Trí Tuệ Nhân Tạo Tạo Ra Tăng Khối Lượng Công Việc Thay Vì Tiết Kiệm Thời Gian

Hai mặt của Trí tuệ nhân tạo Sáng tạo

Công cụ trí tuệ nhân tạo sáng tạo (AI) thường được ca ngợi là tiết kiệm thời gian và tăng cường năng suất. Chúng thực sự có thể giúp bạn chạy mã hoặc tạo báo cáo nhanh chóng, nhưng có một điểm cần lưu ý. Công việc hậu trường cần thiết để phát triển và duy trì các mô hình ngôn ngữ lớn (LLM) có thể thực sự đòi hỏi nhiều nỗ lực con người hơn so với thời gian ban đầu được tiết kiệm. Hơn nữa, nhiều nhiệm vụ có thể được xử lý hiệu quả bằng các phương pháp tự động hóa đơn giản hơn, mà không cần đến sức mạnh của AI.

Peter Cappelli, giáo sư quản lý tại Trường Wharton của Đại học Pennsylvania, đã chia sẻ những hiểu biết này tại một sự kiện gần đây của MIT. Ông lập luận rằng, trên quy mô lớn hơn, trí tuệ nhân tạo sáng tạo và LLM có thể tạo ra nhiều công việc hơn so với việc giảm bớt. Những mô hình này phức tạp để triển khai, và Cappelli đã chỉ ra, "hóa ra có nhiều việc mà trí tuệ nhân tạo sáng tạo có thể làm mà chúng ta thực sự không cần làm."

Sự phấn khích so với Thực tế của AI

Trong khi AI thường được tôn vinh là công nghệ cách mạng, Cappelli cảnh báo rằng các dự báo của ngành công nghệ có thể quá lạc quan. "Thực tế, hầu hết các dự báo công nghệ về công việc đã sai theo thời gian," ông nói. Ông đã đưa ra ví dụ về xe tải và ô tô không người lái, vốn được cho là sẽ phổ biến vào năm 2018 nhưng đến nay vẫn chưa hoàn toàn hiện thực hóa.

Những tầm nhìn lớn lao về sự chuyển đổi do công nghệ dẫn dắt thường vấp phải những thách thức thực tế. Những người ủng hộ xe tự lái tập trung vào những gì những chiếc xe này có thể làm, thay vì giải quyết các vấn đề về giấy phép quy định cần thiết, bảo hiểm và phức tạp về phần mềm. Cappelli cũng lưu ý rằng các tài xế xe tải thực hiện nhiều nhiệm vụ ngoài việc lái xe, làm phức tạp thêm quá trình chuyển đổi sang xe tự lái.

Trí tuệ nhân tạo Sáng tạo trong Phát triển Phần mềm và Kinh doanh

Một sự phức tạp tương tự xuất hiện khi áp dụng trí tuệ nhân tạo sáng tạo vào phát triển phần mềm và hoạt động kinh doanh. Cappelli nhấn mạnh rằng các lập trình viên dành một phần đáng kể thời gian của họ cho các hoạt động không phải lập trình, chẳng hạn như giao tiếp và đàm phán ngân sách. "Ngay cả trong lĩnh vực lập trình, không phải tất cả đều thực sự là lập trình," ông nói.

Lời hứa về sự đổi mới do AI dẫn dắt rất hấp dẫn, nhưng việc triển khai thường gặp phải những trở ngại thực tế. Lợi ích tiết kiệm lao động và năng suất của trí tuệ nhân tạo sáng tạo có thể bị che khuất bởi công việc hậu trường rộng lớn cần thiết để hỗ trợ LLM và các thuật toán.

Công việc mới do AI tạo ra

Cả trí tuệ nhân tạo sáng tạo và hoạt động đều giới thiệu các nhiệm vụ mới, theo Cappelli. "Mọi người phải quản lý cơ sở dữ liệu, họ phải sắp xếp tài liệu, họ phải giải quyết những vấn đề về báo cáo mâu thuẫn, tính hợp lệ và những thứ tương tự. Nó sẽ tạo ra rất nhiều nhiệm vụ mới, ai đó sẽ phải làm những việc đó."

Ngay cả trí tuệ nhân tạo hoạt động, vốn đã tồn tại từ lâu, vẫn tiếp tục phát triển. Cappelli lưu ý rằng học máy với dữ liệu số đã bị sử dụng chưa đúng mức, một phần do thách thức trong quản lý cơ sở dữ liệu. "Chỉ cần tập hợp dữ liệu để phân tích cũng đã tốn rất nhiều công sức. Dữ liệu thường nằm trong các kho riêng biệt ở các tổ chức khác nhau, điều này khó khăn về mặt chính trị và kỹ thuật để tập hợp lại."

Thách thức trong việc Áp dụng Trí tuệ nhân tạo Sáng tạo và LLM

Cappelli đã xác định một số trở ngại trong việc áp dụng trí tuệ nhân tạo sáng tạo và LLM:

• Quá mức cho Nhiều Nhiệm vụ: "Có rất nhiều việc mà các mô hình ngôn ngữ lớn có thể làm mà có lẽ không cần làm," ông nói. Ví dụ, trong khi thư từ kinh doanh là một trường hợp sử dụng tiềm năng, phần lớn trong số đó đã được xử lý bằng thư mẫu và tự động hóa cơ bản. "Thư mẫu đã được luật sư phê duyệt, và bất cứ điều gì được viết bởi các mô hình ngôn ngữ lớn có lẽ cũng phải được luật sư xem xét. Và điều đó sẽ không tiết kiệm thời gian gì cả."
• Chi phí Tăng: Cappelli cảnh báo rằng việc thay thế tự động hóa cơ bản bằng AI có thể trở nên đắt đỏ hơn. "Không rõ ràng rằng các mô hình ngôn ngữ lớn sẽ rẻ như hiện tại. Khi nhiều người sử dụng chúng, không gian máy tính phải tăng lên, chỉ riêng nhu cầu về điện đã lớn. Ai đó phải trả tiền cho nó."
• Nhu cầu Xác thực: Đầu ra của trí tuệ nhân tạo sáng tạo có thể phù hợp cho các nhiệm vụ đơn giản như email, nhưng đối với các báo cáo phức tạp hơn, việc xác thực là rất quan trọng. "Nếu bạn sử dụng nó cho việc gì đó quan trọng, bạn phải chắc chắn rằng nó đúng. Và làm sao bạn biết nó đúng? Có lợi khi có một chuyên gia; ai đó có thể xác thực độc lập và biết về chủ đề. Để tìm kiếm những ảo giác hoặc kết quả kỳ quái, và đảm bảo nó được cập nhật."
• Quá tải Thông tin: Việc dễ dàng tạo ra báo cáo và đầu ra có thể dẫn đến lượng thông tin quá tải, đôi khi mâu thuẫn. "Vì việc tạo ra báo cáo và đầu ra khá dễ dàng, bạn sẽ nhận được nhiều phản hồi hơn," Cappelli nói. Ông cũng lưu ý rằng LLM có thể tạo ra các phản hồi khác nhau cho cùng một lời nhắc, gây ra lo ngại về độ tin cậy. "Đây là vấn đề về độ tin cậy - bạn sẽ làm gì với báo cáo của mình? Bạn tạo ra một báo cáo làm cho bộ phận của bạn trông tốt hơn, và bạn đưa nó cho sếp."
• Quyết định của Con người: Mọi người thường thích đưa ra quyết định dựa trên cảm giác trực giác hoặc sở thích cá nhân, điều này có thể khó khăn cho máy móc để ảnh hưởng. Cappelli chỉ ra rằng ngay cả khi AI có thể hỗ trợ trong việc ra quyết định, chẳng hạn như trong tuyển dụng, mọi người thường theo bản năng của mình. "Học máy đã có thể làm điều đó cho chúng ta. Nếu bạn xây dựng mô hình, bạn sẽ thấy rằng các quản lý cấp dưới, những người đã đưa ra quyết định, không muốn sử dụng nó."

Ứng dụng Tiềm năng trong Tương lai Gần

Mặc dù có những thách thức này, Cappelli thấy tiềm năng trong việc sử dụng trí tuệ nhân tạo sáng tạo để lọc dữ liệu và hỗ trợ quá trình ra quyết định. "Chúng ta đang rửa dữ liệu mà chúng ta chưa thể tự phân tích," ông nói. "Nó sẽ làm tốt hơn chúng ta nhiều trong việc đó." Bên cạnh đó, việc quản lý cơ sở dữ liệu và giải quyết các vấn đề về ô nhiễm dữ liệu sẽ vẫn là những nhiệm vụ quan trọng.