„Šio mėnesio prasti užimtumo rodikliai paskatino kalbas, kad dirbtinis intelektas naikina darbo vietas.
Nesvarbu, ar tai atsispindi statistikoje, ar ne, dirbtinis intelektas kelia kitokį iššūkį nei ankstesni technologiniai sutrikimai – daugiausia dėl to, kad jis panaikina pradinio lygio pareigas, kurios tradiciškai buvo laikomos karjeros laiptais.
Šis pokytis padeda paaiškinti nerimą keliantį darbo jėgos nerimo modelį. Neseniai atlikta „Pew Research“ apklausa rodo, kad daugiau nei pusė dirbančių suaugusiųjų nerimauja dėl to, kaip dirbtinis intelektas gali būti naudojamas darbo vietoje. Rugsėjo mėnesio „Deutsche Bank“ apklausa rodo, kad 24 % jaunesnių nei 35 metų darbuotojų išreiškia didelį susirūpinimą dėl to, kad dėl dirbtinio intelekto gali prarasti darbą, palyginti su tik 10 % vyresnių nei 55 metų darbuotojų.
Istoriškai tiesa, kad jaunesni darbuotojai priima naujas technologijas, o vyresni darbuotojai priešinasi pokyčiams. Tačiau atrodo, kad dirbtinis intelektas apvertė šią dinamiką aukštyn kojomis.
Kai dirbtinis intelektas automatizuoja įprastas užduotis, organizacijos dažnai pastebi, kad joms reikia patyrusių darbuotojų, kurie galėtų derinti dirbtinio intelekto galimybes su ilgamete verslo žiniomis.
Šioms organizacijoms nereikia pradinio lygio darbuotojų, kurie mokytųsi pagrindų.
Duomenys rodo didėjantį nedarbą nuo 2022 m. tarp 22–25 metų amžiaus žmonių dirbtinio intelekto paveiktuose sektoriuose – net ir tuo metu, kai vyresnio amžiaus darbuotojų užimtumas išlieka stabilus.
Tradicinė apatinė karjeros laiptų pakopa nyksta. Turime galvoti apie tai, kaip dirbtinio intelekto valdoma ateitis paveiks jaunesnius darbuotojus, kad užtikrintume, jog turime pakankamai talentų pakeisti išeinančius į pensiją darbuotojus.
Tai prasideda nuo to, kad įmonės pripažįsta, jog dirbtinis intelektas yra esminis pokytis, o ne tik dar vienas įrankis. Vienas iš pavyzdžių galėtų būti dėmesys „dirbančiųjų dirbtinio intelekto“ kryptims, kuriose, užuot pradėję naujus darbuotojus atlikti įprastas užduotis, kurias gali atlikti dirbtinis intelektas, jie pradeda nuo dirbtinio intelekto priežiūros ir optimizavimo vaidmenų. Jie mokosi mokyti, stebėti ir tobulinti dirbtinio intelekto sistemas, tuo pačiu metu ugdydami srities žinias – derindami techninius įgūdžius su verslo nuovoka.
Antras variantas gali būti mentorystės reikalaujanti tobulinimo programa, kurioje jaunesni darbuotojai tiesiogiai susiejami su vyresniaisiais specialistais – leidžiant dirbtiniam intelektui atlikti įprastas užduotis, kurios anksčiau užpildydavo jaunesniojo darbuotojo dieną. Užuot mokęsi atlikdami sunkų darbą, jaunesnieji darbuotojai mokosi sprendimų ir strategijos dirbdami kartu su patyrusiais kolegomis spręsdami aukštesnio lygio problemas nuo pirmos dienos, ugdydami verslo nuovoką ir strateginį mąstymą, kurio dirbtinis intelektas negali. atkartoti.
Tai gali apimti ir projektais pagrįstą tobulėjimą, kai nauji darbuotojai padeda įgyvendinti dirbtinio intelekto iniciatyvas visuose skyriuose, o ne užima tradicines pareigas. Jie mokosi pritaikyti technologijas, įgyja klientų patirties ir stebi verslo sandorius, kurie paprastai skirti vyresnio amžiaus darbuotojams, kartu tobulindami techninius ir vadovavimo gebėjimus keliose verslo srityse.
Šio naujo tipo karjeros tobulinimo pagrindas yra demonstruojamos kompetencijos prioritetų perkėlimas į darbo stažą. Įmonės gali sukurti darbuotojų metriką, pagrįstą jų poreikiais ir talentų telkiniais, leisdamos greičiau kilti karjeros laiptais, remiantis įrodytais gebėjimais, o ne laiku, atliktu atliekant pareigas, kurios gali nebeegzistuoti.
DI toliau tobulėjant, skirtumas tarp DI diegimo ir kasdienio darbo vis labiau nyks. Į ateitį orientuotos organizacijos jau reikalauja tokių pokyčių, į savo kultūros DNR įtraukdamos prisitaikymą.
DI įgūdžių negalima ugdyti atskirai. Užuot DI traktavusios kaip atskirą įgūdžių rinkinį ar gebėjimą, pirmaujančios organizacijos integruos DI mokymus su darbuotojų tobulinimu, užtikrindamos, kad darbuotojai suprastų ir technologiją, ir jos strateginį taikymą. Tai reiškia, kad reikia mokyti, kaip skatinti DI, kartu su finansine analize. Tai reiškia, kad darbuotojai mokosi DI modelio vertinimo kartu su klientų santykiais ir įvaldo algoritminio šališkumo aptikimą kartu su rinkos tyrimais.
The Tikslas – parengti specialistus, kurie į dirbtinį intelektą (DI) žiūrėtų kaip į verslo strategijos dalį, o ne kaip į atskirą techninę sritį. Toks požiūris atspindi darbo ateitį. Organizacijos, kurios dabar kuria šiuos pajėgumus, bus geriau pasirengusios pasinaudoti besiformuojančiomis technologijomis, kartu išlaikydamos darbuotojų įsitraukimą ir pasitikėjimą.
DI transformuojant darbą, konkurencinį pranašumą vis labiau įgis organizacijos, kurios puikiai išmano ne tik technologijų diegimą, bet ir žmogiškųjų gebėjimų, kurie daro technologijas vertingas, ugdymą. Dirbtinio intelekto diegimo srityje taikydami tokį pat griežtumą, kokį šie darbdaviai jau taiko techniniam diegimui, vadovai gali sukurti stipresnę darbo jėgą ateičiai ir darbo vietas, kuriose žmonės ir DI kartu pasiektų rezultatų, kurių nė vienas iš jų negalėtų pasiekti pavieniui.
Trūkstamas žemesnis šių dienų karjeros laiptų laiptelis nėra problema, kurią reikia išspręsti. Tai suteikia galimybę sukurti kažką geresnio. Organizacijos, kurios imsis veiksmų dabar, kad sukurtų šiuos naujus kelius, nulems, kaip atrodo sėkmė besiformuojančioje DI eroje.
---
Ponas Smithas yra praktikos profesorius ir Žmogiškojo kapitalo plėtros laboratorijos fakulteto direktorius Johnso Hopkinso universitete.” [1]
Dirbtinis intelektas pasiruošęs atimti generalinio direktoriaus darbą. Kalbėti apie strateginį žmonių mąstymą yra pasenusios šnektos.
1. AI Means the End of Entry-Level Jobs. Smith, Richard R; Kabir, Arafat. Wall Street Journal, Eastern edition; New York, N.Y.. 23 Dec 2025: A15.
Komentarų nėra:
Rašyti komentarą