生成人工智能即將重新定義知識工作的格局。作為人工智能的一個子集，生成系統(tǒng)會生成新的原始內(nèi)容，這些內(nèi)容遵循它們所訓(xùn)練的輸入數(shù)據(jù)的模式和結(jié)構(gòu)。它們已成功應(yīng)用于各個領(lǐng)域，從創(chuàng)作藝術(shù)和音樂到模擬現(xiàn)實的人類語言。當(dāng)我們進入這個新時代時，了解這種變革性技術(shù)如何重塑我們的工作生活變得至關(guān)重要。

麥肯錫最近的一份報告詳細研究了生成式人工智能如何影響知識工作。傳統(tǒng)上，自動化技術(shù)專注于數(shù)據(jù)管理任務(wù)，例如收集和處理數(shù)據(jù)。然而，生成式人工智能的興起及其固有的自然語言能力表明，自動化的重點可能會發(fā)生巨大變化。正如報告所述，“生成式人工智能對更多體力工作活動的影響變化要小得多，這并不奇怪，因為它的功能從根本上來說是為了完成認(rèn)知任務(wù)而設(shè)計的。”

生成式人工智能特別強調(diào)涉及決策和協(xié)作的活動，有望徹底改變以前自動化潛力較低的領(lǐng)域。本文旨在深入研究該報告的研究結(jié)果，探討生成式人工智能的結(jié)合如何可能改變知識工作的自動化潛力。

生成式人工智能改變自動化格局

生成式人工智能能力的進步開創(chuàng)了自動化的全新時代。過去的技術(shù)非常適合自動化重復(fù)性、數(shù)據(jù)量大的任務(wù)，但不太擅長處理認(rèn)知、基于知識的活動的復(fù)雜性。生成式人工智能憑借其語言理解和生成能力，有望重新定義這一領(lǐng)域。

該報告估計，自動化專業(yè)知識應(yīng)用的技術(shù)潛力已飆升 34 個百分點。同樣，自動化管理和人才培養(yǎng)的潛力已從 2017 年的 16% 上升到 2023 年的驚人 49%。這些領(lǐng)域傳統(tǒng)上被視為人類專有技能的堡壘，而生成式人工智能對它們的滲透意味著深刻的變革。自動化領(lǐng)域的轉(zhuǎn)變。

自動化潛力急劇上升背后的驅(qū)動力是生成式人工智能在一系列任務(wù)和活動中理解和使用自然語言的能力。據(jù)估計，大約 40% 的經(jīng)濟活動至少需要人類對自然語言的理解達到中等水平。憑借生成式人工智能模型理解和生成類人文本的能力，自動化的全新領(lǐng)域已經(jīng)開辟。

這一突破對于涉及高水平溝通、監(jiān)督、記錄以及與人的一般互動的工作具有重大影響。教育和技術(shù)等行業(yè)此前被認(rèn)為是最后實現(xiàn)自動化的行業(yè)，但現(xiàn)在卻處于這一變革浪潮的最前沿。這種轉(zhuǎn)變證明了生成式人工智能所取得的飛躍，以及它如何重新定義我們對自動化潛力的理解。

生成式人工智能對基于語言的任務(wù)的影響

這些任務(wù)跨越各個部門和職業(yè)，但主要出現(xiàn)在涉及重要溝通、監(jiān)督、文檔記錄以及與人的一般互動的角色中。通過利用生成式人工智能，這些基于語言的任務(wù)可以實現(xiàn)自動化，以提高效率、減少人為錯誤，并最終徹底改變這些角色的運作方式。

例如，教育工作者必須在教學(xué)、評分、提供反饋和管理工作之間平衡時間，可以將大量文檔和管理職責(zé)交給人工智能。這不僅可以讓教育工作者騰出時間專注于他們的主要角色，還可以確保管理任務(wù)的一致性和準(zhǔn)確性。

同樣，法律或醫(yī)療保健等領(lǐng)域的專業(yè)人士花費大量時間閱讀、解釋和起草復(fù)雜的文檔，可以利用生成式人工智能來自動化其中一些任務(wù)。人工智能可以幫助審查合同、分析醫(yī)療報告，甚至起草文件的初始版本，使專業(yè)人員能夠?qū)Ｗ⒂诠ぷ髦懈氈隆⒏P(guān)鍵的方面。

實際上，生成式人工智能有可能重新定義跨部門的工作格局。隨著越來越多基于語言的任務(wù)實現(xiàn)自動化，角色和職責(zé)將會發(fā)生變化，這可能會導(dǎo)致工作性質(zhì)的深刻轉(zhuǎn)變。

悖論：生成式人工智能對高技能職業(yè)的影響

有趣的是，與之前的自動化技術(shù)浪潮不同，生成式人工智能對受教育程度較高的工人的影響最大。傳統(tǒng)上，自動化技術(shù)一直是“技能偏向”的，對低技能工人的影響更大。然而，生成式人工智能通過提出一個悖論來顛覆這個概念——它最大的增量影響可能是對受過更多教育、更高技能的工人的自動化活動的影響。

考慮到較高的教育水平通常與更復(fù)雜的任務(wù)相關(guān)，這乍一看似乎有悖常理。然而，當(dāng)檢查生成式人工智能所針對的技能組合（例如決策、協(xié)作、專業(yè)知識應(yīng)用，尤其是語言理解）時，很明顯，這些通常是具有高等教育背景的專業(yè)人士的權(quán)限。例如，法律、教育、技術(shù)和醫(yī)學(xué)領(lǐng)域的角色都需要高度的專業(yè)知識和決策能力，以及廣泛的語言理解和運用。

這種轉(zhuǎn)變的連鎖反應(yīng)可能是深遠的。面對生成式人工智能的能力，通常被視為技能指標(biāo)的教育程度可能不再是一個強有力的基準(zhǔn)。這挑戰(zhàn)了勞動力發(fā)展的傳統(tǒng)范式，并強調(diào)了采用更加基于技能的方法來培育公平和高效體系的重要性。從本質(zhì)上講，生成式人工智能迫使我們重新考慮對“技能”的理解，以及哪些技能可能會被人工智能技術(shù)取代或補充。

因此，面對自動化，生成式人工智能的出現(xiàn)需要重新評估教育程度和工作保障之間的聯(lián)系。隨著人工智能的不斷發(fā)展，很明顯沒有任何職業(yè)能夠完全免疫——這一現(xiàn)實需要我們對如何進行教育和職業(yè)發(fā)展進行重大重新思考。

生成式人工智能和收入差距

生成式人工智能的影響預(yù)計將不僅僅局限于重塑工作角色和責(zé)任，它還有可能重新定義收入差距模式。從歷史上看，自動化技術(shù)影響最大的職業(yè)是工資處于收入分配中間的職業(yè)。由于人力成本較低以及與某些任務(wù)自動化相關(guān)的技術(shù)困難，低工資職業(yè)的自動化更具挑戰(zhàn)性。然而，生成式人工智能將顯著改變這一趨勢。

生成式人工智能所針對的知識密集型任務(wù)和角色通常對應(yīng)于工資較高的知識工作者。由于這些職業(yè)涉及復(fù)雜的認(rèn)知任務(wù)，以前被認(rèn)為相對不受自動化的影響。然而，生成式人工智能的進步，特別是在自然語言理解和決策方面的進步，意味著這些角色現(xiàn)在具有更高的自動化潛力。

因此，生成式人工智能的最大影響很可能是針對高收入五分之一人群。這可能會在整個收入范圍內(nèi)產(chǎn)生更均勻的影響，這與之前的自動化技術(shù)浪潮經(jīng)常引發(fā)的“中間空洞”形成鮮明對比。然而，它也強調(diào)了一個更緊迫的問題：隨著生成式人工智能的進步，很明顯，即使是工資較高、知識密集型的職位也無法免受自動化變革的影響。

隨著生成式人工智能的不斷發(fā)展，其在改變工作、重新定義技能和重塑收入差距方面的作用將變得更加明顯。因此，政策制定者、教育工作者和行業(yè)領(lǐng)導(dǎo)者必須跟上這些變化的步伐，培養(yǎng)靈活、適應(yīng)性強的勞動力隊伍，并促進終身學(xué)習(xí)，作為未來工作的關(guān)鍵原則。最終，隨著生成式人工智能繼續(xù)徹底改變工作場所，它不僅帶來了挑戰(zhàn)，也帶來了創(chuàng)造更加公平、高效和創(chuàng)新的經(jīng)濟的機會。

用生成式人工智能重新思考自動化

生成式人工智能重塑工作格局的潛力是巨大的。顯然，技術(shù)將對我們執(zhí)行的任務(wù)、我們重視的技能以及我們觀察到的收入分配產(chǎn)生廣泛的影響。隨著生成式人工智能改變各個行業(yè)和技能水平的職業(yè)，它迫使我們重新思考對工作場所自動化的理解。

生成式人工智能的興起凸顯了重視適應(yīng)性、彈性和持續(xù)學(xué)習(xí)的新技能的重要性。隨著任務(wù)和角色的自動化，那些能夠不斷學(xué)習(xí)和適應(yīng)的人將是最成功的。因此，企業(yè)需要培育終身學(xué)習(xí)的文化，并為員工提供不斷提升技能的資源。此外，重要的是不要將這些變化視為威脅，而是提高工作質(zhì)量和提高整體生產(chǎn)力的機會。

面對這場自動化革命，政策制定者也可以發(fā)揮重要作用。隨著生成式人工智能提高了高技能、高工資工作的自動化潛力，迫切需要重新考慮勞動力發(fā)展戰(zhàn)略。采取更加基于技能的方法可以帶來更加公平、高效的勞動力培訓(xùn)和匹配系統(tǒng)。

此外，必須考慮生成式人工智能對收入差距的影響。它強調(diào)需要制定政策，確保財富分配公平，并確保所有收入階層都能獲得機會。隨著生成式人工智能塑造工作的未來，最重要的是它所帶來的好處能夠在全社會公平分享。

總體而言，生成式人工智能的到來標(biāo)志著自動化領(lǐng)域的新時代——它可以以以前難以想象的方式徹底改變知識工作。成功駕馭這一變革需要遠見、適應(yīng)性和集體承諾，利用該技術(shù)的潛力造福所有人。生成式人工智能工作的未來仍在展開，我們都可以在塑造這一敘事中發(fā)揮作用。