ટૂંકો જવાબ: AI મોટે ભાગે કાર્યોના ભાગોને સ્વચાલિત કરીને, આઉટપુટને ઝડપી બનાવીને અને અપેક્ષાઓ વધારીને કાર્યને ફરીથી ગોઠવે છે - ખાસ કરીને એન્ટ્રી-લેવલ ભૂમિકાઓમાં. જો તમે AI નો ઉપયોગ કરવાનું શીખો અને તેના આઉટપુટને ચકાસો, તો તમને લીવરેજ મેળવવાની શક્યતા વધુ છે; જો તમારું કાર્ય મુખ્યત્વે પુનરાવર્તિત ફર્સ્ટ-પાસ ઉત્પાદન છે, તો જ્યારે ટીમો AI અપનાવે છે ત્યારે તમે વધુ ખુલ્લા થાઓ છો.
મુખ્ય બાબતો:
કાર્ય પરિવર્તન : પુનરાવર્તિત કાર્યના સ્વચાલિતકરણની અપેક્ષા રાખો, જેમાં ભૂમિકાઓ અદૃશ્ય થવાને બદલે બદલાતી રહે.
પ્રવેશ-સ્તરની સીડી : જુનિયર્સને પહેલા દિવસની ઓછી જગ્યાઓ અને ઉચ્ચ ક્ષમતા માંગનો સામનો કરવો પડી શકે છે.
ચકાસણી : હકીકતો, સંખ્યાઓ, ધારના કિસ્સાઓ અને નીતિ પાલનની તપાસ કરવામાં કુશળતા બનાવો.
નિર્ણયો તરફ આગળ વધો : લક્ષ્યો, મર્યાદાઓ, સમાધાનો અને પરિણામો માટેની જવાબદારીની નજીક જાઓ.
કાર્યનો પુરાવો : ટ્રેકિંગનો સમય બચે છે, ભૂલો ઓછી થાય છે અને પરિણામો દેખીતી રીતે મૂલ્યવાન રહે છે.
આ પછી તમને વાંચવા ગમશે તેવા લેખો:
🔗 શું AI એકાઉન્ટન્ટ્સનું સ્થાન લેશે?
ઓટોમેશન એકાઉન્ટિંગ કાર્ય અને ભાવિ ભૂમિકાઓમાં કેવી રીતે ફેરફાર કરે છે તેનું અન્વેષણ કરો.
🔗 શું AI સાયબર સુરક્ષાનું સ્થાન લઈ શકે છે?
સાયબર સંરક્ષણ, જોખમો અને માનવ દેખરેખ પર AI ની અસરનું મૂલ્યાંકન કરો.
🔗 શું AI ડેટા એન્જિનિયરોનું સ્થાન લેશે?
આજે AI કયા ડેટા એન્જિનિયરિંગ કાર્યોને સ્વચાલિત કરી શકે છે તે જુઓ.
🔗 શું AI વીમા એજન્ટોનું સ્થાન લેશે?
AI વીમા વેચાણ અને ગ્રાહક સેવાને કેવી રીતે ફરીથી આકાર આપી શકે છે તે જાણો.
૧) “AI નોકરીઓને કેવી રીતે અસર કરે છે?” પ્રશ્નનો માનવીય જવાબ (નાટકીય નહીં) 😅
ચાલો ફિલ્મના સંસ્કરણને છોડી દઈએ જ્યાં રોબોટ્સ રાતોરાત બધું જ લઈ લે છે. વાસ્તવિક અસર આ રીતે આવે છે:
-
કાર્યો સ્વયંસંચાલિત થાય છે, સમગ્ર કાર્યો નહીં (શરૂઆતમાં). OECD
-
જે લોકો AI નો સારી રીતે ઉપયોગ કરવાનું શીખે છે તેમના માટે કામ ઝડપી બને છે NBER
-
પ્રવેશ-સ્તરના કાર્યમાં સૌથી વધુ ફેરફાર થાય છે કારણ કે તેમાં ઘણીવાર પુનરાવર્તિત કાર્યોનો સમાવેશ થાય છે. IMF
-
નવી ભૂમિકાઓ દેખાય છે કારણ કે કોઈએ AI-સંચાલિત વર્કફ્લોને અમલમાં મૂકવા, દેખરેખ રાખવા, માપવા અને સુધારવા પડે છે. વર્લ્ડ ઇકોનોમિક ફોરમ
-
"સારા કર્મચારી" ની વ્યાખ્યા "ફાસ્ટ હેન્ડ્સ" થી "સ્માર્ટ જજમેન્ટ" માં બદલાય છે. વર્લ્ડ ઇકોનોમિક ફોરમ
તો જ્યારે કોઈ પૂછે કે, AI નોકરીઓ પર કેવી અસર કરે છે? તો સૌથી સ્પષ્ટ જવાબ એ છે કે:
AI કામનું સ્વરૂપ બદલી નાખે છે - અને જે લોકો તેને અવગણવાને બદલે તેનું સંચાલન કરી શકે છે તેમને પુરસ્કાર આપે છે. IMF
અને હા, કેટલીક ભૂમિકાઓ સંકોચાઈ જાય છે. હું તેને પ્રેરણાત્મક પોસ્ટર ઇમોજીથી પૂરક નહીં બનાવું. પણ વાર્તા શહેરને બરબાદ કરવા કરતાં ઘરને ફરીથી બનાવવા જેવી છે 🧱🏠.
૨) AI ફેરફારો ત્રણ રીતે કાર્ય કરે છે: બદલો, આકાર બદલો અથવા સ્તર વધારવો 📈
મોટાભાગની નોકરીની અસર ત્રણ ડોલમાં બંધબેસે છે:
ક) બદલો (કાર્યોનો ટુકડો)
આ ત્યારે થાય છે જ્યારે AI પુનરાવર્તિત આઉટપુટના એક ભાગને હેન્ડલ કરે છે:
-
મૂળભૂત સમયપત્રક
-
પ્રથમ ડ્રાફ્ટ સારાંશ
-
સરળ ગ્રાહક જવાબો
-
નિયમિત ડેટા સફાઈ
-
નમૂના-આધારિત લેખન
તે ભાગ્યે જ "આખા વ્યક્તિને બદલો" છે, તે "તેઓ જે કરતા હતા તેમાંથી 20-40% દૂર કરો" છે. OpenAI OECD
જે ખૂબ જ સારું લાગે છે જ્યાં સુધી તમને ખ્યાલ ન આવે કે 20-40% એ રીતે હતું જે રીતે કેટલાક લોકોએ હેડકાઉન્ટને વાજબી ઠેરવ્યું હતું.
બી) ફરીથી આકાર આપો (કામ રહે છે, કાર્યપ્રવાહ બદલાય છે)
આ સૌથી સામાન્ય છે. તમે હજુ પણ કામ કરો છો, પરંતુ:
-
તમે આઉટપુટનું નિરીક્ષણ કરો છો
-
તમે સંપાદિત કરો અને ચકાસો
-
તમે મર્યાદાઓ સેટ કરો છો
-
તમે એજ કેસ હેન્ડલ કરો છો
-
તમે અંતિમ કોલ કરો છો
ઘણા લોકો પદવી કે પગાર વધારો મેળવ્યા વિના "સમીક્ષક" બની જાય છે, જે... આદર્શ નથી, પણ તે વાસ્તવિક છે.
ક) સ્તર ઊંચું લાવો (એ જ નોકરીનું શીર્ષક, ઊંચી અપેક્ષાઓ)
આ સૂક્ષ્મ છે. ટીમો AI ટૂલ્સ અપનાવે છે અને અચાનક "સરેરાશ આઉટપુટ" "લઘુત્તમ સ્વીકાર્ય" બની જાય છે.
કામ સરળ લાગતું નથી. તે ઝડપી લાગે છે... અને વધુ વ્યસ્ત 😵💫.
તો હા - AI નોકરીઓ પર કેવી અસર કરે છે? ક્યારેક તે જ કામને ટ્રેડમિલ જેવું બનાવીને જે શાંતિથી ઝડપી બને છે.
૩) કઈ નોકરીઓ સૌથી વધુ પ્રભાવિત થાય છે - અને શા માટે તે કાર્યો વિશે છે, પ્રતિષ્ઠા વિશે નહીં 🎯
એક સારો નિયમ: કાર્ય જેટલું વધુ અનુમાનિત, ટેક્સ્ટ-આધારિત અથવા પેટર્ન-ભારે હશે, તેટલું વધુ AI તેને સહાય અથવા સ્વચાલિત કરી શકશે. તેનો અર્થ એ નથી કે કાર્ય અદૃશ્ય થઈ જાય છે. તેનો અર્થ એ છે કે કાર્યનું "ગુરુત્વાકર્ષણ કેન્દ્ર" બદલાઈ જાય છે. OpenAI ILO
વધુ ખુલ્લા કાર્ય-પ્રકારો
-
પુનરાવર્તિત રિપોર્ટિંગ
-
ટેમ્પલેટ ઇમેઇલ્સ અને દરખાસ્તો
-
મૂળભૂત સંશોધન અને સારાંશ
-
નિયમિત QA તપાસ
-
ડેટા એન્ટ્રી અને વર્ગીકરણ
-
માનક છબી ભિન્નતા (કદ બદલવી, પૃષ્ઠભૂમિ દૂર કરવી, ઝડપી સંપાદનો)
વધુ સુરક્ષિત કાર્ય-પ્રકારો (હાલ માટે... ઇશ)
-
ઉચ્ચ દાવ પર નિર્ણય લેવાના આદેશો
-
જટિલ આંતરવ્યક્તિત્વ વાટાઘાટો
-
અણધાર્યા વાતાવરણમાં વ્યવહારુ શારીરિક કાર્ય
-
અસ્પષ્ટ નેતૃત્વ નિર્ણયો
-
ઊંડા સંદર્ભ અને વિશ્વાસ મેકકિન્સેની
અને ફક્ત હેરાન કરવા માટે: નોકરીમાં બંનેનો સમાવેશ થઈ શકે છે. તમારી ભૂમિકા "સુરક્ષિત" હોઈ શકે છે, જ્યારે તમારા અડધા સાપ્તાહિક કાર્યો મૂળભૂત રીતે ઓટોમેશન માટેનો બફેટ છે.
૪) "શાંત" અસર: શરૂઆતના સ્તરની ભૂમિકાઓ અને ખૂટતી સીડી 🪜😬
આ ભાગ ઘણો મહત્વનો છે અને લોકો તેના વિશે પૂરતી વાત કરતા નથી.
ઘણી એન્ટ્રી-લેવલ ભૂમિકાઓ અસ્તિત્વમાં છે કારણ કે સંસ્થાઓને જરૂર છે:
-
પ્રથમ સંસ્કરણ તૈયાર કરવા માટે કોઈ
-
નિયમિત ટિકિટોની પ્રક્રિયા કરવા માટે કોઈ વ્યક્તિ
-
નોંધો અને અહેવાલો સંકલન કરવા માટે કોઈ વ્યક્તિ
-
"વ્યસ્ત પણ જરૂરી" કામ કરવા માટે કોઈ
AI તેનો ભાગ ભજવી શકે છે. જેનો અર્થ એ થયો કે કંપનીઓ ઓછા જુનિયરોને નોકરી પર રાખી શકે છે, અથવા જુનિયરોને અલગ કામ આપી શકે છે (વધુ QA, વધુ સંકલન, વધુ ટૂલ-ઉપયોગ). IMF NBER
જોખમ "તૂટેલી સીડી" ની અસર છે:
-
ઓછા પ્રવેશ બિંદુઓ
-
મૂળભૂત બાબતો શીખવાની ઓછી તકો
-
ટીમો પાતળી હોવાથી ઓછા માર્ગદર્શકો
-
પહેલા દિવસની યોગ્યતા માટે વધુ અપેક્ષાઓ
જો તમે કારકિર્દીની શરૂઆતના છો, તો AI નોકરીઓને કેવી અસર કરે છે? નો અર્થ ઘણીવાર થાય છે: તમારે પહેલા કરતા વહેલા વ્યવહારુ ક્ષમતા બતાવવાની જરૂર પડી શકે છે.
અન્યાયી? ક્યારેક. સાચું? ઘણી વાર. 🤷
૫) AI નવી નોકરીઓ બનાવે છે (અને ઘણીવાર અવગણવામાં આવતી નોકરીઓ) 🧠✨
ટેકનોલોજીનો દરેક મોજું કેટલાક કાર્યોને મારી નાખે છે અને બીજા કાર્યોનું સર્જન કરે છે. AI પણ અલગ નથી, પરંતુ નવી નોકરીઓ શરૂઆતમાં... અપ્રિય લાગી શકે છે. વર્લ્ડ ઇકોનોમિક ફોરમ
અહીં એવા ક્ષેત્રો છે જે સામાન્ય રીતે વિસ્તરે છે:
-
AI કામગીરી અને વર્કફ્લો ડિઝાઇન : "આપણે AI નો ઉપયોગ કરવો જોઈએ" ને લોકો અનુસરતા વાસ્તવિક પગલાંમાં ફેરવવું
-
AI ગુણવત્તા અને મૂલ્યાંકન : પરીક્ષણ આઉટપુટ, સ્કોરિંગ વિશ્વસનીયતા, ટ્રેકિંગ ભૂલો
-
ડેટા સ્ટેવાર્ડશીપ : ખાતરી કરવી કે યોગ્ય ડેટા અસ્તિત્વમાં છે, સ્વચ્છ છે અને નૈતિક રીતે સંચાલિત છે.
-
સુરક્ષા અને પાલન : લીક, દુરુપયોગ અને "અરેરે, અમે ગોપનીય સામગ્રી પેસ્ટ કરી" આપત્તિઓને અટકાવવી
-
માનવ-ઇન-ધ-લૂપ ભૂમિકાઓ : ઉચ્ચ-અસરકારક આઉટપુટની સમીક્ષા, સુધારણા, મંજૂરી ILO
-
તાલીમ અને સક્ષમતા : ટીમોને સાધનોનો યોગ્ય રીતે ઉપયોગ કરવાનું શીખવવું (આ લાગે છે તેના કરતાં મોટું છે) વર્લ્ડ ઇકોનોમિક ફોરમ
ઉપરાંત, એક વિશિષ્ટ બાબત: જે લોકો સ્પષ્ટ આંતરિક માર્ગદર્શિકા લખી શકે છે તેઓ અણધારી રીતે મૂલ્યવાન બની જાય છે. જેમ કે, નીતિ-પરંતુ-વ્યવહારુ. પાર્ટીઓમાં મજા નહીં, પણ કામ પર ઉપયોગી 📝.
૬) AI-પ્રૂફ કારકિર્દી યોજનાનું સારું સંસ્કરણ શું બનાવે છે? 🧭🤝
આ એ ભાગ છે જે દરેકને જોઈએ છે: પ્લેબુક. અને ના, પ્લેબુક "કોડ શીખવું" નથી (ક્યારેક મદદરૂપ, ક્યારેક ખૂબ જ અપ્રસ્તુત). AI-પ્રૂફ કારકિર્દી યોજનાના સારા સંસ્કરણમાં કેટલાક ઘટકો હોય છે:
૧) તમે એક પણ કૌશલ્ય નહીં, પણ "સ્ટેક" પસંદ કરો છો
આના જેવા સ્ટેકનો વિચાર કરો:
-
ક્ષેત્ર જ્ઞાન (તમારો ઉદ્યોગ)
-
ટૂલ ફ્લુએન્સી (AI + કોર ટૂલ્સ)
-
વાતચીત (નિર્ણયો સમજાવવા)
-
નિર્ણય (શું વિશ્વાસ કરવો તે જાણવું)
-
વિશ્વસનીયતા (લોકો તમારા પર વિશ્વાસ રાખે છે)
એક કૌશલ્ય મીણબત્તી છે. ગંજી એ કેમ્પફાયર છે 🔥. થોડું અપૂર્ણ રૂપક, પણ તમે સમજી ગયા.
૨) તમે નિર્ણયોની નજીક જાઓ છો
AI વિકલ્પો ઉત્પન્ન કરવામાં સારી છે. માનવીઓ મૂલ્યવાન રહે છે જ્યારે તેઓ:
-
લક્ષ્યો નક્કી કરો
-
મર્યાદાઓ સેટ કરો
-
સોદાબાજી પસંદ કરો
-
પરિણામોની જવાબદારી લો BLS
જો તમારું કામ મોટે ભાગે "વસ્તુનું ઉત્પાદન કરો" હોય, તો "વસ્તુ શું હોવી જોઈએ તે નક્કી કરો" તરફ આગળ વધવાનું શરૂ કરો
૩) તમે કામનો પુરાવો બનાવો છો
વાઇબ્સ નહીં. પુરાવો.
-
પહેલા/પછીના મેટ્રિક્સ
-
બચાવેલ સમય
-
ઓછી ભૂલો
-
ગ્રાહક સંતોષમાં સુધારો
-
દસ્તાવેજીકૃત પ્રક્રિયાઓ
એક નાની બડાઈ મારી રાખો. મને ખબર છે, એમાં કંજુસતા લાગે છે. ગમે તેમ કરો 😬.
૪) તમે ચકાસણીનું કૌશલ્ય શીખો છો
આ છે ઓછી આંકાયેલી મહાસત્તા:
-
ભ્રામક હકીકતો તપાસવી
-
ગુમ થયેલ કિસ્સાઓ શોધવા
-
આંતરિક રીતે સંખ્યાઓ અને સ્ત્રોતોને માન્ય કરવા
-
"ના, આ ફરીથી કરો" ક્યારે કહેવું તે જાણવું
ભવિષ્ય સારા સંપાદકોનું છે. ફક્ત લેખનનું જ નહીં - નિર્ણયોનું પણ.
૭) સરખામણી કોષ્ટક: લોકો કામ પર AI નો ઉપયોગ કેવી રીતે કરે છે (અને શા માટે કેટલાક વધુ સારી રીતે કાર્ય કરે છે) 🧾🤖
અહીં અભિગમોનો વ્યવહારુ "મેનુ" છે. સંપૂર્ણ નથી. પણ ઉપયોગી છે.
| સાધન / અભિગમ | પ્રેક્ષક | કિંમત | તે કેમ કામ કરે છે |
|---|---|---|---|
| ડ્રાફ્ટિંગ + વિચારધારા માટે ચેટ સહાયક | જ્ઞાન કાર્યકરો, વિદ્યાર્થીઓ, સંચાલકો | મફતથી માસિક શુલ્ક | ઝડપી પ્રથમ ડ્રાફ્ટ્સ, સારી વિચાર-વિમર્શ - પણ તમારે હજુ પણ ચકાસવું પડશે... ગંભીરતાથી |
| લેખન અને સંપાદન સહાયક | માર્કેટર્સ, કોમર્સ, એચઆર | માસિક ઓછો | રફ ડ્રાફ્ટ્સને સ્વચ્છમાં ફેરવે છે, સમય બચાવે છે; થોડું સરખું થઈ શકે છે |
| મીટિંગ નોંધો + ક્રિયા આઇટમ નિષ્કર્ષણ | ટીમ લીડ્સ, સેલ્સ, ઓપ્સ | ઘણીવાર બંડલ થયેલ | નિર્ણયો કેપ્ચર કરે છે, "આપણે શું સંમત થયા???" ક્ષણો ઘટાડે છે 😵 |
| ગ્રાહક સપોર્ટ જવાબ સૂચનો | સપોર્ટ ટીમો | ઉપયોગ-આધારિત-ઇશ | પ્રતિભાવ ઝડપી બનાવે છે, સુસંગતતા સુધારે છે - જો નીતિ કડક હોય તો જોખમી |
| સ્પ્રેડશીટ અને ડેટા "કોપાયલોટ" | વિશ્લેષકો, નાણાં, ઓપ્સ | બદલાય છે | સારાંશ + સૂત્રો માટે ઉત્તમ, ક્યારેક સંદર્ભને ગેરસમજ કરે છે (હેરાન કરે છે) |
| કોડિંગ સહાયક | ઇજનેરો, વિશ્લેષકો, હોબી કોડર્સ | માસિક માટે મફત | બોઈલરપ્લેટને વેગ આપે છે, ડીબગ કરવામાં મદદ કરે છે, હજુ પણ માનવ સમીક્ષાની જરૂર છે |
| ઓટોમેશન બિલ્ડર (AI + વર્કફ્લો) | ઓપ્સ, રેવોપ્સ, સ્થાપકો | માસિક મધ્ય | સાધનોને જોડે છે અને વારંવાર કામ કરવાનું ઘટાડે છે; સેટઅપ માટે ધીરજની જરૂર પડે છે |
| જ્ઞાન આધાર પ્રશ્ન અને જવાબ (આંતરિક) | મોટી ટીમો | વધારે ખર્ચ | લોકોને આંતરિક જવાબો ઝડપથી શોધવામાં મદદ કરે છે - ફક્ત ડેટા જેટલું જ સારું |
ફોર્મેટિંગ વિચિત્ર કબૂલાત: કિંમતો ઇરાદાપૂર્વક અસ્પષ્ટ હોય છે કારણ કે વાસ્તવિક કિંમત બદલાય છે અને લોકો "તેના મૂલ્ય" નો અર્થ શું છે તે અંગે પણ દલીલ કરે છે. બંને સાચા છે.
૮) જ્યારે AI સર્વત્ર હોય ત્યારે કૌશલ્યો જે "સંયોજિત" થાય છે 📚⚙️
જો તમને એવા કૌશલ્યોની ટૂંકી યાદી જોઈતી હોય જે સાધનો બદલાતા રહે ત્યારે પણ મૂલ્યવાન રહે, તો હું આ કૌશલ્યો પર વિશ્વાસ મૂકીશ (ઘણા વ્યવહારુ અવલોકનો અને ટીમોમાં સતત શું પ્રદર્શન કરે છે તેના આધારે): વર્લ્ડ ઇકોનોમિક ફોરમ
નિર્ણય અને વિવેચનાત્મક વિચારસરણી 🧠
-
ખરાબ ધારણાઓ ઓળખવી
-
યોગ્ય ફોલો-અપ પૂછવું
-
આઉટપુટ ક્યારે શક્ય છે પણ ખોટું છે તે ઓળખવું
સ્પષ્ટ વાતચીત 🗣️
-
નિર્ણયો સ્પષ્ટ રીતે લખો
-
સમજૂતીત્મક સમજૂતી
-
બિન-તકનીકી લોકો માટે તકનીકી સામગ્રીનું ભાષાંતર કરવું
સિસ્ટમ વિચારસરણી 🔁
-
શરૂઆતથી અંત સુધી કાર્યપ્રવાહને સમજવું
-
અવરોધો ઓળખવા
-
માત્ર આઉટપુટ જ નહીં, પણ પ્રક્રિયામાં સુધારો કરવો
હિસ્સેદારોની સહાનુભૂતિ 🤝
-
લોકોને ખરેખર શું જોઈએ છે તે જાણવું
-
આંચકો ખાધા વિના પ્રતિકારનો સામનો કરવો
-
અલગ વસ્તુઓ ઇચ્છતી ટીમોને ગોઠવવી
સાધન પ્રવાહિતા (સાધનોનો જુસ્સો નહીં) 🧰
જાણો:
-
અસરકારક રીતે કેવી રીતે સંકેત આપવો
-
આઉટપુટનું મૂલ્યાંકન કેવી રીતે કરવું
-
તમારા વર્કફ્લોમાં AI ને કેવી રીતે એકીકૃત કરવું BLS
એવા વ્યક્તિ ન બનો જે ફક્ત સાધનો વિશે જ વાત કરે છે. કોઈ તે વ્યક્તિને લંચ માટે આમંત્રણ આપતું નથી. (ઠીક છે, ક્યારેક તેઓ આમંત્રણ આપે છે, પણ તમે જાણો છો કે મારો મતલબ શું છે) 🍜
9) બદલી શકાય તેવા ભાગ બન્યા વિના AI નો ઉપયોગ કેવી રીતે કરવો 😬➡️😎
આ એક મોટી વાત છે. કારણ કે તેમાં એક છટકું છે: જો તમે ફક્ત સૌથી સરળ ભાગોને ઝડપથી કરવા માટે AI નો ઉપયોગ કરો છો, તો તમે આકસ્મિક રીતે તમારી ભૂમિકાને તેના કરતાં સરળ બનાવી શકો છો.
તેના બદલે આ વ્યૂહરચનાઓ અજમાવી જુઓ:
પરિણામોના "માલિક" બનો
"મેં 10 વિકલ્પો જનરેટ કર્યા" ને બદલે, આ પર શિફ્ટ કરો:
-
"મેં X ના આધારે શ્રેષ્ઠ વિકલ્પ પસંદ કર્યો"
-
"મેં આને અવરોધ Y સામે માન્ય કર્યું"
-
"મેં તેનું પરીક્ષણ યુઝર ગ્રુપ Z સાથે કર્યું"
માલિકી ચીકણી છે. આઉટપુટ લપસણો છે.
તમારી પ્રક્રિયાનું દસ્તાવેજીકરણ કરો
લખો:
-
તમે શું કર્યું?
-
તમે તે કેમ કર્યું?
-
શું બદલાયું?
-
તમે શું શીખ્યા?
તે તમને "કોઈ પણ એવું કરી શકે છે" તેવી વાતચીતોથી રક્ષણ આપે છે.
AI અને વાસ્તવિકતા વચ્ચેનો સેતુ બનો 🌍
વાસ્તવિકતામાં શામેલ છે:
-
નીતિ
-
બ્રાન્ડ વૉઇસ
-
ગ્રાહક સૂક્ષ્મતા
-
કાનૂની પ્રતિબંધો
-
ટીમ પોલિટિક્સ (હા, રાજકારણ - સરકારી પ્રકારનું નહીં)
કૃત્રિમ બુદ્ધિ કુદરતી રીતે આ ગડબડનો સામનો કરી શકતી નથી, પરંતુ માનવીઓ કરે છે.
એવી વિશેષતા વિકસાવો જેને AI સપોર્ટ કરે પણ તેનું સ્થાન ન લે
ઉદાહરણો:
-
પાલન-જાગૃત માર્કેટિંગ
-
આરોગ્યસંભાળ કામગીરી (ઉચ્ચ સંદર્ભ)
-
સાયબર સુરક્ષા વિશ્લેષણ (ઉચ્ચ દાવ)
-
એન્ટરપ્રાઇઝ વેચાણ વ્યૂહરચના (સંબંધો-ભારે)
-
ઉત્પાદન વ્યવસ્થાપન (ટ્રેડ-ઓફ અને ગોઠવણી)
તો ફરીથી, AI નોકરીઓ પર કેવી અસર કરે છે? ક્યારેક તમને મૂલ્ય શૃંખલામાં ઉપર જવા માટે દબાણ કરીને... ભલે તમે તે માટે પૂછ્યું ન હોય.
૧૦) નોકરીદાતાઓ શું ભૂલ કરે છે (અને તેના બદલે સ્માર્ટ ટીમો શું કરે છે) 🏢🛠️
જો તમે લોકોનું સંચાલન કરો છો અથવા ટીમો બનાવો છો, તો AI એક ભેટ અથવા સ્લો-મોશન માથાનો દુખાવો બની શકે છે.
સામાન્ય ભૂલો:
-
તાલીમ વિના સાધનોનું નિર્માણ
-
પરિણામોને બદલે "પ્રવૃત્તિ" માપવી
-
ધારી રહ્યા છીએ કે AI આઉટપુટ આપમેળે સ્વીકાર્ય છે
-
વર્કફ્લોને ફરીથી ડિઝાઇન કરતા પહેલા કર્મચારીઓની સંખ્યા ઘટાડવી
-
જ્યારે લોકો બદલી શકાય તેવું અનુભવે છે ત્યારે મનોબળના પતનને અવગણવું
વધુ સ્માર્ટ ચાલ:
-
AI ક્યાં માન્ય છે અને ક્યાં નથી તે વ્યાખ્યાયિત કરો
-
સમીક્ષા ધોરણો બનાવો ("સારું" કેવું દેખાય છે)
-
તાલીમ અને આંતરિક રમત પુસ્તકોમાં રોકાણ કરો
-
ગુણવત્તા અને જોખમનું નિરીક્ષણ કરવા માટે માલિકી સોંપો
-
વર્લ્ડ ઇકોનોમિક ફોરમમાં માત્ર ગતિ જ નહીં, પુરસ્કાર પ્રક્રિયામાં સુધારો
એક બીજી વાત: જો તમે દત્તક લેવા માંગતા હો, તો સાવધ લોકોને શરમાવશો નહીં. સાવધાની શાણપણ હોઈ શકે છે. અથવા ડર. સામાન્ય રીતે બંને 😅.
૧૧) ઝડપી વારંવાર પૂછાતા પ્રશ્નો: મીટિંગમાં લોકો જે પ્રશ્નો પૂછે છે 🤫
"શું AI મારી નોકરી લેશે?"
તેમાં તેના ટુકડાઓ લાગી શકે છે. તમારો શ્રેષ્ઠ બચાવ એ છે કે તમે એવી વ્યક્તિ બનો જે:
-
AI નો સારી રીતે ઉપયોગ કરે છે
-
યોગ્ય રીતે ચકાસે છે
-
વ્યવસાયિક સંદર્ભ સમજે છે
-
માનવોનું સંકલન કરી શકે છે IMF
"શું AI ટૂલ્સ શીખવું પૂરતું છે?"
ના. સાધનો બદલાય છે. મૂળભૂત બાબતો ટકી રહે છે. સાધનો શીખો, હા, પણ તેમને નિર્ણય, સિસ્ટમ વિચારસરણી અને સંદેશાવ્યવહાર જેવી કુશળતા સાથે જોડો.
"જો મને AI નફરત હોય તો?"
તમારે તેને પ્રેમ કરવાની જરૂર નથી. તમારે ફક્ત તેની સાથે કામ કરવાનો સંબંધ બનાવવાની જરૂર છે. પેલા સહકર્મીની જેમ જે હેરાન કરે છે પણ ઉપયોગી છે.
"સૌથી સુરક્ષિત કારકિર્દીનો માર્ગ કયો છે?"
કંઈ પણ સંપૂર્ણ સલામત નથી. પરંતુ ઉચ્ચ સંદર્ભ, વિશ્વાસ, જવાબદારી અને માનવ સંબંધો ધરાવતી ભૂમિકાઓ વધુ સ્થિતિસ્થાપક હોય છે. મેકકિન્સે OECD
૧૨) સમાપન સારાંશ - તો, AI નોકરીઓને કેવી રીતે અસર કરે છે? ✅🤖
AI એ એક જ ઘટના નથી. તે કાર્યો, અપેક્ષાઓ અને કાર્યપ્રવાહનું ધીમે ધીમે પુનર્ગઠન છે. કેટલીક ભૂમિકાઓ સંકોચાય છે, કેટલીક વિસ્તરે છે, અને ઘણી બદલાય છે. વર્લ્ડ ઇકોનોમિક ફોરમ IMF
સામાન્ય રીતે શ્રેષ્ઠ પ્રદર્શન કરનારા લોકો:
-
AI ને જાદુઈ લાકડી નહીં, પણ સહકાર્યકર તરીકે ગણો 🪄
-
ફક્ત જનરેટ જ નહીં, પણ ચકાસવાનું અને સંપાદન કરવાનું શીખો
-
નિર્ણયો અને માલિકીની નજીક જાઓ
-
એક ટ્રેન્ડનો પીછો કરવાને બદલે કૌશલ્યનો સમૂહ બનાવો
-
દસ્તાવેજ અસર અને પરિણામો
અને જો તમે હજુ પણ પૂછી રહ્યા છો કે, AI નોકરીઓ પર કેવી અસર કરે છે? તો અહીં સ્પષ્ટ સારાંશ છે:
AI અનુકૂલનક્ષમતા, સ્પષ્ટ વિચારસરણી અને જવાબદારીને પુરસ્કાર આપે છે - અને તે પુનરાવર્તનને સજા આપે છે જે નિર્ણય સાથે જોડાયેલ નથી. OpenAI BLS
હંમેશા વાજબી નથી. હંમેશા મનોરંજક નથી. પરંતુ કાર્યક્ષમ… અને, ક્યારેક, ઉત્તેજક પણ 😄.
વારંવાર પૂછાતા પ્રશ્નો
રોજિંદા ઓફિસ કામમાં AI નોકરીઓને કેવી રીતે અસર કરે છે?
મોટાભાગના કાર્યસ્થળોમાં, AI રાતોરાત આખા કામોને બદલી શકતું નથી - તે કાર્યોના ટુકડાને બદલી નાખે છે. તે ઝડપી પ્રથમ ડ્રાફ્ટ્સ, ઝડપી સારાંશ અને વધુ સ્વચાલિત એડમિન કાર્ય તરીકે દેખાય છે. સમય જતાં, ઘણી ભૂમિકાઓ સમીક્ષા, ચકાસણી અને અંતિમ નિર્ણય લેવા તરફ બદલાય છે. જે લોકો સૌથી વધુ લાભ મેળવે છે તેઓ સામાન્ય રીતે AI આઉટપુટને સંચાલિત કરવાનું શીખે છે, સાધનોને પૃષ્ઠભૂમિ અવાજ તરીકે ગણવાને બદલે.
કઈ નોકરીઓ AI દ્વારા સૌથી વધુ પ્રભાવિત થાય છે અને શા માટે?
જ્યારે કામનો મોટો હિસ્સો અનુમાનિત, ટેક્સ્ટ-આધારિત અથવા પેટર્ન-ભારે હોય ત્યારે નોકરીઓ સૌથી વધુ પ્રભાવિત થાય છે - નિયમિત રિપોર્ટિંગ, ટેમ્પ્લેટેડ ઇમેઇલ્સ, મૂળભૂત સંશોધન સારાંશ અને ડેટા વર્ગીકરણનો વિચાર કરો. તેનો અર્થ એ નથી કે ભૂમિકા આપમેળે અદૃશ્ય થઈ જાય છે, પરંતુ "ગુરુત્વાકર્ષણનું કેન્દ્ર" બદલાય છે. વધુ ઇન્સ્યુલેટેડ કાર્યોમાં ઉચ્ચ-દાવના નિર્ણય, સૂક્ષ્મ માનવ ક્રિયાપ્રતિક્રિયા, વિશ્વાસ અને જમીન પર જટિલતા શામેલ હોય છે.
શું AI મારી નોકરી લઈ લેશે, કે તેના કેટલાક ભાગ જ લઈ લેશે?
એક સામાન્ય પરિણામ એ છે કે AI કામના કેટલાક ભાગો - ઘણીવાર પુનરાવર્તિત "પ્રથમ પાસ" કાર્ય - લે છે જ્યારે માનવીઓ નિર્ણયો, ધારદાર કેસ અને જવાબદારીની માલિકી રાખે છે. જોખમ એ છે કે જો 20-40% કાર્યો અદૃશ્ય થઈ જાય, તો કેટલીક ટીમો વર્કફ્લોને ફરીથી ડિઝાઇન કરવાને બદલે કર્મચારીઓની સંખ્યા ઘટાડે છે. સલામત સ્થિતિ એ છે કે એવી વ્યક્તિ બનવી જે AI નો સારી રીતે ઉપયોગ કરે, સખત રીતે ચકાસણી કરે અને વ્યવસાય સંદર્ભને સમજે.
AI સાથે એન્ટ્રી-લેવલની ભૂમિકાઓ કેમ આટલી બધી બદલાઈ રહી છે?
પ્રથમ ડ્રાફ્ટ્સ, નિયમિત ટિકિટો અને વ્યસ્ત-પરંતુ-જરૂરી પ્રક્રિયાને સંભાળવા માટે ઐતિહાસિક રીતે ઘણી એન્ટ્રી-લેવલ ભૂમિકાઓ અસ્તિત્વમાં હતી. AI હવે તેના કેટલાક ભાગોને આવરી શકે છે, તેથી કંપનીઓ ઓછા જુનિયરોને નોકરી પર રાખી શકે છે અથવા જુનિયર કાર્યને QA, સંકલન અને ટૂલ-આધારિત વર્કફ્લો તરફ ખસેડી શકે છે. તે "તૂટેલી સીડી" અસર બનાવી શકે છે, જેમાં ઓછા એન્ટ્રી પોઇન્ટ અને ઉચ્ચ દિવસની અપેક્ષાઓ હોય છે. કારકિર્દીના શરૂઆતના લોકોને ઘણીવાર પહેલા કરતાં વહેલા વ્યવહારિક ક્ષમતાના પુરાવાની જરૂર હોય છે.
AI કઈ નવી નોકરીઓનું સર્જન કરે છે જેને લોકો અવગણે છે?
ચમકદાર ટાઇટલ ઉપરાંત, વૃદ્ધિ ઘણીવાર AI કામગીરી, વર્કફ્લો ડિઝાઇન, ગુણવત્તા મૂલ્યાંકન અને માનવ-ઇન-ધ-લૂપ સમીક્ષામાં દેખાય છે. ટીમોને ડેટા સ્ટેવાર્ડશિપ, સુરક્ષા અને પાલન દેખરેખ અને આંતરિક તાલીમની પણ જરૂર હોય છે જેથી લીક અથવા ટાળી શકાય તેવી ભૂલો વિના સાધનો અપનાવવામાં આવે. જે લોકો સ્પષ્ટ આંતરિક માર્ગદર્શિકા અને પ્લેબુક લખી શકે છે તે આશ્ચર્યજનક રીતે મૂલ્યવાન બને છે. કોઈએ "AI નો ઉપયોગ કરો" ને સલામત, પુનરાવર્તિત પ્રક્રિયામાં ફેરવવું પડશે.
વાસ્તવિક AI-પ્રૂફ કારકિર્દી યોજના શું છે (કોઈ ફેડનો પીછો કર્યા વિના)?
એક નક્કર યોજના કૌશલ્યનો સમૂહ બનાવવા જેવી લાગે છે: ક્ષેત્ર જ્ઞાન, સાધન પ્રવાહિતા, સંદેશાવ્યવહાર, નિર્ણય અને વિશ્વસનીયતા. નિર્ણયોની નજીક જાઓ - લક્ષ્યો વ્યાખ્યાયિત કરો, મર્યાદાઓ સેટ કરો, ટ્રેડ-ઓફ પસંદ કરો અને પરિણામો માટે જવાબદારી લો. સમય બચાવવા, ભૂલો ઘટાડવા અને પ્રક્રિયાઓ સુધારવા જેવી કાર્યની સાબિતી રાખો. ઓછી આંકવામાં આવેલી સુપરપાવર ચકાસણી છે: ભ્રામકતા પકડવી, ચૂકી ગયેલા કિસ્સાઓ અને ખોટા આંકડા.
બદલી શકાય તેવું ભાગ બન્યા વિના હું કામ પર AI નો ઉપયોગ કેવી રીતે કરી શકું?
જો તમે ફક્ત સરળ ભાગોને ઝડપથી કરવા માટે AI નો ઉપયોગ કરો છો, તો તમે આકસ્મિક રીતે તમારી ભૂમિકાને સરળ બનાવી શકો છો. માલિકી તરફ વળો: તમે શું પસંદ કર્યું, તમે તેને શા માટે પસંદ કર્યું અને તમે તેને કેવી રીતે માન્ય કર્યું તે સમજાવો. તમારી પ્રક્રિયાને દસ્તાવેજીકૃત કરો જેથી "કોઈપણ તે કરી શકે છે" તે વળગી ન રહે. AI અને નીતિ, બ્રાન્ડ અવાજ, ગ્રાહક સૂક્ષ્મતા અને કાનૂની જોખમ જેવા વ્યવહારુ અવરોધો વચ્ચે પુલ બનો.
જ્યારે AI સર્વત્ર હોય છે ત્યારે કઈ કુશળતા સૌથી વધુ ભેગી થાય છે?
નિર્ણય અને વિવેચનાત્મક વિચારસરણીનું સંયોજન કારણ કે AI એ સંભવિત આઉટપુટ ઉત્પન્ન કરી શકે છે જે હજુ પણ ખોટું છે. સ્પષ્ટ વાતચીત વધુ મહત્વપૂર્ણ છે કારણ કે ટીમોને સ્પષ્ટ રીતે લખેલા નિર્ણયો અને ટ્રેડ-ઓફની જરૂર હોય છે. સિસ્ટમ્સ થિંકિંગ તમને વર્કફ્લોને એન્ડ-ટુ-એન્ડ સુધારવામાં મદદ કરે છે, ફક્ત એક પગલું ઝડપી બનાવવા માટે નહીં. ટૂલ ફ્લુએન્સી પણ મદદ કરે છે - પરંતુ ટૂલ ઓબ્સેશન નહીં; ટકાઉ ફાયદો એ છે કે AI ને જવાબદારીપૂર્વક કેવી રીતે પ્રોમ્પ્ટ કરવું, મૂલ્યાંકન કરવું અને એકીકૃત કરવું તે જાણવું.
AI ટૂલ્સ અપનાવતી વખતે નોકરીદાતાઓ ઘણીવાર શું ભૂલ કરે છે?
તાલીમ, સમીક્ષા ધોરણો અથવા AI ને મંજૂરી હોય તે જગ્યાઓ માટે સ્પષ્ટ સીમાઓ વિના ટૂલ્સ રજૂ કરવાની એક સામાન્ય ભૂલ છે. કેટલીક ટીમો વર્કફ્લોને ફરીથી ડિઝાઇન કરતા પહેલા કર્મચારીઓની સંખ્યા ઘટાડે છે, પછી ગુણવત્તાની સમસ્યાઓ અને મનોબળની સમસ્યાઓનો સામનો કરે છે. મજબૂત ટીમો રેલને વ્યાખ્યાયિત કરે છે, "સારું શું દેખાય છે" તે સેટ કરે છે, પ્લેબુકમાં રોકાણ કરે છે અને જોખમનું નિરીક્ષણ કરવા માટે માલિકી સોંપે છે. જ્યારે સાવધાની રાખવામાં આવે છે ત્યારે પ્રતિકાર તરીકે નહીં, પણ મૂલ્યવાન તરીકે ગણવામાં આવે છે ત્યારે દત્તક લેવામાં સુધારો થાય છે.
સંદર્ભ
-
આંતરરાષ્ટ્રીય શ્રમ સંગઠન (ILO) - ilo.org
-
આંતરરાષ્ટ્રીય શ્રમ સંગઠન (ILO) - ilo.org
-
આર્થિક સહકાર અને વિકાસ સંગઠન (OECD) - oecd.org
-
આર્થિક સહકાર અને વિકાસ સંગઠન (OECD) - oecdskillsandwork.wordpress.com
-
નેશનલ બ્યુરો ઓફ ઇકોનોમિક રિસર્ચ (NBER) - nber.org
-
આંતરરાષ્ટ્રીય નાણાકીય ભંડોળ (IMF) - imf.org
-
આંતરરાષ્ટ્રીય નાણાકીય ભંડોળ (IMF) - imf.org
-
વર્લ્ડ ઇકોનોમિક ફોરમ - ધ ફ્યુચર ઓફ જોબ્સ રિપોર્ટ 2023 - weforum.org
-
વર્લ્ડ ઇકોનોમિક ફોરમ - ધ ફ્યુચર ઓફ જોબ્સ રિપોર્ટ 2025: સ્કિલ્સ આઉટલુક - weforum.org
-
OpenAI - GPT એ GPT છે - openai.com
-
મેકકિન્સે એન્ડ કંપની - mckinsey.com
-
યુએસ બ્યુરો ઓફ લેબર સ્ટેટિસ્ટિક્સ (BLS) - લેબર માર્કેટ પર નવી ટેકનોલોજીના પ્રભાવનું મૂલ્યાંકન - bls.gov
-
યુએસ બ્યુરો ઓફ લેબર સ્ટેટિસ્ટિક્સ (BLS) - BLS રોજગાર અંદાજોમાં AI અસરોનો સમાવેશ - bls.gov