8,00,000-க்கும் மேற்பட்ட வேலை தொடர்பான ChatGPT வினவல்களை OpenAI ஆய்வு செய்ததில், நிபுணர் நிலை கோரிக்கைகளில் 43.5% பயனர்கள் தங்களின் முதன்மைப் பணிப் பங்கிற்கு அப்பாற்பட்ட பணிகளைக் கையாளுவது தெரியவந்துள்ளது. இந்த போக்கை நிறுவனம் “task crossover” என்று அழைக்கிறது. வணிகங்கள் எவ்வாறு நிபுணத்துவத்தைப் பெறுகின்றன மற்றும் தனிநபர்கள் தங்களின் தொழில்முறைத் திறன்களை எவ்வாறு வரையறுக்கிறார்கள் என்பதை இது விரைவாக மறுசீரமைப்பதைக் குறிப்பதால், இந்த கண்டுபிடிப்பு முக்கியத்துவம் வாய்ந்தது.

“task crossover” என்பதன் பின்னணியில் உள்ள தரவு

OpenAI, அமெரிக்காவின் O*NET தொழில்முறைத் தரவுத்தளத்தைப் பயன்படுத்தி ஒவ்வொரு வினாவையும் ஒரு நிலையான தொழிலுடன் இணைத்தது. மின்னஞ்சல் வரைவு அல்லது கால அட்டவணைப்படுத்துதல் போன்ற பொதுவான செயல்பாடுகளை நீக்கிய பிறகு, இந்த ஆய்வு வழக்கமாக குறிப்பிட்ட துறை சார்ந்த பயிற்சியைத் தேவைப்படும் உயர்மட்டத் திறன்களில் கவனம் செலுத்தியது. மீதமுள்ள வினவுகளில், கிட்டத்தட்ட பாதி வினவுகள், பயனரின் சொந்தத் தொழில் வகையை விட வேறுபட்ட ஒரு தொழில்முறைப் பணிகளைச் செய்ய ChatGPT-யிடம் கேட்டிருந்தன.

இந்த மாற்றம் எங்கு நிகழ்கிறது

மார்க்கெட்டிங் மற்றும் பொறியியல் துறைகளில் இந்த மாற்றம் அதிகமாக உள்ளது.

  • மார்க்கெட்டிங் நிபுணர்கள் தொழில்நுட்பக் கோளாறுகளைச் சரிசெய்யவும் (technical troubleshooting) மற்றும் தரவு பகுப்பாய்விற்கும் (data analysis) ChatGPT-யைப் பயன்படுத்துகின்றனர்—இவை வழக்கமாக பொறியாளர்கள் அல்லது தரவு விஞ்ஞானிகளால் கையாளப்படும் பணிகளாகும்.
  • பொறியாளர்கள் ஒப்பந்தங்களை ஆய்வு செய்யவும் மற்றும் இணையதளப் பிரச்சனைகளைச் சரிசெய்யவும் இந்த மாடலைப் பயன்படுத்துகின்றனர்; இவை வழக்கமாக சட்டத் துறை அல்லது முன்முனை (front-end) குழுக்களால் மேற்கொள்ளப்படும் பணிகளாகும்.

சிறு வணிகங்கள் இந்த முறையை மேலும் வலுப்படுத்துகின்றன. நிபுணர்களுக்கான வரவு செலவுத் திட்டம் குறைவாக இருப்பதால், ஒரு ஊழியரே ChatGPT-யை ஒரு “force multiplier” ஆகப் பயன்படுத்தி, பல பணியாளர்களைத் தேடும் தேவை இல்லாமல் பல்வேறு பணிகளைச் செய்ய முடிகிறது.

வேலை மற்றும் AI-க்கு இந்த மாற்றம் ஏன் முக்கியமானது

இந்தத் தரவுகள் “specialist” (நிபுணர்) நிலையிலிருந்து “augmented generalist” (AI-ஆல் மேம்படுத்தப்பட்ட பொதுவாளர்) நிலையை நோக்கி நகர்வதைக் காட்டுகின்றன. Prompt-crafting என்பது ஒரு தனித் திறனாக உருவெடுக்கும்போது, ஆழமான தனித்தனித் துறை சார்ந்த அறிவு (siloed knowledge) என்பதற்குப் பதிலாக AI-ஆல் மேம்படுத்தப்பட்ட பன்முகத்தன்மை (versatility) முக்கியத்துவம் பெறக்கூடும். நிறுவனர்கள் மற்றும் டெவலப்பர்கள் இப்போது Large Language Models-களை வெறும் உரை உருவாக்கத்திற்கு (text generation) அப்பால் கொண்டு சென்று, சட்டம், நிதி அல்லது பொறியியல் போன்ற துறைகளில் துல்லியமான தர்க்கரீதியான முடிவுகளை (high-fidelity reasoning) வழங்க வேண்டிய அழுத்தத்தை உணர்கின்றனர். தொழில்நுட்பப் பணிகளுக்கான தடைகளைக் குறைப்பது, பணியமர்த்தல், பயிற்சி மற்றும் வேலைப் பெயர்களைக் கூட மறுசீரமைக்கக்கூடும்.

அபாயங்கள் மற்றும் எதிர்வாதங்கள்

அனைவரும் இந்த மாற்றத்தை ஏற்றுக்கொள்வதில்லை. நிபுணத்துவப் பணிகளை AI-யிடம் ஒப்படைப்பது நிபுணத்துவத்தைக் குறைக்கலாம், மறைமுகத் தவறுகளை ஏற்படுத்தலாம் மற்றும் நிறுவனங்களை இணக்க அபாயங்களுக்கு (compliance risks) உள்ளாக்கலாம் என்று விமர்சகர்கள் எச்சரிக்கின்றனர். AI மூலம் உருவாக்கப்பட்ட முடிவுகள் எவ்வளவு அடிக்கடி சரிபார்க்கப்படுகின்றன என்பதை இந்த ஆய்வு கண்காணிப்பதில்லை, மேலும் ஒப்பந்தச் சட்டம் அல்லது பொறியியல் வடிவமைப்பு போன்ற முக்கியமான துறைகளில் ஏற்படும் தவறுகளின் சாத்தியமான செலவையும் இது அளவிடுவதில்லை. AI திறனை விரிவாக்கக்கூடும் என்றாலும், அது ஒரு போலித் திறமை உணர்வை (false sense of competence) உருவாக்கக்கூடும் என்று இந்த கவலைகள் உணர்த்துகின்றன.

அடுத்து கவனிக்க வேண்டியவை

  • கருவி மேம்பாடு (Tool development): எதிர்கால LLM மேம்படுத்தல்கள், task crossover தேவைகளைப் பூர்த்தி செய்யத் துறை சார்ந்த தர்க்கரீதியான சிந்தனை மற்றும் பிழை சரிபார்ப்பைச் சீரமைக்க வேண்டும்.
  • நிறுவனக் கொள்கைகள் (Organizational policies): குறிப்பாக ஒழுங்குமுறைப்படுத்தப்பட்ட துறைகளில், AI-உதவி பெறும் பணிகளுக்காக நிறுவனங்கள் புதிய உள் வழிகாட்டுதல்களை உருவாக்கலாம்.
  • தொழிலாளர் சந்தை சமிக்ஞைகள் (Labor market signals): பணியமர்த்தப்படுபவர்கள் “AI-augmented generalist” என்பதை ஒரு திறமையாகப் பட்டியலிடத் தொடங்கலாம், மேலும் பயிற்சித் திட்டங்கள் prompt-engineering திறன்களை நோக்கி மாறக்கூடும்.

முக்கியக் கருத்துக்கள்

  • நிபுணர் வினவல்களில் 43.5% task crossover ஆக உள்ளது, இது தொழில்முறைப் பணிகளின் கணிசமான ஒன்றிணைப்பைக் காட்டுகிறது.
  • மார்க்கெட்டிங் மற்றும் பொறியியல் துறைகள் இந்த மாற்றத்திற்கு முன்னிலையில் உள்ளன, இவை வழக்கமாக மற்ற சிறப்புத் துறைகளுக்குச் சொந்தமான பணிகளுக்காக AI-யைப் பயன்படுத்துகின்றன.
  • சிறு வணிகங்கள் திறமை இடைவெளிகளை நிரப்ப AI-யைச் சார்ந்துள்ளன, இது ஒரு ஊழியரைத் திறம்பட பல்துறை செயல்பாட்டாளராக மாற்றுகிறது.
  • இந்தப் போக்கு வாய்ப்பு மற்றும் அபாயம் ஆகிய இரண்டையும் உருவாக்குகிறது, இது வலுவான AI சரிபார்ப்பு மற்றும் புதிய பணியிட விதிமுறைகளுக்கான தேவையைத் தூண்டுகிறது.