Uchambuzi wa OpenAI wa zaidi ya maswali 800,000 ya ChatGPT yanayohusiana na kazi unaonyesha kuwa 43.5% ya maombi ya kiwango cha mtaalamu yanashughulikiwa na watumiaji nje ya majukumu yao makuu ya kazi, mwelekeo ambao kampuni inauita “task crossover” (mwingiliano wa kazi). Ugunduzi huu ni muhimu kwa sababu unaashiria mabadiliko ya haraka katika jinsi biashara zinavyopata utaalamu na jinsi watu wanavyofafanua uwezo wao wa kitaaluma.

Data nyuma ya “task crossover”

OpenAI ililinganisha kila swali na kazi ya kawaida kwa kutumia kanzidata ya ajira ya Marekani ya O*NET. Baada ya kuondoa shughuli za kawaida kama vile kuandika barua pepe au kupanga ratiba, utafiti ulizingatia ujuzi wa hali ya juu ambao kwa kawaida unahitaji mafunzo maalum ya nyanja husika. Kati ya maswali yaliyobaki, karibu nusu yaliomba ChatGPT kutekeleza majukumu ambayo ni ya kundi tofauti la kitaaluma kuliko la mtumiaji mwenyewe.

Sehemu ambapo mabadiliko yanatokea

Mwingiliano huo unachipuka zaidi katika masoko (marketing) na uhandisi (engineering).

  • Wataalamu wa masoko hutumia ChatGPT kwa ajili ya kutatua matatizo ya kiufundi na uchambuzi wa data—majukumu ambayo wahandisi au wanasayansi wa data kawaida hushughulikia.
  • Wahandisi huomba modeli hiyo kupitia mikataba na kutatua matatizo ya tovuti, majukumu ambayo kwa kawaida hufanywa na timu za kisheria au za front-end.

Biashara ndogo huongeza mwelekeo huo. Kutokana na bajeti ndogo kwa ajili ya wataalamu, mfanyakazi mmoja anaweza kutumia ChatGPT kama “force multiplier” (kikuza uwezo), akishughulikia mfululizo wa kazi ambazo vinginevyo zingehitaji kuajiri watu wengi.

Kwa nini mwingiliano huu ni muhimu kwa kazi na AI

Data inaashiria mabadiliko kutoka kwa “mtaalamu” (specialist) kwenda kwa “mwanataaluma mseto aliyeboreshwa” (augmented generalist). Wakati uandishi wa maelekezo (prompt-crafting) unavyokuwa ujuzi wenyewe, maarifa ya kina ya nyanja moja yanaweza kutoa nafasi kwa uwezo wa mseto ulioimarishwa na AI. Waanzilishi na watengenezaji sasa wanahisi shinikizo la kusukuma mifumo ya lugha kubwa (LLMs) zaidi ya kutengeneza maandishi rahisi na kutoa uwezo wa kufikiri wa hali ya juu katika sheria, fedha, au uhandisi. Kupunguza vikwazo vya kazi za kiufundi kunaweza kubadilisha uajiri, mafunzo, na hata vyeo vya kazi.

Hatari na hoja za upinzani

Si kila mtu anaukubali mabadiliko haya. Wakosoaji wanaonya kwamba kukabidhi kazi za kitaalamu kwa AI kunaweza kupunguza ubora wa utaalamu, kuleta makosa yaliyojificha, na kuweka mashirika katika hatari za kufuata sheria (compliance). Utafiti huu haufuatilii jinsi mara kwa mara matokeo yanayozalishwa na AI yanavyothibitishwa, wala haupimi gharama zinazoweza kutokea kutokana na makosa katika nyanja zenye hatari kubwa kama vile sheria za mikataba au usanifu wa uhandisi. Wasiwasi huo unaashiria kuwa ingawa AI inaweza kupanua uwezo, inaweza pia kutengeneza hisia ya uwezo wa uongo.

Nini cha kufuatilia baadaye

  • Uendelezaji wa zana: Maboresho ya baadaye ya LLM lazima yaongeze uwezo wa kufikiri katika nyanja maalum na ukaguzi wa makosa ili kukidhi mahitaji ya mwingiliano wa kazi.
  • Sera za shirika: Makampuni yanaweza kuandaa miongozo mipya ya ndani kwa ajili ya kazi zinazosaidiwa na AI, hasa katika sekta zinazodhibitiwa.
  • Ishara za soko la ajira: Waajiri wanaweza kuanza kuorodhesha “AI-augmented generalist” kama ujuzi, na programu za mafunzo zinaweza kuelekeza nguvu kwenye ujuzi wa prompt-engineering.

Mambo ya kuzingatia

  • Mwingiliano wa kazi (task crossover) unachukua 43.5% ya maswali ya kitaalamu, ikionyesha mwingiliano mkubwa wa majukumu ya kitaaluma.
  • Masoko na uhandisi ndivyo vinavyoongoza mabadiliko haya, yakitumia AI kwa kazi ambazo kwa kawaida ni za taaluma nyingine.
  • Biashara ndogo hutegemea AI ili kuziba mapengo ya vipaji, hivyo kumfanya mfanyakazi mmoja kuwa mtaalamu wa nyanja nyingi kwa ufanisi.
  • Mwelekeo huu unaleta fursa na hatari, ukichochea wito wa uhakiki thabiti wa AI na kanuni mpya za mahali pa kazi.