近年来，人工智能（AI）得到了迅猛发展，这让人们兴奋不已，同时也引发了对未来就业的担忧。 大型语言模型（LLM）就是最新的例证。 这些强大的人工智能子集在海量文本数据的基础上进行训练，以理解和生成类似人类的语言。
根据 报告显示根据 LinkedIn 的报告，由于人工智能的兴起，55% 的全球会员的工作可能会发生某种程度的变化。
了解人工智能和大语言模型将如何颠覆就业市场，对于企业和员工适应变化并在快速发展的技术环境中保持竞争力至关重要。
本文探讨了人工智能对就业的影响，以及劳动力自动化将如何颠覆就业。
大型语言模型：颠覆就业市场的催化剂
据高盛集团称认为，生成式人工智能和 LLM 可能会在短期内颠覆 3 亿个工作岗位。他们还预测，由于将人工智能融入业务工作流程，50% 的劳动力将面临失业风险。
大语言模型越来越多的任务实现了自动化，而这些任务以前被认为是人类工作者的专属领域。例如，经过大量以往互动资料库培训的 LLM 现在可以回答产品咨询，并生成准确、翔实的回复。
这就减少了人工工作人员的工作量，实现了更快的全天候客户服务。 此外，大语言模型还在不断发展，远远超出了客户服务的范畴，可用于各种应用领域，如内容开发、翻译、法律研究、软件开发等。
大型语言模型和生成式人工智能：自动化
LLM 和 生成式人工智能 正变得越来越普遍，这可能会导致部分自动化和一些工人可能被取代，同时为其他人创造机会。
1. 重塑常规任务
人工智能和 LLM 擅长处理有明确规则的重复性任务，如数据录入、预约安排和生成基本报告。
这种自动化可以让人类员工专注于更复杂的任务，但也引发了对工作岗位流失的担忧。 随着人工智能和 LLM 自动化日常任务的能力越来越强，对人力投入的需求就会减少，从而引发工作岗位流失。 不过，需要大量人工监督和投入的工作受到的影响最小。
2. 面临自动化风险的行业
日常任务量大的行业，如制造业和行政管理部门，最容易受到自动化的影响。 人工智能和 LLM 自动化. 由于 LLM 能够简化数据录入和生产线调度等操作，因此对这些行业的工作构成了风险。
图源
根据高盛的报告，人工智能自动化将改变劳动力的效率和生产力，同时也会使数百万例行工作和体力劳动面临高风险。
3. 低技能工作的潜在损失
预计未来人工智能对低技能劳动力的影响将越来越大。人工智能驱动的自动化具有技能偏向性，这使得 技术知识较少的人就业增长。这是因为自动化扩大了高技能和低技能工人之间的差距。
低技能工人只有通过高质量的教育、培训和再技能计划才能保住工作。 他们还可能面临向使用人工智能技术的更新、高薪和高技能工作转型的困难。
这一点随着 麦肯锡最新报告 预测，低工资工人需要转换工作的可能性要高出 14 倍。如果不提高技能或过渡到与人工智能兼容的新岗位，他们就有可能在快速发展的就业市场中被抛在后面。
4. 人工智能和 LLM 在简化流程中的作用
由于越来越多地采用人工智能和 LLM，商业环境发生了重大转变。最近 报告 揭示了一个引人注目的统计数据：2023 年，运营团队的自动化流程将达到惊人的 28%。
人工智能和 LLM 改变了游戏规则，降低了运营成本，通过自动化简化了任务，提高了服务质量。
人工智能时代工作的未来
虽然人工智能不可避免，但只要有足够的资源和充分的培训，员工就可以在日常工作中利用人工智能和 LLM 提高工作效率。
例如， 国家经济研究局 （美国国家经济研究局）指出，使用生成式人工智能（GPT）工具的客户支持人员的工作效率提高了约 14%。 这显示了人类与机器合作的潜力。
虽然人工智能无疑会改变就业市场，但其融合应被视为机遇而非威胁。真正的潜力在于将人类的直觉、创造力和同理心与人工智能的分析能力相结合。
重塑大语言模型和生成式人工智能
GPT 可以生成文本和图像，而它的后继者，如 a1 GPT-4o，可无缝处理和生成文本、音频、图像和视频格式的内容。
这表明，新的多模态大语言模型和人工智能技术正在迅速发展。由于人工智能对未来工作的影响，重新学习对现代组织和工人的生存都变得至关重要。 其中一些重要技能包括
- 指令工程：LLM 依靠提示来指导他们的输出。学习如何创建简洁明了的提示将是发挥其真正潜力的关键因素。
- 数据流畅性：使用和理解数据的能力至关重要。这包括收集、分析和解释数据，影响您与 LLM 的互动。
- 人工智能扫盲：有关人工智能的基础知识，包括其能力和局限性，对于与这些强大的工具进行有效合作和交流至关重要。
- 批判性思维和评估：虽然 LLM 可以给人留下深刻印象，但评估其产出也很重要。 评估、更新和分析大语言模型的工作至关重要。
人工智能在工作场所的伦理影响
人工智能在工作场所的应用有利有弊，必须认真考虑。 前者当然可以提高生产力，降低成本。 但是，如果采用不当，也会产生不利影响。
以下是一些道德方面的考虑因素，需要纳入更广泛的叙述中：
- 算法偏见和公平性：人工智能算法有可能强化其训练数据中的偏见，从而导致不公平的招聘决策。
- 员工隐私：人工智能依赖于大量的员工数据，这引发了对可能滥用这些信息的担忧，因为这可能导致失业。
- 不平等：在工作流程中越来越多地使用人工智能会带来不平等或无法获取等挑战。 提高技能和再培训计划等举措有助于减少人工智能对各组织员工的负面影响。
由于人工智能和 LLM 的融合，工作场所的模式正在发生转变。 这将极大地影响未来的工作和职业。
（机器翻译，轻度译后编辑，仅供参考）
编辑：胡跃
