การวิเคราะห์คำถามที่เกี่ยวข้องกับการทำงานของ ChatGPT มากกว่า 800,000 รายการโดย OpenAI แสดงให้เห็นว่า 43.5% ของคำขอในระดับผู้เชี่ยวชาญกำลังถูกจัดการโดยผู้ใช้ที่อยู่นอกเหนือบทบาทหน้าที่หลักของตน ซึ่งเป็นแนวโน้มที่บริษัทเรียกว่า “task crossover” (การทำงานข้ามสายงาน) ผลลัพธ์นี้มีความสำคัญเนื่องจากเป็นสัญญาณของการปรับเปลี่ยนรูปแบบอย่างรวดเร็วว่าธุรกิจจะจัดสรรผู้เชี่ยวชาญอย่างไร และบุคคลจะนิยามความสามารถทางวิชาชีพของตนอย่างไร

ข้อมูลเบื้องหลัง “task crossover”

OpenAI ได้จับคู่แต่ละคำถามเข้ากับอาชีพมาตรฐานโดยใช้ฐานข้อมูลอาชีพ O*NET ของสหรัฐอเมริกา หลังจากตัดกิจกรรมทั่วไป เช่น การร่างอีเมลหรือการจัดตารางเวลาออกไป การศึกษานี้ได้มุ่งเน้นไปที่สมรรถนะระดับสูงซึ่งปกติแล้วต้องอาศัยการฝึกอบรมเฉพาะทาง ในบรรดาคำถามที่เหลือ เกือบครึ่งหนึ่งเป็นการขอให้ ChatGPT ปฏิบัติหน้าที่ซึ่งอยู่ในหมวดหมู่ทางวิชาชีพที่แตกต่างจากของผู้ใช้เอง

จุดที่เกิดการเปลี่ยนแปลง

การทำงานข้ามสายงานพุ่งสูงขึ้นในด้านการตลาดและวิศวกรรม

  • ผู้เชี่ยวชาญด้านการตลาดหันไปใช้ ChatGPT เพื่อแก้ไขปัญหาทางเทคนิคและการวิเคราะห์ข้อมูล ซึ่งเป็นงานที่วิศวกรหรือนักวิทยาศาสตร์ข้อมูลมักจะเป็นผู้จัดการ
  • วิศวกรขอให้โมเดลตรวจสอบสัญญาและแก้ไขปัญหาเว็บไซต์ ซึ่งเป็นบทบาทที่โดยปกติจะเป็นหน้าที่ของทีมกฎหมายหรือทีม front-end

ธุรกิจขนาดเล็กยิ่งทำให้รูปแบบนี้ชัดเจนขึ้น ด้วยงบประมาณที่จำกัดสำหรับผู้เชี่ยวชาญ พนักงานเพียงคนเดียวสามารถใช้ ChatGPT เป็น “force multiplier” (ตัวทวีคูณประสิทธิภาพ) เพื่อจัดการหน้าที่ที่หลากหลาย ซึ่งหากไม่มี AI อาจต้องจ้างพนักงานหลายคน

ทำไมการทำงานข้ามสายงานจึงสำคัญต่อการทำงานและ AI

ข้อมูลชี้ให้เห็นถึงการเปลี่ยนผ่านจาก “specialist” (ผู้เชี่ยวชาญ) ไปสู่ “augmented generalist” (ผู้มีความรู้รอบด้านที่ได้รับการเสริมศักยภาพ) เมื่อการเขียน prompt กลายเป็นทักษะเฉพาะตัว ความรู้เชิงลึกที่แยกส่วนกันอาจถูกแทนที่ด้วยความสามารถที่หลากหลายซึ่งเสริมด้วย AI ผู้ก่อตั้งและนักพัฒนาต่างรู้สึกถึงแรงกดดันในการผลักดันโมเดลภาษาขนาดใหญ่ (LLM) ให้ก้าวข้ามการสร้างข้อความแบบธรรมดา ไปสู่การให้เหตุผลที่มีความแม่นยำสูงในด้านกฎหมาย การเงิน หรือวิศวกรรม การลดอุปสรรคในการทำงานด้านเทคนิคอาจเปลี่ยนโฉมหน้าการจ้างงาน การฝึกอบรม และแม้กระทั่งชื่อตำแหน่งงาน

ความเสี่ยงและข้อโต้แย้ง

ไม่ใช่ทุกคนที่ยอมรับการเปลี่ยนแปลงนี้ นักวิจารณ์เตือนว่าการมอบหมายงานเฉพาะทางให้ AI อาจทำให้ความเชี่ยวชาญลดน้อยลง นำไปสู่ข้อผิดพลาดที่ซ่อนอยู่ และทำให้องค์กรเผชิญกับความเสี่ยงด้านการปฏิบัติตามกฎระเบียบ (compliance) การศึกษานี้ไม่ได้ติดตามว่าผลลัพธ์ที่สร้างโดย AI ได้รับการตรวจสอบบ่อยเพียงใด และไม่ได้ระบุถึงมูลค่าความเสียหายที่อาจเกิดขึ้นจากความผิดพลาดในสาขาที่มีความสำคัญสูง เช่น กฎหมายสัญญาหรือการออกแบบทางวิศวกรรม ข้อกังวลเหล่านี้ชี้ให้เห็นว่าแม้ AI จะสามารถขยายขีดความสามารถได้ แต่มันก็อาจสร้างความรู้สึกว่ามีความสามารถเกินความเป็นจริงได้เช่นกัน

สิ่งที่ต้องจับตามองต่อไป

  • การพัฒนาเครื่องมือ: การอัปเกรด LLM ในอนาคตต้องปรับปรุงการให้เหตุผลเฉพาะทางและการตรวจสอบข้อผิดพลาด เพื่อตอบสนองความต้องการของการทำงานข้ามสายงาน
  • นโยบายองค์กร: บริษัทต่างๆ อาจร่างแนวทางปฏิบัติภายในใหม่สำหรับการทำงานที่ใช้ AI ช่วย โดยเฉพาะในภาคส่วนที่มีกฎระเบียบควบคุม
  • สัญญาณตลาดแรงงาน: ผู้สรรหาบุคลากรอาจเริ่มระบุ “AI-augmented generalist” เป็นหนึ่งในสมรรถนะที่ต้องการ และโปรแกรมการฝึกอบรมอาจเปลี่ยนทิศทางไปสู่ทักษะด้าน prompt engineering

บทสรุป

  • การทำงานข้ามสายงานคิดเป็น 43.5% ของคำถามระดับผู้เชี่ยวชาญ ซึ่งบ่งชี้ถึงการทับซ้อนกันอย่างมีนัยสำคัญของหน้าที่ทางวิชาชีพ
  • การตลาดและวิศวกรรมเป็นผู้นำการเปลี่ยนแปลงนี้ โดยใช้ AI สำหรับงานที่โดยปกติจะเป็นของสาขาเฉพาะทางอื่น
  • ธุรกิจขนาดเล็กพึ่งพา AI เพื่อเติมเต็มช่องว่างด้านบุคลากร ซึ่งเป็นการเปลี่ยนพนักงานเพียงคนเดียวให้กลายเป็นผู้ปฏิบัติงานที่ทำงานได้หลากหลายสาขาอย่างมีประสิทธิภาพ
  • แนวโน้มนี้สร้างทั้งโอกาสและความเสี่ยง นำไปสู่การเรียกร้องให้มีการตรวจสอบความถูกต้องของ AI ที่เข้มงวดขึ้นและบรรทัดฐานใหม่ในสถานที่ทำงาน