Schachlegende Gary Kasparow, der als erster Schachgroßmeister verlor gegen künstliche Intelligenz (KI), hat sich offen über den Wert dessen geäußert, was er „Zentauren“ nennt: Dabei handelt es sich um Mensch-Maschine-Partnerschaften, die seiner Meinung nach nicht nur Menschen, sondern auch reinen Maschinenteams überlegen sind. Kasparow sagt, „Menschlicher Intellekt und Kreativität, gepaart mit leistungsstarken Werkzeugen, sind die Erfolgskombination. Das struggle schon immer so.“ Das Versprechen von KI heute ist, dass Zentauren ein produktiver Teil werden können Daten Arbeitsplätze, Steigerung der Effizienz, Produktivität und Freisetzung neuer Aufgaben und Produkte. Die Frage ist, was genau ist die Auswirkung von KIinsbesondere generative KI (genAI) auf Daten Arbeitsplätze. Wir sehen bereits eine weitverbreitete Akzeptanz. Gartners Berichterstattung zeigt, dass Daten und die Analysefunktionen (D&A) nutzen bereits größtenteils entweder genAI oder es gibt Pläne dafür, während nur 7 % der Befragten keine solchen Pläne haben:
Quelle: Gartner
Die Verwendung von GenAI
Im letzten Jahr untersuchten Marc Zao-Sanders und seine Firma filtered.com die Einsatzmöglichkeiten generativer KIund erstellten die Tabelle, die Sie am Ende dieses Aufsatzes finden. Kurz gesagt fanden sie heraus, dass die Verwendung von KI fielen in sechs Kategorien mit den entsprechenden Nutzungsanteilen:
| Die Verwendung von GenAI | |
| Erstellung und Bearbeitung von Inhalten |
23 % |
| Technische Unterstützung und Fehlerbehebung |
21 % |
| Persönlicher und professioneller Help |
17 % |
| Lernen & Bildung |
15% |
| Kreativität & Erholung |
13 % |
| Forschung, Analyse & Entscheidungsfindung |
10 % |
Quelle: Harvard Geschäftsbericht
Bezüglich Daten Arbeitsplätze, nach Gravitas Information-Rekrutierungdie größten Anwendungen scheinen für die Fehlerbehebung, Excel-Formeln, Verbesserung des Codes, Behebung von Fehlern im Code, Generierung von Code, Rubber Duck zu sein Debuggen, Daten Eintrag, Daten Manipulation, Code übersetzen, Code-Bibliotheken vorschlagen, Sampling Datenund Erkennen von Anomalien.
Eine Individual, die zu diesem Thema interviewt wurde, sagte: „Ich muss eine Menge .vb- und Excel-Formeln schreiben, um Daten von weniger technisch versierten Menschen. ChatGPT hilft, 45-minütige Aufgaben in drei bis fünf Minuten zu erledigen.“ Das ist das Versprechen von genAI: komplexe Aufgaben, die sonst lange dauern würden, schnell zu erledigen. Es gibt auch das Versprechen, das zu beseitigen, was der Anthropologe David Graeber als „Bullshit-Jobs“: Jobs, die scheinbar keinen Mehrwert bieten und ermüdend, langweilig und repetitiv sind. Repetitive Daten Der Eintritt ist zum Beispiel etwas, das KI jetzt tun kann. Im Idealfall bedeutet das, dass Daten Die Arbeitsplätze der Zukunft werden mehr Einsatz menschlicher Kreativität, bessere Planung und strategisches Denken erfordern und weniger langweilig sein.
Das Interessanteste an genAI ist, dass der größte Anwendungsfall die Ideenfindung ist. Das ist überraschend, da genAI mechanistisch ist und „nur“ die wahrscheinlichste nächste Sequenz von Wörtern, Bildern oder Tönen findet, wie es der Mathematiker tut. Stephen Wolfram erklärte in einem Beitrag auf ChatGPTDies ist eine sehr klare Annäherung an Kasparows Idee der Zentauren: Die Menschen nutzen GenAI nicht nur, um Dinge zu produzieren, sie nutzen es als Companion.
In DatenanalyseBernard Marr in ein Stück für Forbeserklärte, dass KI ist die „Transformation traditioneller Rollen durch die Automatisierung der routinemäßigen Verarbeitung großer Datensätze“, was zur Folge hat, dass sich der Fokus von „grundlegenden Daten Handhabung hin zu strategischeren Entscheidungen.“ Dadurch werden die Groups in die Lage versetzt, ehrgeiziger zu sein und Fragen zu stellen, die vorher vielleicht zu anspruchsvoll gewesen wären.
Gartner befragte speziell Daten Experten über den Einsatz von genAI und fanden heraus, dass der größte Anwendungsfall darin besteht, Daten Erkundung, die mit der Arbeit von Zao-Sanders übereinstimmt:
Quelle: Gartner
Die Grenzen von GenAI
Der Hype-Zyklus ist klar: generativ KI wird die Artwork der Arbeit verändern. Doch Recherche von Goldman Sachs hat festgestellt, dass trotz enormer Investitionen in generative KIgibt es wenig zu zeigen. In ihrem Bericht argumentiert Daron Acemoglu, Institutsprofessor am MIT, dass es nur kosteneffizient sein wird, nur 25 % der KI-exponierte Aufgaben im nächsten Jahrzehnt, mit einem realen Einfluss von nur 5 % aller Aufgaben. Obwohl viele argumentieren werden, dass KI Die Kosten werden zwar sinken, er ist jedoch skeptisch, dass dies schnell oder so stark geschehen wird wie bei früheren Erfindungen. Er argumentiert auch, dass es kein „Naturgesetz“ ist, dass Technologien zu neuen Aufgaben und Produkten führen. Jim Covell, Leiter der globalen Aktienforschung bei Goldman Sachs, glaubt, dass KI ist immer noch nicht in der Lage, komplexe Probleme zu lösen, und frühere Technologien boten kostengünstige Lösungen, die teure Lösungen verdrängten. Angesichts der Herausforderungen bei der Herstellung von Inputs wie GPU-Chips, der Sicherung von Energie und anderen Dingen wird es möglicherweise nie genug Wettbewerb geben, um die Preise zu senken.
Die vielleicht größte Kritik an genAI aus einer Output-Perspektive wurde von den Forschern Michael Townsen Hicks, James Humphries und Jay Slater geäußert, deren virales Papier argumentiert, dass die Ausgabe von ChatGPT „Bullsh*t“ ist. Bullsh*t ist hier ein technischer Begriff, ob Sie es glauben oder nicht, der ihrer Meinung nach zutreffender ist als „Halluzinationen“:
„Anwendungen dieser Systeme sind durch anhaltende Ungenauigkeiten in ihrer Ausgabe geplagt; diese werden oft genannt „KI Halluzinationen“. Wir argumentieren, dass diese Unwahrheiten und die Gesamtaktivität großer Sprachmodelle besser verstanden werden als Blödsinn im von Frankfurt untersuchten Sinne (On Bullshit, Princeton, 2005): Die Modelle sind in einer wichtigen Hinsicht gleichgültig gegenüber der Wahrheit ihrer Ergebnisse.“
Da genAI der Wahrheit gegenüber gleichgültig ist, kann man sich nicht darauf verlassen, dass es diese auch sagt. Dies ist ein Drawback, das weitgehend durch Daten Jobs, denn GenAI ist sehr intestine bei hochstrukturierten Aufgaben, und so ist es nicht überraschend, dass die Forschung herausfindet, dass Daten Von GenAI haben vor allem die Arbeitsplätze profitiert.
Anhang:
Quelle: Harvard Geschäftsbericht
Die Put up Der Einfluss von KI auf Datenjobs wird die Branche verändern erschien zuerst auf Datenfloq.