近年来，人工智能（AI）迅猛发展，引发了人们的兴奋，同时也引发了人们对就业未来的担忧。大型语言模型（LLM）就是最新的例子。这些强大的人工智能子集经过大量文本数据的训练，以理解和生成类人语言。

根据一个 LinkedIn 的报告由于人工智能的兴起，其全球 55% 的会员的工作可能会经历一定程度的变化。

了解人工智能和LLM将如何扰乱就业市场对于企业和员工适应变化并在快速发展的技术环境中保持竞争力至关重要。

本文探讨了人工智能对就业的影响以及劳动力自动化将如何扰乱就业。

大型语言模型：就业市场颠覆的催化剂

根据高盛（Goldman Sachs）的说法、生成式人工智能和LLM可能会在短期内扰乱 300 亿个工作岗位。他们还预测，由于人工智能融入业务工作流程，50% 的劳动力面临失业风险。

LLM 以前被认为是人类工作者专属领域的任务越来越自动化。例如，LLM接受了先前互动的大量存储库的培训，现在可以回答产品查询，生成准确且信息丰富的答复。

这减少了员工的工作量，并提供更快的 24/7 客户服务。此外，LLM不断发展，远远超越了客户服务并被用于各种应用，例如内容开发、翻译、法律研究、软件开发等。

大型语言模型和生成人工智能：自动化

LLM和 生成式人工智能 正变得越来越普遍，这可能会导致部分自动化和一些工人的潜在失业，同时为其他人创造机会。

1. 重塑日常任务

人工智能和LLM擅长通过定义的规则处理重复性任务，例如数据输入、预约安排和生成基本报告。

这种自动化使人类工人能够专注于更复杂的任务，但引发了人们对工作岗位流失的担忧。随着人工智能和LLM自动化日常任务的能力越来越强，对人力投入的需求减少，从而引发工作岗位流失。然而，需要高度人力监督和投入的工作受到的影响最小。

2.面临自动化风险的行业

具有大量日常任务的部门（例如制造和管理）最容易受到影响 人工智能和LLM自动化。由于LLM能够简化数据输入和生产线调度等操作，因此它们对这些行业的工作构成风险。

根据高盛的报告，人工智能自动化将提高劳动力的效率和生产力，同时也使数以百万计的日常工作和体力工作面临高风险。

3. 低技能工作岗位的潜在流失

人工智能对低技能劳动力的影响预计未来将会增加。​人工智能驱动的自动化的技能偏向性质使其更加 对于技术知识较少的人来说很困难 来增加他们的就业机会。这是因为自动化扩大了高技能工人和低技能工人之间的差距。

低技能工人只能通过高质量的教育、培训和再培训计划来保住工作。他们还可能面临转向使用人工智能技术的更新、高薪、高技能工作的困难。

随着 麦肯锡最新报告 预测低工资工人需要换工作的可能性是普通人的 14 倍。如果不提高技能或过渡到与人工智能兼容的新角色，他们就有可能在快速发展的就业市场中被抛在后面。

4. 人工智能和LLM在简化流程中的作用

由于人工智能和LLM的日益普及，商业格局发生了重大转变。最近 来自沃卡托的报告 揭示了一项令人信服的统计数据：到 28 年，运营团队将 2023% 的流程实现自动化。

人工智能和LLM是游戏规则的改变者，可以降低运营成本，通过自动化简化任务，并提高服务质量。

人工智能时代工作的未来

虽然人工智能是不可避免的，但只要有足够的资源和足够的培训，员工就可以利用人工智能和LLM来提高日常任务的生产力。

例如，该 国家经济研究局 (NBER) 指出，使用生成式 AI (GPT) 工具的客户支持代理将其工作效率提高了约 14%。这显示了人与机器之间协作的潜力。

虽然人工智能无疑改变了就业市场，但它的整合应该被视为机遇而不是威胁。真正的潜力在于人类直觉、创造力和同理心与人工智能分析能力的结合。

LLM和生成人工智能的训练

虽然 GPT 可以生成文本和图像，但它的后继者，例如 GPT-4o，无缝处理和生成跨文本、音频、图像和视频格式的内容。

这表明新的多模式LLM和人工智能技术正在迅速发展。由于人工智能对未来工作的影响，重新培训对于现代组织和工人的生存都至关重要。一些重要的技能包括：

• 提示工程： LLM依靠提示来指导他们的输出。学习如何创建清晰简洁的提示将是发挥其真正潜力的关键因素。
• 数据流畅度： 处理和理解数据的能力至关重要。这包括收集、分析和解释数据，影响您与LLM的互动。
• 人工智能素养： 有关人工智能的基础知识，包括其功能和局限性，对于与这些强大的工具进行有效的协作和沟通至关重要。
• 批判性思维和评价： 虽然LLM可能令人印象深刻，但评估其产出也很重要。评估、更新和分析LLM的工作至关重要。

人工智能在工作场所的道德影响

人工智能在工作场所的存在有其优点和缺点，必须仔细考虑。前者当然可以提高生产率并降低成本。然而，如果采取不利的做法也会产生不利影响。

以下是一些需要成为更大叙述的一部分的道德考虑因素：

• 算法偏差和公平性： 人工智能算法有可能强化其训练数据中发现的偏见，这可能会导致不公平的招聘决策。

• 员工隐私： 人工智能依赖大量员工数据，引发了人们对可能滥用这些信息的担忧，这可能会导致失业。

• 不等式： 人工智能在工作流程中的使用增加带来了不平等或难以访问等挑战。技能提升和再培训计划等举措可以帮助减少人工智能对整个组织员工的负面影响。