Los sistemas Genai afectan la forma en que trabajamos. Esta noción general es bien conocida. Sin embargo, todavía desconocemos el impacto exacto de Genai. Por ejemplo, ¿cuánto afectan estas herramientas nuestro trabajo? ¿Tienen un mayor impacto en ciertas tareas? ¿Qué significa esto para nosotros en nuestro trabajo diario?
Para responder a estas preguntas, Antropic lanzó un estudio Basado en millones de conversaciones anonimizadas en Claude.ai. El estudio proporciona datos sobre cómo se incorpora Genai en las tareas del mundo real y revela patrones de uso de Genai reales.
En este artículo, revisaré los cuatro hallazgos principales del estudio. Según los hallazgos, obtendré cómo Genai cambia nuestro trabajo y qué habilidades necesitamos en el futuro.
Hallazgos principales
Genai se utiliza principalmente para el desarrollo de software y las tareas de escritura técnica.llegando a casi el 50 % de todas las tareas. Esto probablemente se deba a que los LLM se basan principalmente en texto y, por lo tanto, son menos útiles para ciertas tareas.
Genai tiene un impacto más fuerte en algunos grupos de ocupaciones que en otros.Más de un tercio de las ocupaciones usan Genai en al menos una cuarta parte de sus tareas. En contraste, solo el 4 % de las ocupaciones lo usan para más de las tres cuartas partes de sus tareas. Podemos ver que solo muy pocas ocupaciones usan Genai en la mayoría de sus tareas. Esto sugiere que ningún trabajo está completamente automatizado.
Genai se usa para el aumento en lugar de la automatizaciónes decir, 57 % frente a 43 % de las tareas. Pero la mayoría de las ocupaciones usan tanto, el aumento y la automatización en todas las tareas. Aquí, el aumento significa que el usuario colabora con el Genai para mejorar sus capacidades. La automatización, en contraste, se refiere a tareas en las que el Genai realiza directamente la tarea. Sin embargo, los autores adivinan que la proporción del aumento es aún mayor, ya que los usuarios pueden ajustar las respuestas de Genai fuera de la ventana de chat. Por lo tanto, lo que parece ser la automatización es en realidad el aumento. Los resultados sugieren que Genai sirve como una herramienta de eficiencia y un socio colaborativo, lo que resulta en una mejor productividad. Estos resultados se alinean muy bien con mi propia experiencia. Principalmente uso herramientas Genai para aumentar mi trabajo en lugar de automatizar tareas. En el siguiente artículo puede ver cómo las herramientas de Genai han aumentado mi productividad y para qué los uso a diario.
Genai se usa principalmente para tareas asociadas con ocupaciones de salarios medios a altos.como los científicos de datos. En contraste, los roles más bajos y más altos muestran un uso mucho más bajo de Genai. Los autores concluyen que esto se debe a los límites actuales de las capacidades de Genai y las barreras prácticas cuando se trata de usar Genai.
En general, El estudio sugiere que las ocupaciones evolucionarán que desaparecerán. Esto se debe a dos razones. Primero, la integración de Genai sigue siendo selectiva en lugar de integral en la mayoría de las ocupaciones. Aunque muchos trabajos usan Genai, las herramientas solo se usan selectivamente para ciertas tareas. En segundo lugar, el estudio vio una clara preferencia por el aumento sobre la automatización. Por lo tanto, Genai sirve como una herramienta de eficiencia y un socio colaborativo.
Limitaciones
Antes de que podamos obtener las implicaciones de Genai, debemos analizar las limitaciones del estudio:
- Se desconoce cómo los usuarios usaron las respuestas. ¿Están copiando fragmentos de código pasajero sin crítica o editándolos en su IDE? Por lo tanto, algunas conversaciones que parecen automatización podrían haber sido el aumento.
- Los autores solo usaron conversaciones del chat de Claude.ai pero no de los usuarios de API o Enterprise. Por lo tanto, el conjunto de datos utilizado en el análisis muestra solo una fracción del uso real de Genai.
- La automatización de la clasificación podría haber llevado a la clasificación incorrecta de las conversaciones. Sin embargo, debido a la gran cantidad de conversación utilizada, el impacto debe ser bastante pequeño.
- Claude solo está basado en texto restringe las tareas y, por lo tanto, podría excluir ciertos trabajos.
- Claude se anuncia como un modelo de codificación de última generación, lo que atrae principalmente a los usuarios para las tareas de codificación.
En general, los autores concluyen que su conjunto de datos no es una muestra representativa de uso de Genai en general. Por lo tanto, debemos manejar e interpretar los resultados con cuidado. A pesar de las limitaciones del estudio, podemos ver algunas implicaciones del impacto de Genai en nuestro trabajo, particularmente como científicos de datos.
Trascendencia
El estudio muestra que Genai tiene el potencial de remodelar los trabajos y ya podemos ver su impacto en nuestro trabajo. Además, Genai está evolucionando rápidamente y aún en las primeras etapas de la integración del lugar de trabajo.
Por lo tanto, debemos estar abiertos a estos cambios y adaptarnos a ellos.
Lo más importante, debemos mantenernos curiosos, adaptativos y dispuestos a aprender. En el campo de Ciencia de datos Los cambios ocurren regularmente. Con el cambio de herramientas de Genai ocurrirá con aún más frecuencia. Por lo tanto, debemos mantenernos al día y usar las herramientas para apoyarnos en este viaje.
Actualmente, Genai tiene el potencial de mejorar nuestras capacidades en lugar de automatizarlas.
Por lo tanto, debemos centrarnos en desarrollar habilidades que complementen Genai. Necesitamos habilidades para aumentar los flujos de trabajo de manera efectiva en nuestro trabajo y tareas analíticas. Estas habilidades se encuentran en áreas con baja penetración de Genai. Esto incluye la interacción humana, el pensamiento estratégico y la toma de decisiones matizada. Aquí es donde podemos destacar.
Además, habilidades como el pensamiento crítico, la resolución compleja de problemas y el juicio seguirán siendo muy valiosos. Debemos poder hacer las preguntas correctas, interpretar la salida de LLM y tomar medidas basadas en las respuestas.
Además, Genai no reemplazará nuestra colaboración con colegas en proyectos. Por lo tanto, mejorar nuestra inteligencia emocional nos ayudará a trabajar juntos de manera efectiva.
Conclusión
Genai está evolucionando rápidamente y aún en las primeras etapas de la integración del lugar de trabajo. Sin embargo, ya podemos ver algunas implicaciones del impacto de Genai en nuestro trabajo.
En este artículo, le mostré los principales hallazgos de un estudio reciente de Anthrope sobre el uso de sus LLM. Según los resultados, le mostré las implicaciones para los científicos de datos y qué habilidades podrían volverse más importantes.
Espero que encuentre útil este artículo y que lo ayude a convertirse en un mejor científico de datos.
Nos vemos en mi próximo artículo.