OpenAI ਦੁਆਰਾ 8,00,000 ਤੋਂ ਵੱਧ ਕੰਮ ਨਾਲ ਸਬੰਧਤ ChatGPT ਕੁਐਰੀਆਂ (queries) ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ 43.5% ਮਾਹਰ-ਪੱਧਰ ਦੀਆਂ ਬੇਨਤੀਆਂ ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਸੰਭਾਲੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ ਜੋ ਉਹਨਾਂ ਦੀ ਮੁੱਖ ਨੌਕਰੀ ਦੀ ਭੂਮਿਕਾ ਤੋਂ ਬਾਹਰ ਹਨ, ਇੱਕ ਅਜਿਹਾ ਰੁਝਾਨ ਜਿਸ ਨੂੰ ਕੰਪਨੀ “task crossover” ਕਹਿੰਦੀ ਹੈ। ਇਹ ਖੋਜ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਕਿ ਕਾਰੋਬਾਰ ਮਾਹਰਤਾ ਲਈ ਸਟਾਫ ਕਿਵੇਂ ਰੱਖਦੇ ਹਨ ਅਤੇ ਵਿਅਕਤੀ ਆਪਣੀਆਂ ਪੇਸ਼ੇਵਰ ਯੋਗਤਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ, ਇਸ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਾਅ ਆ ਰਿਹਾ ਹੈ।

“task crossover” ਦੇ ਪਿੱਛੇ ਦਾ ਡੇਟਾ

OpenAI ਨੇ ਅਮਰੀਕੀ ਕਿੱਤਾਮੰਦ ਡੇਟਾਬੇਸ O*NET ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹਰੇਕ ਕੁਐਰੀ ਨੂੰ ਇੱਕ ਮਿਆਰੀ ਕਿੱਤੇ ਨਾਲ ਜੋੜਿਆ। ਈਮੇਲ ਡਰਾਫਟਿੰਗ ਜਾਂ ਸ਼ਡਿਊਲਿੰਗ ਵਰਗੀਆਂ ਆਮ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਹਟਾਉਣ ਤੋਂ ਬਾਅਦ, ਅਧਿਐਨ ਨੇ ਉੱਚ-ਪੱਧਰੀ ਯੋਗਤਾਵਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਿਨ੍ਹਾਂ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਖਾਸ ਖੇਤਰ ਦੀ ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਬਾਕੀ ਬਚੀਆਂ ਕੁਐਰੀਆਂ ਵਿੱਚੋਂ, ਲਗਭਗ ਅੱਧੀਆਂ ਵਿੱਚ ChatGPT ਨੂੰ ਅਜਿਹੇ ਕੰਮ ਕਰਨ ਲਈ ਕਿਹਾ ਗਿਆ ਜੋ ਉਪਭੋਗਤਾ ਦੀ ਆਪਣੀ ਪੇਸ਼ੇਵਰ ਸ਼੍ਰੇਣੀ ਨਾਲੋਂ ਵੱਖਰੀ ਸੀ।

ਇਹ ਬਦਲਾਅ ਕਿੱਥੇ ਹੋ ਰਿਹਾ ਹੈ

ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਇਹ ਕ੍ਰਾਸਓਵਰ (crossover) ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਿਹਾ ਹੈ।

  • ਮਾਰਕੀਟਿੰਗ ਪੇਸ਼ੇਵਰ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਦੇ ਹੱਲ (troubleshooting) ਅਤੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ChatGPT ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ—ਇਹ ਉਹ ਕੰਮ ਹਨ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਇੰਜੀਨੀਅਰ ਜਾਂ ਡੇਟਾ ਸਾਇੰਟਿਸਟ ਸੰਭਾਲਦੇ ਹਨ।
  • ਇੰਜੀਨੀਅਰ ਮਾਡਲ ਨੂੰ ਕੰਟਰੈਕਟਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਵੈੱਬਸਾਈਟ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਸੁਲਝਾਉਣ ਲਈ ਕਹਿੰਦੇ ਹਨ, ਇਹ ਉਹ ਭੂਮਿਕਾਵਾਂ ਹਨ ਜੋ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਕਾਨੂੰਨੀ ਜਾਂ ਫਰੰਟ-ਐਂਡ ਟੀਮਾਂ ਦੁਆਰਾ ਨਿਭਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ।

ਛੋਟੇ ਕਾਰੋਬਾਰ ਇਸ ਪੈਟਰਨ ਨੂੰ ਹੋਰ ਵਧਾਉਂਦੇ ਹਨ। ਮਾਹਰਾਂ ਲਈ ਸੀਮਤ ਬਜਟ ਹੋਣ ਕਾਰਨ, ਇੱਕ ਸਿੰਗਲ ਕਰਮਚਾਰੀ ChatGPT ਨੂੰ ਇੱਕ “force multiplier” ਵਜੋਂ ਵਰਤ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਕੰਮਾਂ ਦਾ ਪੋਰਟਫੋਲੀਓ ਸੰਭਾਲ ਸਕਦਾ ਹੈ ਜਿਸ ਲਈ ਹੋਰਨਾਂ ਹਾਲਤਾਂ ਵਿੱਚ ਕਈ ਨਵੀਆਂ ਭਰਤੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ।

ਕੰਮ ਅਤੇ AI ਲਈ ਇਹ ਕ੍ਰਾਸਓਵਰ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਡੇਟਾ "specialist" ਤੋਂ "augmented generalist" ਵੱਲ ਵਧਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ prompt-crafting ਆਪਣੇ ਆਪ ਵਿੱਚ ਇੱਕ ਹੁਨਰ ਬਣ ਰਿਹਾ ਹੈ, ਡੂੰਘੇ ਖਾਸ ਗਿਆਨ ਦੀ ਜਗ੍ਹਾ AI-augmented ਬਹੁਪੱਖੀਤਾ ਲੈ ਸਕਦੀ ਹੈ। ਸੰਸਥਾਪਕ (Founders) ਅਤੇ ਡਿਵੈਲਪਰ ਹੁਣ large language models ਨੂੰ ਸਿਰਫ਼ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਤੋਂ ਅੱਗੇ ਵਧਾਉਣ ਅਤੇ ਕਾਨੂੰਨ, ਵਿੱਤ, ਜਾਂ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਉੱਚ-ਪੱਧਰੀ ਤਰਕ (reasoning) ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਦਬਾਅ ਮਹਿਸੂਸ ਕਰ ਰਹੇ ਹਨ। ਤਕਨੀਕੀ ਕੰਮਾਂ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਘਟਾਉਣ ਨਾਲ ਭਰਤੀ, ਸਿਖਲਾਈ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਨੌਕਰੀ ਦੇ ਅਹੁਦਿਆਂ ਨੂੰ ਵੀ ਮੁੜ ਰੂਪ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਜੋਖਮ ਅਤੇ ਵਿਰੋਧੀ ਦਲੀਲਾਂ

ਹਰ ਕੋਈ ਇਸ ਬਦਲਾਅ ਨੂੰ ਸਵੀਕਾਰ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਆਲੋਚਕ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ ਮਾਹਰ ਕੰਮ ਨੂੰ AI ਨੂੰ ਸੌਂਪਣ ਨਾਲ ਮਾਹਰਤਾ ਘਟ ਸਕਦੀ ਹੈ, ਲੁਕੀਆਂ ਹੋਈਆਂ ਗਲਤੀਆਂ ਆ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਸੰਸਥਾਵਾਂ ਨੂੰ ਕੰਪਲਾਇੰਸ (compliance) ਦੇ ਜੋਖਮਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। ਇਹ ਅਧਿਐਨ ਇਸ ਗੱਲ ਦੀ ਪਾਲਣਾ ਨਹੀਂ ਕਰਦਾ ਕਿ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਨਤੀਜਿਆਂ ਦੀ ਜਾਂਚ ਕਿੰਨੀ ਵਾਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਨਾ ਹੀ ਇਹ ਕੰਟਰੈਕਟ ਕਾਨੂੰਨ ਜਾਂ ਇੰਜੀਨੀਅਰਿੰਗ ਡਿਜ਼ਾਈਨ ਵਰਗੇ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਦੀ ਸੰਭਾਵੀ ਲਾਗਤ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ। ਇਹ ਚਿੰਤਾਵਾਂ ਸੁਝਾਉਂਦੀਆਂ ਹਨ ਕਿ ਹਾਲਾਂਕਿ AI ਸਮਰੱਥਾ ਵਧਾ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਯੋਗਤਾ ਦਾ ਇੱਕ ਝੂਠਾ ਅਹਿਸਾਸ ਵੀ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • ਟੂਲ ਵਿਕਾਸ (Tool development): ਭਵਿੱਖ ਦੇ LLM ਅੱਪਗ੍ਰੇਡਸ ਨੂੰ task crossover ਦੀਆਂ ਮੰਗਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਖਾਸ ਖੇਤਰ ਦੇ ਤਰਕ ਅਤੇ ਗਲਤੀਆਂ ਦੀ ਜਾਂਚ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
  • ਸੰਗਠਨਾਤਮਕ ਨੀਤੀਆਂ (Organizational policies): ਕੰਪਨੀਆਂ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੰਮਾਂ ਲਈ ਨਵੇਂ ਅੰਦਰੂਨੀ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਤਿਆਰ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਖਾਸ ਕਰਕੇ ਨਿਯੰਤਰਿਤ ਖੇਤਰਾਂ ਵਿੱਚ।
  • ਲੇਬਰ ਮਾਰਕੀਟ ਸੰਕੇਤ (Labor market signals): ਰਿਕਰੂਟਰ "AI-augmented generalist" ਨੂੰ ਇੱਕ ਯੋਗਤਾ ਵਜੋਂ ਸੂਚੀਬੱਧ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ prompt-engineering ਹੁਨਰਾਂ ਵੱਲ ਮੁੜ ਸਕਦੇ ਹਨ।

ਮੁੱਖ ਨੁਕਤੇ (Takeaways)

  • Task crossover ਮਾਹਰ ਕੁਐਰੀਆਂ ਦਾ 43.5% ਹਿੱਸਾ ਹੈ, ਜੋ ਪੇਸ਼ੇਵਰ ਕਾਰਜਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਓਵਰਲੈਪ (overlap) ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।
  • ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਇਸ ਬਦਲਾਅ ਦੀ ਅਗਵਾਈ ਕਰ ਰਹੇ ਹਨ, ਉਹ ਉਹਨਾਂ ਕੰਮਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ ਜੋ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਹੋਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਸਬੰਧਤ ਹਨ।
  • ਛੋਟੇ ਕਾਰੋਬਾਰ ਟੈਲੇਂਟ ਦੀ ਕਮੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ AI 'ਤੇ ਨਿਰਭਰ ਹਨ, ਜੋ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਕਰਮਚਾਰੀ ਨੂੰ ਇੱਕ ਬਹੁ-ਵਿਸ਼ਾ ਮਾਹਰ (multi-disciplinary operator) ਵਿੱਚ ਬਦਲ ਦਿੰਦੇ ਹਨ।
  • ਇਹ ਰੁਝਾਨ ਮੌਕੇ ਅਤੇ ਜੋਖਮ ਦੋਵੇਂ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮਜ਼ਬੂਤ AI ਵੈਲੀਡੇਸ਼ਨ ਅਤੇ ਕੰਮ ਵਾਲੀ ਥਾਂ ਦੇ ਨਵੇਂ ਨਿਯਮਾਂ ਦੀ ਮੰਗ ਵਧ ਰਹੀ ਹੈ।