सब कुछ स्वचालित करने की दौड़ में – ग्राहक सेवा से लेकर कोड तक – एआई को चांदी की गोली के रूप में हेराल्ड किया जा रहा है। कथा मोहक है: एआई उपकरण जो पूरे अनुप्रयोगों को लिख सकते हैं, इंजीनियरिंग टीमों को सुव्यवस्थित कर सकते हैं और सैकड़ों अन्य नौकरियों के साथ महंगे मानव डेवलपर्स की आवश्यकता को कम कर सकते हैं।
लेकिन एक टेक्नोलॉजिस्ट के रूप में मेरे दृष्टिकोण से, जो वास्तविक कंपनियों के डेटा और वर्कफ़्लोज़ के अंदर हर दिन बिताता है, प्रचार वास्तविकता के साथ मेल नहीं खाता है।
मैंने अपने डेटा और एआई इन्फ्रास्ट्रक्चर को अनुकूलित करने के लिए जनरल इलेक्ट्रिक, द वॉल्ट डिज़नी कंपनी और हार्वर्ड मेडिकल स्कूल जैसे उद्योग के नेताओं के साथ काम किया है, और यहां मैंने जो सीखा है: अधिकांश नौकरियों में एआई के साथ मनुष्यों की जगह अभी भी क्षितिज पर एक विचार है।
मुझे चिंता है कि हम बहुत आगे सोच रहे हैं। पिछले दो वर्षों में, एक चौथाई से अधिक प्रोग्रामिंग नौकरियां गायब हो गई हैं। मार्क ज़ुकेरबर्ग की घोषणा की वह एआई के साथ मेटा के कई कोडर को बदलने की योजना बना रहा है।
लेकिन, दिलचस्प बात यह है कि बिल गेट्स और सैम अल्टमैन दोनों के पास है सार्वजनिक रूप से चेतावनी दी कोडर्स को बदलने के खिलाफ।
अभी, हमें भरोसा नहीं करना चाहिए एआई उपकरण तकनीक या व्यवसाय में नौकरियों को सफलतापूर्वक बदलने के लिए। ऐसा इसलिए है क्योंकि एआई जो जानता है वह स्वाभाविक रूप से सीमित है जो उसने देखा है – और यह तकनीक की दुनिया में जो कुछ भी देखा है, वह है बॉयलरप्लेट।
जनरेटिव एआई मॉडल को बड़े डेटासेट पर प्रशिक्षित किया जाता है, जो आमतौर पर दो मुख्य श्रेणियों में आते हैं: सार्वजनिक रूप से उपलब्ध डेटा (खुले इंटरनेट से), या मालिकाना या लाइसेंस प्राप्त डेटा (संगठन द्वारा इन-हाउस बनाया गया, या तीसरे पक्ष से खरीदा गया)।
सरल कार्य, जैसे कि एक बुनियादी वेबसाइट बनाना या टेम्प्लेट ऐप को कॉन्फ़िगर करना, सामान्य मॉडल के लिए आसान जीत हैं। लेकिन जब यह परिष्कृत, मालिकाना इन्फ्रास्ट्रक्चर कोड लिखने की बात आती है, जो Google या स्ट्रिप जैसी कंपनियों को शक्तियां देता है, तो एक समस्या है: यह कोड सार्वजनिक रिपॉजिटरी में मौजूद नहीं है। यह निगमों की दीवारों के अंदर बंद है, प्रशिक्षण डेटा के लिए दुर्गम और अक्सर इंजीनियरों द्वारा दशकों के अनुभव के साथ लिखा जाता है।
अभी, ऐ कारण नहीं कर सकते अभी तक अपने दम पर। और इसमें वृत्ति नहीं है। यह सिर्फ पैटर्न की नकल कर रहा है। टेक दुनिया में मेरे एक दोस्त ने एक बार बड़े भाषा मॉडल (एलएलएम) को एक के रूप में वर्णित किया "वास्तव में अच्छा अनुमानक।"
आज एआई के बारे में एक जूनियर टीम के सदस्य के रूप में सोचें – पहले मसौदे या सरल परियोजनाओं के लिए सहायक। लेकिन किसी भी जूनियर की तरह, इसके लिए ओवरसाइट की आवश्यकता होती है। प्रोग्रामिंग में, उदाहरण के लिए, जबकि मैंने सरल कोडिंग के लिए 5x सुधार पाया है, मैंने पाया है कि अधिक जटिल एआई-निर्मित कोड की समीक्षा और सुधार करना अक्सर कोड लिखने की तुलना में अधिक समय और ऊर्जा लेता है।
आपको अभी भी दोषों को खोजने के लिए गहरे अनुभव वाले वरिष्ठ पेशेवरों की आवश्यकता है, और उन बारीकियों को समझने के लिए कि उन दोषों को अब से छह महीने बाद कैसे जोखिम हो सकता है।
यह कहना नहीं है कि एआई के पास कार्यस्थल में जगह नहीं होनी चाहिए। लेकिन प्रोग्रामर या एकाउंटेंट या मार्केटर्स की पूरी टीमों को एक मानव और एआई टूल के एक मेजबान के साथ बदलने का सपना समय से पहले है। हमें अभी भी इन नौकरियों में वरिष्ठ स्तर के लोगों की आवश्यकता है, और हमें एक दिन अधिक जटिल भूमिकाओं को ग्रहण करने के लिए तकनीकी रूप से सक्षम होने के लिए जूनियर स्तर की नौकरियों में लोगों को प्रशिक्षित करने की आवश्यकता है।
टेक और व्यवसाय में एआई का लक्ष्य मनुष्यों को लूप से हटाने के बारे में नहीं होना चाहिए। मैं यह नहीं कह रहा हूं क्योंकि मुझे डर है कि ऐ मेरी नौकरी लेगा। मैं यह कह रहा हूं क्योंकि मैंने देखा है कि कितना खतरनाक है एआई पर बहुत अधिक भरोसा करना इस स्तर पर हो सकता है।
व्यवसाय के नेताओं, कोई फर्क नहीं पड़ता कि वे किस उद्योग में हैं, उन्हें पता होना चाहिए: जबकि एआई लागत बचत और छोटी टीमों का वादा करता है, ये दक्षता लाभ बैकफायर कर सकते हैं। आप एआई पर भरोसा कर सकते हैं कि वे अधिक कनिष्ठ स्तर के काम का प्रदर्शन करें, लेकिन अधिक परिष्कृत परियोजनाओं को पूरा करने के लिए नहीं।
एआई तेज है। मनुष्य स्मार्ट हैं। एक बड़ा अंतर है। जितनी जल्दी हम बातचीत को मनुष्यों को बदलने के लिए उन्हें मजबूत करने के लिए शिफ्ट करते हैं, उतना ही हम एआई के लाभों को फिर से लेंगे।
डेरेक चांग के संस्थापक भागीदार हैं स्ट्रैटस डेटा।