ പഠനം രേഖപ്പെടുത്തിയിട്ടില്ല, കൂടാതെ കരാർ നിയമം അല്ലെങ്കിൽ എഞ്ചിനീയറിംഗ് ഡിസൈൻ പോലുള്ള നിർണ്ണായക മേഖലകളിൽ തെറ്റുകൾ സംഭവിക്കുന്നത് മൂലമുണ്ടാകുന്ന നഷ്ടവും ഇത് കണക്കാക്കുന്നില്ല. AI കഴിവുകൾ വർദ്ധിപ്പിക്കുമെങ്കിലും, അത് അറിവില്ലായ്മയെ മറച്ചുവെക്കുന്ന ഒരു തെറ്റായ ആത്മവിശ്വാസം സൃഷ്ടിച്ചേക്കാം എന്നാണ് ഈ ആശങ്കകൾ സൂചിപ്പിക്കുന്നത്.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • ഉപകരണങ്ങളുടെ വികസനം: ടാസ്ക് ക്രോസ്ഓവറിന്റെ ആവശ്യങ്ങൾ നിറവേറ്റുന്നതിന് ഭാവിയിലെ LLM അപ്‌ഗ്രേഡുകൾ ഓരോ മേഖലയിലെയും യുക്തിപരമായ വിശകലനവും (domain-specific reasoning) പിശക് പരിശോധനയും മെച്ചപ്പെടുത്തേണ്ടതുണ്ട്.
  • സ്ഥാപനങ്ങളുടെ നയങ്ങൾ: പ്രത്യേകിച്ച് നിയന്ത്രിത മേഖലകളിൽ (regulated sectors), AI സഹായത്തോടെയുള്ള ജോലികൾക്കായി കമ്പനികൾ പുതിയ ആഭ്യന്തര മാർഗ്ഗനിർദ്ദേശങ്ങൾ തയ്യാറാക്കിയേക്കാം.
  • തൊഴിൽ വിപണിയിലെ സൂചനകൾ: റിക്രൂട്ടർമാർ “AI-augmented generalist” എന്നത് ഒരു നൈപുണ്യമായി രേഖപ്പെടുത്താൻ തുടങ്ങിയേക്കാം, കൂടാതെ പരിശീലന പരിപാടികൾ പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് (prompt-engineering) നൈപുണ്യങ്ങളിലേക്ക് മാറുകയും ചെയ്തേക്കാം.

പ്രധാന കാര്യങ്ങൾ

  • സ്പെഷ്യലിസ്റ്റ് ക്വറികളിൽ 43.5% ടാസ്ക് ക്രോസ്ഓവർ ആണ്, ഇത് തൊഴിൽപരമായ ചുമതലകൾ തമ്മിലുള്ള വലിയ സാമ്യത്തെ സൂചിപ്പിക്കുന്നു.
  • മാർക്കറ്റിംഗും എഞ്ചിനീയറിംഗും ഈ മാറ്റത്തിന് നേതൃത്വം നൽകുന്നു, മറ്റ് മേഖലകളിലെ ജോലികൾക്കായി അവർ AI ഉപയോഗിക്കുന്നു.
  • കഴിവുകളുടെ കുറവ് പരിഹരിക്കാൻ ചെറുകിട ബിസിനസ്സുകൾ AI-യെ ആശ്രയിക്കുന്നു, ഇത് ഒരു ജീവനക്കാരനെ തന്നെ പലതരം ജോലികൾ ചെയ്യാൻ പ്രാപ്തനാക്കുന്നു.
  • ഈ പ്രവണത അവസരങ്ങളും വെല്ലുവിളികളും ഒരുപോലെ ഉയർത്തുന്നു, ഇത് ശക്തമായ AI പരിശോധനയ്ക്കും പുതിയ തൊഴിൽ രീതികൾക്കും ആവശ്യമായ പ്രേരണ നൽകുന്നു.