أصدرت مايكروسوفت تقريرها السنوي عن مستقبل العمل (Microsoft New Future of Work Report)، وهذه المرة، الحديث ليس عن العمل عن بُعد(Remote work)، بل عن الذكاء الاصطناعي.
يحتوي التقرير على إحصائيات من العديد من الدراسات التي أجريت في عام ٢٠٢٣، مدعومة بأبحاث نظرية من السنوات الماضية. هذا المقال يجمع ما تحتاج إلى معرفته في هذا ما يتعلق بالتقرير.
(تنويه: بعض الإحصائيات تقريبية، والاستنتاجات معاد صياغتها. أرقام الشرائح في التقرير موضحة بين قوسين بعد كل نقطة، يُرجى الرجوع إلى التقرير الفعلي إذا كنت ترغب في الاقتباس).
١٧ رؤية من تقرير مايكروسوفت عن مستقبل العمل ٢٠٢٣:
- عمال المعرفة (Knowledge workers) الذين يستخدمون ChatGPT كانو أسرع بنسبة ٣٧٪، وأعلى جودة بنسبة ٤٠٪ لكن أقل دقة بنحو ٢٠٪. من الممكن حل هذه المشكلة بحلول بسيطة لتجربة المستخدم. (٦)
- من استطلاع لمستخدمي Microsoft Copilot 365 في المؤسسات: (٧) ٧٣٪ يوافقون على أن Copilot يجعلهم أسرع. ٨٥٪ قالوا أنه سيساعدهم على الوصول إلى مسودة أولية جيدة بشكل أسرع. ٧٢٪ أكدو على أنه يقلل من الجهد الذهني المبذول في المهام الروتينية أو المتكررة.
- وجدت معظم الدراسات المبكرة أن العمال الجدد أو منخفضي المهارة هم الأكثر استفادة من نماذج اللغات الكبيرة LLMs. العمال قليلي المهارة تحسنوا بنسبة ٤٣٪ مقابل الأكثر مهارة الذين تحسنوا بنحو ١٧٪. (٨)
- يمكن للذكاء الاصطناعي المساعدة في تقسيم الأوامر البسيطة إلى لحظات مصغرة ومهام مصغرة، مما يحسن الجودة والكفاءة الإجمالية. (١٠)
- من المرجح أن يصبح تحليل ودمج المعلومات المولدة بواسطة الذكاء الاصطناعي أهم من البحث وإنشاء المعلومات، و ذلك لأن المهارات غير المرتبطة مباشرة بإنتاج المحتوى (مثل القيادة، التفاعلات الاجتماعية، قضايا الثقة، أو الوعي العاطفي) قد تكون أكثر قيمة. (١١)
- تسليط الضوء على الأخطاء/نسب الشك يمكن أن يساعد في توازن الاعتماد على LLMs. يمكن أن يكمل الإيعاز باستخدام أدوات التدقيق المشتركة لفحص نواتج LLM. (١٧-١٨)
- يمكن لـ LLMs المساعدة في مختلف أجزائ العمليات المتعلقة بالأنشطة الإبداعية. (٢١)
- ٦٩٪ من محادثات Bing Chat تتعلق بمجالات موجهة نحو المهام المهنية. (٢٢)
- نسبة كبيرة من البحوث المبنية على LLMs معقدة (36% منها) مقارنة بالبحوث التقليدية (13% منها معقدة). (22)
- في دراسة شملت 69 طالبًا، تحسن أداء الطلاب في استخدام Codex في تعلم لغة Python، لكن ذلك لم يؤثر على قدراتهم على تعديل الكود يدويًا. (24)
- يمكن لـ LLMs تحليل البيانات من البشر وتوليد بيانات تخيلية بسرعة. سيغير ذلك طريقة إجراء البحوث الاجتماعية. (27)
- يمكن لـ LLMs في الاجتماعات حل مشاكل مختلفة مثل المشاركة المتساوية (التغذية الراجعة الفورية Instant feedback) والتفاعلات الأفضل (التغذية الراجعة الاسترجاعيةRetrospective feedback). (28-29)
- يمكن للذكاء الاصطناعي المساعدة في تفويض المسؤوليات الإدارية، مما يتيح للتنفيذيين التركيز على تحقيق رؤية الفريق. (30)
- المعرفة المكتبية الحديثة موجودة في المحادثات، و ليس في الوثائق، لكن تطبيق الذكاء الاصطناعي على محادثات الموظفين مازال يمثل تحديًا. (31-32)
- يمكن أن يتأثر حوالي 80% من قوة العمل في الولايات المتحدة بـ GPTs بنسبة على الأقل 10% من مهام عملهم. حوالي 19% من العمال قد تتأثر 50% من مهامهم. (38)
- "الابتكار مقابل الأتمتة" هو إطار عمل أفضل غالبًا من "الاستبدال مقابل التكميل". يمكن أن يعني التكميل فقدان الوظائف. من المهم محاولة تتبع ما إذا كان يتم استخدام العمل البشري بطرق جديدة مبتكرة. (39)
- بدلاً من "كيف سيؤثر الذكاء الاصطناعي على العمل؟"، يجب أن تكون السؤال "كيف نريد للذكاء الاصطناعي أن يؤثر على العمل؟" (40)
