วีดีโอ: A day with Scandale - Harmonie Collection - Spring / Summer 2013 (ธันวาคม 2024)
การคาดการณ์ที่น่าสนใจที่สุดในการกล่าวสุนทรพจน์เปิดงานของการประชุม Gartner ในสัปดาห์นี้คือในปี 2020 AI จะกำจัดงาน 1.8 ล้านตำแหน่ง แต่จะเป็นผู้สร้างงานสุทธิโดยรวมเพิ่ม 2.3 ล้านตำแหน่ง ปีเตอร์ Sondergaard รองประธานบริหารของการ์ตเนอร์เป็นสายด่วนที่กล่าวไว้ว่าในปี 2021 การเพิ่ม AI จะสร้างมูลค่าทางธุรกิจ 2.9 ล้านล้านเหรียญสหรัฐและผลผลิตของคนงาน 6.2 พันล้านชั่วโมง
ตัวเลขเหล่านี้ - เช่นเดียวกับตัวเลขจำนวนมากในการศึกษา AI ต่าง ๆ ที่ฉันได้เห็น - มีขนาดใหญ่กว่าที่ฉันคาดไว้ในช่วงเวลานั้นดังนั้นฉันจึงอยากขุดลึกลงไปเล็กน้อยและสามารถพูดคุยกับ John Lovelock หัวหน้าผู้ทำนายของ Gartner . เขาอธิบายว่าตัวเลขดังกล่าวมาจากการศึกษาของการ์ทเนอร์ที่เพิ่งเสร็จสิ้นซึ่งดูรูปแบบการยอมรับของ AI ใน 43 ประเทศและ 17 อุตสาหกรรมรวมถึงการเผยแพร่เทคโนโลยีโดยแต่ละประเทศในช่วงระยะเวลา 10 ปี การศึกษานี้ซึ่งจะตีพิมพ์ภายในสิ้นปีจะพิจารณามูลค่าทางธุรกิจเป็นการรวมกันของการลดต้นทุนรายได้ใหม่และประสบการณ์ที่ลูกค้าจับต้องไม่ได้
Lovelock กล่าวว่าการศึกษาชี้ให้เห็นว่าระหว่างปี 2558 ถึงปี 2562 เอไอจะกำจัดงานมากกว่าที่เคยเป็นจริง ตัวอย่างเช่นในปี 2560 AI จะมีการสูญเสียงาน 580, 000 ตำแหน่ง แต่มีเพียง 470, 000 ตำแหน่งที่ถูกสร้างขึ้น แต่เริ่มในปี 2020 AI จะกลายเป็นผู้สร้างงานและแนวโน้มนี้ยังคงดำเนินต่อไปในปี 2564 เป็นต้นไป Lovelock กล่าวเพิ่มเติมว่าสิ่งนี้จะแตกต่างกันไปตามอุตสาหกรรม: งานในการผลิตจะไม่ถึงค่าบวกสุทธิจนถึงปี 2566 และงานใหม่ที่สร้างขึ้นจะยังไม่ชดเชยงานที่สูญหายไปจนถึงจุดนั้น
เมื่อพิจารณามูลค่าทางธุรกิจ Lovelock กล่าวว่ารายการนี้รวมถึงผลกระทบของ AI สี่ประเภท: ตัวแทนเช่น chatbots; เครื่องมือการตัดสินใจอัตโนมัติที่ AI ทำการตัดสินใจขั้นสุดท้าย เครื่องมือสนับสนุนการตัดสินใจซึ่งนำเสนอทางเลือกเพื่อช่วยเหลือผู้ใช้ที่ทำการตัดสินใจขั้นสุดท้าย และผลิตภัณฑ์ เขากล่าวว่ามูลค่าทางธุรกิจอาจแตกต่างกันไปตามภูมิภาคเนื่องจากความแตกต่างดินแดนวัฒนธรรมและกฎหมาย
เกี่ยวกับมูลค่าธุรกิจที่คาดการณ์ไว้ 2.9 ล้านล้านดอลลาร์ Lovelock ตั้งข้อสังเกตอีกครั้งว่ารวมถึงรายได้การประหยัดต้นทุนและประสบการณ์ของลูกค้าและกล่าวว่าผลลัพธ์อาจไม่ได้เป็นไปในเชิงบวกเสมอไป ตัวอย่างเช่นเขากล่าวว่า blockchain มักจะมีประสบการณ์ด้านลบของลูกค้าในช่วงสองสามปีแรก
ฉันดูที่ 6.2 พันล้านชั่วโมงบันทึกสถิติและรวมเข้ากับหมายเลขการ์ตเนอร์อีก - 1.5 พันล้านผู้สมัครงานทั่วโลก - และบอกว่าฟังดูเหมือน 4 ชั่วโมงต่อปีต่อคนงาน Lovelock กล่าวว่านี่ไม่ใช่วิธีที่ดีในการดูตัวเลขเนื่องจากฮิสโตแกรมนั้นกว้างกว่ามากเพราะในบางประเทศมีผลกระทบมาก แต่ในประเทศอื่น ๆ และในอุตสาหกรรมอื่น ๆ ไม่มีผลกระทบ
ฉันถามว่ามูลค่าทางธุรกิจที่คาดการณ์ไว้ 2.9 ล้านล้านดอลลาร์สอดคล้องกับตัวเลข GDP ทั่วโลกประมาณ 70-75 ล้านล้านดอลลาร์ แต่ Lovelock กล่าวว่าตัวเลขนี้ไม่กรองวิธีที่ GDP ทำเพราะมูลค่าธุรกิจ AI สามารถปรับปรุงต้นทุนหรือรายได้สำหรับ บริษัท บางแห่งในอุตสาหกรรม แต่อาจส่งผลเสียต่อผู้อื่น กล่าวอีกนัยหนึ่งหาก บริษัท สองแห่งเริ่มต้นด้วยการแบ่งตลาด 200 ล้านดอลลาร์และ AI ช่วยให้ บริษัท หนึ่งได้รับส่วนแบ่งการตลาด 50 ล้านดอลลาร์ บริษัท อื่น ๆ น่าจะขาดทุนมากซึ่งจะส่งผลกระทบอย่างมากต่อ บริษัท ของ บริษัท เหล่านั้น แต่ไม่มีการเปลี่ยนแปลง GDP โดยรวม
Lovelock กล่าวว่าหมายเลขของการ์ตเนอร์เริ่มต้นด้วยระดับที่ต่ำกว่าและไม่กรองวิธีที่จีดีพีทำ แต่จะรวมถึงเอฟเฟกต์คำสั่งแรกเท่านั้นซึ่งเป็นผลโดยตรงกับ AI
ในประเด็นสำคัญ Sondergaard กล่าวว่ามีผู้สมัครงาน 1.5 พันล้านคนทั่วโลกผู้สมัครงาน IT 15 ล้านคนและผู้สมัครงาน IT ที่มีประสบการณ์ 8.8 ล้านคน แต่ในจำนวนนี้มีเพียง 1, 275 คนเท่านั้นที่มีประสบการณ์ด้านงาน AI ตัวอย่างเช่นเขากล่าวว่ามีผู้เชี่ยวชาญด้าน AI ที่มีประสบการณ์เพียง 32 คนในนิวยอร์กโดยมีเพียง 8 คนเท่านั้นที่กำลังมองหางาน
นี่ดูเหมือนเฉพาะเจาะจงอย่างมากและต่ำสำหรับฉันเนื่องจากฉันคิดว่าฉันรู้มากกว่า 32 คนที่จะบอกว่าพวกเขามีประสบการณ์ AI ในนิวยอร์ก Lovelock กล่าวว่าตัวเลขนี้มาจาก Talent Neuron ซึ่งเป็นส่วนหนึ่งของ CEB Inc. ซึ่งเป็นผู้ให้บริการการวิจัยที่การ์ทเนอร์เพิ่งซื้อมาเมื่อเร็ว ๆ นี้ซึ่งติดตามการประกาศรับสมัครงานและผู้สมัคร เขาบอกว่ามันสะท้อนให้เห็นถึงผู้สมัครไอทีอาวุโสเท่านั้นที่มีประสบการณ์อย่างน้อย 8 ปีในระดับผู้อำนวยการขึ้นไปพร้อมทักษะ AI ที่กำหนดไว้โดยเฉพาะ มันสมเหตุสมผลมากกว่า แต่มันก็ยังดูถูกดูแคลน
มันอาจไม่สมจริงที่คาดว่าการคาดการณ์ใด ๆ เกี่ยวกับ AI จะแม่นยำอย่างสมบูรณ์ ท้ายที่สุดนักพยากรณ์มีปัญหาในการพยากรณ์ยอดขายสำหรับอุตสาหกรรมที่มีเสถียรภาพมากขึ้นรวมถึงเศรษฐกิจโดยรวม แต่ฉันก็ดีใจที่ได้ข้อมูลเหล่านี้มาเบื้องหลัง - พวกเขาทำให้การคาดคะเนดูสมเหตุสมผลมากขึ้น
