Ada perkara besar yang berlaku dalam AI, tetapi panik bukan tindak balas yang betul

(SeaPRwire) –   Pada tahun 1964, apabila Pameran Dunia tiba di Queens, New York, terdapat pameran robot-robot yang sedang mengambil alih kerja rumah, dan ia akan datang segera ke rumah dekat anda. Apabila Pameran itu ditutup, pameran-pameran itu dipindahkan ke tempat lain dan membuat dakwaan yang sama selama 30 tahun seterusnya: robot-robot itu akan datang, berada di sebelah转角. Tetapi sebenarnya mereka tidak datang.

Pada tahun 1990-an, pengembangan kuasa komputer teragih dan pembelian yang meluas menyebabkan dakwaan baru mengenai peningkatan produktiviti yang besar yang akan segera terhasil. Tetapi sebenarnya ia tidak berlaku. Ia mengambil masa lama dan perubahan yang berkaitan dalam cara kerja diatur untuk memacu peningkatan produktiviti.

Pada awal tahun 2000-an, kemajuan dalam sains data dan penggunaan pengelasan mesin dalam ramalan telah menimbulkan penggera baru, dengan dakwaan muncul pada tahun 2010-an bahawa pekerjaan “berisiko” akan diambil alih oleh alat AI baharu. Pada akhir dekad itu, ancaman yang dirasakan telah berpindah kembali kepada peranti-peranti serupa dengan robot yang akan segera mengambil alih pekerjaan pekerja kasar, dengan dakwaan bahawa segera. Tetapi sebenarnya mereka tidak. Penggunaan robot yang meningkat dalam pembuatan juga tidak, kerana robot baharu sebenarnya dikaitkan dengan pertumbuhan pekerjaan.

Pelbagai ahli telah mempunyai sejarah panjang dalam menyiksa kita dengan ramalan mengenai bagaimana teknologi akan memusnahkan kita, mula-mula pekerjaan kita dan kemudiannya hanya membuang kita sepenuhnya kerana manusia adalah masalah. Panik AI mengenai Model Bahasa Besar selama tiga tahun lepas tidak menjadi exception.

Kejujuran yang tidak nyaman adalah bahawa sehingga tahun 2025, ia adalah di mana LLM sebenarnya telah mengambil alih banyak pekerjaan. Penggantian pekerja yang sepatutnya berkaitan dengan AI kelihatan semakin tidak demikian – pada tahap terbaik, ia adalah kerana dijangka AI akan menggantikan pekerja. Malah CEO OpenAI, Sam Altman, telah berkata bahawa terdapat “pencucian AI” yang berlaku, dengan penggantian pekerja berkaitan dengan AI ini kebanyakannya hanya perkara yang palsu.

Kami kembali ke mod panik pada tahun 2026, yang disebabkan oleh dakwaan baharu mengenai bahaya AI, walaupun kita tidak melihat bukti untuk perubahan ini.

Adakah anda melihat corak di sini? Para saintis dan pembangun betul-betul gembira mengenai inovasi baharu, dan mereka gembira untuk membayangkan secara terbuka bagaimana mereka fikir alat baharu ini boleh digunakan. Kemudian, para penjual bangkit untuk menjual alat baharu itu, dan mereka menolak dakwaan itu dengan kuat. Ini adalah permulaan kitaran hype. Mereka tidak berfikir mengenai sama ada kegunaan itu akan praktikal: berapa kosnya, apa perubahan lain yang diperlukan untuk ia berfungsi, dan adakah sesiapa yang perlu alat-alat itu pada mulanya?

Telah ditemui bahawa tiga suku bahagian syarikat awam yang mereka boleh surik mengenai pengenalan AI mendapat sedikit manfaat daripadanya, hanya 5% menggunakannya dengan sistematik, dan ia tidak telah mengurangkan banyak pekerjaan. Penyelidikan saya sendiri telah melakukan sesuatu yang sedikit berbeza, melihat tempat kerja individu untuk melihat apa yang berlaku apabila AI sebenarnya diperkenalkan: Apakah rupa sebelum dan selepas itu? Inilah sebab mengapa penyebaran AI adalah lebih perlahan daripada yang kita fikir dan ia sebenarnya tidak telah mengambil alih banyak pekerjaan.

Kenyataan mengenai penggunaan AI adalah berbeza daripada kebimbangan

Pertama, ia adalah mahal untuk memperkenalkan. Syarikat LLM bukan dalam perniagaan memberi alat-alat ini secara gratis, dan yang paling baik itu sangat mahal untuk digunakan. Janganlah anda berharap bahawa ia akan menjadi lebih murah secara tidak terelakkan. Walaupun terdapat banyak penjual yang menawarkan alat LLM, hampir kesemuanya dibina berdasarkan teknologi LLM teras daripada enam penjual yang telah mengawal hampir 80% pasaran. Masa komputer tidak menjadi lebih murah dan elektrik untuk menggerakkan ia semakin meningkat dalam harga.

Tetapi kos terbesar adalah masa dan tenaga yang diperlukan untuk mengatur mereka dalam organisasi anda dan mengekalkan mereka terkini. Kebanyakan kos itu perlu dikeluarkan terlebih dahulu. Kita masih memerlukan beberapa sokongan manusia untuk menyelesaikan masalah yang tidak dapat diselesaikan oleh LLM, dan peningkatan produktiviti yang boleh membawa kepada pekerja yang lebih sedikit datang lebih lambat. Menjual projek yang mahal, terlebih dahulu dengan kos IT yang besar dan berterusan kepada CFO yang mencari pulangan investasi adalah sukar apabila manfaatnya tidak pasti dan hanya muncul selepas beberapa tahun.

Kedua, berkaitan dengan cabaran ROI, terdapat fokus yang salah mengenai menghapuskan kerja yang tidak memerlukan kemahiran tinggi. Dua pelajaran di sini. Yang pertama adalah bahawa kita tidak dapat berjimat banyak jika kita membuang sekumpulan pekerjaan dengan gaji minimum, terutamanya apabila kita masih memerlukan pekerja untuk memantau dan menyelesaikan masalah alat AI. Seterusnya, pekerjaan pekerja kewangan mudah adalah mudah kerana mereka tidak memerlukan banyak penilaian dan cenderung menjadi biner: kenal pasti bentuk ini dan letakkan di dalam baki yang betul. Tetapi mereka mesti betul setiap kali. Itu adalah tugas yang sempurna untuk Pengelasan Mesin, tetapi Pengelasan Mesin juga jauh lebih mahal daripada menggunakan LLM kerana ia perlu dibina untuk setiap tugas, dan ia perlu dipantau dan diselaraskan hampir setiap masa.

Ketiga, LLM boleh mengambil alih tugas dalam pekerjaan yang lebih rumit di mana ia hanya perlu cukup baik, bukan sempurna. Ia lebih murah untuk digunakan daripada Pengelasan Mesin, tetapi ia masih memerlukan pemantauan dan pemeriksaan. Kerja manusia biasa mempunyai sejumlah besar tugas diskret dan rumit yang tidak boleh diotomatikkan, atau sekurang-kurangnya belum.

LLM benar-benar boleh membantu dalam tugas pengaturcaraan, contohnya, tetapi pengaturcaraan komputer menghabiskan sehingga 70% masa mereka untuk tugas selain pengaturcaraan, yang kebanyakannya melibatkan berurusan dengan pekerja lain. Sekiranya, katakanlah, LLM boleh mengambil alih 20% masa yang digunakan oleh pentadbir sekolah untuk menyediakan laporan, kita tidak boleh membuang 20% daripada setiap pentadbir. Tetapi kita boleh meminta mereka melakukan sesuatu yang baru.

Manfaat sebenar LLM, saya fikir, tidak akan datang daripada penjimatan kos; sebaliknya ia akan membolehkan kita melakukan perkara-perkara yang baru yang kita belum fikirkan. Sebagai analogi, lihat kembali pengenalan enjin carian, yang telah menyebabkan pengurangan besar dalam masa yang diperlukan untuk melakukan penyelidikan dan mendapatkan jawapan. Saya tidak pernah dengar bahawa enjin carian menyebabkan kehilangan pekerjaan yang besar. Sebaliknya, ia telah mencipta perniagaan baru, cara kerja baru, dan pekerjaan baru. Kebanyakan perniagaan, contohnya, tergenang dengan data yang terlalu sukar untuk diatur sehingga mereka tidak dapat melihatnya. Jika alat Claude/Anthropic terbaru boleh melakukan sebanyak yang diklaim dengan analisis, ia boleh mengambil beberapa tahun untuk membuat kesan daripada semua data itu.

Mungkin kita sepatutnya berhenti terfokus kepada apa yang AI sedang membuang (pengurangan bilangan pekerja) dan berfokus kepada apa yang ia sedang membangunkan: semua produk baru dan penyelesaian baharu yang AI mungkin membolehkan kita lakukan.