Ar dirbtinis intelektas atims darbo vietas?

Pagal VDU profesoriaus Vytauto Žirgučio įžvalgas, dirbtinis intelektas dažniau keičia profesijų turinį nei jas visiškai panaikina, panašiai kaip elektros "įdarbinimas" praeityje sukūrė naujas profesijas ir panaikino senas. McKinsey tyrimas rodo, kad iki 2030 metų JAV apie 30 proc. dabar žmogaus atliekamo darbo valandų gali būti automatizuota.

Kurios profesijos labiausiai rizikuoja dėl dirbtinio intelekto?

Didžiausia rizika gresia gamybos linijų operatoriams ir programuotojams, nes DI modeliai vis geriau kuria programinės įrangos kodą. Tuo pat metu sparčiai auga poreikis duomenų analitikams, duomenų inžinieriams ir duomenų mokslininkams.

Kaip darbuotojui prisitaikyti prie dirbtinio intelekto pokyčių?

Svarbiausia išmokti efektyviai naudotis DI įrankiais, įskaitant tinkamų užklausų formulavimą (angl. prompt engineering), nes rezultatą lemia ir įrankio galimybės, ir tai, kaip juo naudojamasi. Profesorius pabrėžia, kad darbą atims ne pats DI, o gebėjimas juo naudotis: dirbtinis intelektas atims darbą iš tų, kurie juo nesinaudos.

AI ir Lietuvos darbo rinka: kurios profesijos keičiasi

AI ir Lietuvos darbo rinka, tai procesas, kuriame dirbtinis intelektas ne tiek naikina darbo vietas, kiek perskirsto jas: kai kurios profesijos sunyksta, kitos atsiranda, o dauguma iš esmės pasikeičia savo turiniu ir reikalaujamais įgūdžiais.

Analogija su elektra, kuri paaiškina viską

Vytauto Didžiojo universiteto Ekonomikos ir vadybos fakulteto profesorius dr. Vytautas Žirgutis interviu 15min siūlo paprastą, bet tikslų palyginimą: dirbtinis intelektas šiandien „įdarbina" duomenis panašiai, kaip prieš daugelį metų buvo „įdarbinta" elektra. Sulig elektros atsiradimu gimė naujos profesijos: elektrikas, energetikas, elektrotechnikas, o senos, tokios kaip žibalinių lempų uždegėjas, išnyko. Kaip pastebima „Naujos taisyklės darbo rinkoje: dirbtinis intelektas atims darbą iš tų, kurie juo nesinaudos" (15min), tikėtina, kad DI poveikis darbo rinkai bus panašaus arba net didesnio masto.

Kurios profesijos rizikuoja labiausiai

Profesoriaus vertinimu, artimiausiu metu didžiausią spaudimą pajus:

Gamybos linijų operatoriai: jų poreikis mažės, nes autonominės sistemos jau dabar geba atlikti rutinines gamybos užduotis.
Programuotojai: naujausi DI modeliai vis geriau kuria programinės įrangos kodą, todėl žemesnio lygio programavimo darbai automatizuojasi greičiausiai.

Tuo pat metu ryškiai auga poreikis duomenų analitikams, duomenų inžinieriams ir duomenų mokslininkams: profesijoms, kurios padeda organizacijoms suprasti ir tinkamai panaudoti DI generuojamus rezultatus.

Kiek pokytis realiai apims darbo rinką

Skaičiai, kuriuos cituoja profesorius, rodo pokyčio mastą: prieš porą metų atliktas McKinsey tyrimas parodė, kad iki 2030 metų JAV apie 30 proc. viso šiuo metu žmogaus atliekamo darbo (skaičiuojant valandomis) gali būti automatizuota. Kitas, dar ankstesnis tyrimas teigė, kad dėl dirbtinio intelekto taikymo profesiją turės keisti maždaug šeštadalis, tai yra iki 375 mln., dirbančiųjų visame pasaulyje.

Tai nereiškia masinio bedarbystės šuolio: veikiau ilgo, palaipsnio perėjimo, panašaus į tą, kurį praeityje sukėlė elektra: nuo pirmos baterijos iki masinio elektros naudojimo praėjo beveik visas amžius.

Kodėl „prompt engineering" tapo realiu įgūdžiu

Vienas svarbiausių pokyčių nėra susijęs su konkrečia profesija, o su tuo, kaip žmonės naudojasi DI įrankiais. Profesorius pastebi, kad rezultatą lemia ir dirbtinio intelekto galimybės, ir tai, kaip formuluojamos užklausos: šis įgūdis vadinamas „prompt engineering". Kaip jis įvardija, „jeigu su plaktuku bandysime drožinėti medį, rezultatas bus nelabai koks", tas pats galioja ir DI naudojimui be tinkamų įgūdžių.

Kaip tai atrodo praktiškai

Įsivaizduokime vidutinio dydžio Lietuvos gamybos įmonę, kurioje dalis rutininių gamybos linijos operacijų jau seniai galėtų būti automatizuota, tačiau komanda apie tai net nesvarsto, nes niekas nėra atsakingas už šį klausimą. Tuo pačiu metu įmonės buhalterė, išmokusi naudotis DI įrankiais ataskaitoms ir duomenų analizei, tampa vis vertingesnė, nes geba interpretuoti ir patikrinti tai, ką sugeneruoja sistema. Skirtumas tarp šių dviejų atvejų: ne technologijos prieinamumas, o tai, ar organizacija sąmoningai investuoja laiką išmokti ja naudotis. Būtent tai profesorius ir vadina esminiu kriterijumi, lemsiančiu, kas išlaikys savo vietą darbo rinkoje.

Ką tai reiškia darbdaviams ir komandoms

Lietuvos įmonėms tai kelia praktinį klausimą: kaip pasiruošti komandą, kad darbo rinkos pokytis taptų galimybe, o ne grėsme. Naudingiausia:

Nustatyti, kurios konkrečios komandos užduotys jau šiandien gali būti iš dalies automatizuotos, ir pradėti nuo jų.
Investuoti į darbuotojų mokymą, kaip efektyviai formuluoti užklausas ir integruoti DI į kasdienį darbą, o ne tik teoriškai susipažinti su įrankiais.
Vertinti ne technologijos turėjimą, o gebėjimą ja naudotis: būtent tai profesorius vadina esminiu skirtumu tarp tų, kurie išlaikys darbo vietą, ir tų, kurie jos neteks.

Kodėl šis pokytis vyksta palaipsniui, o ne staiga

Verta atskirti du dalykus: technologijos prieinamumą ir jos realų pritaikymą organizacijose. Nors DI modeliai jau šiandien geba atlikti nemažai užduočių, dauguma įmonių, ypač Lietuvoje, tik pradeda eksperimentuoti su jų integravimu į kasdienius procesus. Tai reiškia, kad profesijų pokytis vyks ne per vienerius metus, o per ilgesnį laikotarpį, panašiai kaip elektros diegimas užtruko dešimtmečius, kol tapo visuotine norma. Įmonėms, kurios pradeda ruoštis šiam pokyčiui jau dabar, tai suteikia realų laiko pranašumą prieš tas, kurios lauks, kol pokytis taps neišvengiamas.

Kaip suskaičiuoti, ką pokytis reiškia jūsų komandai

Bendri procentai apie darbo rinką vadovui mažai ką duoda. Naudingiau paskaičiuoti savo skaičius, o aritmetika čia paprasta.

Tarkime, biure dirba 6 žmonės. Kiekvienas per savaitę maždaug 6 valandas praleidžia prie rutininio teksto ir duomenų darbo: pasiūlymų ruošimo, ataskaitų perrašymo, laiškų juodraščių, duomenų perkėlimo tarp lentelių.

6 žmonės po 6 valandas: 36 valandos per savaitę.
Per mėnesį: apie 155 valandos.
Jei DI įrankiai tas užduotis pagreitina trečdaliu: apie 50 valandų per mėnesį.
Prie 20 eurų vidutinės darbo valandos kaštų: apie 1000 eurų per mėnesį.

Trečdalis yra atsargus vertinimas, praktikoje pirmi rezultatai dažnai mažesni, o po kelių mėnesių didesni. Svarbiau kas kita: 50 valandų per mėnesį nėra atleisti žmonės, tai laikas, kuris grįžta klientams, pardavimams ar tam, ką komanda nuolat atidėlioja. Kaip tas valandas paversti matuojamu rodikliu, aprašėme atskirai: kaip pamatuoti AI mokymų naudą.

Ką realiai daryti per artimiausius tris mėnesius

Surašykite užduotis, ne pareigybes. Klausimas ne „ar buhalterio profesija išnyks“, o „kurios šio darbo valandos yra rutina“. Rizika ir nauda visada glūdi konkrečiose užduotyse.
Pasirinkite dvi ar tris užduotis pilotui. Tinka tos, kurios kartojasi kas savaitę, turi aiškų rezultatą ir kur klaida nekainuoja brangiai.
Apmokykite tuos, kurie tas užduotis atlieka. Ne visą įmonę iš karto. Žmogus, kuris pats jaučia skausmą, greičiausiai randa naudą.
Užrašykite, kas suveikė. Veikiančios užklausos turi gulti į bendrą prompt biblioteką komandai, kitaip žinios lieka vieno žmogaus galvoje ir išeina kartu su juo.
Peržiūrėkite po trijų mėnesių. Kas liko naudojama kasdien, tas veikia. Kas buvo išbandyta ir apleista, tam nereikėjo įrankio.

Dažniausios klaidos

Laukti, kol paaiškės, kurie įrankiai laimės. Įgūdis persikelia iš įrankio į įrankį, todėl laukimas nieko neapsaugo. Sprendimas: pradėti nuo užduoties, ne nuo įrankio pasirinkimo.
Mokyti visus vienodai. Pardavėjui ir buhalteriui reikia skirtingų dalykų. Sprendimas: mokymai pagal realias pareigų užduotis.
Vienkartinis seminaras. Po dviejų valandų teorijos komanda grįžta prie senų įpročių. Sprendimas: trumpi pakartojimai ir aiškus žmogus, kurio galima paklausti.
Pristatyti DI kaip etatų mažinimo priemonę. Tada komanda tyliai priešinasi ir naudos nerodo. Sprendimas: pristatyti pokytį atvirai ir įvardyti, kur nueis sutaupytas laikas.
Pasitikėti rezultatu be patikros. DI klysta įtikinamai. Sprendimas: kiekvienam procesui aiškus žmogus, kuris tikrina išvestį.

Prieštaravimai ir sąžiningi atsakymai

„Mūsų sritis per daug specifinė.“ Dažniausiai specifinė yra sprendimų dalis, o ne aplink ją esantis darbas. Susirašinėjimas, dokumentai, ataskaitos ir paieška atrodo panašiai beveik visose srityse.

„Lietuviškai DI rašo prastai.“ Prieš kelerius metus tai buvo rimtas argumentas, dabar jis silpnesnis. Lietuvių kalba vis dar reikalauja redagavimo, todėl juodraštis lieka juodraščiu, o ne galutiniu tekstu.

„Neturime kam tuo užsiimti.“ Tai teisinga pastaba, bet ji reiškia ne atidėjimą, o sprendimą, kas atsakingas. Be aiškaus savininko diegimas sustoja po pirmo mėnesio, ir tai matyti kone kiekvienoje įmonėje.

Lietuvos rinkos specifika

Mažoje rinkoje pokytis atrodo kitaip nei didelėse ekonomikose. Įmonės čia mažesnės, komandos plonesnės, o žmogus dažnai atlieka tris vaidmenis vienu metu. Tai turi ir minusą, ir pliusą: sunkiau skirti laiko mokymuisi, bet daug lengviau pakeisti procesą, nes sprendimą priima vienas ar du žmonės, o ne komitetas.

Antras vietinis bruožas yra kalbų mišinys. Nemaža dalis Lietuvos komandų dirba lietuviškai, angliškai ir rusiškai vienu metu, todėl vertimas ir teksto pritaikymas skirtingoms rinkoms yra viena greičiausiai atsiperkančių DI panaudos sričių. Platesnį vaizdą, kur ekonomikoje šis pokytis matomas labiausiai, apžvelgėme straipsnyje apie dirbtinio intelekto poveikį Lietuvos ekonomikai.

Ką iš to pasiimti

Profesoriaus išvada paprasta ir tiksli: dirbtinis intelektas atims darbą ne iš visų, o iš tų, kurie juo nesinaudos. Lietuvos įmonėms tai reiškia, kad investicija į komandos DI įgūdžius šiandien yra tiesiogiai susijusi su konkurencingumu rytoj. Padedame komandoms išmokti realiai naudotis DI kasdieniame darbe per AI mokymus, o vadovams: suprasti, kaip valdyti šį pokytį organizacijoje per AI mokymus vadovams. Konsultacija nemokama: susisiekite čia.