Jinsi AI inavyopanua kazi wanazofanya watu

AI inabadilisha kazi ambazo watu hufanya. Katika uchanganuzi wa zaidi ya jumbe 800,000 kutoka kwa watumiaji nchini Marekani wa ChatGPT, utafiti wetu mpya unaonyesha kuwa 16.8% ya jumbe zinazohusiana na kazi na 43.5% ya jumbe mahususi kwa taaluma zinahusu majukumu yanayohusishwa na taaluma nyingine.

Mmiliki wa biashara ndogo anaweza kuandika maudhui ya matangazo, kukagua mkataba au kufanya uchanganuzi wa msingi wa kifedha mwenyewe. Muuzaji anaweza kutumia AI kuchunguza data ya wateja ambayo hapo awali huenda ingekabidhiwa kwa mchambuzi. Mtaalamu wa masoko anaweza kutatua hitilafu za tovuti bila kumsubiri msanidi programu. Katika kila hali, AI haibadilishi tu jinsi kazi inavyofanywa, bali pia nani anayefanya nini.

Ripoti yetu mpya, Kazi katika AI ya Kiwango cha Juu Zaidi: Jinsi AI Inavyopanua Kazi Wanazofanya Watu, inachunguza mabadiliko haya. Tunauita mtindo huu uvukaji wa majukumu: kazi ambayo kihistoria imehusishwa na taaluma moja kujitokeza katika matumizi ya AI ya watu wa taaluma nyingine. Katika Mfumo wetu wa Mpito wa Ajira katika Enzi ya AI⁠(fungua katika dirisha jipya), tunasema kuwa huenda kazi nyingi zikapangwa upya: hizi ni kazi ambazo majukumu yake ya kila siku yanaweza kubadilika kwa kiasi kikubwa. Hii ni ripoti ya kwanza katika mfululizo wetu mpya wa Kazi katika AI ya Kiwango cha Juu Zaidi, unaochunguza jinsi AI inavyobadilisha kazi kwa wakati halisi. 

Kwa kutumia mtazamo wetu wa kipekee kuhusu mabadiliko katika ulimwengu wa kazi, tutatoa maarifa ya mara kwa mara yanayotokana na data na ushahidi ili kuongoza sera na utendaji.

Tafiti nyingi kuhusu AI na kazi huanza na orodha maalum ya majukumu yanayohusishwa na taaluma fulani na kuuliza ikiwa miundo inaweza kuyatekeleza. Ushahidi wetu unaonyesha kuwa AI pia inabadilisha nani anayetekeleza jukumu gani.

Ili kupima uvukaji wa majukumu, kwanza tunatenganisha kazi inayohusishwa na taaluma fulani na kazi inayopatikana katika taaluma nyingi. Baadhi ya shughuli, kama vile kuandika, kufupisha na kupanga ratiba, hupatikana katika taaluma nyingi mno kiasi kwamba haziwezi kuwa ushahidi wa uvukaji. Tunaziainisha kuwa za jumla. Kwa jumbe zilizosalia, tunaangalia ikiwa jukumu liko ndani au nje ya taaluma ya mtumiaji mwenyewe. Kati ya jumbe zisizo za jumla, 43.5% ziko nje ya taaluma ya mtumiaji, hivyo kutupa taswira ya mapema ya jinsi AI inavyoweza kubadili majukumu yanayounda kazi kabla mabadiliko hayo hayajaonekana katika maelezo au vyeo vya kazi.

Hii inaonyesha kuwa sehemu kubwa ya matumizi ya ChatGPT yanayohusiana na kazi hutokana na watumiaji wanaopanua majukumu yao. Mtindo huu unaonekana wazi zaidi katika makundi kadhaa. Baada ya kuondoa kazi za jumla, majukumu ya nje ya taaluma yanawakilisha: 

• 77% ya jumbe mahususi kwa taaluma kutoka kwa wahudumu wa uzoefu wa wateja
• 75% kutoka kwa wabunifu
• 69% kutoka kwa wafanyakazi wa rasilimali watu
• 56% kutoka kwa wafanyakazi wa sheria 
• 53% kutoka kwa wataalamu wa masoko

Watu katika taaluma hizi “wanaazima” majukumu haya kutoka kwa taaluma nyingine. Ushahidi unaonyesha mgawanyo wa kazi unaobadilika: baadhi ya shughuli ambazo hapo awali zilihitaji kukabidhiwa kwa mtu mwingine sasa zinaweza kufanywa na mtu anayekutana na hitaji hilo kwanza.

Ramani joto iliyo hapa chini inaonyesha uvukaji wa majukumu kwa kubainisha ni kazi ya taaluma gani ambayo kila ujumbe usio wa jumla unafanana nayo zaidi. Majukumu ya masoko na uhandisi huenea mbali zaidi, na hujitokeza mara nyingi katika jumbe za wafanyakazi walio nje ya nyanja hizo.

Tunapochunguza taaluma hadi kufikia majukumu mahususi, uvukaji wa majukumu haujasambaa sawasawa. Ukokotoaji wa kifedha na utatuzi wa hitilafu za teknolojia zote zimo miongoni mwa majukumu matatu ya nje yanayopatikana zaidi katika makundi yote saba ya taaluma nyingine kwenye uchanganuzi. Kazi za masoko pia huenea kwa upana: kutayarisha nyenzo za masoko kunajitokeza katika makundi mengine matano na ni maarufu hasa miongoni mwa watumiaji wa usanifu.

Kuchunguza makundi mapana ya majukumu kunaonyesha mielekeo miwili tofauti ya uvukaji. Baadhi ya kazi hujumuisha majukumu mengi kutoka taaluma nyingine. Nyingine hutoa majukumu yanayojitokeza katika kazi nyingi tofauti.

Usanifu unaonyesha mtindo wa kwanza. Takriban 35.2% ya jumbe kutoka kwa wabunifu zinahusu kazi ambayo kwa kawaida huhusishwa na taaluma nyingine, ilhali majukumu ya usanifu yanawakilisha 1.7% pekee ya jumbe za wafanyakazi katika nyanja nyingine. Wabunifu hutegemea sana majukumu ya nje, lakini kazi za usanifu zenyewe hujitokeza kwingine mara chache.

Uhandisi unakaribia kuwa kinyume chake. Ni 18.5% pekee ya jumbe za uhandisi zinazohusu majukumu kutoka nyanja nyingine, lakini majukumu ya uhandisi yanawakilisha 7.4% ya jumbe miongoni mwa wafanyakazi katika taaluma nyingine. Uhandisi ni chanzo muhimu cha kazi zinazotekelezwa na watu wa taaluma nyingine, kuanzia kutatua hitilafu za programu hadi kushughulikia mifumo ya kiufundi.

Masoko yanajitokeza katika mielekeo yote miwili. Wataalamu wa masoko hutumia 24.3% ya jumbe zao kwa majukumu yanayohusishwa na taaluma nyingine, ilhali majukumu ya masoko yanawakilisha 8.9% ya jumbe miongoni mwa wafanyakazi wa nyanja nyingine—sehemu kubwa zaidi ya majukumu yanayoenea nje katika sampuli. Wafanyakazi wa masoko huunganisha majukumu kutoka nyanja nyingi, na kazi za masoko pia huenea kote katika shirika.

Ukubwa na muundo wa biashara huathiri jinsi AI inavyobadilisha kazi. Katika kampuni kubwa, wafanyakazi wanaweza kufikia timu maalum, mifumo ya kazi iliyoimarika na huduma za ndani. Katika shirika dogo, mfanyakazi aliye karibu zaidi na tatizo ana uwezekano mkubwa wa kulishughulikia badala ya kumkabidhi mwingine.

Miongoni mwa watumiaji wa kawaida, sehemu ya majukumu ya nje ya taaluma hupungua kutoka 18.9% kwa watumiaji katika mazingira ya kazi yenye nafasi 2–5 hadi 16.3% kwa walio katika mazingira yenye zaidi ya nafasi 100. Miongoni mwa watumiaji wakubwa zaidi, hatuoni mtindo huohuo wa kupungua mfululizo.

Maelezo mojawapo ni kwamba watumiaji wa wastani katika mashirika madogo hutumia AI wanapokumbana na kazi ambayo vinginevyo ingehitaji idara nyingine. Badala yake, huenda watumiaji wakubwa wamebuni mifumo thabiti ya kazi inayosaidiwa na AI na inayofanana zaidi katika mashirika mbalimbali, au wakatumia AI kwa kina zaidi ndani ya taaluma yao kuu.

AI inaweza kuwa muhimu hasa kama zana ya matumizi mengi mahali ambapo rasilimali za wataalamu ni chache.

Data kama hii ya matumizi ya AI ni kiashirio cha mahali kazi inapobadilika. Inatuwezesha kuona jinsi AI inavyowaruhusu wafanyakazi kujaribu michanganyiko mipya ya shughuli kabla kampuni hazijaandika upya maelezo ya kazi au kuunda vyeo vipya. Kwa maana hiyo, mitindo ya matumizi inaweza kutoa ishara ya mapema ya mabadiliko ya taaluma ambayo takwimu za kawaida za soko la ajira zitabaini baadaye tu.