பணியிடத்தில் மக்கள் செய்வதைச் செயற்கை நுண்ணறிவு எவ்வாறு விரிவுபடுத்துகிறது

மக்கள் செய்யும் வேலையைச் செயற்கை நுண்ணறிவு மாற்றுகிறது. அமெரிக்காவைச் சேர்ந்த ChatGPT பயனர்களின் 8,00,000-க்கும் மேற்பட்ட செய்திகளைப் பகுப்பாய்வு செய்ததில், வேலை தொடர்பான செய்திகளில் 16.8%-உம், தொழில் சார்ந்த செய்திகளில் 43.5%-உம் வேறொரு தொழிலுடன் தொடர்புடைய பணிகளைப் பற்றியவை என்று எங்களின் புதிய ஆய்வு தெரிவிக்கிறது.

ஒரு சிறுதொழில் உரிமையாளர் தாமாகவே விளம்பர உரை எழுதலாம், ஒப்பந்தத்தை ஆய்வு செய்யலாம் அல்லது அடிப்படை நிதிப் பகுப்பாய்வை மேற்கொள்ளலாம். முன்பு ஒரு பகுப்பாய்வாளரிடம் ஒப்படைக்கப்பட்டிருக்கக்கூடிய வாடிக்கையாளர் தரவுத்தொகுப்பை ஆராய, செயற்கை நுண்ணறிவை விற்பனையாளர் பயன்படுத்தலாம். உருவாக்குநருக்காகக் காத்திருக்காமல், சந்தைப்படுத்துபவர் இணையதளக் கோளாறைக் கண்டறிந்து சரிசெய்யலாம். ஒவ்வொரு சூழலிலும், வேலை எப்படிச் செய்யப்படுகிறது என்பதை மட்டுமல்ல, யார் எதைச் செய்கிறார்கள் என்பதையும் செயற்கை நுண்ணறிவு மாற்றுகிறது.

எங்களின் புதிய அறிக்கையான அதிநவீன நிலையில் வேலை: பணியிடத்தில் மக்கள் செய்வதைச் செயற்கை நுண்ணறிவு எவ்வாறு விரிவுபடுத்துகிறது, இந்த மாற்றத்தை ஆராய்கிறது. இதன் விளைவாக உருவாகும் போக்கை பணிக் கடப்பு என்கிறோம்: வரலாற்றில் ஒரு தொழிலுடன் தொடர்புடைய வேலை, வேறொரு தொழிலைச் சேர்ந்தவர்களின் செயற்கை நுண்ணறிவுப் பயன்பாட்டில் தோன்றுவதே இது. எங்களின் செயற்கை நுண்ணறிவு வேலைகள் மாற்றக் கட்டமைப்பில்⁠(புதிய சாளரத்தில் திறக்கும்), பல வேலைகள் மறுசீரமைக்கப்படக்கூடும் என்று வாதிடுகிறோம். இவற்றின் அன்றாடப் பணிகள் கணிசமாக மாறக்கூடும். நிகழ்நேரத்தில் வேலையைச் செயற்கை நுண்ணறிவு எவ்வாறு மாற்றுகிறது என்பதை ஆராயும் எங்களின் புதிய அதிநவீன நிலையில் வேலை தொடரின் முதல் அறிக்கை இது. 

வேலை உலகம் மாறிவருவதை அறிய எங்களுக்குள்ள தனித்துவமான வாய்ப்பைப் பயன்படுத்தி, கொள்கைக்கும் நடைமுறைக்கும் வழிகாட்டும் ஆதார அடிப்படையிலான, தரவு சார்ந்த பார்வைகளைத் தொடர்ந்து வழங்குவோம்.

செயற்கை நுண்ணறிவையும் வேலையையும் பற்றிய பல ஆய்வுகள், குறிப்பிட்ட தொழிலுடன் தொடர்புடைய பணிகளின் நிலையான பட்டியலை எடுத்துக்கொண்டு, அவற்றை மாடல்களால் செய்ய முடியுமா எனக் கேட்கின்றன. எந்தப் பணியை யார் மேற்கொள்கிறார்கள் என்பதையும் செயற்கை நுண்ணறிவு மாற்றுவதாக எங்கள் ஆதாரங்கள் தெரிவிக்கின்றன.

பணிக் கடப்பை அளவிட, முதலில் ஒரு தொழிலுடன் தொடர்புடைய வேலையைப் பல வேலைகளில் காணப்படும் பொதுவான வேலையிலிருந்து பிரிக்கிறோம். எழுதுதல், சுருக்குதல், கால அட்டவணையிடுதல் போன்ற சில செயல்கள் பல தொழில்களிலும் பரவலாக இருப்பதால், அவற்றைக் கடப்புக்கான ஆதாரமாகக் கருத முடியாது. இவற்றைப் பொதுவானவை என வகைப்படுத்துகிறோம். மீதமுள்ள செய்திகளில், பயனரின் சொந்தத் தொழிலுக்கு உள்ளேயா வெளியேயா அந்தப் பணி உள்ளது என்று ஆராய்கிறோம். பொதுவானதல்லாத செய்திகளில் 43.5% பயனரின் தொழிலுக்கு வெளியே உள்ளன. வேலை விவரங்கள் அல்லது பதவிப் பெயர்களில் மாற்றங்கள் தெரிவதற்கு முன்பே, வேலைகளின் பணி உள்ளடக்கத்தைச் செயற்கை நுண்ணறிவு எவ்வாறு மாற்றியமைக்கக்கூடும் என்பதற்கான தொடக்கப் பார்வையை இது வழங்குகிறது.

வேலை தொடர்பான ChatGPT பயன்பாட்டில் கணிசமான பகுதி, பயனர்கள் தங்கள் பங்கை விரிவுபடுத்துவதால் உருவாகிறது என்பதை இது காட்டுகிறது. இந்தப் போக்கு பல குழுக்களில் குறிப்பாகத் தெளிவாக உள்ளது. பொதுவான வேலைகளை நீக்கிய பிறகு, தங்கள் தொழிலுக்கு வெளியான பணிகளின் பங்கு: 

• வாடிக்கையாளர் அனுபவப் பணியாளர்களின் தொழில் சார்ந்த செய்திகளில் 77%
• வடிவமைப்பாளர்களின் செய்திகளில் 75%
• மனிதவளப் பணியாளர்களின் செய்திகளில் 69%
• சட்டத் துறைப் பணியாளர்களின் செய்திகளில் 56% 
• சந்தைப்படுத்துபவர்களின் செய்திகளில் 53%

இந்தத் தொழில்கள் பிற பங்குகளிலிருந்து இப்பணிகளைக் “கடன் வாங்குகின்றன”. வேலைப் பிரிவினை மாறிவருவதை ஆதாரங்கள் காட்டுகின்றன. முன்பு வேறொருவரிடம் ஒப்படைக்க வேண்டிய சில செயல்களை, அந்தத் தேவையை முதலில் எதிர்கொள்பவரே இப்போது செய்ய முடிகிறது.

பொதுவானதல்லாத ஒவ்வொரு செய்தியும் எந்தத் தொழிலின் வேலையை மிக நெருக்கமாக ஒத்திருக்கிறது என்பதைக் கொண்டு, பணிக் கடப்பைக் கீழுள்ள வெப்ப வரைபடம் காட்டுகிறது. சந்தைப்படுத்தல் மற்றும் பொறியியல் பணிகளே மிகப் பரவலாகச் செல்கின்றன; அத்துறைகளுக்கு வெளியே உள்ள பணியாளர்களின் செய்திகளில் அவை அடிக்கடி தோன்றுகின்றன.

தொழில்களிலிருந்து குறிப்பிட்ட பணிகளுக்கு நுணுக்கமாகப் பார்க்கும்போது, பணிக் கடப்பு சீராகப் பகிரப்படவில்லை. பகுப்பாய்வில் உள்ள மற்ற ஏழு தொழில் குழுக்கள் அனைத்திலும், பொதுவாகக் காணப்படும் மூன்று வெளிப்பணிகளில் நிதிக் கணக்கீடும் தொழில்நுட்பக் கோளாறு சரிசெய்தலும் இடம்பெறுகின்றன. சந்தைப்படுத்தல் வேலையும் பரவலாகச் செல்கிறது. சந்தைப்படுத்தல் உள்ளடக்கத்தை உருவாக்குவது மற்ற ஐந்து குழுக்களில் காணப்படுவதுடன், வடிவமைப்புப் பயனர்களிடம் குறிப்பாக அதிகமாக உள்ளது.

பரந்த பணித் தொகுப்புகளைப் பார்க்கும்போது, கடப்பு இரண்டு வெவ்வேறு திசைகளில் நடப்பது தெரிகிறது. சில வேலைகள் பிற தொழில்களிலிருந்து பல பணிகளை ஏற்றுக்கொள்கின்றன. மற்றவை பல்வேறு வேலைகளில் தோன்றும் பணிகளை வழங்குகின்றன.

முதல் போக்குக்கு வடிவமைப்பு ஓர் எடுத்துக்காட்டு. வடிவமைப்பாளர்களின் செய்திகளில் சுமார் 35.2% பொதுவாக வேறொரு தொழிலுடன் தொடர்புடைய வேலைகளைப் பற்றியவை. ஆனால் மற்ற துறைகளின் பணியாளர்கள் அனுப்பும் செய்திகளில் வடிவமைப்புப் பணிகளின் பங்கு 1.7% மட்டுமே. வெளிப்பணிகளை வடிவமைப்பாளர்கள் பெருமளவில் பயன்படுத்துகின்றனர். ஆனால் வடிவமைப்பு வேலையே பிற இடங்களில் அரிதாகவே தோன்றுகிறது.

பொறியியலில் இதற்கு ஏறக்குறைய நேர்மாறான நிலை காணப்படுகிறது. பொறியியல் செய்திகளில் 18.5% மட்டுமே பிற துறைகளின் பணிகளை உள்ளடக்குகின்றன. ஆனால் மற்ற தொழில்களின் பணியாளர்கள் அனுப்பும் செய்திகளில் பொறியியல் பணிகளின் பங்கு 7.4%. மென்பொருள் கோளாறுகளைச் சரிசெய்வது முதல் தொழில்நுட்ப முறைமைகளுடன் பணியாற்றுவது வரை, பிற துறையினர் மேற்கொள்ளும் பணிகளுக்கு பொறியியல் ஒரு முக்கிய ஆதாரமாக உள்ளது.

சந்தைப்படுத்தல் இரு திசைகளிலும் தனித்து நிற்கிறது. சந்தைப்படுத்துபவர்களின் செய்திகளில் 24.3% பிற தொழில்களுடன் தொடர்புடைய பணிகளுக்கானவை. அதேவேளை, பிற துறைகளின் பணியாளர்கள் அனுப்பும் செய்திகளில் சந்தைப்படுத்தல் பணிகளின் பங்கு 8.9%. மாதிரியில் வெளிநோக்கிப் பரவும் மிக உயர்ந்த பங்கு இதுவே. சந்தைப்படுத்தல் பணியாளர்கள் பல துறைகளின் பணிகளை ஒருங்கிணைக்கின்றனர். சந்தைப்படுத்தல் வேலையும் நிறுவனம் முழுவதும் பரவலாகச் செல்கிறது.

தொழிலின் அளவும் கட்டமைப்பும் வேலையைச் செயற்கை நுண்ணறிவு எவ்வாறு மாற்றுகிறது என்பதைத் தீர்மானிக்கின்றன. ஒரு பெரிய நிறுவனத்தில், பணியாளர்களுக்குச் சிறப்புக் குழுக்கள், நிறுவப்பட்ட பணிப்பாய்வுகள், உள்சேவைகள் ஆகியவை கிடைக்கலாம். ஒரு சிறிய நிறுவனத்தில், சிக்கலை வேறொருவரிடம் ஒப்படைப்பதற்குப் பதிலாக, அதற்கு மிக அருகில் உள்ள பணியாளரே அதைக் கையாள அதிக வாய்ப்புள்ளது.

சராசரிப் பயனர்களில், தங்கள் தொழிலுக்கு வெளியான பணிகளின் பங்கு 2–5 இடங்களைக் கொண்ட பணிச்சூழல்களில் 18.9%-இலிருந்து, 100-க்கும் மேற்பட்ட இடங்களைக் கொண்ட பணிச்சூழல்களில் 16.3%-ஆகக் குறைகிறது. மிக அதிகமாகப் பயன்படுத்துபவர்களிடம், இதே சீரான ஒருதிசைப் போக்கை நாங்கள் காணவில்லை.

சிறிய நிறுவனங்களில் ஓரளவு பயன்படுத்துபவர்கள், வேறொரு பிரிவின் உதவி தேவைப்படும் வேலையை எதிர்கொள்ளும்போது செயற்கை நுண்ணறிவை நாடுகிறார்கள் என்பது ஒரு சாத்தியமான விளக்கம். நிறுவனங்கள் முழுவதும் ஒரே மாதிரியாகத் தோன்றும், செயற்கை நுண்ணறிவு ஆதரவு பெற்ற நிலையான பணிப்பாய்வுகளை அதிகமாகப் பயன்படுத்துபவர்கள் உருவாக்கியிருக்கலாம். அல்லது தங்கள் முதன்மைத் தொழிலிலேயே அதை அதிகத் தீவிரமாகப் பயன்படுத்தலாம்.

நிபுணத்துவ வளங்கள் குறைவாக உள்ள இடங்களில், பலதுறைப் பயன்பாட்டுக் கருவியாகச் செயற்கை நுண்ணறிவு குறிப்பாகப் பயனுள்ளதாக இருக்கலாம்.

இதுபோன்ற செயற்கை நுண்ணறிவுப் பயன்பாட்டுத் தரவு, வேலை எந்தத் திசையில் மாறுகிறது என்பதைக் காட்டும் ஓர் அறிகுறி ஆகும். நிறுவனங்கள் வேலை விவரங்களை மாற்றுவதற்கும் புதிய பதவிப் பெயர்களை உருவாக்குவதற்கும் முன்பே, புதிய செயல்பாட்டுக் கலவைகளைப் பணியாளர்கள் பரிசோதிக்கச் செயற்கை நுண்ணறிவு எவ்வாறு உதவுகிறது என்பதை இதன் மூலம் காணலாம். அந்த வகையில், வழக்கமான தொழிலாளர் சந்தைப் புள்ளிவிவரங்கள் பின்னரே பதிவு செய்யக்கூடிய தொழில்சார் மாற்றத்திற்கான ஆரம்ப அறிகுறியைப் பயன்பாட்டுப் போக்குகள் வழங்கக்கூடும்.