Es gibt keine Modalität, die von AI nicht behandelt wird. Und KI -Systeme erreichen noch weiter, planen Werbung und Marketingkampagnen, Automatisierung von Social -Media -Postings. Das meiste davon warfare vor nur zehn Jahren undenkbar.
Aber dann haben die ersten maschinell lernbasierten Algorithmen ihre ersten Schritte gemacht: aus den Forschungslabors, in erste Produkte. Sie begannen, Inhalte auf YouTube- und Social -Media -Web sites zu kuratieren. Sie begannen, Filme zu Netflix und Songs auf Spotify zu empfehlen. Die Ranglisten -Suchergebnisse. Sie spielten strategische Spiele mit Menschen. Der allgemeine Aufstieg der AI-fähigen Dinge warfare spektakulär.
KI am Arbeitsplatz
Und der Arbeitsplatz ist nicht dagegen immun. Als Scholar untersuchte ich, wie Hyperplane, Zentroide und Backpropagationsregeln konstruiert werden sollen, und für die meisten meiner Studien wurde KI hauptsächlich als akademische Forschungsrichtung angesehen. Seit ich in den Arbeitsmarkt eingetreten bin, hat sich dies sehr verändert. Arbeitgeber und Arbeitnehmer erkannten das Potenzial von KI für die Arbeit. An den meisten (digitalen) Arbeitsplätzen wird KI schnell zu einem unsichtbaren Kollegen.
Viele dedizierte KI-Instruments haben bereits den Sprung auf unsere Desktops gemacht: Programmierer verwenden AI-unterstützte Codierungs-Instruments, Datenanalysten bereiten Pipelines aus einzelnen Beispieldateien über AI vor, und Designer ziehen mit AI-generierten Visuals schneller ein. Diese Werkzeuge erleichtern unbestreitbar die Arbeit. Aber sie werfen auch eine tiefere Frage auf:
Was ist die eigene Arbeit?
Was ist wirklich meine eigene Arbeit? Muss ich noch mit meinem Code interagieren, wirklich im Element?
Je mehr wir unsere Workflows veröffentlichen, desto weniger müssen wir uns mit unserem Arbeitsmaterial beschäftigen. Es könnte sich herausstellen, dass wir nicht mehr brauchen Experten zu werden, ein tiefes Wissen über ein ziemlich enges Thema zu besitzen, sondern eher flache Surfer, hier und da einen Ai-Glimpse nehmen.
Mit anderen Worten, wir werden zu bloßen Managern, wie die Arbeit von KI erledigt wird. Beachten Sie, dass es kein „unser“ vor arbeiten.
Kann das erfüllt sein? Brauchen wir in unserer Arbeit kein Gefühl der Tiefe?
Ich erinnere mich intestine an eine Zeit, in der ich mehrere gleichzeitige Projekte behandeln musste. Zu dieser Zeit, die vor der KI in den Büros eintrat, wechselte ich oft zwischen drei verschiedenen und meist nicht verwandten Projekten professional Tag. Zusammen mit semi-dringenden Unterbrechungen kann man sich vorstellen, dass es nicht viel Zeit gab, längere Zeit für ein einzelnes Thema zu verbringen. Bevor ich tief genug in ein Thema eingehen konnte, um den tatsächlichen Fortschritt zu erzielen, musste ich bereits wechseln.
Heutzutage fungieren KI -Systeme häufig als Stellvertreter, was uns daran hindert, sich überhaupt mit einem Projekt zu beschäftigen. Auch wenn wir vielleicht nur an einem einzigen Projekt arbeiten, sind wir den Weg nach vorne auffordern – was zu der Frage führt:
Wenn wir AI verwenden, um unsere Arbeit zu erledigen, was ist dann unsere Arbeit?
Ist unsere Arbeit einfach mehr Arbeit? KI wird oft gefeiert, als dass wir mehr tun können, was impliziert, dass wir angesichts der gleichen Arbeitszeiten noch weniger mit dem Materials in Kontakt treten müssen.
Dies impliziert, dass wir per Definition nicht tiefgreifende Erfahrungen in einem Thema sammeln können.
Außerdem impliziert dies, dass wir im Prinzip jeden Job machen könnten, der mit unseren Fähigkeiten verwandt ist.
Was schließlich bedeutet, dass jemand anderes unseren Job machen kann.
Wir sind somit austauschbar, sobald die KI -Automatisierungsskalen skaliert werden.
Wie können wir das verhindern?
Verwenden Sie die KI absichtlich: Denken Sie zuerst nach, um später zu fordern
Meiner Meinung nach ist der einzige Weg*: Verwenden Sie KI absichtlich selektiv. Lagern Sie Ihr Denken nicht aus. Lassen Sie sich nicht von Ihrer Fähigkeit, tief und kritisch durch unbewusste Nichtverwendungen zu denken, zugänglich zu denken.
Es ist völlig in Ordnung – oft sogar clever -, KI -Instruments für die wirklich langweiligen Aufgaben zu verwenden, die eine anständig qualifizierte Individual ausführen könnte. Für Programmierer gehören sicher (im Sinne, uns dümmer zu dumber) sicher: Zusammenfassung von Codebasen, Erstellen von ReadMe -Dokumenten, Generieren von Kesselplatten oder Laden und Reinigen von Daten.
Wenn die vorliegende Aufgabe jedoch menschliches Urteilsvermögen, Interpretationen oder spezifische Designentscheidungen und Kompromisse erfordert, sollten Sie der Versuchung widerstehen, sie abzugeben. Dies sind genau die Momente, in denen Sie das Fachwissen aufbauen, das Sie unersetzlich hält.
Um dies konkreter zu gestalten, können Sie diese einfache Heuristik verwenden, wenn Sie sich für die Verwendung von AI -Unterstützung entscheiden:
- Aufgabe, die niedrige, sich wiederholte, intestine definierte → AI-Hilfe sind.
Beispiele sind: Formatierungscode, Teststubs generieren, SQL -Abfragen schreiben. - Aufgabe, die hohe Stake, mehrdeutig oder ein menschliches Urteilsvermögen erfordern → Machen Sie es selbst. Beispiele sind: Entwerfen von Systemarchitektur, Interpretation von Experimentergebnissen, ethischen Entscheidungen.
Diese Faustregel hält das „langweilige“ Zeug automatisiert und schützt gleichzeitig die Arbeit, die Ihr Fachwissen tatsächlich aufbaut. Um die Heuristiken in die tägliche Praxis zu integrieren, sollten Sie vor einer Aufgabe absichtlich innehalten. Fragen Sie sich: Möchte ich das tief verstehen oder einfach erledigen?
Dann, wenn das Ziel Verständnis → manuell starten. Codieren Sie den ersten Entwurf, debuggen Sie sich selbst, skizzieren Sie das Design. Sobald Sie es überlegt haben, können Sie Ihre Arbeiten mit der Ausgabe eines KI -Methods erweitern.
Wenn das Ziel jedoch nur Ausgabe ist → AI beschleunigen Sie. Rufen Sie es auf, passen Sie es an und wiederholen Sie dies mit der nächsten Aufgabe.
Betrachten Sie es als Mantra: „Denken Sie zuerst nach, um später zu fordern.“
Am Ende einer Arbeitswoche können Sie dann zurück nachdenken: Welche Aufgaben haben Sie diese Woche an KI ausgelagert? Hast du? lernen Etwas aus diesen Aufgaben oder erledigen Sie sie einfach? Wo hätten Sie davon profitieren können, tiefer zu engagieren?
Schließdacht
Es stellt sich heraus, dass AI, da am Arbeitsplatz immer mehr verwendet wird, unsere eigentliche Aufgabe möglicherweise nicht darin besteht, mehr Output mit KI zu produzieren. Stattdessen ist es unsere Aufgabe, sich direkt mit dem Materials zu beschäftigen, wenn es wichtig ist – die Artwork von Urteilsvermögen, Einsichten und Tiefe aufzubauen, die kein System ersetzen kann.
Verwenden Sie additionally die KI absichtlich. Ja, automatisieren Sie die langweiligen Teile, aber schützen Sie die Teile, die Sie wachsen lassen. Dieses Gleichgewicht wird Ihre Arbeit nicht nur wertvoll, sondern auch erfüllen.
* Ein nicht alternate options für die meisten maschinellernden Leute, die eine beträchtliche Zeit damit verbracht haben, eine Karriere in der Datenwissenschaft aufzubauen: Karriere zu wechseln, um etwas Handbuches und Offline zu machen. Beispiele sind Bauarbeiten, Haardressing, Warten usw.