ጄኔሬቲቭ AI ያለ ሰው ጣልቃገብነት ምን ሊታመን ይችላል?

አስፈፃሚ ማጠቃለያ

ጀነሬቲቭ አርቴፊሻል ኢንተለጀንስ (AI) - ማሽኖቹ ጽሑፍን፣ ምስሎችን፣ ኮድን እና ሌሎችንም እንዲፈጥሩ የሚያስችል ቴክኖሎጂ - ከቅርብ ዓመታት ወዲህ ፈንጂ እድገት አሳይቷል። በአስተማማኝ ሁኔታ እና በሚቀጥሉት አስርት ዓመታት ውስጥ ምን ማድረግ እንደሚጠበቅበት ተደራሽ የሆነ አጠቃላይ እይታ ይሰጣል አጠቃቀሙን በጽሑፍ፣ በሥነ ጥበብ፣ በኮድ አሰጣጥ፣ በደንበኞች አገልግሎት፣ በጤና አጠባበቅ፣ በትምህርት፣ በሎጂስቲክስ እና በፋይናንስ አጠቃቀሙን ዳሰሳ እናደርጋለን፣ ይህም AI በራስ ገዝ የሚሠራበትን እና የሰው ልጅ ቁጥጥር ወሳኝ ሆኖ በሚቀጥልበት ቦታ ላይ ነው። ሁለቱንም ስኬቶች እና ገደቦችን ለማሳየት የገሃዱ ዓለም ምሳሌዎች ተካተዋል። ቁልፍ ግኝቶች የሚከተሉትን ያካትታሉ:

• የተስፋፋ ጉዲፈቻ ፡ በ2024፣ 65% ጥናት የተካሄደባቸው ኩባንያዎች አመንጪ AIን በመደበኛነት ሪፖርት ያደርጋሉ - ካለፈው ዓመት ድርሻ በእጥፍ የሚጠጋ ( የ AI ሁኔታ በ2024 መጀመሪያ | McKinsey )። አፕሊኬሽኖች የግብይት ይዘት መፍጠርን፣ የደንበኛ ድጋፍ ቻትቦቶችን፣ ኮድ ማመንጨትን እና ሌሎችንም ይዘዋል።

• የአሁን ጊዜ በራስ የመመራት ችሎታዎች ፡ የዛሬው ጄኔሬቲቭ AI በአስተማማኝ ሁኔታ የተዋቀሩ፣ ተደጋጋሚ ስራዎችን በትንሹ ቁጥጥር ይቆጣጠራል። ምሳሌዎች ፎርሙላዊ የዜና ዘገባዎችን በራስ ሰር ማመንጨትን ያካትታሉ (ለምሳሌ የድርጅት ገቢ ማጠቃለያ) ( ፊላና ፓተርሰን - ONA የማህበረሰብ መገለጫ )፣ የምርት መግለጫዎችን ማምረት እና በኢ-ኮሜርስ ድረ-ገጾች ላይ ድምቀቶችን መገምገም እና ኮድ በራስ ሰር ማጠናቀቅ። በነዚህ ጎራዎች፣ AI ብዙውን ጊዜ መደበኛ የይዘት ማመንጨትን በመቆጣጠር የሰው ሰራተኞችን ይጨምራል።

• ሰው-በ-ዘ-ሉፕ ለተወሳሰቡ ተግባራት ፡ ለበለጠ ውስብስብ ወይም ክፍት ለሆኑ ተግባራት - እንደ የፈጠራ ጽሑፍ፣ ዝርዝር ትንታኔ፣ ወይም የህክምና ምክር - አሁንም የእውነታውን ትክክለኛነት፣ ሥነ-ምግባራዊ ፍርድ እና ጥራት ለማረጋገጥ የሰው ቁጥጥር ያስፈልጋል። ዛሬ ብዙ የ AI ማሰማራቶች AI ይዘቶችን የሚቀርጽበት እና ሰዎች የሚገመግሙት "የሰው-በ-ሉፕ" ሞዴል ይጠቀማሉ።

• በቅርብ ጊዜ የተደረጉ ማሻሻያዎች ፡ በሚቀጥሉት 5-10 ዓመታት ውስጥ፣ አመንጪ AI እጅግ አስተማማኝ እና ራሱን የቻለ ። የሞዴል ትክክለኛነት እና የጥበቃ ዘዴዎች እድገቶች AI ሰፋ ያለ የፈጠራ እና የውሳኔ አሰጣጥ ተግባራትን በትንሹ የሰው ግብአት እንዲቆጣጠር ያስችለዋል። ለምሳሌ, በ 2030 ባለሙያዎች AI አብዛኛዎቹን የደንበኞች አገልግሎት መስተጋብር እና ውሳኔዎችን በቅጽበት እንደሚያስተናግድ ይተነብያሉ ( ወደ CX መቀየርን እንደገና ለማሰብ, ገበያተኞች እነዚህን 2 ነገሮች ማድረግ አለባቸው ), እና በ 90% AI የመነጨ ይዘት ( Generative AI Use Cases for Industries and Enterprises ) ያለው ትልቅ ፊልም ሊዘጋጅ ይችላል.

• እ.ኤ.አ. በ2035 ራሳቸውን የቻሉ AI ወኪሎች በብዙ መስኮች የተለመዱ ይሆናሉ ብለን እንጠብቃለን የ AI አስጠኚዎች ግላዊነት የተላበሰ ትምህርት ሊሰጡ ይችላሉ፣ AI ረዳቶች በአስተማማኝ ሁኔታ የህግ ኮንትራቶችን ወይም የህክምና ሪፖርቶችን ለባለሙያዎች መፈረም እና ራስን የማሽከርከር ስርዓቶች (በጄነሬቲቭ ሲሙሌሽን በመታገዝ) የሎጂስቲክስ ስራዎችን ከጫፍ እስከ ጫፍ ሊያሄዱ ይችላሉ። ነገር ግን፣ አንዳንድ ሚስጥራዊነት ያላቸው ቦታዎች (ለምሳሌ ከፍተኛ ደረጃ ላይ ያሉ የሕክምና ምርመራዎች፣ የመጨረሻ የህግ ውሳኔዎች) አሁንም ለደህንነት እና ተጠያቂነት የሰው ፍርድ የሚያስፈልጋቸው ሊሆኑ ይችላሉ።

• የስነምግባር እና አስተማማኝነት ስጋቶች ፡ AI በራስ የመመራት አቅም እያደገ ሲሄድ ስጋቶችም እንዲሁ። ጉዳዮች ዛሬ ቅዠት (AI እውነታዎችን መፍጠር)፣ ለተፈጠረው ይዘት አድልዎ፣ ግልጽነት ማጣት፣ እና የተሳሳተ መረጃን አላግባብ መጠቀምን ያካትታሉ። ያለ ቁጥጥር ሲሰራ እምነት ሊጣልበት የሚችል መሆኑን ማረጋገጥ መሻሻል እየተደረገ ነው - ለምሳሌ ድርጅቶች ለአደጋ ተጋላጭነት (ትክክለኛነት, የሳይበር ደህንነት, የአይፒ ጉዳዮች) የበለጠ ኢንቨስት እያደረጉ ነው ( የ AI ግዛት: ግሎባል ዳሰሳ | McKinsey ) - ግን ጠንካራ የአስተዳደር እና የስነምግባር ማዕቀፎች ያስፈልጋሉ.

• የዚህ ወረቀት አወቃቀር ፡ የጄኔሬቲቭ AI እና ራስን በራስ የማስተዳደር እና ቁጥጥር የሚደረግበት አጠቃቀም ጽንሰ-ሀሳብን በማስተዋወቅ እንጀምራለን. ከዚያ ለእያንዳንዱ ዋና ጎራ (መፃፍ፣ ስነ ጥበብ፣ ኮድ መስጠት፣ ወዘተ)፣ AI ዛሬ በአስተማማኝ ሁኔታ ምን ሊያደርግ እንደሚችል እና በአድማስ ላይ ካለው ጋር እንነጋገራለን። አቋራጭ ተግዳሮቶችን፣ የወደፊት ትንበያዎችን እና አመንጪ AIን በኃላፊነት ለመጠቀም በሚሰጡ ምክሮች እንጨርሳለን።

በአጠቃላይ፣ አመንጪ AI ቀድሞውንም ቢሆን አስገራሚ የሆኑ ስራዎችን ያለቋሚ የሰው መመሪያ የማስተናገድ አቅም እንዳለው አረጋግጧል። አሁን ያለውን ገደብ እና የወደፊት አቅሙን በመረዳት AI መሳሪያ ብቻ ሳይሆን እራሱን የቻለ የስራ እና የፈጠራ ተባባሪ የሆነበትን ዘመን በተሻለ ሁኔታ ማዘጋጀት ይችላሉ።

መግቢያ

ለመተንተን ከረዥም ጊዜ ጀምሮ ቆይቷል መፍጠርን ተምረዋል - ፕሮዝ መጻፍ፣ ምስሎችን መፃፍ፣ የፕሮግራም አወጣጥ ሶፍትዌር እና ሌሎችም። እነዚህ ጄኔሬቲቭ AI ሞዴሎች (እንደ GPT-4 ለጽሑፍ ወይም DALL·E ለምስሎች ያሉ) ለጥያቄዎች ምላሽ አዲስ ይዘትን ለማምረት በሰፊው የውሂብ ስብስቦች ላይ የሰለጠኑ ናቸው። ይህ እመርታ በኢንዱስትሪዎች ውስጥ የፈጠራ ማዕበልን ከፍቷል። ነገር ግን፣ አንድ ወሳኝ ጥያቄ የሚነሳው፡- የሰው ልጅ ውጤቱን ሁለት ጊዜ ሳያጣራ AI በራሱ እንዲያደርግ ምን እናምናለን?

ይህንን ለመመለስ፣ ቁጥጥር የሚደረግበት እና በራስ ገዝ የ AI አጠቃቀሞች መካከል ያለውን ልዩነት መለየት አስፈላጊ ነው፡-

• በሰው ቁጥጥር የሚደረግበት AI የ AI ውጤቶች ከመጠናቀቁ በፊት በሰዎች የሚገመገሙ ወይም የሚገመገሙበትን ሁኔታዎችን ያመለክታል። ለምሳሌ፣ አንድ ጋዜጠኛ አንድን ጽሑፍ ለመቅረጽ የኤአይ ጽሕፈት ረዳትን ሊጠቀም ይችላል፣ ነገር ግን አርታኢ አርትዖት እና አጽድቆታል።

• ራሱን ችሎ AI (ያለ ሰው ጣልቃ ገብነት) AI ስርዓቶችን የሚያመለክት ተግባራትን የሚፈጽም ወይም በትንሽ ወይም ምንም የሰው አርትዖት በቀጥታ ጥቅም ላይ የሚውል ይዘትን የሚያመርት ነው። ለምሳሌ የደንበኛ ጥያቄን ያለ ሰው ወኪል የሚፈታ ቻትቦት ወይም የዜና ማሰራጫ በራስ ሰር በ AI የተፈጠረ የስፖርት ውጤት ማጠቃለያ ያትማል።

Generative AI አስቀድሞ በሁለቱም ሁነታዎች ውስጥ በመሰማራት ላይ ነው። በ2023-2025 ጉዲፈቻ ጨምሯል ፣ ድርጅቶች በጉጉት እየሞከሩ ነው። እ.ኤ.አ. በ 2024 አንድ ዓለም አቀፍ ጥናት እንዳመለከተው 65% ኩባንያዎች ጄኔሬቲቭ AI በመደበኛነት እየተጠቀሙ ነው ፣ ይህም ከአንድ ዓመት በፊት አንድ ሦስተኛ ያህል ( የ AI ሁኔታ በ 2024 መጀመሪያ ላይ | McKinsey )። ግለሰቦችም እንደ ChatGPT ያሉ መሳሪያዎችን ተቀብለዋል - በግምት 79% የሚሆኑ ባለሙያዎች በ 2023 አጋማሽ ላይ ቢያንስ ለጄነሬቲቭ AI መጋለጥ ነበራቸው ( የ AI ሁኔታ በ 2023: የጄኔሬቲቭ AI የእረፍት ጊዜ | McKinsey ). ይህ ፈጣን መቀበል የሚመራው በብቃት እና በፈጠራ ውጤቶች ተስፋ ነው። ገና “የመጀመሪያ ቀናት” ሆኖ ይቀራል፣ እና ብዙ ኩባንያዎች AI እንዴት በኃላፊነት መጠቀም እንደሚችሉ ፖሊሲዎችን እየነደፉ ነው ( The state of AI in 2023: Generative AI's breakout year | McKinsey )።

ራስን በራስ ማስተዳደር ለምን አስፈላጊ ነው፡- AI ያለ ሰው ቁጥጥር እንዲሰራ መፍቀድ ትልቅ የውጤታማነት ጥቅሞችን ያስከፍታል - አሰልቺ ስራዎችን ሙሉ በሙሉ በራስ-ሰር ማድረግ - ግን አስተማማኝነትንም ከፍ ያደርገዋል። ራሱን የቻለ AI ወኪል ነገሮችን ማስተካከል አለበት (ወይም ገደቡን ማወቅ) ምክንያቱም በእውነተኛ ጊዜ ስህተቶችን ለመያዝ ምንም ሰው ላይኖር ይችላል። አንዳንድ ተግባራት ከሌሎቹ የበለጠ ለዚህ ያበድራሉ. በአጠቃላይ፣ AI በሚከተለው ጊዜ የተሻለውን በራስ-ሰር ይሰራል፡-

• ተግባሩ ግልጽ የሆነ መዋቅር ወይም ስርዓተ-ጥለት (ለምሳሌ ከውሂብ መደበኛ ሪፖርቶችን ማመንጨት)።

• ስህተቶቹ ዝቅተኛ ስጋት ያላቸው ወይም በቀላሉ የሚታገሱ ናቸው (ለምሳሌ የምስል ማመንጨት አጥጋቢ ካልሆነ ሊጣል የሚችል፣ ከህክምና ምርመራ ጋር)።

• የሥልጠና መረጃ አለ ፣ ስለዚህ የኤአይኤው ውፅዓት በእውነተኛ ምሳሌዎች ላይ የተመሰረተ ነው (የግምት ስራን በመቀነስ)።

በአንፃሩ፣ ክፍት የሆኑ ፣ ከፍተኛ ችካሎች ወይም ልዩ ፍርድ የሚያስፈልጋቸው ተግባራት ዛሬ ለዜሮ ቁጥጥር የማይመጥኑ ናቸው።

በሚቀጥሉት ክፍሎች፣ አመንጪ AI አሁን ምን እየሰራ እንደሆነ እና ቀጥሎ ምን እንዳለ ለማየት የተለያዩ መስኮችን እንመረምራለን። ተጨባጭ ምሳሌዎችን እንመለከታለን - ከ AI-ከተፃፉ የዜና መጣጥፎች እና በ AI-የተፈጠሩ የስነጥበብ ስራዎች ፣ እስከ ኮድ-ጽሑፍ ረዳቶች እና ምናባዊ የደንበኞች አገልግሎት ወኪሎች - የትኞቹ ተግባራት በ AI ከጫፍ እስከ ጫፍ ሊከናወኑ እንደሚችሉ እና አሁንም የሰው ልጅ የሚፈልገውን በማጉላት። ለእያንዳንዱ ጎራ፣ አሁን ያሉትን ችሎታዎች (እ.ኤ.አ. በ2025 አካባቢ) በ2035 አስተማማኝ ሊሆኑ ከሚችሉ ተጨባጭ ትንበያዎች በግልፅ እንለያለን።

ራሱን የቻለ AI አሁን ያለውን እና የወደፊቱን በጎራዎች ላይ በማሳየት፣ ለአንባቢዎች ሚዛናዊ ግንዛቤ እንዲኖራቸው ለማድረግ ዓላማችን ነው፡ AI በአስማት ሁኔታ የማይሳሳት፣ ወይም በጣም እውነተኛ እና እያደገ ብቃቱን ላለማሳነስ። በዚህ መሠረት፣ ከሥነ ምግባር ጋር የተያያዙ ጉዳዮችን እና የአደጋ አስተዳደርን ጨምሮ ያለ ቁጥጥር AIን በመተማመን ላይ ስላሉ ዋና ዋና ተግዳሮቶች እንወያያለን በዋና ዋና ንግግሮች ከመደምደማችን በፊት።

በጽሑፍ እና ይዘት መፍጠር ውስጥ Generative AI

ጄኔሬቲቭ AI ብልጭልጭ ካደረጉባቸው የመጀመሪያዎቹ ጎራዎች አንዱ የጽሑፍ ማመንጨት ነው። ትላልቅ የቋንቋ ሞዴሎች ከዜና ዘገባዎች እና ከገበያ ቅጅ እስከ ማህበራዊ ሚዲያ ልጥፎች እና የሰነዶች ማጠቃለያዎች ሁሉንም ነገር ማምረት ይችላሉ። ግን ከዚህ ጽሑፍ ውስጥ ያለ ሰው አርታኢ ምን ያህል ሊሠራ ይችላል?

የአሁኑ ችሎታዎች (2025)፡ AI እንደ የዕለት ተዕለት ይዘት ራስ-ጸሐፊ

ዛሬ፣ ጄኔሬቲቭ AI በአስተማማኝ ሁኔታ የተለያዩ መደበኛ የአጻጻፍ ስራዎችን በትንሹ ወይም ምንም የሰው ጣልቃገብነት እያስተናገደ ነው። ዋነኛው ምሳሌ በጋዜጠኝነት ውስጥ ነው፡- አሶሺየትድ ፕሬስ ለዓመታት አውቶሜሽን ተጠቅሞ በሺዎች የሚቆጠሩ የኩባንያ ገቢ ሪፖርቶችን በየሩብ ዓመቱ በቀጥታ ከፋይናንሺያል መረጃ መጋቢዎች ( ፊላና ፓተርሰን - ONA የማህበረሰብ መገለጫ ) ለማመንጨት ሲጠቀም ቆይቷል። እነዚህ አጫጭር የዜና ዘገባዎች አብነት ይከተላሉ (ለምሳሌ፡ “ኩባንያ X የ Y ገቢን ዘግቧል፣ ዜድ በመቶ ጨምሯል…”) እና AI (የተፈጥሮ ቋንቋ ማመንጨት ሶፍትዌርን በመጠቀም) ቁጥሮቹን እና ቃላትን ከማንኛውም ሰው በበለጠ ፍጥነት መሙላት ይችላሉ። የኤ.ፒ.ኤ ስርዓት እነዚህን ሪፖርቶች በራስ ሰር ያትማል፣ ሽፋኑን በሚያስደንቅ ሁኔታ (ከ3,000 በላይ ታሪኮች በሩብ አመት) በማስፋፋት የሰው ፀሃፊዎች ሳያስፈልጋቸው ( Automated earnings stories multipize | The Associated Press )።

የስፖርት ጋዜጠኝነት በተመሳሳይ መልኩ ጨምሯል፡ AI ሲስተሞች የስፖርት ጨዋታ ስታቲስቲክስን ሊወስዱ እና የድጋሚ ታሪኮችን መፍጠር ይችላሉ። እነዚህ ጎራዎች በመረጃ የተደገፉ እና ቀመራዊ በመሆናቸው መረጃው ትክክል እስከሆነ ድረስ ስህተቶቹ ብርቅ ናቸው። እውነተኛ ራስን በራስ ማስተዳደርን እናያለን - AI ይጽፋል እና ይዘቱ ወዲያውኑ ታትሟል.

ንግዶች የምርት መግለጫዎችን፣ የኢሜይል ጋዜጣዎችን እና ሌሎች የግብይት ይዘቶችን ለማዘጋጀት አመንጪ AI እየተጠቀሙ ነው። ለምሳሌ፣ የኢ-ኮሜርስ ግዙፍ አማዞን አሁን የደንበኞችን የምርቶች አስተያየት ለማጠቃለል AI ቀጥሯል። AI የበርካታ የግለሰብ ግምገማዎችን ጽሁፍ ይቃኛል እና ሰዎች ስለ እቃው የሚወዱት ወይም የሚጠሉትን አጭር የድምቀት አንቀፅ ያዘጋጃል, ከዚያም በእጅ ማረም ሳይኖር በምርቱ ገጽ ላይ ይታያል ( Amazon የደንበኛ ግምገማዎችን በ AI ያሻሽላል ). ምሳሌ ከዚህ በታች በአማዞን የሞባይል መተግበሪያ ላይ ተዘርግቷል፣ እዚህም “ደንበኞች ይላሉ” የሚለው ክፍል ከግምገማ ውሂብ ሙሉ በሙሉ በ AI የመነጨ ነው

( Amazon ከ AI ጋር የደንበኛ ግምገማዎችን ልምድ ያሻሽላል ) በኢ-ኮሜርስ ምርት ገጽ ላይ በ AI የመነጨ ግምገማ ማጠቃለያ. የአማዞን ስርዓት የተለመዱ ነጥቦችን ከተጠቃሚ ግምገማዎች (ለምሳሌ የአጠቃቀም ቀላልነት፣ አፈጻጸም) ወደ አጭር አንቀጽ ያቀርባል፣ ይህም ለገዢዎች እንደ “AI የመነጨ ከደንበኛ ግምገማዎች ጽሁፍ ነው።

እንደነዚህ ያሉ የአጠቃቀም ሁኔታዎች እንደሚያሳዩት ይዘቱ ሊገመት የሚችል ስርዓተ-ጥለት ሲከተል ወይም ካለው መረጃ ሲጠቃለል AI ብዙ ጊዜ በብቸኝነት ሊይዘው ይችላል ። ሌሎች ወቅታዊ ምሳሌዎች የሚከተሉትን ያካትታሉ:

• የአየር ሁኔታ እና የትራፊክ ማሻሻያ ፡ AI ን በመጠቀም የሚዲያ ማሰራጫዎች በየእለቱ የአየር ሁኔታ ሪፖርቶችን ወይም የትራፊክ ማስታወቂያዎችን በዳሳሽ መረጃ ላይ በማጠናቀር።

• የፋይናንስ ሪፖርቶች ፡ ቀጥተኛ የፋይናንስ ማጠቃለያዎችን (የሩብ ዓመት ውጤቶችን፣ የአክሲዮን ገበያ አጭር መግለጫዎችን) የሚያመነጩ ድርጅቶች። ከ 2014 ጀምሮ ብሉምበርግ እና ሌሎች የዜና ማሰራጫዎች በኩባንያው ገቢ ላይ የዜና ብዥታዎችን ለመጻፍ ለመርዳት AI ን ተጠቅመዋል - ይህ ሂደት አንድ ጊዜ መረጃ ከገባ በኋላ በራስ-ሰር የሚሰራ ሂደት ( የ AP 'የሮቦት ጋዜጠኞች' የራሳቸውን ታሪክ አሁን እየፃፉ ነው | The Verge )

• ትርጉም እና ግልባጭ ፡ የጽሑፍ ግልባጭ አገልግሎቶች አሁን AIን ተጠቅመው የስብሰባ ግልባጮችን ወይም መግለጫ ጽሑፎችን ያለ ሰው መተየቢያዎች ለማምረት። በፈጠራ አተያይ የሚያመነጩ ባይሆኑም፣ እነዚህ የቋንቋ ተግባራት ግልጽ በሆነ ድምጽ ለማግኘት በከፍተኛ ትክክለኛነት በራስ ገዝ ይሰራሉ።

• ረቂቅ ትውልድ ፡ ብዙ ባለሙያዎች እንደ ቻትጂፒቲ ያሉ መሳሪያዎችን ተጠቅመው ኢሜይሎችን ወይም የመጀመሪያ የሰነዶችን እትሞችን ለማዘጋጀት አልፎ አልፎም ይዘቱ አነስተኛ ከሆነ ምንም አርትዖት ሳይደረግላቸው ይልካቸዋል።

ሆኖም ግን, ለተጨማሪ ውስብስብ ፕሮሴስ, የሰው ልጅ ቁጥጥር በ 2025 ውስጥ መደበኛ ሆኖ ይቆያል . የዜና ድርጅቶች የምርመራ ወይም የትንታኔ መጣጥፎችን ከ AI በቀጥታ አያትሙም - አርታኢዎች በ AI የተፃፉ ረቂቆችን እውነታ ይፈትሹ እና ያጠራሉ። AI ዘይቤን እና አወቃቀሩን በጥሩ ሁኔታ መኮረጅ ይችላል ነገር ግን ትክክለኛ ስህተቶችን (ብዙውን ጊዜ “ቅዠት” ይባላሉ) ወይም ሰው ሊይዘው የሚፈልጓቸውን አሳፋሪ ሀረጎችን ሊያስተዋውቅ ይችላል። ለምሳሌ፣ የጀርመኑ ኤክስፕረስ የመጀመሪያ ዜናዎችን ለመጻፍ እንዲረዳ ክላራ የተባለ የ AI “ዲጂታል ባልደረባ” አስተዋወቀ። ክላራ የስፖርት ዘገባዎችን በብቃት ማርቀቅ እና አንባቢን የሚስቡ አርዕስተ ዜናዎችን በመጻፍ ለ 11% የኤክስፕረስ መጣጥፎች አስተዋፅኦ ማድረግ ይችላል - ነገር ግን የሰው አርታኢዎች አሁንም እያንዳንዱን ክፍል ለትክክለኛነት እና ለጋዜጠኝነት ታማኝነት ይገመግማሉ ፣ በተለይም ውስብስብ ታሪኮች ( 12 ጋዜጠኞች AI መሳሪያዎችን በዜና ክፍል ውስጥ የሚጠቀሙባቸው - Twipe )። ይህ የሰው-AI ሽርክና ዛሬ የተለመደ ነው፡ AI የፅሁፍ ማመንጨትን ከባድ ስራ ይሰራል፣ እና ሰዎች እንደ አስፈላጊነቱ ያስተካክላሉ እና ያስተካክላሉ።

Outlook ለ 2030-2035፡ ወደ የታመነ በራስ ጽሕፈት

በሚቀጥሉት አስርት ዓመታት ውስጥ፣ ጄኔሬቲቭ AI ከፍተኛ ጥራት ያለው፣ በእውነታ ላይ የተመሰረተ ትክክለኛ ጽሑፍ በማመንጨት የበለጠ አስተማማኝ እንደሚሆን እንጠብቃለን፣ ይህም በራስ ገዝ ማስተናገድ የሚችለውን የአጻጻፍ ተግባራትን ያሰፋዋል። በርካታ አዝማሚያዎች ይህንን ይደግፋሉ-

• የተሻሻለ ትክክለኛነት ፡ ቀጣይነት ያለው ምርምር AI የውሸት ወይም ተዛማጅነት የሌለው መረጃ የማምረት ዝንባሌን በፍጥነት እየቀነሰ ነው። እ.ኤ.አ. በ 2030 የላቀ የቋንቋ ሞዴሎች የተሻሉ ስልጠናዎች (እውነታዎችን በመረጃ ቋቶች ላይ በቅጽበት የሚያረጋግጡ ቴክኒኮችን ጨምሮ) በሰው ደረጃ ቅርብ የሆነ የእውነታ ፍተሻ በውስጥ በኩል ሊደርሱ ይችላሉ። ይህ ማለት አንድ AI ሙሉ የዜና መጣጥፍን ከትክክለኛ ጥቅሶች እና ስታቲስቲክስ በቀጥታ ከምንጩ ማውጣቱ ትንሽ ማረም የሚያስፈልገው ነው።

• ጎራ-ተኮር AIs ፡ ለአንዳንድ መስኮች (ህጋዊ፣ ህክምና፣ ቴክኒካል ጽሁፍ) በጥሩ ሁኔታ የተስተካከሉ ይበልጥ ልዩ የሆኑ አመንጪ ሞዴሎችን እናያለን። የ 2030 ህጋዊ AI ሞዴል በአስተማማኝ ደረጃ መደበኛ ውሎችን ሊረቅ ወይም የጉዳይ ህግን ማጠቃለል ይችላል - በመዋቅር ውስጥ ቀመራዊ የሆኑ ግን በአሁኑ ጊዜ የጠበቃ ጊዜ የሚጠይቁ ተግባራት። AI በተረጋገጡ ህጋዊ ሰነዶች ላይ የሰለጠነ ከሆነ፣ ረቂቆቹ ታማኝ ሊሆኑ ስለሚችሉ ጠበቃ ፈጣን የመጨረሻ እይታን ይሰጣል።

• ተፈጥሯዊ ዘይቤ እና ወጥነት ፡ ሞዴሎች ከረዥም ሰነዶች ይልቅ አውድ በመጠበቅ ረገድ የተሻሉ እያገኙ ሲሆን ይህም ወደ ይበልጥ ወጥነት ያለው እና በነጥብ ላይ ያለው የረዥም ቅርጽ ይዘትን ያመጣል። እ.ኤ.አ. በ2035፣ AI ልብ ወለድ ያልሆኑ መጽሃፎችን ወይም ቴክኒካል ማኑዋልን በራሱ ጥሩ የመጀመሪያ ረቂቅ አዘጋጅቶ ከሰዎች ጋር በዋናነት በአማካሪነት ሚና (ግቦችን ለማዘጋጀት ወይም ልዩ እውቀትን ለመስጠት) መፃፍ አሳማኝ ነው።

ይህ በተግባር ምን ሊመስል ይችላል? መደበኛ የጋዜጠኝነት ሥራ ለተወሰኑ ምቶች ሙሉ በሙሉ በራስ-ሰር ሊሆን ይችላል። አንድ የዜና ወኪል በ2030 የ AI ሲስተም የእያንዳንዱን ገቢ ሪፖርት፣ የስፖርት ታሪክ ወይም የምርጫ ውጤት ማሻሻያ የመጀመሪያውን ስሪት ሲጽፍ እናያለን፣ አርታኢ ጥቂቶቹን ለጥራት ማረጋገጫ ብቻ ሲወስድ እናያለን። በእርግጥም ባለሙያዎች በመስመር ላይ ከጊዜ ወደ ጊዜ እየጨመረ የሚሄደው የይዘት ድርሻ በማሽን የሚመነጨ እንደሚሆን ይተነብያሉ - በኢንዱስትሪ ተንታኞች አንድ ድፍረት የተሞላበት ትንበያ እስከ 90% የሚሆነው የመስመር ላይ ይዘት በ2026 በ AI ሊመነጭ እንደሚችል ( በ2026፣ በመስመር ላይ በሰዎች የመነጨ ይዘት ከሰው የመነጨ ይዘት እጅግ በጣም ብዙ ይሆናል - OODAloop ) ይከራከራሉ። የበለጠ ወግ አጥባቂ ውጤት እንኳን በ2030ዎቹ አጋማሽ ላይ፣ አብዛኛዎቹ መደበኛ የድር መጣጥፎች፣ የምርት ቅጂዎች እና ምናልባትም ግላዊ የሆኑ የዜና ምግቦች የተጻፉት በ AI ነው።

በግብይት እና በድርጅታዊ ግንኙነቶች ፣ አመንጪ AI ሙሉ ዘመቻዎችን በራስ ገዝ እንዲያካሂድ በአደራ ሊሰጠው ይችላል። ለግል የተበጁ የግብይት ኢሜይሎችን፣ የማህበራዊ ሚዲያ ልጥፎችን እና የማስታወቂያ ቅጂ ልዩነቶችን ሊያመነጭ እና ሊልክ ይችላል፣ ይህም በደንበኛ ምላሽ ላይ በመመስረት የመልእክቱን የማያቋርጥ ማስተካከያ ያደርጋል - ሁሉም ያለ ሰው ቅጂ ጸሐፊ። Generative AI Use Cases for Industries and Enterprises የሚመነጩ ሲሆን ይህ መቶኛ በ2030 ብቻ ይጨምራል።

ነገር ግን፣ የሰው ልጅ ፈጠራ እና ዳኝነት አሁንም ሚና እንደሚጫወት ልብ ማለት ያስፈልጋል ፣ በተለይ ለከፍተኛ ደረጃ ይዘት . እ.ኤ.አ. በ 2035 ፣ AI የፕሬስ መግለጫን ወይም የብሎግ ልጥፍን በራሱ ማስተናገድ ይችላል ፣ ግን ለምርመራ ጋዜጠኝነት ተጠያቂነት ወይም ሚስጥራዊነት ያላቸው ርዕሰ ጉዳዮችን ለሚያካትተው ፣ የሚዲያ ተቋማት አሁንም በሰው ቁጥጥር ላይ አጥብቀው ይከራከራሉ። መጪው ጊዜ ደረጃውን የጠበቀ አቀራረብን ያመጣል፡ AI በራስ ገዝ የዕለት ተዕለት ይዘትን በብዛት ያመርታል፣ የሰው ልጅ ደግሞ ስልታዊ ወይም ሚስጥራዊነት ያላቸውን ክፍሎች በማርትዕ እና በማምረት ላይ ያተኩራል። በመሰረቱ፣ የ AI ብቃት ሲያድግ እንደ “መደበኛ” የሚቆጠር መስመር ይሰፋል።

AI የመነጩ በይነተገናኝ ትረካዎች ወይም ለግል የተበጁ ሪፖርቶች ያሉ አዲስ የይዘት ዓይነቶች ሊወጡ ይችላሉ። ለምሳሌ፣ የኩባንያው አመታዊ ሪፖርት በ AI በበርካታ ቅጦች ሊፈጠር ይችላል - ለአስፈፃሚዎች አጭር አጭር ፣ ለሰራተኞች የትረካ ስሪት ፣ ለተንታኞች በመረጃ የበለፀገ ስሪት - እያንዳንዱ ከተመሳሳዩ መሰረታዊ መረጃዎች በራስ-ሰር የተፈጠረ። በትምህርት፣ የተለያዩ የንባብ ደረጃዎችን ለማስማማት የመማሪያ መጽሐፍት በተለዋዋጭ በ AI ሊጻፉ ይችላሉ። እነዚህ መተግበሪያዎች በአብዛኛው ራሳቸውን ችለው ሊሆኑ ይችላሉ ነገር ግን በተረጋገጠ መረጃ የተደገፉ ሊሆኑ ይችላሉ.

በጽሁፍ ውስጥ ያለው አቅጣጫ በ 2030 ዎቹ አጋማሽ ላይ AI የተዋጣለት ጸሐፊ ​​እንደሚሆን . የእውነት ራስን በራስ የማስተዳደር ቁልፉ በውጤቶቹ ላይ እምነት መፍጠር ነው። AI በወጥነት የእውነታ ትክክለኛነትን፣ የቅጥ ጥራትን እና ከሥነምግባር ደረጃዎች ጋር መጣጣምን ማሳየት ከቻለ፣ የመስመር-በ-መስመር የሰው ልጅ ግምገማ አስፈላጊነት ይቀንሳል። የዚህ ነጭ ወረቀት ክፍሎች እ.ኤ.አ. በ2035፣ አርታኢ ሳያስፈልግ በአይአይ ተመራማሪ ሊቀረጽ ይችላል - ይህ ተስፋ እኛ ጥንቃቄ በተሞላበት ሁኔታ ትክክለኛ ጥበቃዎች እስካሉ ድረስ።

በእይታ ጥበባት እና ዲዛይን ውስጥ Generative AI

የጄኔሬቲቭ AI ምስሎችን እና የኪነጥበብ ስራዎችን የመፍጠር ችሎታ የህዝቡን ምናብ ገዝቷል፣ በአይ-የተፈጠሩ ስዕሎች የጥበብ ውድድር አሸናፊ እስከ ጥልቅ የውሸት ቪዲዮዎች ከእውነተኛ ቀረጻ የማይለዩ። በእይታ ጎራዎች፣ AI ሞዴሎች እንደ ጀነሬቲቭ አድቨርሳሪያል ኔትወርኮች (GANs) እና የስርጭት ሞዴሎች (ለምሳሌ Stable Diffusion፣ Midjourney) በጽሁፍ ጥያቄዎች ላይ ተመስርተው ኦሪጅናል ምስሎችን መፍጠር ይችላሉ። ስለዚህ AI አሁን እንደ ራስ ገዝ አርቲስት ወይም ዲዛይነር ሆኖ ሊሠራ ይችላል?

የአሁን ችሎታዎች (2025)፡ AI እንደ የፈጠራ ረዳት

በሚያስደንቅ ታማኝነት በፍላጎት ምስሎችን በመፍጠር የተካኑ ናቸው ተጠቃሚዎች “የመካከለኛው ዘመን ከተማ ፀሐይ ስትጠልቅ በቫን ጎግ ዘይቤ” ለመሳል AI ምስልን መጠየቅ እና በሰከንዶች ውስጥ አሳማኝ የሆነ ጥበባዊ ምስል ማግኘት ይችላሉ። ይህ አይአይን በግራፊክ ዲዛይን፣ ግብይት እና መዝናኛ ለጽንሰ-ሀሳብ ጥበብ፣ ለፕሮቶታይፕ እና በአንዳንድ ሁኔታዎችም የመጨረሻ ምስሎችን በስፋት እንዲጠቀም አድርጓል። በተለይ፡

• የግራፊክ ዲዛይን እና የአክሲዮን ምስሎች ፡ ኩባንያዎች የድር ጣቢያ ግራፊክሶችን፣ ምሳሌዎችን ወይም ፎቶዎችን በ AI በኩል ያመነጫሉ፣ ይህም እያንዳንዱን ክፍል ከአርቲስት የመላክ ፍላጎት ይቀንሳል። ብዙ የግብይት ቡድኖች ሸማቾችን የሚማርካቸውን ለመፈተሽ የተለያዩ ማስታወቂያዎችን ወይም የምርት ምስሎችን ለማምረት AI መሳሪያዎችን ይጠቀማሉ።

• ስነ ጥበብ እና ምሳሌ ፡ የግለሰብ አርቲስቶች ሃሳቦችን ለማንሳት ወይም ዝርዝሮችን ለመሙላት ከ AI ጋር ይተባበራሉ። ለምሳሌ፣ አንድ ገላጭ የበስተጀርባ ገጽታን ለመፍጠር AIን ሊጠቀም ይችላል፣ እሱም እነሱ ከተሳቡ ገፀ ባህሪያቸው ጋር ይዋሃዳሉ። አንዳንድ የቀልድ መጽሐፍ ፈጣሪዎች በአይ-የተፈጠሩ ፓነሎች ወይም ቀለም ሞክረዋል።

• ሚዲያ እና መዝናኛ፡- በ AI የመነጨ ጥበብ በመጽሔት ሽፋኖች እና በመጽሃፍ ሽፋኖች ላይ ታይቷል። ታዋቂው ምሳሌ የጠፈር ተመራማሪን ያሳተፈው ኦገስት 2022 የኮስሞፖሊታን ሽፋን ነበር - በአይ (OpenAI's DALL·E) የተፈጠረ የመጀመሪያው የመጽሔት ሽፋን ምስል በኪነጥበብ ዳይሬክተር እንደተመራ ተዘግቧል። ይህ የሰውን ተነሳሽነት እና ምርጫን የሚያካትት ቢሆንም፣ ትክክለኛው የጥበብ ስራው በማሽን የተሰራ ነው።

በወሳኝ ሁኔታ፣ አብዛኛዎቹ እነዚህ የአሁን አጠቃቀሞች አሁንም የሰውን ማከም እና መደጋገም ያካትታሉ ። AI በደርዘን የሚቆጠሩ ምስሎችን ሊተፋ ይችላል ፣ እና የሰው ልጅ ምርጡን ይመርጣል እና ምናልባት ይነካዋል። ከዚህ አንፃር፣ AI ለማምረት ፣ ነገር ግን ሰዎች የፈጠራ አቅጣጫውን እየመሩ እና የመጨረሻ ምርጫዎችን እያደረጉ ነው። ብዙ ይዘትን በፍጥነት ለማመንጨት አስተማማኝ ነው፣ ነገር ግን በመጀመሪያው ሙከራ ሁሉንም መስፈርቶች ለማሟላት ዋስትና የለውም። እንደ የተሳሳቱ ዝርዝሮች ያሉ ጉዳዮች (ለምሳሌ AI እጅን በተሳሳተ የጣቶች ቁጥር መሳል፣ የታወቀ ኳሪክ) ወይም ያልተፈለገ ውጤት ማለት የሰው ጥበብ ዳይሬክተር በተለምዶ የውጤቱን ጥራት መቆጣጠር አለበት።

ነገር ግን AI ወደ ሙሉ ራስን በራስ የማስተዳደር የተቃረበባቸው ጎራዎች አሉ፡

• የጄኔሬቲቭ ዲዛይን ፡ እንደ አርክቴክቸር እና የምርት ዲዛይን ባሉ መስኮች፣ AI መሳሪያዎች የተወሰኑ ገደቦችን የሚያሟሉ የንድፍ ፕሮቶታይፖችን በራስ ገዝ መፍጠር ይችላሉ። ለምሳሌ፣ ከተፈለገው የቤት እቃ መጠን እና ተግባራት አንፃር፣ አመንጪ ስልተ-ቀመር ብዙ አዋጭ ንድፎችን (አንዳንዶቹ በጣም ያልተለመዱ) ከመጀመሪያዎቹ ዝርዝሮች ባለፈ የሰው ጣልቃገብነት ሊፈጥር ይችላል። እነዚህ ንድፎች በቀጥታ በሰዎች ሊጠቀሙባቸው ወይም ሊጣሩ ይችላሉ. በተመሳሳይ፣ በምህንድስና፣ ጄኔሬቲቭ AI ለክብደት እና ለጥንካሬ የተመቻቹ ክፍሎችን (የአውሮፕላን አካል በል) በመንደፍ የሰው ልጅ ያላሰበውን ልብ ወለድ ቅርጾችን መፍጠር ይችላል።

• የቪዲዮ ጨዋታ ንብረቶች ፡ AI ሸካራማነቶችን፣ 3D ሞዴሎችን ወይም ሙሉ ደረጃዎችን ለቪዲዮ ጨዋታዎች በራስ ሰር ማፍራት ይችላል። የይዘት ፈጠራን ለማፋጠን ገንቢዎች እነዚህን ይጠቀማሉ። አንዳንድ የኢንዲ ጨዋታዎች በሥርዓት የመነጩ የስነጥበብ ስራዎችን እና ንግግርን (በቋንቋ ሞዴሎች) በማካተት በትንሹ በሰው የተፈጠሩ ንብረቶች ሰፊ እና ተለዋዋጭ የጨዋታ አለምን መፍጠር ጀምረዋል።

• አኒሜሽን እና ቪዲዮ (በማደግ ላይ) ፡ ከስታቲክ ምስሎች ያነሰ የበሰሉ ቢሆንም፣ ለቪዲዮ የመነጨ AI እየገሰገሰ ነው። AI ቀድሞውንም አጫጭር የቪዲዮ ክሊፖችን ወይም እነማዎችን ከጥያቄዎች ማመንጨት ይችላል፣ ምንም እንኳን ጥራቱ የማይጣጣም ነው። ጥልቅ ሐሰተኛ ቴክኖሎጂ - የሚያመነጨው - ተጨባጭ የፊት መለዋወጥን ወይም የድምፅ ክሎኖችን ማምረት ይችላል። ቁጥጥር በተደረገበት መቼት ውስጥ፣ ስቱዲዮ የበስተጀርባ ትእይንትን ወይም የብዙዎችን አኒሜሽን በራስ ሰር ለማመንጨት AI ሊጠቀም ይችላል።

በ AI የመነጨ ይዘት ያለው 90% ይዘት ያለው (ከስክሪፕት ወደ ቪዥዋል) ( Generative AI Use Cases for Industries and Enterprises ) እናያለን ብሎ ተንብዮአል እ.ኤ.አ. ከ2025 ጀምሮ እስካሁን እዚያ አልደረስንም - AI ራሱን ችሎ የባህሪ ርዝመት ያለው ፊልም መሥራት አይችልም። ግን የዚያ እንቆቅልሽ ክፍሎች እየዳበሩ ናቸው፡ ስክሪፕት ማመንጨት (ጽሑፍ AI)፣ ገፀ ባህሪ እና ትእይንት ማመንጨት (ምስል/ቪዲዮ AI)፣ የድምጽ ትወና (AI የድምጽ ክሎኖች) እና የአርትዖት እገዛ (AI አስቀድሞ በመቁረጥ እና ሽግግሮች ላይ ሊረዳ ይችላል።

Outlook ለ2030-2035፡ AI-የመነጨ ሚዲያ በመጠን

ወደ ፊት ስንመለከት፣ የጄነሬቲቭ AI በምስል ጥበባት እና ዲዛይን ውስጥ ያለው ሚና በአስደናቂ ሁኔታ ለመስፋፋት ተዘጋጅቷል። ቀዳሚ የይዘት ፈጣሪ ይሆናል ብለን እንጠብቃለን ፣ ብዙ ጊዜ ከመጀመሪያው መመሪያ ባለፈ በትንሹ የሰው ግብአት ይሰራል። አንዳንድ የሚጠበቁ ነገሮች፡-

• ሙሉ በሙሉ በ AI የመነጩ ፊልሞች እና ቪዲዮዎች ፡ በሚቀጥሉት አስር አመታት ውስጥ፣ በአብዛኛው በአይአይ የተሰሩ የመጀመሪያ ፊልሞችን ወይም ተከታታይ ፊልሞችን ማየት በጣም ይቻላል። ሰዎች ከፍተኛ ደረጃ አቅጣጫ ሊሰጡ ይችላሉ (ለምሳሌ የስክሪፕት ዝርዝር ወይም የሚፈለገው ዘይቤ) እና AI ትዕይንቶችን ያቀርባል፣ የተዋናይ ምስሎችን ይፈጥራል እና ሁሉንም ነገር ያሳየናል። በአጫጭር ፊልሞች ላይ ያሉ ቀደምት ሙከራዎች በጥቂት ዓመታት ውስጥ ሊሆኑ ይችላሉ፣ በ2030ዎቹ የባህሪ-ርዝመት ሙከራዎች። እነዚህ AI ፊልሞች ቦታ ሊጀምሩ ይችላሉ (የሙከራ አኒሜሽን፣ ወዘተ.) ነገር ግን ጥራታቸው ሲሻሻል ዋና ዋና ሊሆኑ ይችላሉ። የጋርትነር 90% በ 2030 የፊልም ትንበያ ( Generative AI Use Cases for Industries and Enterprises ) ከፍተኛ ፍላጎት ያለው ቢሆንም የአይአይ ይዘት መፍጠር በፊልም ስራ ውስጥ ያለውን አብዛኛውን ሸክም ለመሸከም የሚያስችል ውስብስብ እንደሚሆን የኢንደስትሪውን እምነት ያሰምርበታል።

• የንድፍ አውቶሜሽን ፡ እንደ ፋሽን ወይም አርክቴክቸር ባሉ መስኮች፣ አመንጪ AI በመቶዎች የሚቆጠሩ የንድፍ ፅንሰ-ሀሳቦችን እንደ “ወጪ፣ ቁሶች፣ ስታይል X” መለኪያዎች ላይ በመመስረት በራስ ገዝ ለመንደፍ ጥቅም ላይ ይውላል፣ ይህም የሰው ልጅ የመጨረሻውን ንድፍ እንዲመርጥ ያደርጋል። ይህ የአሁኑን ተለዋዋጭነት ይገለብጣል፡ ዲዛይነሮች ከባዶ ከመፍጠር እና ምናልባትም AIን ለተመስጦ ከመጠቀም ይልቅ የወደፊት ዲዛይነሮች ምርጡን በ AI የመነጨውን ንድፍ በመምረጥ እና በማስተካከል እንደ ተጠባባቂ ሆነው ሊያገለግሉ ይችላሉ። እ.ኤ.አ. በ 2035 አንድ አርክቴክት የሕንፃውን መስፈርቶች አስገብቶ የተሟላ ንድፎችን ከ AI እንደ ጥቆማ ሊያገኝ ይችላል (ሁሉም መዋቅራዊ ጥራት ያለው፣ በተከተቱ የምህንድስና ህጎች ጨዋነት)።

• ለግል የተበጀ የይዘት መፍጠር ፡ AIs ለግለሰብ ተጠቃሚዎች እይታዎችን ሲፈጥር እናያለን። እ.ኤ.አ. በ2035 የእይታ እና ገፀ ባህሪያቱ ከተጫዋቹ ምርጫዎች ጋር የሚጣጣሙበት ፣ በእውነተኛ ጊዜ በ AI የተፈጠረ የቪዲዮ ጨዋታ ወይም ምናባዊ እውነታን ያስቡ። ወይም በተጠቃሚ ቀን ላይ ተመስርተው ለግል የተበጁ የኮሚክ ክሊፖች - ራሱን የቻለ “ዕለታዊ ማስታወሻ ደብተር አስቂኝ” AI በእያንዳንዱ ምሽት የጽሑፍ ጆርናልዎን በራስ-ሰር ወደ ምሳሌዎች ይለውጣል።

• የመልቲሞዳል ፈጠራ ፡ የጄነሬቲቭ AI ስርዓቶች ከጊዜ ወደ ጊዜ እየጨመሩ ይሄዳሉ መልቲሞዳል - ይህም ማለት ጽሑፍን፣ ምስሎችን፣ ኦዲዮን እና የመሳሰሉትን በአንድ ላይ ማስተናገድ ይችላሉ። እነዚህን በማጣመር አንድ AI ቀላል ጥያቄን ሊወስድ ይችላል እንደ “ለምርት ኤክስ የግብይት ዘመቻ አድርጊኝ” እና የፅሁፍ ቅጂ ብቻ ሳይሆን ተዛማጅ ግራፊክስ ምናልባትም አጫጭር የማስተዋወቂያ ቪዲዮ ክሊፖችን ያመነጫል፣ ሁሉም በቅጡ ወጥ ናቸው። የዚህ አይነት አንድ ጠቅታ የይዘት ስብስብ እ.ኤ.አ. በ2030ዎቹ መጀመሪያ ላይ ሊሆን የሚችል አገልግሎት ነው።

AI የሰው አርቲስቶችን ይተካዋል ? ይህ ጥያቄ ብዙ ጊዜ ይነሳል. AI ብዙ የማምረቻ ሥራዎችን (በተለይ ተደጋጋሚ ወይም ፈጣን ለውጥ ጥበብ ለንግድ ሥራ ያስፈልጋል) ተረክቦ ሊሆን ይችላል፣ ነገር ግን የሰው ጥበብ ለዋናነት እና ለፈጠራ ይቀራል። እ.ኤ.አ. በ 2035 ፣ ራሱን የቻለ AI በታዋቂው አርቲስት ዘይቤ ምስልን በአስተማማኝ ሁኔታ ሊሳል ይችላል - ነገር ግን አዲስ ዘይቤ መፍጠር ወይም በጥልቅ ባሕላዊ የሚያስተጋባ ጥበብ አሁንም የሰው ፎርት ሊሆን ይችላል (ከ AI ጋር እንደ ተባባሪ ሊሆን ይችላል)። የሰው ሰዓሊዎች ራሳቸውን ችለው ከኤአይአይ “አብሮ-አርቲስቶች” ጋር አብረው የሚሰሩበትን ወደፊት እናያለን። አንድ ሰው በቤቱ ውስጥ ላለው ዲጂታል ማዕከለ-ስዕላት ያለማቋረጥ ጥበብ እንዲያመነጭ ለግል AI ሊልክ ይችላል፣ ለምሳሌ ሁልጊዜ የሚለዋወጥ የፈጠራ ድባብ።

ከአስተማማኝነት አንፃር፣ ቪዥዋል ጄኔሬቲቭ AI በአንዳንድ መንገዶች ከጽሑፍ ይልቅ ራስን በራስ የማስተዳደር ቀላል መንገድ አለው፡ ምስል ፍፁም ባይሆንም እንኳ በርዕስ “በቂ” ሊሆን ይችላል፣ ነገር ግን በጽሑፍ ውስጥ ያለው የሐቅ ስህተት የበለጠ ችግር ያለበት ነው። ዝቅተኛ ስጋት ያለው ጉዲፈቻን አይተናል - በ AI የመነጨ ንድፍ አስቀያሚ ወይም የተሳሳተ ከሆነ በቀላሉ አይጠቀሙበትም ፣ ግን በራሱ ምንም ጉዳት አያስከትልም። ይህ ማለት እ.ኤ.አ. በ2030ዎቹ ኩባንያዎች AI ከክትትል ውጭ ዲዛይኖችን እንዲያወጣ እና እውነተኛ ልብ ወለድ ወይም አደገኛ ነገር በሚያስፈልግበት ጊዜ ብቻ ሰዎችን እንዲያሳትፍ መፍቀድ ሊመቸው ይችላል።

ለማጠቃለል፣ በ2035 አመንጪ AI በእይታ ውስጥ የኃይል ማመንጫ ይዘት ፈጣሪ ይሆናል ተብሎ ይጠበቃል፣ ምናልባትም በአካባቢያችን ላሉ ምስሎች እና ሚዲያዎች ጉልህ ድርሻ ይኖረዋል። ለመዝናኛ፣ ለንድፍ እና ለዕለታዊ ግንኙነቶች ይዘትን በአስተማማኝ ሁኔታ ያመነጫል። ራሱን የቻለ አርቲስቱ በአድማስ ላይ ነው - ምንም እንኳን AI እንደ ፈጠራ ወይም በጣም ብልህ መሣሪያ ብቻ ውጤቶቹ ከሰው ሰራሽ የማይለዩ በመሆናቸው የሚሻሻሉ ክርክሮች ናቸው።

ጀነሬቲቭ AI በሶፍትዌር ልማት (ኮዲንግ)

የሶፍትዌር ልማት ከፍተኛ የትንታኔ ተግባር ሊመስል ይችላል፣ ነገር ግን የፈጠራ አካልም አለው - ኮድ መጻፍ በመሠረታዊነት በተዋቀረ ቋንቋ ጽሑፍ መፍጠር ነው። ዘመናዊው ጄኔሬቲቭ AI፣ በተለይም ትላልቅ የቋንቋ ሞዴሎች፣ በኮድ አወጣጥ ላይ በጣም የተካኑ መሆናቸውን አረጋግጠዋል። እንደ GitHub Copilot፣ Amazon CodeWhisperer እና ሌሎች ያሉ መሳሪያዎች እንደ AI ጥንድ ፕሮግራመሮች ሆነው ይሠራሉ፣ ይህም የኮድ ቅንጣቢዎችን ወይም እንደ ገንቢዎች አይነት ሙሉ ተግባራትን ይጠቁማሉ። ይህ ወደ ራስ ገዝ ፕሮግራሚንግ ምን ያህል ሊሄድ ይችላል?

የአሁኑ አቅም (2025)፡ AI እንደ ኮድ ረዳት አብራሪ

እ.ኤ.አ. በ 2025 የ AI ኮድ ማመንጫዎች በብዙ የገንቢዎች የስራ ፍሰቶች ውስጥ የተለመዱ ሆነዋል። እነዚህ መሳሪያዎች የኮድ መስመሮችን በራስ ሰር ያጠናቅቃሉ፣ ቦይለር (እንደ መደበኛ ተግባራት ወይም ፈተናዎች) ያመነጫሉ፣ እና በተፈጥሮ ቋንቋ መግለጫ የተሰጡ ቀላል ፕሮግራሞችን እንኳን ሊጽፉ ይችላሉ። ዋናው ነገር ግን በገንቢ ቁጥጥር ስር ነው የሚሰሩት - ገንቢው የ AI አስተያየቶችን ይገመግማል እና ያዋህዳል።

አንዳንድ ወቅታዊ እውነታዎች እና አሃዞች፡-

• ከፕሮፌሽናል ገንቢዎች ውስጥ ከግማሽ በላይ የሚሆኑት በ 2023 መገባደጃ ላይ የ AI ኮድ ረዳቶችን ተቀብለዋል ( በኮፒሎት ላይ ኮድ መስጠት፡ 2023 መረጃ በኮድ ጥራት ላይ ዝቅተኛ ግፊትን ይጠቁማል (የ2024 ትንበያዎችን ጨምሮ) - GitClear )፣ ይህም ፈጣን መቀበልን ያሳያል። በስፋት ከሚገኙ መሳሪያዎች ውስጥ አንዱ የሆነው GitHub Copilot ጥቅም ላይ በሚውልባቸው ፕሮጀክቶች ውስጥ በአማካይ ከ30-40% ኮድ እንደሚያመነጭ ተነግሯል ( ኮድ ማድረግ MOAT አይደለም. 46% በ GitHub ላይ ያሉ ኮዶች ቀድሞውኑ ነው ... ). ይህ ማለት አንድ ሰው እየመራው እና እያረጋገጠው ቢሆንም AI አስቀድሞ ጉልህ የሆኑ የኮድ ክፍሎችን እየጻፈ ነው።

• እነዚህ AI መሳሪያዎች እንደ ተደጋጋሚ ኮድ መፃፍ (ለምሳሌ የውሂብ ሞዴል ክፍሎች፣ ጌተር/ሴተር ዘዴዎች)፣ አንድን የፕሮግራም አወጣጥ ቋንቋ ወደ ሌላ በመቀየር ወይም የስልጠና ምሳሌዎችን የሚመስሉ ቀጥተኛ ስልተ ቀመሮችን በማዘጋጀት እንደ ተግባራቶች የተሻሉ ናቸው። ለምሳሌ፣ ገንቢ አስተያየት መስጠት የሚችለው የተጠቃሚዎችን ዝርዝር በስም የመደርደር ተግባር ነው፣ እና AI ወዲያውኑ ማለት ይቻላል ተገቢውን የመደርደር ተግባር ያመነጫል።

• የሳንካ መጠገን እና ማብራሪያ ላይ ያግዛሉ ፡ ገንቢዎች የስህተት መልእክት መለጠፍ ይችላሉ እና AI ለማስተካከል ሊጠቁም ይችላል ወይም "ይህ ኮድ ምን ያደርጋል?" እና የተፈጥሮ ቋንቋ ማብራሪያ ያግኙ. ይህ በራስ ገዝ ነው (AI ጉዳዩን በራሱ ሊመረምር ይችላል) ነገር ግን የሰው ልጅ ማስተካከያውን ተግባራዊ ለማድረግ ይወስናል.

• በአስፈላጊ ሁኔታ፣ አሁን ያሉ የ AI ኮድ ረዳቶች የማይሳሳቱ አይደሉም። ደህንነቱ ያልተጠበቀ ኮድ ወይም ችግሩን የሚፈታ ነገር ግን ስውር ስህተቶች ያሉት ኮድ ስለዚህ፣ የዛሬው ምርጥ ልምምድ የሰውን ልጅ እንዳይዘነጋ - ገንቢው በ AI የተጻፈ ኮድ ልክ በሰው የተጻፈ ኮድ ይፈትናል እና ያርማል። ቁጥጥር በሚደረግባቸው ኢንዱስትሪዎች ወይም ወሳኝ ሶፍትዌሮች (እንደ የህክምና ወይም የአቪዬሽን ስርዓቶች) ማንኛውም የ AI አስተዋጽዖዎች ጥብቅ ግምገማ ይደረግባቸዋል።

ዛሬ ምንም አይነት ዋና የሶፍትዌር ስርዓት ያለገንቢ ቁጥጥር ሙሉ በሙሉ በ AI የተጻፈ አይደለም። ሆኖም፣ አንዳንድ በራስ ገዝ ወይም ከፊል-ራስ-ገዝ አጠቃቀሞች እየታዩ ናቸው፡-

• በራስ-የመነጨ ዩኒት ሙከራዎች ፡ AI ኮድን መተንተን እና የተለያዩ ጉዳዮችን ለመሸፈን የክፍል ፈተናዎችን ማምረት ይችላል። የሙከራ ማዕቀፍ በራስ-ሰር እነዚህን በ AI የተፃፉ ሙከራዎችን ስህተቶችን ለመያዝ እና ሊያሄድ ይችላል ፣ ይህም በሰው የተፃፉ ሙከራዎችን ይጨምራል።

• ዝቅተኛ ኮድ/የኮድ የለሽ መድረኮች ከ AI ጋር ፡ አንዳንድ መድረኮች ፕሮግራም አድራጊ ያልሆኑ የፈለጉትን እንዲገልጹ ያስችላቸዋል (ለምሳሌ “ግቤቶችን ለማስቀመጥ የእውቂያ ቅጽ እና ዳታቤዝ ያለው ድረ-ገጽ ይገንቡ”) እና ስርዓቱ ኮዱን ያመነጫል። ገና በመጀመሪያ ደረጃዎች ላይ እያለ፣ AI በራስ ገዝ ለመደበኛ አጠቃቀም ጉዳዮች ሶፍትዌር የሚፈጥርበትን የወደፊት ጊዜ ፍንጭ ይሰጣል።

• ስክሪፕት እና ሙጫ ኮድ ፡ የአይቲ አውቶሜሽን ብዙ ጊዜ ስርዓቶችን ለማገናኘት ስክሪፕቶችን መፃፍን ያካትታል። AI መሳሪያዎች ብዙውን ጊዜ እነዚህን ትናንሽ ስክሪፕቶች በራስ-ሰር ማመንጨት ይችላሉ። ለምሳሌ ፣ የምዝግብ ማስታወሻ ፋይልን ለመተንተን እና የኢሜል ማንቂያ ለመላክ ስክሪፕት በመፃፍ - AI አነስተኛ ወይም ምንም አርትዖቶች ያሉት የስራ ስክሪፕት ማዘጋጀት ይችላል።

Outlook ለ2030-2035፡ ወደ “ራስን ማዳበር” ሶፍትዌር

በሚቀጥሉት አስርት ዓመታት ውስጥ፣ ጄኔሬቲቭ AI ለአንዳንድ የፕሮጀክቶች ክፍሎች ሙሉ በሙሉ በራስ ገዝ ወደሆነ የሶፍትዌር ልማት በመቅረብ የኮዲንግ ሸክሙን የበለጠ ድርሻ ይወስዳል ተብሎ ይጠበቃል። አንዳንድ የታቀዱ እድገቶች፡-

• የተሟላ የባህሪ ትግበራ ፡ በ2030፣ AI ቀላል የመተግበሪያ ባህሪያትን ከጫፍ እስከ ጫፍ መተግበር እንደሚችል እንጠብቃለን። የምርት አስተዳዳሪ አንድን ባህሪ በግልፅ ቋንቋ ሊገልጽ ይችላል ("ተጠቃሚዎች የይለፍ ቃላቸውን በኢሜል አገናኝ በኩል ዳግም ማስጀመር መቻል አለባቸው") እና AI አስፈላጊውን ኮድ (የፊት-መጨረሻ ቅጽ ፣ የኋላ-መጨረሻ አመክንዮ ፣ የውሂብ ጎታ ማሻሻያ ፣ ኢሜል መላኪያ) እና ወደ ኮድ ቤዝ ሊያዋህደው ይችላል። AI በትክክል ዝርዝር መግለጫዎችን መከተል የሚችል እንደ ጁኒየር ገንቢ ሆኖ ይሰራል። የሰው መሐንዲስ የኮድ ግምገማ ብቻ ሊያደርግ እና ሙከራዎችን ሊያካሂድ ይችላል። የ AI አስተማማኝነት እየተሻሻለ ሲሄድ የኮድ ግምገማው በጣም ፈጣን ሊሆን ይችላል።

• ራሱን የቻለ ኮድ ጥገና ፡ የሶፍትዌር ምህንድስና ትልቅ ክፍል አዲስ ኮድ መጻፍ ብቻ ሳይሆን ነባሩን ኮድ ማዘመን - ስህተቶችን ማስተካከል፣ አፈጻጸምን ማሻሻል፣ ከአዳዲስ መስፈርቶች ጋር መላመድ ነው። የወደፊት AI ገንቢዎች በዚህ ሊበልጡ ይችላሉ። ኮድ ቤዝ እና መመሪያ ከተሰጠው ("ብዙ ተጠቃሚዎች በአንድ ጊዜ ሲገቡ መተግበሪያችን እየተበላሽ ነው")፣ AI ችግሩን ያገኝና (እንደ ኮንኩሬሲንግ ሳንካ) ሊያስተካክለው ይችላል። እ.ኤ.አ. በ2035፣ AI ሲስተሞች መደበኛ የጥገና ትኬቶችን በአንድ ጀምበር በራስ ሰር ማስተናገድ ይችላሉ፣ ይህም ለሶፍትዌር ሲስተሞች ደከመኝ ሰለቸኝ ሳይሉ የጥገና ሰራተኛ ሆነው ያገለግላሉ።

• ውህደት እና ኤፒአይ አጠቃቀም፡- ተጨማሪ የሶፍትዌር ሲስተሞች እና ኤፒአይዎች በአይ-ሊነበብ ከሚችሉ ሰነዶች ጋር ሲመጡ፣ AI ወኪል የማጣበቂያውን ኮድ በመፃፍ ሲስተም Aን ከአገልግሎት B ጋር እንዴት ማገናኘት እንደሚቻል በራሱ ማወቅ ይችላል። ለምሳሌ፣ አንድ ኩባንያ የውስጥ የሰው ሃይል ስርዓታቸው ከአዲስ የደመወዝ ክፍያ ኤፒአይ ጋር እንዲመሳሰል ከፈለገ፣ “እነዚህን እርስ በርስ እንዲነጋገሩ” AI ሊያደርጉ ይችላሉ፣ እና የሁለቱንም ስርዓቶች ዝርዝር መግለጫዎች ካነበበ በኋላ የውህደት ኮዱን ይጽፋል።

• ጥራት እና ማመቻቸት ፡ የወደፊት የኮድ-ትውልድ ሞዴሎች ኮዱ እንደሚሰራ ለማረጋገጥ የግብረመልስ ምልልሶችን ሊያካትቱ ይችላሉ (ለምሳሌ በማጠሪያ ውስጥ ሙከራዎችን ወይም ማስመሰልን ያካሂዱ)። ይህ ማለት አንድ AI ኮድ መጻፍ ብቻ ሳይሆን በመሞከር እራሱን ማረም ይችላል ማለት ነው. እ.ኤ.አ. በ 2035 ፣ ሁሉም ፈተናዎች እስኪያልፉ ድረስ ፣ አንድ ተግባር ከተሰጠው ፣ በኮዱ ላይ እየደጋገመ የሚቀጥል AI መገመት እንችላለን - ሂደት አንድ ሰው በመስመር-በ-መስመር መከታተል አያስፈልገውም። ይህ በራስ ገዝ በሚፈጠረው ኮድ ላይ እምነትን በእጅጉ ይጨምራል።

በ 2035 አንድ ትንሽ የሶፍትዌር ፕሮጀክት - ብጁ የሞባይል መተግበሪያ ለንግድ ስራ - በአብዛኛው በከፍተኛ ደረጃ መመሪያዎች በተሰጠው በ AI ወኪል ሊዘጋጅ የሚችልበትን ሁኔታ በ 2035 መገመት ይችላል. በዚያ ሁኔታ ውስጥ ያለው የሰው ልጅ “ገንቢ” የፕሮጀክት ሥራ አስኪያጅ ወይም አረጋጋጭ፣ መስፈርቶችን እና ገደቦችን (ደህንነት፣ የቅጥ መመሪያዎችን) በመግለጽ እና AI ትክክለኛ ኮድ አወጣጥ ላይ ከባድ ስራ እንዲሰራ ያስችለዋል።

ነገር ግን፣ ለተወሳሰቡ፣ ለትላልቅ ሶፍትዌሮች (ኦፕሬቲንግ ሲስተሞች፣ የላቁ AI ስልተ ቀመሮች እራሳቸው፣ ወዘተ) የሰው ባለሙያዎች አሁንም በጥልቅ ይሳተፋሉ። በሶፍትዌር ውስጥ ያለው የፈጠራ ችግር ፈቺ እና የስነ-ህንፃ ንድፍ ለተወሰነ ጊዜ በሰው የሚመራ ሆኖ ሊቆይ ይችላል። AI ብዙ የኮድ ስራዎችን ሊይዝ ይችላል፣ ነገር ግን ምን መገንባት እንዳለበት መወሰን እና አጠቃላይ መዋቅሩን መንደፍ ሌላ ፈተና ነው። ያ ማለት፣ ጄኔሬቲቭ AI መተባበር ሲጀምር – በርካታ የኤጀንሲዎች የተለያዩ የስርዓቱን ክፍሎች የሚቆጣጠሩት – በተወሰነ ደረጃ የሕንፃ ንድፎችን በጋራ ሊነድፉ እንደሚችሉ መገመት ይቻላል (ለምሳሌ፣ አንድ AI የሥርዓት ንድፍ አቅርቧል፣ ሌላው ተችቷል፣ እና እነሱም ይደግማሉ፣ ሂደቱን የሚቆጣጠረው ሰው ጋር)።

በኮድ ውስጥ የ AI ዋና የሚጠበቀው ጥቅም ምርታማነት ማጉላት ። ጋርትነር እ.ኤ.አ. በ 2028 ሙሉ በሙሉ 90% የሶፍትዌር መሐንዲሶች AI ኮድ ረዳቶችን እንደሚጠቀሙ ይተነብያል (በ 2024 ከ 15% ያነሰ) ( GitHub Copilot Tops Research Report on AI Code Assistants - Visual Studio Magazine )። ይህ የሚያመለክተው ውጫዊዎቹ - AI የማይጠቀሙ - ጥቂት ይሆናሉ. እንዲሁም ክፍተቶቹን በመሙላት በ AI ሲቀንስ በተወሰኑ አካባቢዎች የሰው አልሚዎች እጥረት ማየት እንችላለን። በመሰረቱ እያንዳንዱ ገንቢ በራሱ በራሱ ኮድ ሊረቀቅ በሚችል AI አጋዥ ብዙ መስራት ይችላል።

መተማመን ማዕከላዊ ጉዳይ ሆኖ ይቀራል። እ.ኤ.አ. በ2035 እንኳን ድርጅቶች በራስ የመነጨ ኮድ ደህንነቱ የተጠበቀ መሆኑን ማረጋገጥ አለባቸው (AI ተጋላጭነቶችን ማስተዋወቅ የለበትም) እና ከህግ/ሥነምግባር ደንቦች (ለምሳሌ ፣ AI ያለአግባብ ፈቃድ ከክፍት ምንጭ ቤተ-መጽሐፍት የተሰረዘ ኮድ አያካትትም)። በ AI የተጻፈ ኮድ ምንጭን ማረጋገጥ እና መከታተል የሚችሉ የተሻሻሉ የኤአይ አስተዳደር መሳሪያዎች ያለስጋት የበለጠ በራስ ገዝ ኮድ ማድረግን ለማገዝ እንጠብቃለን።

ለማጠቃለል፣ በ2030ዎቹ አጋማሽ፣ Generative AI ለወትሮው የሶፍትዌር ተግባራት ኮድ የማድረጉን የአንበሳውን ድርሻ ይይዛል እና ውስብስብ በሆኑት ላይም በእጅጉ ይረዳል። የሶፍትዌር ልማት የህይወት ኡደት በጣም በራስ ሰር ይሆናል - ከመስፈርቶች እስከ ማሰማራት - AI በራስ ሰር የኮድ ለውጦችን ሊያመነጭ እና ሊዘረጋ ይችላል። የሰው ገንቢዎች በከፍተኛ ደረጃ አመክንዮ፣ በተጠቃሚ ልምድ እና በክትትል ላይ የበለጠ ያተኩራሉ፣ የ AI ወኪሎች ደግሞ የአፈጻጸም ዝርዝሮችን በማሳየት ላይ ናቸው።

በደንበኛ አገልግሎት እና ድጋፍ ውስጥ Generative AI

በቅርብ ጊዜ ውስጥ ከኦንላይን የደንበኛ ድጋፍ ውይይት ጋር መስተጋብር ከፈጠሩ፣ ቢያንስ ለከፊሉ AI በሌላኛው ጫፍ ላይ የመሆን እድሉ ሰፊ ነው። የደንበኞች አገልግሎት ለ AI አውቶሜሽን የበሰለ ጎራ ነው፡ ለተጠቃሚዎች ጥያቄዎች ምላሽ መስጠትን ያካትታል፣ ይህም አመንጪ AI (በተለይ የውይይት ሞዴሎች) ጥሩ መስራት ይችላል፣ እና ብዙ ጊዜ ስክሪፕቶችን ወይም የእውቀት መሰረት መጣጥፎችን ይከተላል፣ AI መማር ይችላል። AI ደንበኞችን እንዴት በራስ ገዝ ማስተናገድ ይችላል?

የአሁኑ አቅም (2025)፡ የፊት መስመርን የሚወስዱ ቻትቦቶች እና ምናባዊ ወኪሎች

ከዛሬ ጀምሮ፣ ብዙ ድርጅቶች በደንበኞች አገልግሎት ውስጥ የመጀመሪያ የመገናኛ ነጥብ አድርገው እነዚህ ከቀላል ደንብ-ተኮር ቦቶች ("ለክፍያ 1 ይጫኑ፣ 2 ለድጋፍ…") እስከ የላቀ ጄኔሬቲቭ AI chatbots ድረስ ያሉ ነፃ ቅጽ ጥያቄዎችን መተርጎም እና በውይይት ምላሽ መስጠት ይችላሉ። ቁልፍ ነጥቦች፡-

• የተለመዱ ጥያቄዎችን ማስተናገድ ፡ AI ወኪሎች በተደጋጋሚ የሚጠየቁ ጥያቄዎችን በመመለስ፣ መረጃን በማቅረብ (የማከማቻ ሰዓት፣ የተመላሽ ገንዘብ ፖሊሲዎች፣ ለሚታወቁ ጉዳዮች መላ ፍለጋ ደረጃዎች) እና ተጠቃሚዎችን በመደበኛ ሂደቶች በመምራት የላቀ ብቃት አላቸው። ለምሳሌ፣ ለባንክ AI ቻትቦት በራስ ገዝ አንድ ተጠቃሚ ያለ ሰው እርዳታ የሂሳብ ቀሪ ሒሳቡን እንዲያረጋግጥ፣ የይለፍ ቃል እንዲያስተካክል ወይም እንዴት ብድር እንደሚጠይቅ ማስረዳት ይችላል።

• የተፈጥሮ ቋንቋ መረዳት: ዘመናዊ አመንጪ ሞዴሎች የበለጠ ፈሳሽ እና "ሰው መሰል" መስተጋብርን ይፈቅዳል. ደንበኞች አንድን ጥያቄ በራሳቸው ቃላቶች መተየብ ይችላሉ እና AI አብዛኛውን ጊዜ ዓላማውን መረዳት ይችላል። ኩባንያዎች የዛሬዎቹ የኤአይኤ ወኪሎች ከጥቂት አመታት በፊት ከነበሩት ተንኮለኛ ቦቶች ይልቅ ለደንበኞቻቸው የበለጠ እርካታ እንዳላቸው ገልፀዋል - ግማሽ ያህሉ ደንበኞች አሁን የ AI ወኪሎች ችግሮቹን ሲፈቱ ርህራሄ እና ውጤታማ ሊሆኑ እንደሚችሉ ያምናሉ ( 59 AI የደንበኞች አገልግሎት ስታቲስቲክስ ለ 2025 ) ፣ በአይ-ተኮር አገልግሎት ላይ እምነት እያደገ ነው።

• ባለብዙ ቻናል ድጋፍ ፡ AI በውይይት ላይ ብቻ አይደለም። የድምጽ ረዳቶች (እንደ ስልክ አይቪአር ሲስተሞች ከኋላቸው ያሉ) ጥሪዎችን ማስተናገድ ጀምረዋል፣ እና AI ለደንበኛ ጥያቄዎችም ትክክለኛ ሆኖ ከተገኘ በራስ-ሰር ሊወጡ የሚችሉ የኢሜይል ምላሾችን ማዘጋጀት ይችላል።

• ሰዎች ሲገቡ ፡ በተለምዶ፣ AI ግራ ከተጋባ ወይም ጥያቄው በጣም የተወሳሰበ ከሆነ፣ ለሰው ወኪል ይሰጣል። በብዙ ሁኔታዎች ገደባቸውን በማወቅ ጥሩ ናቸው ለምሳሌ፣ አንድ ደንበኛ ያልተለመደ ነገር ከጠየቀ ወይም ብስጭት ካሳየ (“እርስዎን ሳገኝ ይህ ለሶስተኛ ጊዜ ነው እና በጣም ተናድጃለሁ…”)፣ AI ይህን ሰው እንዲረከብ ሊጠቁም ይችላል። ቅልጥፍናን ከደንበኛ እርካታ ጋር ለማመጣጠን በኩባንያዎች የተዘጋጀው የእጅ መውጫ ገደብ ነው።

ብዙ ኩባንያዎች ጉልህ የሆነ የግንኙነቶች ክፍሎች በ AI ብቻ እንደተፈቱ ሪፖርት አድርገዋል። በኢንዱስትሪ ጥናቶች መሠረት ከ70-80% የሚሆነው መደበኛ የደንበኞች ጥያቄዎች ዛሬ በ AI chatbots ሊከናወኑ ይችላሉ ፣ እና 40% የሚሆኑት የኩባንያዎች የደንበኞች ግንኙነቶች በሰርጦች ላይ ቀድሞውንም በራስ-ሰር ወይም በ AI የታገዘ ነው ( 52 ማወቅ ያለብዎት AI የደንበኞች አገልግሎት ስታቲስቲክስ - Plivo )። የ IBM ግሎባል AI ጉዲፈቻ ኢንዴክስ (2022) እንደሚያመለክተው 80% ኩባንያዎች AI ቻትቦቶችን በ2025 ለደንበኞች አገልግሎት ለመጠቀም ወይም ለመጠቀም አቅደዋል።

አንድ አስደሳች ልማት AI ለደንበኞች ምላሽ መስጠት ብቻ ሳይሆን በእውነተኛ ጊዜ መርዳት ነው ለምሳሌ፣ በቀጥታ ውይይት ወይም ጥሪ ወቅት፣ አንድ AI ማዳመጥ እና የተጠቆሙ መልሶችን ወይም ተዛማጅ መረጃዎችን ወዲያውኑ ለሰብአዊ ወኪል ሊያቀርብ ይችላል። ይህ በራስ የመመራት መስመርን ያደበዝዛል - AI ደንበኛው ብቻውን አይጋፈጥም, ነገር ግን ግልጽ የሆነ የሰዎች ጥያቄ ሳይኖር በንቃት ይሳተፋል. በውጤታማነት ለወኪሉ ራሱን የቻለ አማካሪ ሆኖ ይሰራል።

Outlook ለ2030-2035፡ በብዛት በ AI የሚነዳ የደንበኛ መስተጋብር

እ.ኤ.አ. በ 2030 አብዛኛው የደንበኞች አገልግሎት ግንኙነቶች AIን እንደሚያካትቱ ይጠበቃል ፣ ብዙዎች ከመጀመሪያ እስከ መጨረሻው ሙሉ በሙሉ በ AI ይያዛሉ። ይህንን የሚደግፉ ትንበያዎች እና አዝማሚያዎች፡-

• የከፍተኛ ውስብስብነት መጠይቆች ተፈትተዋል ፡ የኤአይኢ ሞዴሎች ሰፊ እውቀትን ሲያዋህዱ እና ምክንያታዊነትን ሲያሻሽሉ ይበልጥ ውስብስብ የደንበኛ ጥያቄዎችን ማስተናገድ ይችላሉ። “ንጥሉን እንዴት ነው የምመልሰው?” ብቻ ከመመለስ ይልቅ፣ ወደፊት AI እንደ “የእኔ በይነመረብ ተቋርጧል፣ ዳግም ለማስጀመር ሞክሬያለሁ፣ እርሶዎ ሊረዱዎት ይችላሉ?” ያሉ ባለብዙ ደረጃ ጉዳዮችን ሊያስተናግድ ይችላል። ጉዳዩን በውይይት በመመርመር፣ ደንበኛውን የላቀ መላ ፍለጋ በመምራት፣ እና ሁሉም ነገር ቴክኒሻን ማቀድ ካልተሳካ ብቻ - ዛሬ የሰው ድጋፍ ቴክኖሎጂን የሚጠይቁ ተግባራት። በጤና እንክብካቤ የደንበኞች አገልግሎት ውስጥ፣ አንድ AI የታካሚ ቀጠሮ መርሐግብርን ወይም የኢንሹራንስ ጥያቄዎችን ከጫፍ እስከ ጫፍ ማስተናገድ ይችላል።

• ከጫፍ እስከ ጫፍ የአገልግሎት ጥራት ፡ AI ለደንበኛው ምን ማድረግ እንዳለበት በመንገር ብቻ ሳይሆን በደጋፊ ስርዓቶች ውስጥ ደንበኛውን ወክሎ ሲሰራ ለምሳሌ፣ አንድ ደንበኛ “በረራዬን ወደ ቀጣዩ ሰኞ መቀየር እና ሌላ ቦርሳ ልጨምር እፈልጋለሁ” ካለ በ2030 የኤአይኤ ወኪል በቀጥታ ከአየር መንገዱ ቦታ ማስያዣ ስርዓት ጋር ሊገናኝ፣ ለውጡን ሊያከናውን፣ የቦርሳውን ክፍያ ማስኬድ እና ለደንበኛው ማረጋገጥ ይችላል – ሁሉም በራስ ገዝ። AI የመረጃ ምንጭ ብቻ ሳይሆን ሙሉ አገልግሎት ሰጪ ይሆናል።

• በሁሉም ቦታ ያሉ የ AI ወኪሎች ፡ ኩባንያዎች አይአይን በሁሉም የደንበኛ የመዳሰሻ ነጥቦች - ስልክ፣ ውይይት፣ ኢሜይል፣ ማህበራዊ ሚዲያ ላይ ያሰማራሉ። ብዙ ደንበኞች ከአንድ AI ወይም ከሰው ጋር እየተነጋገሩ እንደሆነ እንኳን ላያውቁ ይችላሉ፣በተለይ የ AI ድምጾች ይበልጥ ተፈጥሯዊ ሲሆኑ እና ቻት የበለጠ አውድ አውቆ ምላሽ ይሰጣል። እ.ኤ.አ. በ 2035 የደንበኞችን አገልግሎት ማግኘት ማለት ያለፈውን ግንኙነትዎን የሚያስታውስ ፣ ምርጫዎችዎን የሚረዳ እና ከድምጽዎ ጋር የሚስማማ ከስማርት AI ጋር መገናኘት ማለት ነው - በመሠረቱ ለእያንዳንዱ ደንበኛ ግላዊ የሆነ ምናባዊ ወኪል።

• በግንኙነቶች ውስጥ AI ውሳኔ መስጠት ፡ ጥያቄዎችን ከመመለስ ባሻገር፣ AI በአሁኑ ጊዜ የአስተዳዳሪ ፈቃድ የሚያስፈልጋቸው ውሳኔዎችን ማድረግ ይጀምራል። ለምሳሌ፣ ዛሬ የሰው ወኪል የተናደደ ደንበኛን ለማስደሰት ተመላሽ ገንዘብ ወይም ልዩ ቅናሽ ለማቅረብ የሱፐርቫይዘር ፈቃድ ያስፈልገዋል። ለወደፊቱ፣ በተገመተው የደንበኛ የህይወት ዘመን ዋጋ እና በስሜት ትንተና ላይ በመመስረት አንድ AI ለእነዚያ ውሳኔዎች በተወሰነው ገደብ ውስጥ በአደራ ሊሰጠው ይችላል። በፉቱሩም/IBM የተደረገ ጥናት እ.ኤ.አ. በ 2030 69% የሚሆኑት በእውነተኛ ጊዜ የደንበኞች ተሳትፎ ውስጥ የሚደረጉ ውሳኔዎች በስማርት ማሽኖች እንደሚደረጉ ተንብየዋል ( ወደ CX Shift Reimagine, Marketers must Do Do these 2 Things ) - በውጤታማነት AI በግንኙነት ውስጥ የተሻለውን የእርምጃ አካሄድ ይወስናል።

• 100% AI ተሳትፎ: በእያንዳንዱ የደንበኛ መስተጋብር ውስጥ ሚና ይጫወታል 59 AI የደንበኞች አገልግሎት ስታቲስቲክስ ለ 2025 ), ከፊትም ሆነ ከጀርባ ይጫወታሉ. ያ ማለት አንድ ሰው ከደንበኛ ጋር እየተገናኘ ቢሆንም፣ በ AI (የአስተያየት ጥቆማዎችን በማቅረብ፣ መረጃን በማውጣት) ይረዳቸዋል። በአማራጭ፣ ትርጉሙ የትኛውም የደንበኛ ጥያቄ በማንኛውም ጊዜ ምላሽ አይሰጥም - ሰዎች ከመስመር ውጭ ከሆኑ AI ሁል ጊዜ እዚያ አለ።

እ.ኤ.አ. በ2035፣ የሰዎች የደንበኞች አገልግሎት ወኪሎች በጣም ሚስጥራዊነት ላላቸው ወይም ለከፍተኛ ንክኪ ሁኔታዎች (ለምሳሌ፣ የቪአይፒ ደንበኞች ወይም የሰው ልጅ ርኅራኄ ለሚፈልግ ውስብስብ የአቤቱታ አፈታት) ልዩ ሆነው ልናገኛቸው እንችላለን። መደበኛ መጠይቆች - ከባንክ እስከ ችርቻሮ እስከ የቴክኖሎጂ ድጋፍ - 24/7 በሚሰሩ የኤጀንሲዎች ቡድን ሊገለገል ይችላል፣ ከእያንዳንዱ መስተጋብር ያለማቋረጥ ይማራል። ይህ ለውጥ የደንበኞችን አገልግሎት የበለጠ ተከታታይ እና ፈጣን ሊያደርግ ይችላል፣ ምክንያቱም AI ሰዎች እንዲቆዩ ስለማይፈቅድ እና በንድፈ ሀሳብ ያልተገደቡ ደንበኞችን በአንድ ጊዜ ለማስተናገድ ብዙ ተግባራትን ማከናወን ይችላል።

ለዚህ ራዕይ የሚያሸንፉ ተግዳሮቶች አሉ፡ AI የሰው ደንበኞችን ያልተጠበቀ ሁኔታ ለመቆጣጠር በጣም ጠንካራ መሆን አለበት። ንግግሮችን፣ ቁጣን፣ ግራ መጋባትን እና ማለቂያ የሌላቸውን የሰዎች የመግባቢያ መንገዶች መቋቋም መቻል አለበት። እንዲሁም ወቅታዊ እውቀት ያስፈልገዋል (የ AI መረጃ ጊዜው ያለፈበት ከሆነ ምንም ፋይዳ የለውም)። በ AI እና በኩባንያ የውሂብ ጎታዎች መካከል ውህደት ላይ ኢንቨስት በማድረግ (በትዕዛዞች፣ መቋረጦች፣ ወዘተ ላይ ለትክክለኛ ጊዜ መረጃ) እነዚህን መሰናክሎች መፍታት ይቻላል።

ከሥነ ምግባር አኳያ ኩባንያዎች “ከኤአይአይ ጋር እየተነጋገሩ ነው” የሚለውን መቼ እንደሚገልጹ መወሰን እና ፍትሃዊነትን ማረጋገጥ አለባቸው (AI የተወሰኑ ደንበኞችን በአዳላታዊ ስልጠና ምክንያት በአሉታዊ መልኩ አይመለከትም)። እነዚህ የሚተዳደሩ ናቸው ብለን ካሰብን የቢዝነስ ጉዳይ ጠንካራ ነው፡ AI የደንበኞች አገልግሎት ወጪን እና የጥበቃ ጊዜን በእጅጉ ሊቀንስ ይችላል። በደንበኞች አገልግሎት የ AI ገበያ በ 2030 ወደ አሥር ቢሊዮን ዶላር ያድጋል ( AI in የደንበኛ አገልግሎት ገበያ ሪፖርት 2025-2030: ጉዳይ ) ( Generative AI እንዴት ሎጅስቲክስን እንደሚያሳድግ | Ryder ) ድርጅቶች በእነዚህ ችሎታዎች ላይ ኢንቨስት ሲያደርጉ.

ራሱን የቻለ የኤአይአይ የደንበኞች አገልግሎት መደበኛ የሆነበትን ወደፊት ይጠብቁ ። እርዳታ ማግኘት ብዙውን ጊዜ ችግርዎን በፍጥነት ሊፈታ ከሚችል ዘመናዊ ማሽን ጋር መገናኘት ማለት ነው። ሰዎች አሁንም የቁጥጥር ጉዳዮችን ለመከታተል እና ለመቆጣጠር በፍላጎታቸው ውስጥ ይሆናሉ፣ ነገር ግን እንደ AI የስራ ኃይል ተቆጣጣሪዎች የበለጠ። ውጤቱ ፈጣን እና ለተጠቃሚዎች የበለጠ ግላዊ አገልግሎት ሊሆን ይችላል - AI በትክክል የሰለጠኑ እና ያለፉትን የ "ሮቦት የስልክ መስመር" ልምዶችን ብስጭት ለመከላከል ክትትል እስከተደረገ ድረስ.

በጤና እንክብካቤ እና በሕክምና ውስጥ Generative AI

የጤና እንክብካቤ ችሮታው ከፍተኛ የሆነበት መስክ ነው። በሕክምና ውስጥ ያለ ሰው ቁጥጥር የሚደረግበት AI የሚለው ሀሳብ ሁለቱንም ደስታን (ውጤታማነትን እና ተደራሽነትን) እና ጥንቃቄን (ለደህንነት እና ስሜታዊነት ምክንያቶች) ያነሳሳል። Generative AI እንደ የሕክምና ምስል ትንተና፣ ክሊኒካዊ ሰነዶች እና የመድኃኒት ግኝቶች ባሉ አካባቢዎች ውስጥ መግባት ጀምሯል። በራሱ ኃላፊነት ምን ማድረግ ይችላል?

የአሁን ችሎታዎች (2025)፡ ክሊኒኮችን መርዳት፣ እነሱን አለመተካት።

በአሁኑ ጊዜ በጤና እንክብካቤ ውስጥ አመንጪ AI በዋነኝነት ራሱን ችሎ ውሳኔ ሰጪ ሳይሆን ለህክምና ባለሙያዎች ኃይለኛ ረዳት ለምሳሌ፡-

• የሕክምና ዶክመንቶች ፡ በጤና አጠባበቅ ውስጥ በጣም ስኬታማ ከሆኑት የ AI ማሰማራቶች አንዱ ዶክተሮችን በወረቀት ስራ መርዳት ነው። የተፈጥሮ ቋንቋ ሞዴሎች የታካሚዎችን ጉብኝት መገልበጥ እና ክሊኒካዊ ማስታወሻዎችን ወይም የመልቀቅ ማጠቃለያዎችን መፍጠር ይችላሉ። ኩባንያዎች በፈተና ወቅት (በማይክሮፎን) የሚያዳምጡ “AI ጸሐፊዎች” አሏቸው እና ዶክተሩ እንዲገመግም የገጠመኝ ማስታወሻዎችን በራስ-ሰር ያዘጋጃሉ። ይህ ሐኪሞች በሚተይቡበት ጊዜ ይቆጥባሉ. አንዳንድ ስርዓቶች የኤሌክትሮኒካዊ የጤና መዝገቦችን ክፍሎች በራስ-ሰር ይሞላሉ። ይህ በትንሹ ጣልቃ-ገብነት ሊከናወን ይችላል - ዶክተሩ ማንኛውንም ጥቃቅን ስህተቶች በረቂቁ ላይ ብቻ ያስተካክላል, ይህም ማለት የማስታወሻ አጻጻፉ በአብዛኛው ራሱን የቻለ ነው.

• ራዲዮሎጂ እና ኢሜጂንግ ፡ AI፣ አመንጪ ሞዴሎችን ጨምሮ፣ ያልተለመዱ ነገሮችን (እንደ ዕጢዎች ወይም ስብራት) ለመለየት ኤክስሬይን፣ ኤምአርአይ እና ሲቲ ስካንን መተንተን ይችላል። እ.ኤ.አ. በ 2018፣ ኤፍዲኤ የአይአይ ስርዓትን በራስ ገዝ የዲያቢቲክ ሬቲኖፓቲ (የአይን ህመም) በሬቲና ምስሎች ውስጥ ለይቶ ለማወቅ አጽድቋል - በተለይም፣ ልዩ ባለሙያተኛ ሳይገመገም ጥሪውን እንዲያደርግ ተፈቅዶለታል። ያ ስርዓት አመንጪ AI አልነበረም፣ ነገር ግን ተቆጣጣሪዎች በተወሰኑ ጉዳዮች ላይ ራሱን የቻለ AI ምርመራ እንደፈቀዱ ያሳያል። አጠቃላይ ዘገባዎችን ለመፍጠር የጄኔሬቲቭ ሞዴሎች ወደ ጨዋታ ይመጣሉ። ለምሳሌ፣ አንድ AI የደረት ኤክስሬይ በመመርመር “አጣዳፊ ግኝቶች የሉም፣ ሳንባዎች ግልጽ ናቸው፣ የልብ መደበኛ መጠን” በማለት የራዲዮሎጂስት ዘገባን ሊያዘጋጅ የራዲዮሎጂ ባለሙያው ያረጋግጣሉ እና ይፈርማሉ። በአንዳንድ መደበኛ ጉዳዮች፣ ራዲዮሎጂስቱ AIን ካመነ እና ፈጣን ፍተሻ ካደረገ እነዚህ ሪፖርቶች ያለ አርትዖቶች ሊወጡ ይችላሉ።

• የምልክት መመርመሪያዎች እና ምናባዊ ነርሶች፡- Generative AI chatbots እንደ የፊት መስመር ምልክት መመርመሪያዎች ጥቅም ላይ ይውላሉ። ታካሚዎች ምልክቶቻቸውን አስገብተው ምክር ሊያገኙ ይችላሉ (ለምሳሌ፡- “የተለመደ ጉንፋን ሊሆን ይችላል፤ እረፍት እና ፈሳሽ ነገር ግን X ወይም Y ከተከሰተ ሐኪም ያማክሩ።”)። እንደ ባቢሎን ጤና ያሉ መተግበሪያዎች ምክሮችን ለመስጠት AI ይጠቀማሉ። በአሁኑ ጊዜ፣ እነዚህ በተለምዶ እንደ መረጃ ሰጭ እንጂ ትክክለኛ የሕክምና ምክር አይደሉም፣ እና ለከባድ ጉዳዮች ከሰው ሐኪም ጋር ክትትልን ያበረታታሉ።

• የመድኃኒት ግኝት (ጄኔሬቲቭ ኬሚስትሪ)፡- የጄኔሬቲቭ AI ሞዴሎች ለመድኃኒት አዲስ ሞለኪውላዊ አወቃቀሮችን ሊያቀርቡ ይችላሉ። ይህ ከታካሚ እንክብካቤ የበለጠ በምርምር ጎራ ውስጥ ነው። እነዚህ AIዎች በሺህ የሚቆጠሩ እጩ ውህዶችን የሚፈለጉ ንብረቶችን ለመጠቆም ራሳቸውን ችለው ይሰራሉ፣ ይህም የሰው ኬሚስቶች በላብራቶሪ ውስጥ ይገምግሙ እና ይሞክራሉ። እንደ ኢንሲሊኮ ሜዲሲን ያሉ ኩባንያዎች በጣም ባነሰ ጊዜ ውስጥ አዳዲስ እጩዎችን ለማመንጨት AI ተጠቅመዋል። ይህ በቀጥታ ከሕመምተኞች ጋር የማይገናኝ ቢሆንም፣ የሰው ልጅ ለማግኘት ብዙ ጊዜ የሚወስድባቸውን መፍትሄዎች (ሞለኪውል ንድፎችን) በራስ ገዝ የመፍጠሩ ምሳሌ ነው።

• የጤና አጠባበቅ ስራዎች ፡ AI መርሐግብር፣ የአቅርቦት አስተዳደር እና ሌሎች በሆስፒታሎች ውስጥ ያሉ ሎጅስቲክስን ለማመቻቸት እየረዳ ነው። ለምሳሌ፣ አመንጪ ሞዴል የታካሚ ፍሰትን አስመስሎ የመጠባበቅ ጊዜን ለመቀነስ የመርሃግብር ማስተካከያዎችን ሊጠቁም ይችላል። እንደሚታየው ባይሆንም፣ እነዚህ አንድ AI በትንሹ በእጅ ለውጦች ሊያደርጋቸው የሚችላቸው ውሳኔዎች ናቸው።

እ.ኤ.አ. ከ2025 ጀምሮ የትኛውም ሆስፒታል AI ያለ ሰው ማቋረጥ ዋና ዋና የሕክምና ውሳኔዎችን ወይም ህክምናዎችን እንዲወስድ እንደማይፈቅድ መግለፅ አስፈላጊ ነው የምርመራ እና የሕክምና ዕቅድ በሰው እጅ ላይ በጥብቅ ይቆያሉ, AI ግብዓት ያቀርባል. AI ሙሉ በሙሉ በራስ ገዝ ለታካሚ ለመንገር ወይም መድሃኒት ለማዘዝ የሚያስፈልገው እምነት እስካሁን የለም፣ እንዲሁም ያለ ሰፊ ማረጋገጫ መሆን የለበትም። የሕክምና ባለሙያዎች AI እንደ ሁለተኛ ጥንድ ዓይኖች ወይም ጊዜ ቆጣቢ መሣሪያ ይጠቀማሉ, ነገር ግን ወሳኝ ውጤቶችን ያረጋግጣሉ.

Outlook ለ 2030-2035፡ AI እንደ ዶክተር ባልደረባ (እናም ምናልባት ነርስ ወይም ፋርማሲስት)

በሚቀጥሉት አስርት ዓመታት ውስጥ፣ አመንጪ AI ተጨማሪ መደበኛ ክሊኒካዊ ተግባራትን በራስ ገዝ እንዲፈጽም እና የጤና አጠባበቅ አገልግሎቶችን ተደራሽነት እንደሚያሳድግ እንጠብቃለን።

• አውቶሜትድ ቅድመ ምርመራ ፡ በ2030፣ AI ለብዙ የተለመዱ ሁኔታዎች የመጀመሪያ ትንታኔን በአስተማማኝ ሁኔታ ማስተናገድ ይችላል። በክሊኒክ ውስጥ የታካሚውን የሕመም ምልክቶች፣ የሕክምና ታሪክ፣ የቃና ቃና እና የፊት ምልክቶችን በካሜራ የሚያነብ እና የምርመራ ጥቆማ እና የሚመከሩ ሙከራዎችን የሚያቀርብ ክሊኒክ በዓይነ ሕሊናህ ይታይህ - ሁሉም የሰው ሐኪም በሽተኛውን ከማየቱ በፊት። ከዚያም ዶክተሩ ምርመራውን በማረጋገጥ እና በመወያየት ላይ ሊያተኩር ይችላል. በቴሌ መድሀኒት ውስጥ፣ አንድ ታካሚ በመጀመሪያ ከኤአይአይ ጋር መነጋገር ይችላል፣ ይህም ጉዳዩን የሚያጠብ (ለምሳሌ፣ ሊፈጠር የሚችል የ sinus infection vs. የበለጠ ከባድ ነገር) እና ከዚያም አስፈላጊ ከሆነ ከህክምና ባለሙያ ጋር ያገናኛቸዋል። በይፋ ሊፈቅዱት ይችላሉ - ለምሳሌ ፣ AI በቀጥታ ከኦቶስኮፕ ምስል በቀጥታ የጆሮ ኢንፌክሽንን መመርመር ይቻል ይሆናል።

• የግል ጤና ተቆጣጣሪዎች ፡ ተለባሾች (ስማርት ሰዓቶች፣ የጤና ዳሳሾች) በመስፋፋት AI ሕመምተኞችን ያለማቋረጥ ይከታተላል እና በራስ ገዝ ጉዳዮችን ያስጠነቅቃል። ለምሳሌ፣ በ 2035 ተለባሽ የሆነው AI ያልተለመደ የልብ ምትን ሊያውቅ ይችላል እና በራስ ገዝ አስቸኳይ ቨርቹዋል ማማከር ወይም የልብ ድካም ወይም የስትሮክ ምልክቶችን ካወቀ አምቡላንስ ሊደውል ይችላል። ይህ በራስ ገዝ ውሳኔ ክልል ውስጥ ይሻገራል - አንድ ሁኔታ ድንገተኛ መሆኑን በመወሰን እና እርምጃ መውሰድ - ይህ ሊሆን የሚችል እና ህይወትን የሚያድን የ AI አጠቃቀም ነው።

• የሕክምና ምክሮች ፡ በሕክምና ሥነ ጽሑፍ እና በታካሚ መረጃ ላይ የሰለጠኑ Generative AI ለግል የተበጁ የሕክምና ዕቅዶችን ሊጠቁም ይችላል። እ.ኤ.አ. በ 2030 ፣ እንደ ካንሰር ያሉ ውስብስብ በሽታዎች ፣ የ AI ዕጢ ሰሌዳዎች የታካሚውን የዘረመል ሜካፕ እና የህክምና ታሪክን ሊመረምሩ እና በራስ-ሰር የሚመከሩ የሕክምና ዘዴዎችን (ኬሞ ፕላን ፣ የመድኃኒት ምርጫ) ማዘጋጀት ይችላሉ። የሰው ዶክተሮች ይከልሱታል፣ ነገር ግን በራስ የመተማመን ስሜት ከጊዜ ወደ ጊዜ እየጨመረ ሲሄድ፣ አስፈላጊ ሆኖ ሲገኝ ብቻ በማስተካከል በ AI የመነጩ እቅዶችን በተለይ ለተለመዱ ጉዳዮች መቀበል ሊጀምሩ ይችላሉ።

• ምናባዊ ነርሶች እና የቤት ውስጥ እንክብካቤ፡- ውይይት እና የህክምና መመሪያ የሚሰጥ AI ብዙ ክትትል እና ሥር የሰደደ የእንክብካቤ ክትትልን ማስተናገድ ይችላል። ለምሳሌ፣ ሥር የሰደደ ሕመም ያለባቸው እቤት ውስጥ ያሉ ሕመምተኞች ዕለታዊ መለኪያዎችን ለኤአይአይ ነርስ ረዳት ሪፖርት ሊያደርጉ ይችላሉ ይህም ምክር ይሰጣል (“የደምዎ ስኳር ትንሽ ከፍ ያለ ነው፣ የምሽት መክሰስዎን ማስተካከል ያስቡበት”) እና ንባቦች ከክልል ውጭ ሲሆኑ ወይም ችግሮች በሚፈጠሩበት ጊዜ በሰው ነርስ ውስጥ ብቻ ቀለበቶች። ይህ AI በአብዛኛው ራሱን ችሎ በሃኪም የርቀት ቁጥጥር ስር ሊሰራ ይችላል።

• የሜዲካል ኢሜጂንግ እና የላብራቶሪ ትንታኔ - ሙሉ በሙሉ አውቶሜትድ የቧንቧ መስመሮች ፡ በ2035፣ የህክምና ስካን ማንበብ በአንዳንድ መስኮች በዋናነት በ AI ሊደረግ ይችላል። ራዲዮሎጂስቶች የ AI ስርዓቶችን ይቆጣጠራሉ እና ውስብስብ ጉዳዮችን ይቆጣጠራሉ, ነገር ግን አብዛኛዎቹ መደበኛ ፍተሻዎች (በእርግጥ መደበኛ ናቸው) "ሊነበቡ" እና በ AI በቀጥታ ሊፈርሙ ይችላሉ. በተመሳሳይ፣ የፓቶሎጂ ስላይዶችን መተንተን (ለምሳሌ፣ በባዮፕሲ ውስጥ ያሉ የካንሰር ሕዋሳትን መለየት) ለመጀመሪያ ጊዜ ምርመራ በራስ-ሰር ሊደረግ ይችላል፣ ይህም የላብራቶሪ ውጤቶችን በሚያስደንቅ ሁኔታ ያፋጥናል።

• የመድኃኒት ግኝት እና ክሊኒካዊ ሙከራዎች ፡ AI የመድኃኒት ሞለኪውሎችን ብቻ ሳይሆን ለሙከራ የተቀነባበረ የታካሚ መረጃን ያመነጫል ወይም ምርጥ የሙከራ እጩዎችን ያገኛል። ከእውነተኛ ሙከራዎች በፊት አማራጮችን ለማጥበብ በራስ ገዝ ምናባዊ ሙከራዎችን (ታካሚዎች እንዴት ምላሽ እንደሚሰጡ በማስመሰል) ሊያሄድ ይችላል። ይህ በሰዎች-ተኮር ሙከራዎች መድሀኒቶችን በፍጥነት ወደ ገበያ ማምጣት ይችላል።

AI ዶክተር የሰውን ሐኪም ሙሉ በሙሉ የሚተካው ራዕይ በ 2035 እንኳን, የሚጠበቀው AI የሰውን ንክኪ ከመተካት ይልቅ ለዶክተሮች ባልደረባ ውስብስብ ምርመራ የታካሚውን ሁኔታ ለመረዳት ብዙውን ጊዜ ውስጣዊ ስሜትን, ሥነ-ምግባርን እና ውይይቶችን ይጠይቃል - የሰው ዶክተሮች የላቀባቸው ቦታዎች. ያ ማለት፣ አንድ AI 80% የሚሆነውን መደበኛ የስራ ጫና ሊይዝ ይችላል፡ የወረቀት ስራ፣ ቀጥተኛ ጉዳዮች፣ ክትትል፣ ወዘተ.

ጉልህ የሆኑ መሰናክሎች አሉ፡ ለራስ ገዝ AI በጤና እንክብካቤ ውስጥ የቁጥጥር ማፅደቅ ጥብቅ ነው (በተገቢው ሁኔታ)። የ AI ስርዓቶች ሰፊ ክሊኒካዊ ማረጋገጫ ያስፈልጋቸዋል. ተጨማሪ ተቀባይነትን እናያለን - ለምሳሌ AI ምንም ዶክተሮች በሌሉባቸው አካባቢዎች ራሱን በራሱ ለመመርመር ወይም ለማከም ተፈቅዶለታል፣ ይህም የጤና አጠባበቅ ተደራሽነትን ለማራዘም (በ2030 ሩቅ በሆነ መንደር ውስጥ የሚገኘውን “AI ክሊኒክ” አስቡት በከተማው ውስጥ ካለው ዶክተር ወቅታዊ የቴሌ ክትትል)።

ሥነ ምግባራዊ ግምት ትልቅ ነው። ተጠያቂነት (ራስ ገዝ የሆነ AI በምርመራው ውስጥ ከተሳሳተ ተጠያቂው ማን ነው?)፣ በመረጃ የተደገፈ ስምምነት (ታካሚዎች AI በእነሱ እንክብካቤ ውስጥ መሳተፉን ማወቅ አለባቸው) እና ፍትሃዊነትን ማረጋገጥ (AI ለሁሉም ህዝብ በጥሩ ሁኔታ እንደሚሰራ ፣ አድሏዊነትን በማስወገድ) ለማሰስ ተግዳሮቶች ናቸው። እነዚያ እንደተፈቱ በመገመት፣ በ2030ዎቹ አጋማሽ አመንጪ AI ወደ ጤና አጠባበቅ አሰጣጥ ዘርፍ፣ የሰው አቅራቢዎችን ነፃ የሚያወጡ እና በአሁኑ ጊዜ ውስን ተደራሽነት ያላቸውን ታካሚዎችን ሊደርስ የሚችል ብዙ ተግባራትን በማከናወን ሊሰራ ይችላል።

ለማጠቃለል፣ በ2035 የጤና አጠባበቅ AI በጥልቅ የተቀናጀ ነገር ግን በአብዛኛው በኮፈኑ ስር ወይም በደጋፊነት ሚናዎች ውስጥ ይታያል። በራሱ ብዙ ነገር እንዲያደርግ እንተማመናለን - ፍተሻዎችን ያንብቡ ፣ አስፈላጊ ነገሮችን ይመልከቱ ፣ እቅዶችን ያዘጋጃሉ - ነገር ግን በሰዎች ቁጥጥር ስር ባሉ ወሳኝ ውሳኔዎች አሁንም አለ። ውጤቱ ይበልጥ ቀልጣፋ፣ ምላሽ ሰጪ የጤና አጠባበቅ ሥርዓት ሊሆን ይችላል፣ AI ከባድ ማንሳትን የሚቆጣጠርበት እና ሰዎች ርህራሄ እና የመጨረሻ ፍርድ የሚሰጡበት።

Generative AI በትምህርት

ትምህርት ከ AI-powered tutoring bots እስከ አውቶማቲክ ደረጃ አሰጣጥ እና ይዘት ፈጠራ ድረስ የሚያመነጨው AI ሞገዶችን የሚፈጥርበት ሌላው መስክ ነው። ማስተማር እና መማር ግንኙነትን እና ፈጠራን ያካትታል, እነዚህም የጄነሬቲቭ ሞዴሎች ጥንካሬዎች ናቸው. ግን AI ያለ አስተማሪ ቁጥጥር ለማስተማር እምነት ሊጣልበት ይችላል?

የአሁን ችሎታዎች (2025)፡ ሞግዚቶች እና የይዘት ማመንጫዎች በሊሽ ላይ

በአሁኑ ጊዜ፣ AI በዋነኛነት ራሱን ከቻለ አስተማሪ ይልቅ ማሟያ መሳሪያ የአሁኑ አጠቃቀም ምሳሌዎች፡-

• AI Tutoring Assistants ፡ እንደ ካን አካዳሚ “Khanmigo” (በ GPT-4 የተጎለበተ) ወይም የተለያዩ የቋንቋ መማሪያ መተግበሪያዎች AIን ለአንድ ለአንድ ሞግዚት ወይም የውይይት አጋርን ይጠቀማሉ። ተማሪዎች በተፈጥሮ ቋንቋ ጥያቄዎችን መጠየቅ እና መልስ ወይም ማብራሪያ ማግኘት ይችላሉ። AI ለቤት ስራ ችግሮች ፍንጮችን መስጠት፣ ጽንሰ-ሀሳቦችን በተለያዩ መንገዶች ማብራራት፣ ወይም ሚና-ተጫወትን እንደ ታሪካዊ ሰው በይነተገናኝ ታሪክ ትምህርት ሊሰጥ ይችላል። ይሁን እንጂ እነዚህ AI አስተማሪዎች በተለምዶ ከቁጥጥር ጋር ጥቅም ላይ ይውላሉ; አስተማሪዎች ወይም የመተግበሪያው አስተዳዳሪዎች ብዙ ጊዜ ንግግሮችን ይቆጣጠራሉ ወይም AI ሊወያይባቸው በሚችለው (የተሳሳተ መረጃ ወይም ተገቢ ያልሆነ ይዘትን ለማስወገድ) ገደቦችን ያዘጋጃሉ።

• ለአስተማሪዎች የይዘት ፈጠራ ፡ Generative AI መምህራንን የጥያቄ ጥያቄዎችን፣ የንባብ ማጠቃለያዎችን፣ የትምህርት እቅድ ዝርዝሮችን እና የመሳሰሉትን በመፍጠር ይረዳል። አንድ አስተማሪ AIን ሊጠይቅ ይችላል፣ “በአራት እኩልታዎች ላይ ከመልሶች ጋር 5 የተግባር ችግሮችን ፍጠር፣ ይህም ለዝግጅት ጊዜ ይቆጥባል። ይህ ራሱን የቻለ የይዘት ማመንጨት ነው፣ ነገር ግን አስተማሪ አብዛኛውን ጊዜ ውጤቱን ለትክክለኛነት እና ከስርአተ ትምህርት ጋር ለማጣጣም ይገመግማል። ስለዚህ ሙሉ በሙሉ ገለልተኛ ከመሆን የበለጠ ጉልበት ቆጣቢ መሣሪያ ነው።

• ደረጃ መስጠት እና ግብረመልስ ፡ AI የባለብዙ ምርጫ ፈተናዎችን በራስ ሰር ደረጃ መስጠት ይችላል (ምንም አዲስ ነገር የለም) እና ከጊዜ ወደ ጊዜ አጫጭር መልሶችን ወይም ድርሰቶችን መገምገም ይችላል። አንዳንድ የት/ቤት ስርዓቶች AIን ተጠቅመው የተፃፉ ምላሾችን ደረጃ ለመስጠት እና ለተማሪዎች ግብረመልስ ይሰጣሉ (ለምሳሌ፡ ሰዋሰዋዊ እርማቶች፣ ክርክር ለማስፋት ሀሳቦች)። በየሴክተሩ የማመንጨት ተግባር ባይሆንም፣ አዲሶቹ AIዎች በተግባራቸው ላይ ተመስርተው ግላዊ የሆነ የግብረመልስ ሪፖርት ሊያመነጩ መምህራን ብዙ ጊዜ በ AI-ደረጃ የተሰጣቸውን ድርሰቶች በዚህ ደረጃ ደጋግመው ያረጋግጣሉ ስለ ንኡስነት ስጋት።

• መላመድ የመማሪያ ስርዓቶች ፡ እነዚህ በተማሪ አፈጻጸም ላይ በመመስረት የቁሳቁስን ችግር ወይም ዘይቤ የሚያስተካክሉ መድረኮች ናቸው። Generative AI ይህንን ከተማሪው ፍላጎት ጋር በማስማማት አዳዲስ ችግሮችን ወይም ምሳሌዎችን በመፍጠር ያጎለብታል። ለምሳሌ፣ አንድ ተማሪ ከፅንሰ-ሀሳብ ጋር እየታገለ ከሆነ፣ AI በዚያ ፅንሰ-ሀሳብ ላይ የሚያተኩር ሌላ ተመሳሳይነት ወይም የተግባር ጥያቄ ሊያመነጭ ይችላል። ይህ በመጠኑ ራሱን የቻለ ነው፣ ግን በአስተማሪዎች በተነደፈ ስርዓት ውስጥ።

• የተማሪ አጠቃቀም ለመማር ፡ ተማሪዎች ራሳቸው ለመማር የሚረዱ መሳሪያዎችን እንደ ChatGPT ይጠቀማሉ - ማብራሪያዎችን፣ ትርጉሞችን ለመጠየቅ፣ ወይም በአንቀፅ ረቂቅ ላይ ግብረ መልስ ለማግኘት AIን በመጠቀም (“የእኔን መግቢያ አንቀፅ አሻሽል”)። ይህ በራሱ የሚመራ እና ያለ አስተማሪ እውቀት ሊሆን ይችላል. በዚህ ሁኔታ ውስጥ ያለው AI እንደ ተፈላጊ ሞግዚት ወይም አራሚ ሆኖ ይሰራል። ፈተናው ተማሪዎች መልሶችን ከማግኘት (የአካዳሚክ ታማኝነት) ይልቅ ለመማር እንዲጠቀሙበት ማድረግ ነው።

እ.ኤ.አ. ከ2025 ጀምሮ AI በትምህርት ውስጥ ኃይለኛ ቢሆንም በተለምዶ የ AI አስተዋጾዎችን ከሚገመግም የሰው አስተማሪ ጋር እንደሚሰራ ግልጽ ነው። ሊረዳ የሚችል ጥንቃቄ አለ፡- የተሳሳተ መረጃ እንዲያስተምር ወይም ቫክዩም ውስጥ ሚስጥራዊነት ያለው የተማሪ መስተጋብርን ለመቆጣጠር AIን ማመን አንፈልግም። መምህራን AI አስጠኚዎችን እንደ አጋዥ ረዳቶች ይመለከቷቸዋል ይህም ለተማሪዎች የበለጠ ልምምድ እና ለወትሮው ጥያቄዎች አፋጣኝ መልሶች መስጠት፣ መምህራንን በጥልቅ መማክርት ላይ እንዲያተኩሩ ያደርጋል።

Outlook ለ2030-2035፡ ለግል የተበጁ AI Tutors እና አውቶሜትድ የማስተማር ረዳቶች

ግላዊ እና ራስን በራስ የማስተማር ልምድን እንደሚያስችል እንጠብቃለን ፣ የመምህራን ሚናዎችም ይሻሻላሉ

• AI የግል አስጠኚዎች ለእያንዳንዱ ተማሪ ፡ በ2030፣ ራዕዩ (እንደ ካን አካዳሚ እንደ ሳል ካን ባሉ ባለሙያዎች የተጋራ) እያንዳንዱ ተማሪ እንደ ሰው ሞግዚት በብዙ መልኩ ውጤታማ የሆነ AI ሞግዚት ማግኘት ይችላል ( ይህ AI ሞግዚት የሰው ልጆችን 10 እጥፍ ብልህ ሊያደርግ ይችላል ይላል ፈጣሪው )። እነዚህ የ AI አስተማሪዎች በ24/7 ይገኛሉ፣ የተማሪውን የመማር ታሪክ በቅርበት ያውቃሉ፣ እና የማስተማር ስልታቸውን በዚሁ መሰረት ያስተካክላሉ። ለምሳሌ፣ አንድ ተማሪ ከአልጀብራ ጽንሰ-ሀሳብ ጋር የሚታገል ምስላዊ ተማሪ ከሆነ፣ AI በተለዋዋጭ መልኩ ለማገዝ ምስላዊ ማብራሪያ ወይም በይነተገናኝ ማስመሰል ሊፈጥር ይችላል። AI በጊዜ ሂደት የተማሪውን እድገት መከታተል ስለሚችል፡ በቀጣይ ምን አይነት ርእስ እንደሚገመግም ወይም መቼ ወደ አዲስ ክህሎት እንደሚሻገር በራስ ገዝ ሊወስን ይችላል – ለዚያ ተማሪ የትምህርቱን እቅድ በጥቃቅን ሁኔታ ማስተዳደር

• በመደበኛ ተግባራት ላይ የመምህራን የሥራ ጫና ቀንሷል ፡ ደረጃ መስጠት፣ የስራ ሉሆች መስራት፣ የትምህርት ቁሳቁሶችን ማርቀቅ - እነዚህ ተግባራት በ2030ዎቹ ከሞላ ጎደል ወደ AI ሊወርዱ ይችላሉ። አንድ AI ለአንድ ክፍል የአንድ ሳምንት ብጁ የቤት ስራን ሊያመነጭ ይችላል፣ ሁሉንም ባለፈው ሳምንት የተሰጡ ስራዎችን (የተከፈተውንም ቢሆን) በአስተያየት መስጠት እና ተማሪዎች በየትኛው ርዕሰ ጉዳዮች ላይ ተጨማሪ እገዛ እንደሚያስፈልጋቸው ለአስተማሪው ማድመቅ ይችላል። ይህ በትንሹ የአስተማሪ ግብአት ሊከሰት ይችላል፣ ምናልባት የ AI ውጤቶች ፍትሃዊ መሆናቸውን ለማረጋገጥ ፈጣን እይታ ብቻ ነው።

• ራስን የማላመድ የመማሪያ መድረኮች ፡ ለአንዳንድ የትምህርት ዓይነቶች ሙሉ በሙሉ በ AI የሚነዱ ኮርሶችን እናያለን። የ AI ወኪል ቁሳቁስ የሚያስተዋውቅበት፣ ምሳሌዎችን የሚሰጥበት፣ ጥያቄዎችን የሚመልስበት እና በተማሪው ላይ ተመስርቶ ፍጥነቱን የሚያስተካክልበት የሰው አስተማሪ የሌለበት የመስመር ላይ ኮርስ አስቡት። የተማሪው ልምድ ለእነሱ ልዩ ሊሆን ይችላል፣ በቅጽበት የሚፈጠር። አንዳንድ የኮርፖሬት ስልጠና እና የአዋቂዎች ትምህርት ወደዚህ ሞዴል በቶሎ ሊሸጋገር ይችላል፣ እ.ኤ.አ. በ 2035 አንድ ሰራተኛ “የላቁ የኤክሴል ማክሮዎችን መማር እፈልጋለሁ” ሊል ይችላል እና AI ሞግዚት በግል በተበጀ ስርዓተ-ትምህርት ያስተምራቸዋል ፣ የአካል ብቃት እንቅስቃሴን ማመንጨት እና መፍትሄዎቻቸውን መገምገም ፣ ያለ ሰው አሰልጣኝ።

• የክፍል AI ረዳቶች ፡ በአካልም ሆነ በምናባዊ ክፍል ውስጥ፣ AI የክፍል ውይይቶችን ማዳመጥ እና መምህሩን በበረራ ላይ ሊረዳቸው ይችላል (ለምሳሌ፣ በጆሮ ማዳመጫ የሹክሹክታ ጥቆማዎች፡ “በርካታ ተማሪዎች ስለዚህ ጽንሰ-ሀሳብ ግራ ይጋባሉ፣ ምናልባት ሌላ ምሳሌ ይስጡ”)። እንዲሁም መምህሩ በኢሜል እንዳይደበደብ የኦንላይን መድረኮችን ሊያወያይ፣ በተማሪዎች የሚጠየቁ ቀጥተኛ ጥያቄዎችን ሊመልስ ይችላል (“ምደባው መቼ ነው?” ወይም የንግግር ነጥብን እንኳን ማብራራት)። እ.ኤ.አ. በ 2035 ፣ በክፍሉ ውስጥ የ AI ተባባሪ መምህር ፣ የሰው አስተማሪው በከፍተኛ ደረጃ መመሪያ እና ተነሳሽነት ላይ ሲያተኩር ፣ መደበኛ ሊሆን ይችላል።

• አለምአቀፍ የትምህርት ተደራሽነት ፡ ራሳቸውን የቻሉ AI አስተማሪዎች የመምህራን እጥረት ባለባቸው አካባቢዎች ተማሪዎችን ማስተማር ይችላሉ። ከ AI ሞግዚት ጋር ያለው ታብሌት፣ በሌላ መልኩ የተገደበ ትምህርት ለሌላቸው፣ መሰረታዊ ማንበብና መፃፍ እና ሂሳብን የሚሸፍን ተማሪዎች እንደ ዋና አስተማሪ ሆኖ ሊያገለግል ይችላል። እ.ኤ.አ. በ 2035 ፣ ይህ በጣም ውጤታማ ከሆኑ አጠቃቀሞች ውስጥ አንዱ ሊሆን ይችላል - AI የሰው አስተማሪዎች የማይገኙባቸውን ክፍተቶች ማገናኘት ። ነገር ግን፣ የ AI ትምህርትን ጥራት እና ባህላዊ ተገቢነት በተለያዩ ሁኔታዎች ማረጋገጥ ወሳኝ ይሆናል።

AI መምህራንን ይተካዋል? ሙሉ በሙሉ የማይመስል ነገር። ማስተማር ይዘትን ከማቅረብ በላይ ነው - እሱ መካሪ፣ መነሳሳት፣ ማህበራዊ-ስሜታዊ ድጋፍ ነው። እነዚያ የሰው አካላት AI ለመድገም ከባድ ናቸው። በክፍል ውስጥ ሁለተኛ አስተማሪ ሊሆን ይችላል

ለማስተዳደር ስጋቶች አሉ፡ AI ትክክለኛ መረጃ መስጠቱን ማረጋገጥ (የሐሰት እውነታዎች ትምህርታዊ ቅዠቶች የሉም)፣ በትምህርታዊ ይዘት ላይ አድሎአዊነትን ማስወገድ፣ የተማሪን መረጃ ግላዊነት መጠበቅ እና ተማሪዎችን እንዲሳተፉ ማድረግ (AI ማበረታቻ ብቻ ሳይሆን ትክክለኛ መሆን አለበት። የ AI ትምህርታዊ ሥርዓቶች እውቅና ወይም የምስክር ወረቀት - ከመማሪያ መጽሃፍት ጋር ተመሳሳይነት ያለው - ደረጃዎችን ማሟላታቸውን ለማረጋገጥ እናያለን።

ሌላው ተግዳሮት ከመጠን በላይ መታመን ነው፡ የ AI ሞግዚት በጣም በፍጥነት መልስ ከሰጠ፣ ተማሪዎች ጽናትን ወይም ችግር መፍታትን ላይማሩ ይችላሉ። ይህንን ለማቃለል የወደፊት AI አስጠኚዎች አንዳንድ ጊዜ ተማሪዎች እንዲታገሉ (እንደ ሰዋዊ ሞግዚት) ወይም መፍትሄዎችን ከመስጠት ይልቅ ፍንጭ በመስጠት ችግሮችን እንዲፈቱ ለማበረታታት ሊነደፉ ይችላሉ።

እ.ኤ.አ. በ 2035 ፣ ክፍሉ ሊለወጥ ይችላል-እያንዳንዱ ከ AI ጋር የተገናኘ መሳሪያ ያለው ተማሪ በራሱ ፍጥነት ይመራቸዋል ፣ መምህሩ የቡድን እንቅስቃሴዎችን ያቀናጃል እና የሰውን ግንዛቤ ይሰጣል። ትምህርት የበለጠ ቀልጣፋ እና ብጁ ሊሆን ይችላል። ተስፋው እያንዳንዱ ተማሪ በሚፈልገው ጊዜ የሚፈልገውን እርዳታ ያገኛል - እውነተኛ “የግል ሞግዚት” በመለኪያ። አደጋው አንዳንድ የሰዎችን ንክኪ ማጣት ወይም AI አላግባብ መጠቀም (እንደ ተማሪዎች በ AI በኩል እንደሚኮርጁ) ነው። ነገር ግን በአጠቃላይ፣ በጥሩ ሁኔታ ከተመራ፣ አመንጪ AI በተማሪው የትምህርት ጉዞ ውስጥ ሁል ጊዜ የሚገኝ፣ እውቀት ያለው ጓደኛ በመሆን ትምህርትን ወደ ዲሞክራሲ ለማምጣት እና ለማሻሻል ይቆማል።

Generative AI በሎጂስቲክስ እና አቅርቦት ሰንሰለት

ሎጅስቲክስ - እቃዎችን የማንቀሳቀስ ጥበብ እና ሳይንስ እና የአቅርቦት ሰንሰለቶችን ማስተዳደር - ለ "ማመንጨት" AI ባህላዊ ጎራ ላይመስል ይችላል, ነገር ግን በዚህ መስክ የፈጠራ ችግር መፍታት እና እቅድ ማውጣት ቁልፍ ናቸው. Generative AI ሁኔታዎችን በመምሰል፣ ዕቅዶችን በማመቻቸት እና የሮቦት ስርዓቶችን ጭምር በመቆጣጠር ሊረዳ ይችላል። በሎጂስቲክስ ውስጥ ያለው ግብ ቅልጥፍና እና ወጪ ቆጣቢ ሲሆን ይህም መረጃን በመተንተን እና የመፍትሄ ሃሳቦችን በማቅረብ ረገድ ከ AI ጥንካሬዎች ጋር በጥሩ ሁኔታ ይጣጣማል። ስለዚህ AI የአቅርቦት ሰንሰለቶችን እና የሎጂስቲክስ ስራዎችን ለማስኬድ ምን ያህል ራሱን ችሎ ማግኘት ይችላል?

የአሁን ችሎታዎች (2025)፡ በሰዎች ቁጥጥር ማሻሻል እና ማሻሻል

የውሳኔ ድጋፍ መሣሪያ ይተገበራል ፡-

• የመንገድ ማመቻቸት ፡ እንደ UPS እና FedEx ያሉ ኩባንያዎች የመላኪያ መንገዶችን ለማመቻቸት የ AI ስልተ ቀመሮችን ይጠቀማሉ - አሽከርካሪዎች በጣም ቀልጣፋውን መንገድ መያዛቸውን ማረጋገጥ። በተለምዶ እነዚህ የኦፕሬሽኖች ምርምር ስልተ ቀመሮች ነበሩ፣ አሁን ግን አመንጪ አቀራረቦች በተለያዩ ሁኔታዎች (ትራፊክ፣ የአየር ሁኔታ) ስር ያሉ አማራጭ የማዞሪያ ስልቶችን ለመዳሰስ ይረዳሉ። AI መንገዶችን ሲጠቁም፣ የሰው ተላላኪዎች ወይም አስተዳዳሪዎች መለኪያዎችን (ለምሳሌ ቅድሚያ የሚሰጣቸውን ነገሮች) ያዘጋጃሉ እና አስፈላጊ ከሆነም መሻር ይችላሉ።

• የመጫኛ እና የቦታ እቅድ ፡ የጭነት መኪናዎችን ወይም የእቃ ማጓጓዣ ኮንቴይነሮችን ለማሸግ፣ AI ምርጥ የመጫኛ እቅዶችን (የትኛው ሳጥን የት እንደሚሄድ) ሊያመነጭ ይችላል። አመንጪ AI የቦታ አጠቃቀምን ከፍ ለማድረግ ብዙ የመጠቅለያ አወቃቀሮችን ሊያመጣ ይችላል፣ በመሠረቱ ሰዎች የሚመርጡትን መፍትሄዎች “መፍጠር”። ይህ በዩናይትድ ስቴትስ ውስጥ የጭነት መኪናዎች 30% ባዶ ሆነው እንደሚንቀሳቀሱ እና የተሻለ እቅድ ማውጣት - በ AI በመታገዝ - ያንን ቆሻሻ ሊቀንስ እንደሚችል በመጥቀስ በጥናት ጎልቶ ታይቷል ( Top Generative AI Use Cases in Logistics )። እነዚህ በ AI የመነጩ የጭነት ዕቅዶች የነዳጅ ወጪዎችን እና ልቀቶችን ለመቀነስ ያለመ ሲሆን በአንዳንድ መጋዘኖች ውስጥ በትንሹ በእጅ በሚደረጉ ለውጦች ይፈጸማሉ።

• የፍላጎት ትንበያ እና የእቃ ዝርዝር አስተዳደር ፡ AI ሞዴሎች የምርት ፍላጎትን ሊተነብዩ እና መልሶ ማቋቋም ዕቅዶችን መፍጠር ይችላሉ። አመንጪ ሞዴል የተለያዩ የፍላጎት ሁኔታዎችን ያስመስላል (ይበል፣ አንድ AI በመጭው በዓል ምክንያት የፍላጎት መጨመር “ይመስለዋል”) እና በዚሁ መሰረት የእቃ ዝርዝር እቅድ ማውጣት ይችላል። ይህ የአቅርቦት ሰንሰለት አስተዳዳሪዎችን ለማዘጋጀት ይረዳል። በአሁኑ ጊዜ AI ትንበያዎችን እና ጥቆማዎችን ያቀርባል፣ ነገር ግን ሰዎች በተለምዶ የመጨረሻውን ጥሪ በምርት ደረጃዎች ወይም በማዘዝ ላይ ያደርጋሉ።

• የአደጋ ግምገማ ፡ የአለምአቀፍ የአቅርቦት ሰንሰለት መቋረጦች (የተፈጥሮ አደጋዎች፣ የወደብ መዘግየቶች፣ የፖለቲካ ጉዳዮች) ያጋጥሙታል። የ AI ስርዓቶች አሁን በአድማስ ላይ ያሉ አደጋዎችን ለመለየት ዜናዎችን እና መረጃዎችን ያጣምራሉ. ለምሳሌ፣ አንድ የሎጂስቲክስ ድርጅት በይነመረብን ለመፈተሽ እና አደገኛ የመጓጓዣ ኮሪደሮችን (በመጪ አውሎ ነፋስ ወይም አለመረጋጋት ምክንያት ችግር ሊፈጠርባቸው የሚችሉ አካባቢዎች) ( Top Generative AI Use Cases in Logistics ) ለመፈተሽ Gen AI ይጠቀማል። በዚያ መረጃ፣ እቅድ አውጪዎች በችግር ቦታዎች ዙሪያ ጭነትን በራስ ገዝ ማዞር ይችላሉ። በአንዳንድ አጋጣሚዎች፣ AI በራስ ሰር የመንገድ ለውጦችን ወይም የትራንስፖርት ለውጦችን ይመክራል፣ ይህም ሰዎች ያጸድቃሉ።

• የመጋዘን አውቶሜሽን፡- ብዙ መጋዘኖች ከፊል አውቶማቲክ በሮቦቶች ለመልቀም እና ለማሸግ የተሰሩ ናቸው። Generative AI በተለዋዋጭ ለሮቦቶች እና ለሰው ልጆች ለተመቻቸ ፍሰት ስራዎችን መመደብ ይችላል። ለምሳሌ፣ አንድ AI በትእዛዞች መሰረት በየቀኑ ጠዋት ለሮቦቲክ መራጮች የስራ ወረፋ ሊያመጣ ይችላል። ይህ ብዙውን ጊዜ በአፈፃፀም ውስጥ ሙሉ በሙሉ ራሱን የቻለ ነው ፣ አስተዳዳሪዎች KPIsን ብቻ ይቆጣጠራሉ - ትዕዛዞች ባልተጠበቀ ሁኔታ ከፍ ካሉ ፣ AI በራሱ ስራዎችን ያስተካክላል።

• ፍሊት አስተዳደር ፡ AI ስርዓተ-ጥለትን በመተንተን እና የመቀነስ ጊዜን የሚቀንሱ ምርጥ የጥገና መርሃ ግብሮችን በማመንጨት ለተሽከርካሪዎች ጥገናን ለማቀድ ይረዳል። እንዲሁም ጉዞዎችን ለመቀነስ መላኪያዎችን በቡድን ማድረግ ይችላል። የአገልግሎት መስፈርቶችን እስካሟሉ ድረስ እነዚህ ውሳኔዎች በ AI ሶፍትዌር በራስ-ሰር ሊደረጉ ይችላሉ።

በአጠቃላይ፣ ከ2025 ጀምሮ፣ ሰዎች አላማዎቹን ያዘጋጃሉ (ለምሳሌ፣ “ወጪን ይቀንሱ ነገር ግን የ2-ቀን አቅርቦትን ያረጋግጡ”) እና AI ያንን ለማሳካት መፍትሄዎችን ወይም መርሃ ግብሮችን ያወጣል። ያልተለመደ ነገር እስኪከሰት ድረስ ስርአቶቹ ያለ ጣልቃ ገብነት ከእለት ወደ ቀን ሊሄዱ ይችላሉ። ብዙ ሎጅስቲክስ ተደጋጋሚ ውሳኔዎችን ያካትታል (ይህ ጭነት መቼ መተው አለበት? ይህንን ትዕዛዝ ከየትኛው መጋዘን ለመፈጸም?) ፣ AI በቋሚነት ማድረግን መማር ይችላል። ኩባንያዎች ቀስ በቀስ AI እነዚህን ጥቃቅን ውሳኔዎች እንደሚያስተናግድ እና ልዩ ሁኔታዎች ሲከሰቱ አስተዳዳሪዎችን ብቻ እንዲያስጠነቅቁ እያመኑ ነው።

Outlook ለ 2030-2035፡ ራስን መንዳት የአቅርቦት ሰንሰለት

በሚቀጥሉት አስርት ዓመታት ውስጥ፣ በ AI የሚመራ በሎጂስቲክስ በራስ ገዝ ማስተባበርን

• ራስ ገዝ ተሽከርካሪዎች እና አውሮፕላኖች፡- በራሳቸው የሚነዱ የጭነት መኪናዎች እና የመላኪያ ድሮኖች፣ ሰፋ ያለ የኤአይአይ/ሮቦቲክስ ርዕስ ግን ሎጂስቲክስን በቀጥታ ይነካል። እ.ኤ.አ. በ 2030 ፣ የቁጥጥር እና የቴክኒክ ተግዳሮቶች ከተወገዱ ፣ AI በመደበኛነት በአውራ ጎዳናዎች ላይ የጭነት መኪናዎችን ወይም በከተሞች ውስጥ የመጨረሻ ማይል አቅርቦትን የሚቆጣጠሩ ድሮኖች ሊኖረን ይችላል። እነዚህ AIs ያለ ሰው ነጂዎች የእውነተኛ ጊዜ ውሳኔዎችን (የመንገዶች ለውጦች፣ እንቅፋት ማስወገድ) ያደርጋሉ። የጄነሬቲቭ አንግል እነዚህ ተሽከርካሪ AIs ከብዙ መረጃዎች እና ተምሳሌቶች እንዴት እንደሚማሩ፣ ስፍር ቁጥር በሌላቸው ሁኔታዎች ላይ ውጤታማ በሆነ መንገድ “ስልጠና” ላይ ነው። ሙሉ በሙሉ ራሱን የቻለ መርከቦች 24/7 መሥራት ይችላል፣ ሰዎች በርቀት ብቻ ይከታተላሉ። ይህ ግዙፍ የሰው አካልን (ሹፌሮችን) ከሎጂስቲክስ ስራዎች ያስወግዳል፣ በራስ የመመራት አቅምን በእጅጉ ይጨምራል።

• ራስን መፈወስ የአቅርቦት ሰንሰለት ፡ Generative AI የአቅርቦት ሰንሰለት ሁኔታዎችን ያለማቋረጥ ለማስመሰል እና የአደጋ ጊዜ እቅዶችን ለማዘጋጀት ጥቅም ላይ ሊውል ይችላል። እ.ኤ.አ. በ 2035 አንድ AI አቅራቢው ፋብሪካ ሲዘጋ (በዜና ወይም በዳታ መጋቢዎች) ወዲያውኑ አግኝቶ ወዲያውኑ በሲሙሌሽን ወደ መረመረው ተለዋጭ አቅራቢዎች ሊቀየር ይችላል። ይህ ማለት የአቅርቦት ሰንሰለቱ AI ቀዳሚውን ጊዜ ከወሰደው መስተጓጎል ራሱን "ይፈውሳል" ማለት ነው። የሰው ስራ አስኪያጆች AI ምን እንዳደረገ ይነገራቸዋል፣ መፍትሄውን ከሚጀምሩት ይልቅ።

• ከጫፍ እስከ መጨረሻ ያለው የእቃ ማትባት ፡ AI በራስ ገዝ በጠቅላላው የመጋዘኖች እና የመደብሮች አውታረመረብ ላይ ያለውን ክምችት ማስተዳደር ይችላል። አክሲዮን መቼ እና የት እንደሚያንቀሳቅስ (ምናልባትም ሮቦቶችን ወይም አውቶማቲክ ተሽከርካሪዎችን በመጠቀም) በእያንዳንዱ ቦታ ላይ በቂ እቃዎችን በመያዝ ይወስናል። AI በመሠረቱ የአቅርቦት ሰንሰለት መቆጣጠሪያ ማማን ያካሂዳል-ሁሉንም ፍሰቶች በማየት እና በእውነተኛ ጊዜ ማስተካከያዎችን ያደርጋል. እ.ኤ.አ. በ 2035 “በራስ መንዳት” የአቅርቦት ሰንሰለት ሀሳብ ስርዓቱ በየቀኑ የተሻለውን የስርጭት እቅድ ያወጣል ፣ ምርቶችን ያዛል ፣ የፋብሪካውን መርሃ ግብር ያዘጋጃል እና ሁሉንም በራሱ መጓጓዣ ያዘጋጃል። ሰዎች አጠቃላይ ስትራቴጂን ይቆጣጠራሉ እና ከ AI አሁን ካለው ግንዛቤ በላይ ልዩ ሁኔታዎችን ይይዛሉ።

• የጄኔሬቲቭ ዲዛይን በሎጂስቲክስ ፡ AI አዲስ የአቅርቦት ሰንሰለት ኔትወርኮችን ሲነድፍ ማየት እንችላለን። አንድ ኩባንያ ወደ አዲስ ክልል ይስፋፋል እንበል; አንድ AI ለዚያ ክልል የተሰጠው መረጃ ጥሩውን የመጋዘን ቦታዎችን፣ የመጓጓዣ አገናኞችን እና የእቃ ዝርዝር ፖሊሲዎችን ሊያመነጭ ይችላል - አማካሪዎች እና ተንታኞች ዛሬ የሚያደርጉት። እ.ኤ.አ. በ 2030 ኩባንያዎች በአቅርቦት ሰንሰለት ዲዛይን ምርጫዎች በ AI ምክሮች ላይ ሊተማመኑ ይችላሉ ፣ ይህም ነገሮችን በበለጠ ፍጥነት እንደሚመዘን እና ምናልባትም የሰው ልጅ የሚናፍቁትን የፈጠራ መፍትሄዎችን (እንደ ግልፅ ያልሆኑ የስርጭት ማዕከሎች) ማግኘት ይችላል።

• ከማኑፋክቸሪንግ ጋር ውህደት (ኢንዱስትሪ 4.0): ሎጂስቲክስ ብቻውን አይቆምም; ከማምረት ጋር የተያያዘ ነው. የወደፊቱ ፋብሪካዎች የጄኔሬቲቭ AI መርሐግብር የምርት ሂደቶችን, ጥሬ ዕቃዎችን በወቅቱ ማዘዝ እና ከዚያም የሎጂስቲክስ አውታር ምርቶችን ወዲያውኑ እንዲያጓጉዝ መመሪያ ሊኖራቸው ይችላል. ይህ የተቀናጀ AI በአጠቃላይ የሰው ልጅ እቅድ ማውጣትን ሊያመለክት ይችላል - ከአምራች እስከ አቅርቦት ድረስ ያለው እንከን የለሽ ሰንሰለት ለዋጋ፣ ፍጥነት እና ዘላቂነት በሚያመቻቹ ስልተ ቀመሮች የሚመራ። ቀድሞውኑ በ 2025 ከፍተኛ አፈፃፀም ያላቸው የአቅርቦት ሰንሰለቶች በመረጃ የተደገፉ ናቸው; እ.ኤ.አ. በ 2035 እነሱ በአብዛኛው በ AI የሚነዱ ሊሆኑ ይችላሉ።

• ተለዋዋጭ የደንበኞች አገልግሎት በሎጂስቲክስ ፡ የደንበኞች አገልግሎት AI ላይ መገንባት፣ የአቅርቦት ሰንሰለት AIs ከደንበኞች ወይም ደንበኞች ጋር በቀጥታ ሊገናኝ ይችላል። ለምሳሌ፣ አንድ ትልቅ ደንበኛ ባለፈው ደቂቃ የጅምላ ትዕዛዛቸውን ለመለወጥ ከፈለገ፣ የ AI ወኪል የሰው ስራ አስኪያጅ ሳይጠብቅ ሊተገበሩ የሚችሉ አማራጮችን (እንደ "አሁን ግማሹን እናቀርባለን ፣ በሚቀጥለው ሳምንት በግማሽ ገደቦች") መደራደር ይችላል። ይህ ጄኔሬቲቭ AI ሁለቱንም ወገኖች መረዳትን ያካትታል (የደንበኛ ፍላጎት ከኦፕሬሽን አቅም ጋር) እና ደንበኞችን በሚያረካ ጊዜ ስራዎችን ለስላሳ የሚያደርጉ ውሳኔዎችን ማድረግን ያካትታል።

የሚጠበቀው ጥቅም ይበልጥ ቀልጣፋ፣ ተቋቋሚ እና ምላሽ ሰጪ የሎጂስቲክስ ሥርዓት ነው። ኩባንያዎች ከፍተኛ ቁጠባን ይተነብያሉ – McKinsey በ AI የሚመራ የአቅርቦት ሰንሰለት ማመቻቸት ወጪዎችን በእጅጉ ሊቀንሱ እና የአገልግሎት ደረጃን እንደሚያሻሽሉ ገምቷል፣ ይህም በትሪሊዮን የሚቆጠር ገንዘብ በኢንዱስትሪዎች ውስጥ ይጨምራል ( የ AI ሁኔታ በ2023፡ የጄኔሬቲቭ AI's breakout year | McKinsey )።

ነገር ግን፣ ተጨማሪ ቁጥጥርን ወደ AI ማዞር እንዲሁ አደጋዎችን ያስከትላል፣ የ AI አመክንዮ ጉድለት ካለበት ስህተቶችን እንደማስወጣት (ለምሳሌ፣ የ AI አቅርቦት ሰንሰለት ያለው ዝነኛ ክስተት በሞዴሊንግ ስህተት ምክንያት ኩባንያውን ሳያውቅ ከአክሲዮን እንዲያልቅ የሚያደርገው)። እንደ “ሰው-በ-ዘ-ሉፕ ለትልቅ ውሳኔዎች” ወይም ቢያንስ ፈጣን የሰው ልጅ መሻርን የሚፈቅድ ዳሽቦርድ ያሉ መከላከያዎች እ.ኤ.አ. እስከ 2035 ይቀራሉ። በጊዜ ሂደት፣ የ AI ውሳኔዎች እንደሚያረጋግጡት፣ ሰዎች ወደ ኋላ ለመመለስ የበለጠ ምቹ ይሆናሉ።

የሚገርመው፣ ለውጤታማነት በማመቻቸት፣ AI አንዳንድ ጊዜ ከሰው ምርጫዎች ወይም ባህላዊ ልምዶች ጋር የሚጋጩ ምርጫዎችን ሊያደርግ ይችላል። ለምሳሌ፣ ንፁህ ማመቻቸት በጣም ቀልጣፋ ነገር ግን አደገኛ ወደሚሆኑ ኢንቬንቶሪዎች ሊመራ ይችላል። እ.ኤ.አ. በ 2030 የአቅርቦት ሰንሰለት ባለሙያዎች አመለካከታቸውን ማስተካከል አለባቸው ምክንያቱም AI, ግዙፍ መረጃዎችን በመጨፍለቅ, ያልተለመደው ስልቱ በተሻለ ሁኔታ እንደሚሰራ ያሳያል.

አካላዊ ገደቦች ማጤን አለብን ፣ ስለዚህ እዚህ ያለው አብዮት ሙሉ በሙሉ አዲስ አካላዊ እውነታን ከመፍጠር ይልቅ ብልጥ የሆነ እቅድ ማውጣት እና የንብረት አጠቃቀምን በተመለከተ ነው። ነገር ግን በእነዚያ ወሰኖች ውስጥ እንኳን፣ የጄኔሬቲቭ AI የፈጠራ መፍትሄዎች እና የማያቋርጥ ማመቻቸት እቃዎች በትንሹ በእጅ እቅድ እንዴት በዓለም ዙሪያ እንደሚንቀሳቀሱ በሚያስደንቅ ሁኔታ ማሻሻል ይችላሉ።

ለማጠቃለል፣ ሎጂስቲክስ እ.ኤ.አ. በ 2035 ጥሩ ዘይት ከተቀባ አውቶማቲክ ማሽን ጋር ተመሳሳይ በሆነ መንገድ ሊሰራ ይችላል፡ እቃዎች በብቃት ይፈስሳሉ፣ በእውነተኛ ጊዜ ወደ መስተጓጎሎች የሚስተካከሉ መንገዶች፣ መጋዘኖች እራሳቸውን በሮቦቶች ያስተዳድራሉ እና አጠቃላይ ስርዓቱ ያለማቋረጥ ከመረጃ ይማራል እና ይሻሻላል - ሁሉም እንደ ኦፕሬሽኑ አንጎል በሚሰራው በጄኔሬቲቭ AI የተቀነባበረ ነው።

በፋይናንስ እና ንግድ ውስጥ Generative AI

የፋይናንስ ኢንዱስትሪው በመረጃ - ሪፖርቶች ፣ ትንተና ፣ የደንበኛ ግንኙነቶች - ለጄነሬቲቭ AI ለም መሬት ያደርገዋል። ከባንክ እስከ ኢንቬስትመንት አስተዳደር እና ኢንሹራንስ ድረስ ድርጅቶች AI አውቶሜሽን እና ግንዛቤን ለመፍጠር እየፈለጉ ነው። ጥያቄው፣ በዚህ ጎራ ላይ ትክክለኛነት እና እምነትን አስፈላጊነት ከግምት ውስጥ በማስገባት AI ከሰው ቁጥጥር ውጭ ምን ዓይነት የፋይናንስ ተግባራትን በአስተማማኝ ሁኔታ ማከናወን ይችላል?

የአሁን አቅም (2025)፡ አውቶሜትድ ሪፖርቶች እና የውሳኔ ድጋፍ

ከዛሬ ጀምሮ፣ አመንጪ AI በብዙ መንገዶች በፋይናንስ ውስጥ አስተዋፅዖ እያደረገ ነው፣ ብዙ ጊዜ በሰው ቁጥጥር ስር፡-

• የሪፖርት ማመንጨት ፡ ባንኮች እና የፋይናንስ ድርጅቶች ብዙ ሪፖርቶችን ያዘጋጃሉ - የገቢ ማጠቃለያዎች፣ የገበያ አስተያየት፣ የፖርትፎሊዮ ትንተና፣ ወዘተ. AI እነዚህን ለማዘጋጀት አስቀድሞ ጥቅም ላይ ውሏል። ለምሳሌ, Bloomberg በፋይናንሺያል መረጃ ላይ የሰለጠነውን ትልቅ የቋንቋ ሞዴል አዘጋጅቷል , እንደ ዜና ምደባ እና ለተርሚናል ተጠቃሚዎቻቸው ጥያቄ እና መልስ ( Generative AI ወደ ፋይናንስ እየመጣ ነው ). ዋነኛው አጠቃቀሙ ሰዎች መረጃ እንዲያገኙ እየረዳቸው ቢሆንም፣ የ AI እያደገ ያለውን ሚና ያሳያል። አውቶሜትድ ኢንሳይትስ (ኩባንያው AP አብሮ ሰርቷል) እንዲሁም የፋይናንስ መጣጥፎችን ፈጥሯል። ብዙ የመዋዕለ ንዋይ ጋዜጣዎች የዕለት ተዕለት የገበያ እንቅስቃሴዎችን ወይም ኢኮኖሚያዊ አመልካቾችን ለመድገም AI ይጠቀማሉ። በተለምዶ ሰዎች ወደ ደንበኞች ከመላካቸው በፊት እነዚህን ይገመግማሉ፣ ነገር ግን ከባዶ ከመፃፍ ይልቅ ፈጣን አርትዖት ነው።

• የደንበኛ ግንኙነት ፡ በችርቻሮ ባንክ ውስጥ AI chatbots ስለ ሂሳብ ቀሪ ሒሳብ፣ ግብይቶች ወይም የምርት መረጃ (ከደንበኛ አገልግሎት ጎራ ጋር መቀላቀል) የደንበኛ ጥያቄዎችን ያስተናግዳል። እንዲሁም፣ AI ግላዊነት የተላበሱ የፋይናንስ ምክር ደብዳቤዎችን ወይም ሹካዎችን ማመንጨት ይችላል። ለምሳሌ፣ AI አንድ ደንበኛ በክፍያዎች ላይ መቆጠብ እና ወደ ሌላ የመለያ አይነት እንዲቀይሩ የሚጠቁም መልእክት በራስ ሰር ሊያዘጋጅ እንደሚችል ሊለይ ይችላል፣ ይህም በትንሹ የሰው ጣልቃገብነት ይወጣል። ይህ ዓይነቱ ለግል የተበጀ ግንኙነት በሒሳብ ደረጃ በአሁኑ ጊዜ AI በፋይናንስ ውስጥ ጥቅም ላይ ይውላል።

• የማጭበርበር ማወቂያ እና ማንቂያዎች ፡ Generative AI በማጭበርበር ስርዓቶች ለተገኙ ያልተለመዱ ትረካዎችን ወይም ማብራሪያዎችን ለመፍጠር ያግዛል። ለምሳሌ፣ አጠራጣሪ እንቅስቃሴ ከተጠቆመ፣ AI ለደንበኛው የማብራሪያ መልእክት ("ከአዲስ መሣሪያ መግባቱን አስተውለናል…") ወይም ለተንታኞች ዘገባ ሊያመጣ ይችላል። ማወቂያው አውቶሜትድ (AI/ML anomaly ማወቂያን በመጠቀም) ነው፣ እና ግንኙነቱ ከጊዜ ወደ ጊዜ በራስ-ሰር የሚሰራ ነው፣ ምንም እንኳን የመጨረሻ እርምጃዎች (መለያ ማገድ) ብዙውን ጊዜ የተወሰነ የሰው ፍተሻ አላቸው።

• የፋይናንሺያል ምክር (የተገደበ)፡- አንዳንድ ሮቦ-አማካሪዎች (አውቶሜትድ የኢንቨስትመንት መድረኮች) ያለ ሰብዓዊ አማካሪዎች ፖርትፎሊዮዎችን ለማስተዳደር ስልተ ቀመሮችን (በግድ አመንጪ አይደለም) ይጠቀማሉ። Generative AI እየገባ ነው በለው፣ ለምን የተወሰኑ ንግዶች እንደተደረጉ ወይም ለደንበኛው የተበጀ የፖርትፎሊዮ አፈጻጸም ማጠቃለያ አስተያየት በማመንጨት ላይ ነው። ነገር ግን፣ ንፁህ የፋይናንስ ምክር (እንደ ውስብስብ የፋይናንስ እቅድ ማውጣት) አሁንም በአብዛኛው ሰው ወይም ደንብ ላይ የተመሰረተ አልጎሪዝም ነው። ያለ ቁጥጥር ነፃ-ቅጽ አመንጭ ምክር ስህተት ከሆነ ተጠያቂነት አደገኛ ነው።

• የአደጋ ግምገማ እና መፃፍ ፡ የኢንሹራንስ ኩባንያዎች የአደጋ ግምገማ ሪፖርቶችን በቀጥታ ለመፃፍ ወይም የፖሊሲ ሰነዶችን ለመፃፍ AI እየሞከሩ ነው። ለምሳሌ፣ ስለንብረት መረጃ ከተሰጠ፣ AI ረቂቅ የኢንሹራንስ ፖሊሲ ወይም የአደጋ መንስኤዎችን የሚገልጽ የበታች ጸሐፊ ሪፖርት ሊያመነጭ ይችላል። ሰዎች በአሁኑ ጊዜ እነዚህን ውጤቶች ይገመግማሉ ምክንያቱም በውል ውስጥ ያለ ማንኛውም ስህተት ውድ ሊሆን ይችላል።

• የውሂብ ትንተና እና ግንዛቤዎች ፡ AI የፋይናንስ መግለጫዎችን ወይም ዜናዎችን ማጣራት እና ማጠቃለያዎችን መፍጠር ይችላል። ተንታኞች ባለ 100 ገጽ አመታዊ ሪፖርትን ወደ ቁልፍ ነጥቦች በቅጽበት ሊያጠቃልሉ የሚችሉ ወይም ዋና ዋና መንገዶችን ከገቢ ጥሪ ግልባጭ ማውጣት የሚችሉ መሳሪያዎችን ይጠቀማሉ። እነዚህ ማጠቃለያዎች ጊዜን ይቆጥባሉ እና በውሳኔ አሰጣጥ ውስጥ በቀጥታ ጥቅም ላይ ሊውሉ ወይም ሊተላለፉ ይችላሉ, ነገር ግን አስተዋይ ተንታኞች ወሳኝ ዝርዝሮችን እንደገና ይፈትሹ.

በመሠረቱ፣ አሁን ያለው AI በፋይናንሺያል ውስጥ እንደ ደከመኝ ሰለቸኝ ተንታኝ/ጸሐፊ ሆኖ ይሠራል ፣ ይህም የሰው ልጅ የሚያጸዳውን ይዘት ይፈጥራል። ሙሉ በሙሉ ራሱን የቻለ አጠቃቀም በአብዛኛው በደንብ በተገለጹ አካባቢዎች እንደ በመረጃ የተደገፈ ዜና (ግላዊ ፍርድ አያስፈልግም) ወይም የደንበኞች አገልግሎት ምላሾች። ስለ ገንዘብ በሚወስኑ ውሳኔዎች AIን በቀጥታ ማመን (እንደ ገንዘብ ማንቀሳቀስ፣ አስቀድሞ ከተቀመጡት ስልተ ቀመሮች ውጭ ንግድን መፈፀም) በከፍተኛ አክሲዮኖች እና የቁጥጥር ቁጥጥር ምክንያት ብርቅ ነው።

Outlook ለ 2030-2035፡ AI ተንታኞች እና ራስ ገዝ የፋይናንስ ስራዎች

ወደ ፊት ስንመለከት፣ በ2035 አመንጪ AI በፋይናንሺያል ስራዎች ውስጥ ጠልቆ ሊገባ ይችላል፣ ብዙ ስራዎችን በራስ ገዝ ማስተናገድ ይችላል።

• AI የፋይናንሺያል ተንታኞች ፡ ኩባንያዎችን እና ገበያዎችን የሚመረምሩ እና ምክሮችን ወይም ሪፖርቶችን በሰዎች ፍትሃዊነት ጥናት ተንታኝ ደረጃ የሚያዘጋጁ የ AI ስርዓቶችን እናያለን። እ.ኤ.አ. በ 2030 ፣ AI ሁሉንም የኩባንያውን የፋይናንስ ሰነዶች ማንበብ ፣ ከኢንዱስትሪ መረጃ ጋር ማነፃፀር እና የኢንቨስትመንት ጥቆማ ሪፖርት (በምክንያት ይግዙ / ይሽጡ) በራሱ ሊሰራ ይችላል። አንዳንድ የአጥር ገንዘቦች የንግድ ምልክቶችን ለማመንጨት AI እየተጠቀሙ ነው; እ.ኤ.አ. በ 2030 የ AI የምርምር ሪፖርቶች የተለመዱ ሊሆኑ ይችላሉ ። የሰው ፖርትፎሊዮ አስተዳዳሪዎች በ AI የመነጨ ትንታኔን እንደ አንድ ግብአት ማመን ሊጀምሩ ይችላሉ። AI ፖርትፎሊዮዎችን በራስ ገዝ የማስተዳደር እድል አለ፡ አስቀድሞ በተገለጸው ስትራቴጂ መሰረት ኢንቨስትመንቶችን በተከታታይ መከታተል እና ማመጣጠን። እንደ እውነቱ ከሆነ፣ አልጎሪዝም ግብይት ቀድሞውንም በከፍተኛ ሁኔታ በራስ-ሰር የሚሰራ ነው - ጄኔሬቲቭ AI አዳዲስ የንግድ ሞዴሎችን በማመንጨት እና በመሞከር ስልቶቹን የበለጠ መላመድ ይችላል።

• አውቶሜትድ የፋይናንሺያል እቅድ ፡ ሸማቾችን ፊት ለፊት የሚጋፈጡ AI አማካሪዎች ለግለሰቦች መደበኛ የፋይናንስ እቅድ ማውጣት ይችላሉ። እ.ኤ.አ. በ2030፣ ግቦችዎን (ቤት መግዛት፣ ለኮሌጅ መቆጠብ) ለ AI ሊነግሩዎት ይችላሉ እና ለእርስዎ ብጁ የሆነ ሙሉ የፋይናንስ እቅድ (በጀት፣ የኢንቨስትመንት ድልድል፣ የኢንሹራንስ ጥቆማዎች) ሊያመነጭ ይችላል። መጀመሪያ ላይ የሰው ፋይናንሺያል እቅድ አውጪ ሊገመግመው ይችላል፣ ነገር ግን በራስ መተማመን እያደገ ሲሄድ፣ እንደዚህ አይነት ምክር ለተጠቃሚዎች በቀጥታ ሊሰጥ ይችላል። ዋናው ነገር የ AI ምክር ደንቦችን የሚያከብር እና ለደንበኛው የተሻለ ጥቅም ያለው መሆኑን ማረጋገጥ ነው. መፍትሄ ከተገኘ፣ AI መሰረታዊ የፋይናንስ ምክሮችን በዝቅተኛ ወጪ የበለጠ ተደራሽ ሊያደርግ ይችላል።

• የኋላ ኦፊስ አውቶሜሽን ፡ Generative AI ብዙ የኋላ ቢሮ ሰነዶችን በራስ ገዝ ማስተናገድ ይችላል - የብድር ማመልከቻዎች፣ የተሟሉ ሪፖርቶች፣ የኦዲት ማጠቃለያዎች። ለምሳሌ፣ አንድ AI ሁሉንም የግብይት ውሂብ ወስዶ ማንኛውንም ስጋቶች የሚያመለክት የኦዲት ሪፖርት ሊያመነጭ እ.ኤ.አ. በ2035 ኦዲተሮች ሁሉንም ነገር በራሳቸው ከማጣራት ይልቅ በ AI ምልክት የተደረገባቸውን ልዩ ሁኔታዎችን በመገምገም ብዙ ጊዜ ሊያጠፉ ይችላሉ። በተመሣሣይ ሁኔታ፣ ለማክበር፣ አንድ ተንታኝ ከባዶ ሳይጽፋቸው AI ለተቆጣጣሪዎች አጠራጣሪ የእንቅስቃሴ ሪፖርቶችን (SARs) ሊያመነጭ ይችላል። እነዚህን መደበኛ ሰነዶች በራስ ገዝ ማመንጨት፣ በሰዎች ቁጥጥር ወደ ልዩ መሠረት ሲንቀሳቀስ መደበኛ ሊሆን ይችላል።

• የኢንሹራንስ የይገባኛል ጥያቄዎች እና የስር መፃፍ ፡ AI የመድን ጥያቄን (ከፎቶ ማስረጃ ጋር ወዘተ) ማስተናገድ፣ ሽፋንን ሊወስን እና የክፍያ ውሳኔ ደብዳቤን በራስ ሰር ሊያወጣ ይችላል። ቀጥተኛ የይገባኛል ጥያቄዎች (እንደ የመኪና አደጋ ግልጽ መረጃ ያላቸው) ሙሉ በሙሉ በአይአይ የሚፈቱበት ደረጃ ላይ ልንደርስ እንችላለን። አዲስ ፖሊሲዎችን መፃፍ ተመሳሳይ ሊሆን ይችላል፡ AI አደጋውን ይገመግማል እና የፖሊሲ ውሎችን ያመነጫል። እ.ኤ.አ. በ 2035 ፣ ምናልባት ውስብስብ ወይም የድንበር ጉዳዮች ብቻ ወደ የሰው ልጅ ጸሐፊዎች ያድጋሉ።

• ማጭበርበር እና ደህንነት ፡ AI በፋይናንስ ውስጥ የማጭበርበር ወይም የሳይበር ማስፈራሪያዎችን ለማግኘት እና ምላሽ ለመስጠት የበለጠ ወሳኝ ሊሆን ይችላል። ራሳቸውን የቻሉ የኤአይኤ ወኪሎች ግብይቶችን በቅጽበት ይቆጣጠሩ እና የተወሰኑ መመዘኛዎች ሲገኙ ወዲያውኑ እርምጃዎችን ይወስዳሉ (መለያዎችን ያግዱ፣ ግብይቶችን ያቆማሉ) እና ከዚያ ምክንያታዊ ሊሆኑ ይችላሉ። ፍጥነት እዚህ ወሳኝ ነው, ስለዚህ አነስተኛ የሰው ልጅ ተሳትፎ ይፈለጋል. የጄነሬቲቭ ክፍሉ እነዚህን ድርጊቶች ለደንበኞች ወይም ተቆጣጣሪዎች ግልጽ በሆነ መንገድ በማስተላለፍ ሊመጣ ይችላል።

• የአስፈፃሚ ድጋፍ: በጉዞ ላይ ላሉ አስፈፃሚዎች የንግድ ሪፖርቶችን ሊያመነጭ የሚችል AI "የሰራተኞች አለቃ" አስብ. “የእኛ የአውሮፓ ክፍል ይህን ሩብ ዓመት እንዴት አከናወነ እና ዋናዎቹ አሽከርካሪዎች ካለፈው ዓመት ጋር ሲነፃፀሩ ምን ነበሩ?” ብለው ይጠይቁ። እና AI ከመረጃው እየጎተተ ከገበታዎች ጋር አጭር ሪፖርት ያቀርባል። ይህ ዓይነቱ ተለዋዋጭ፣ ራሱን የቻለ ሪፖርት ማድረግ እና ትንታኔ እንደ ውይይት ቀላል ሊሆን ይችላል። እ.ኤ.አ. በ 2030 AI ለንግድ ስራ መረጃ መጠየቅ እና ትክክለኛ መልሶችን እንደሚሰጥ ማመን በዋነኛነት የማይለዋወጡ ሪፖርቶችን እና ምናልባትም አንዳንድ የትንታኔ ሚናዎችን ሊተካ ይችላል።

አንድ አስደሳች ትንበያ፡ በ2030ዎቹ፣ አብዛኛው የፋይናንስ ይዘት (ዜና፣ ዘገባዎች፣ ወዘተ.) በ AI የመነጨ ሊሆን ይችላል ። እንደ ዶው ጆንስ እና ሮይተርስ ያሉ ማሰራጫዎች ለተወሰኑ የዜና ቢትስ አውቶማቲክን ይጠቀማሉ። ያ አዝማሚያ ከቀጠለ እና ከፋይናንሺያል መረጃ ፍንዳታ አንፃር፣ AI አብዛኛውን የማጣራት እና የመግባባት ሃላፊነት ሊሆን ይችላል።

ሆኖም፣ እምነት እና ማረጋገጫ ማዕከላዊ ይሆናሉ። የፋይናንስ ኢንዱስትሪው በከፍተኛ ሁኔታ ቁጥጥር የሚደረግበት ነው እና ማንኛውም AI በራስ ገዝ የሚሰራ ጥብቅ ደረጃዎችን ማሟላት ይኖርበታል፡-

• ቅዥት አለመኖሩን ማረጋገጥ (የኤአይአይ ተንታኝ ሊኖርዎት አይችልም የገንዘብ ልኬት እውነተኛ ያልሆነ - ገበያዎችን ሊያሳስት ይችላል)።

• አድልዎ ወይም ሕገወጥ ተግባራትን ማስወገድ (እንደ ባለማወቅ በተዛባ የሥልጠና መረጃ ምክንያት በብድር ውሳኔዎች ላይ እንደገና መደራደር)።

• ኦዲትነት፡ ተቆጣጣሪዎች AI ውሳኔዎች ሊብራሩ የሚችሉ እንዲሆኑ ይፈልጋሉ። አንድ AI ብድርን ውድቅ ካደረገ ወይም የንግድ ውሳኔ ካደረገ, ሊመረመር የሚችል ምክንያት መኖር አለበት. የጄነሬቲቭ ሞዴሎች ትንሽ ጥቁር ሳጥን ሊሆኑ ይችላሉ, ስለዚህ ውሳኔዎቻቸውን ግልጽ ለማድረግ ሊብራሩ የሚችሉ AI

የሚቀጥሉት 10 ዓመታት በ AI እና በፋይናንስ ባለሙያዎች መካከል የቅርብ ትብብርን ሊያካትቱ ይችላሉ, በራስ መተማመን እያደገ ሲሄድ ቀስ በቀስ የራስ ገዝነትን መስመር ያንቀሳቅሳል. ቀደምት ድሎች በአነስተኛ አደጋ አውቶማቲክ (እንደ ሪፖርት ማመንጨት) ይመጣሉ። እንደ የብድር ውሳኔዎች ወይም የመዋዕለ ንዋይ ምርጫዎች ያሉ ዋና ዋና ፍርዶች የበለጠ ከባድ ይሆናሉ፣ ነገር ግን እዚያም ቢሆን፣ የ AI ትራክ ሪከርድ እየገነባ ሲሄድ ኩባንያዎች የበለጠ የራስ ገዝነት ሊሰጡት ይችላሉ። ለምሳሌ፣ ምናልባት የ AI ፈንድ ​​አፈፃፀሙ ከተዛባ ወይም AI እርግጠኛ አለመሆንን ካረጋገጠ ብቻ ጣልቃ ከሚገባ የሰው የበላይ ተመልካች ጋር አብሮ ይሰራል።

በኢኮኖሚ፣ ማኪንሴይ AI (በተለይ ጂን AI) በዓመት ከ200-340 ቢሊዮን ዶላር ለባንክ ዋጋ መጨመር እና በኢንሹራንስ እና በካፒታል ገበያ ላይ ተመሳሳይ ትልቅ ተፅእኖ እንደሚፈጥር ገምቷል ( The state of AI in 2023: Generative AI's breakout year | McKinsey ) ( የጀነሬቲቭ AI የወደፊት ዕጣ ፈንታ ምንድን ነው? | McKinsey )። ይህ በቅልጥፍና እና በተሻሉ የውሳኔ ውጤቶች ነው. ያንን እሴት ለመያዝ፣ ብዙ መደበኛ የፋይናንስ ትንተና እና ግንኙነት ወደ AI ስርዓቶች ሊተላለፉ ይችላሉ።

ለማጠቃለል፣ በ2035 አመንጪ AI በፋይናንሺያል ሴክተር ውስጥ የሚሰሩ ጀማሪ ተንታኞች፣ አማካሪዎች እና ፀሃፊዎች፣ ብዙ የግርፋት ስራዎችን እና አንዳንድ የተራቀቁ ትንታኔዎችን በራስ ገዝ በማድረግ እንደ ሰራዊት ሊሆን ይችላል። ሰዎች አሁንም ግቦችን አውጥተው ከፍተኛ ደረጃ ስትራቴጂን፣ የደንበኛ ግንኙነቶችን እና ቁጥጥርን ይቆጣጠራሉ። የፋይናንሺያል ዓለም ጠንቃቃ በመሆን ራስን በራስ የማስተዳደርን ቀስ በቀስ ያራዝመዋል - ግን መመሪያው የበለጠ እና ተጨማሪ የመረጃ ማቀነባበሪያ እና የውሳኔ ሃሳቦች ከ AI እንደሚመጡ ግልጽ ነው። በሐሳብ ደረጃ፣ ይህ ወደ ፈጣን አገልግሎት (ፈጣን ብድሮች፣ ከሰዓት በኋላ ምክር) ዝቅተኛ ወጭዎች እና የበለጠ ተጨባጭነት (በመረጃ ቅጦች ላይ የተመሰረቱ ውሳኔዎች) ይመራል። ነገር ግን መተማመንን መጠበቅ ወሳኝ ይሆናል; በፋይናንሺያል ውስጥ አንድ ባለ ከፍተኛ-መገለጫ AI ስህተት መጠነ-ሰፊ ጉዳት ሊያስከትል ይችላል (በAI-የተቀሰቀሰ ፍላሽ ብልሽት ወይም በሺዎች ለሚቆጠሩ ሰዎች በስህተት የተነፈገ ጥቅም ያስቡ)። ስለዚህ፣ የጥበቃ መንገዶች እና የሰው ፍተሻዎች በተለይ ለሸማች-ተኮር እርምጃዎች ይቀጥላሉ፣ ምንም እንኳን የኋላ ቢሮ ሂደቶች በጣም በራስ ገዝ ሲሆኑ።

ተግዳሮቶች እና የስነምግባር ግምት

በእነዚህ ሁሉ ጎራዎች፣ አመንጪ AI የበለጠ ራሱን የቻለ ኃላፊነቶችን ሲወስድ፣ የተለመዱ ተግዳሮቶች እና የሥነ ምግባር ጥያቄዎች ይነሳሉ ። AI አስተማማኝ እና ጠቃሚ ራሱን የቻለ ወኪል መሆኑን ማረጋገጥ ቴክኒካዊ ተግባር ብቻ ሳይሆን የህብረተሰብ ነው። እዚህ ቁልፍ ስጋቶችን እና እንዴት እንደሚፈቱ እንገልፃለን (ወይንም መስተካከል አለባቸው)፡-

አስተማማኝነት እና ትክክለኛነት

የሃሉሲኔሽን ችግር ፡ የጄነሬቲቭ AI ሞዴሎች በራስ መተማመን የሚመስሉ ትክክል ያልሆኑ ወይም ሙሉ ለሙሉ የተሰሩ ውጤቶችን ሊፈጥሩ ይችላሉ። ይህ በተለይ ማንም ሰው ስህተቶችን ለመያዝ የማይፈልግ ከሆነ በጣም አደገኛ ነው። ቻትቦት ለደንበኛ የተሳሳተ መመሪያ ሊሰጥ ይችላል ወይም በ AI የተጻፈ ሪፖርት የተሰራ ስታስቲክስ ሊይዝ ይችላል። እ.ኤ.አ. ከ 2025 ጀምሮ ፣ ትክክለኛነት በድርጅቶች የጄኔሬቲቭ AI ከፍተኛ አደጋ እንደሆነ ይታወቃል ( የ AI ሁኔታ በ 2023: የጄኔሬቲቭ AI's breakout year | McKinsey ) ( የ AI ሁኔታ: ግሎባል ዳሰሳ | McKinsey )። ወደፊት፣ እንደ ዳታቤዝ መረጃን መፈተሽ፣ የሞዴል አርክቴክቸር ማሻሻያ እና የማጠናከሪያ ትምህርት ከአስተያየት ጋር በመሆን ቅዠትን ለመቀነስ እየተሰራ ነው። ራሳቸውን የቻሉ የኤአይአይ ሲስተሞች ከባድ ፈተና እና ምናልባትም ለወሳኝ ተግባራት መደበኛ ማረጋገጫ ያስፈልጋቸዋል (እንደ ስህተት ከሆነ ስህተቶችን/የደህንነት ጉድለቶችን ሊያስተዋውቅ የሚችል ኮድ ማመንጨት)።

ወጥነት ፡ AI ሲስተሞች በጊዜ እና በሁኔታዎች ላይ በአስተማማኝ ሁኔታ ማከናወን አለባቸው። ለምሳሌ፣ AI በመደበኛ ጥያቄዎች ላይ ጥሩ ነገር ሊያደርግ ይችላል ነገርግን በዳር ጉዳዮች ላይ ይሰናከላል። ወጥነት ያለው አፈጻጸም ማረጋገጥ የተለያዩ ሁኔታዎችን የሚሸፍን ሰፊ የሥልጠና መረጃ እና ቀጣይነት ያለው ክትትል ያስፈልገዋል። ብዙ ድርጅቶች የተዳቀሉ አቀራረቦች እንዲኖራቸው አቅደዋል - AI ይሰራል፣ ነገር ግን የዘፈቀደ ናሙናዎች በሰዎች ኦዲት ይደረጋሉ - ቀጣይ ትክክለኛነት ደረጃዎችን ለመለካት።

አለመሳካት-አስተማማኝ ፡ AI ራሱን የቻለ ሲሆን የራሱን እርግጠኛ አለመሆን ማወቅ ወሳኝ ነው። ስርዓቱ “የማያውቀውን ጊዜ ለማወቅ” ተብሎ የተነደፈ መሆን አለበት። ለምሳሌ፣ አንድ AI ዶክተር ስለ ምርመራው እርግጠኛ ካልሆነ፣ በዘፈቀደ ግምት ከመስጠት ይልቅ ለሰው ግምገማ መጠቆም አለበት። እርግጠኛ ያለመሆን ግምትን ወደ AI ውጤቶች መገንባት (እና ለራስ-ሰር የሰው እጅ ማውጣት ጣራዎች መኖር) ንቁ የእድገት ቦታ ነው።

አድልዎ እና ፍትሃዊነት

Generative AI አድልዎ (ዘር፣ ጾታ፣ ወዘተ) ሊይዝ ከሚችል ታሪካዊ መረጃ ይማራል። ራሱን የቻለ AI እነዚያን አድልዎዎች ሊቀጥል ወይም ሊያሰፋ ይችላል፡

• በመቅጠር ወይም በቅበላ ወቅት፣ የ AI ውሳኔ ሰጪ የስልጠና መረጃው አድልዎ ካለው ኢ-ፍትሃዊ በሆነ መንገድ አድልዎ ሊያደርግ ይችላል።

• በደንበኞች አገልግሎት ውስጥ፣ በጥንቃቄ ካልተረጋገጠ በቀር AI በአነጋገር ዘይቤ ወይም በሌሎች ሁኔታዎች ላይ ተመስርቶ ለተጠቃሚዎች የተለየ ምላሽ ሊሰጥ ይችላል።

• በፈጠራ መስኮች፣ የስልጠናው ስብስብ ሚዛናዊ ካልሆነ AI የተወሰኑ ባህሎችን ወይም ቅጦችን አሳንሶ ሊያመለክት ይችላል።

ይህንን ለመፍታት ፍትሃዊነትን ለማረጋገጥ ጥንቃቄ የተሞላበት የውሂብ ስብስብ መጠገን፣ አድልዎ መሞከር እና ምናልባትም የአልጎሪዝም ማስተካከያ ያስፈልገዋል። ግልጽነት ቁልፍ ነው፡ ኩባንያዎች የ AI ውሳኔ መስፈርቶችን ይፋ ማድረግ አለባቸው፣ በተለይም ራሱን የቻለ AI የአንድን ሰው እድሎች ወይም መብቶች (እንደ ብድር ወይም ሥራ ማግኘት) ላይ ተጽዕኖ ካሳደረ። ተቆጣጣሪዎች ቀድሞውኑ ትኩረት ይሰጣሉ; ለምሳሌ፣ የአውሮፓ ህብረት AI ህግ (እ.ኤ.አ. በ2020ዎቹ አጋማሽ ላይ ባሉት ስራዎች) ከፍተኛ ስጋት ላለባቸው AI ስርዓቶች አድሏዊ ግምገማዎችን ይፈልጋል።

ተጠያቂነት እና የህግ ተጠያቂነት

ራሱን የቻለ AI ሲስተም ጉዳት ሲያደርስ ወይም ሲሳሳት ተጠያቂው ማነው? የሕግ ማዕቀፎች እየተዘጋጁ ናቸው፡-

• AIን የሚያሰማሩ ኩባንያዎች ለሰራተኛው ድርጊት ተጠያቂ ከመሆን ጋር ተመሳሳይነት ባለው መልኩ ተጠያቂ ይሆናሉ። ለምሳሌ፣ አንድ AI መጥፎ የፋይናንስ ምክር ከሰጠ፣ ኪሳራ የሚያስከትል ከሆነ፣ ድርጅቱ ደንበኛውን ማካካስ ይኖርበታል።

• ስለ AI “ስብዕና” ወይም የላቀ AI ከፊል ተጠያቂ ሊሆን ይችላል የሚለው ክርክር አለ፣ ነገር ግን ያ አሁን የበለጠ በንድፈ-ሀሳብ ነው። በተግባር፣ ተወቃሽነት ወደ ገንቢዎች ወይም ኦፕሬተሮች ይመለሳል።

• ለ AI ውድቀቶች አዲስ የኢንሹራንስ ምርቶች ሊመጡ ይችላሉ. በራሱ የሚነዳ የጭነት መኪና አደጋ ቢያደርስ የአምራቹ ኢንሹራንስ ከምርት ተጠያቂነት ጋር ተመሳሳይ በሆነ መልኩ ሊሸፍነው ይችላል።

• የ AI ውሳኔዎችን መመዝገብ እና መግባት ለድህረ-ሞት አስፈላጊ ይሆናል። የሆነ ችግር ከተፈጠረ፣ ከእሱ ለመማር እና ኃላፊነት ለመመደብ የ AI የውሳኔ ዱካ ኦዲት ማድረግ አለብን። በዚህ ምክንያት ተቆጣጣሪዎች በራስ ገዝ ለሚደረጉ የ AI እርምጃዎች መግባትን ሊያዝዙ ይችላሉ።

ግልጽነት እና ግልጽነት

ራሱን የቻለ AI ምክኒያቱን በሰዎች ሊረዱ በሚችሉ ቃላት በተለይም በተመጣጣኝ ጎራዎች (የፋይናንስ፣ የጤና እንክብካቤ፣ የፍትህ ስርዓት) ማብራራት መቻል አለበት። ሊገለጽ የሚችል AI ጥቁር ሳጥኑን ለመክፈት የሚጥር መስክ ነው፡-

• በ AI ለብድር መከልከል፣ ደንቦች (እንደ አሜሪካ፣ ECOA) ለአመልካቹ ምክንያቱን ሊጠይቁ ይችላሉ። ስለዚህ AI እንደ ማብራሪያ ምክንያቶችን (ለምሳሌ “ከፍተኛ ዕዳ-ገቢ ሬሾ”) ማውጣት አለበት።

• ከ AI ጋር የሚገናኙ ተጠቃሚዎች (እንደ AI ሞግዚት ያላቸው ተማሪዎች ወይም AI የጤና መተግበሪያ ያላቸው ታካሚዎች) ምክር እንዴት እንደሚመጣ ማወቅ አለባቸው። ሞዴሎችን በማቅለል ወይም ትይዩ ገላጭ ሞዴሎችን በማግኘቱ AI ማመዛዘን የበለጠ እንዲታይ ለማድረግ ጥረቶች እየተደረጉ ናቸው።

• ግልጽነት ማለት ተጠቃሚዎች ከ AI እና ከሰው ጋር ሲገናኙ ማወቅ የሥነ ምግባር መመሪያዎች (እና ምናልባትም አንዳንድ ሕጎች) ደንበኛ ከቦት ጋር እየተነጋገረ ከሆነ ይፋ ማድረግን ወደሚፈልጉበት ያዘንባሉ። ይህ ማታለልን ይከላከላል እና የተጠቃሚን ፈቃድ ይፈቅዳል። አንዳንድ ኩባንያዎች እምነትን ለመጠበቅ በ AI የተጻፈ ይዘትን (እንደ "ይህ ጽሑፍ በ AI የተፈጠረ ነው" እንደ) አሁን በግልጽ መለያ ይሰጣሉ።

ግላዊነት እና የውሂብ ጥበቃ

ጀነሬቲቭ AI ብዙ ጊዜ ውሂብ ይፈልጋል - ሊሰሱ የሚችሉ የግል መረጃዎችን ጨምሮ - ለመስራት ወይም ለመማር። ራስን የማስተዳደር ስራዎች ግላዊነትን ማክበር አለባቸው፡-

• የ AI የደንበኞች አገልግሎት ወኪል ደንበኛን ለመርዳት የመለያ መረጃን ይደርሳል። መረጃው የተጠበቀ እና ለሥራው ብቻ ጥቅም ላይ መዋል አለበት.

• AI አስጠኚዎች የተማሪ መገለጫዎች ካላቸው፣ እንደ FERPA (በዩኤስ ውስጥ) ባሉ ሕጎች የትምህርት መረጃን ግላዊነት ለማረጋገጥ ግምት ውስጥ መግባት አለባቸው።

• ትልልቅ ሞዴሎች ከሥልጠና መረጃዎቻቸው (ለምሳሌ በሥልጠና ወቅት የሚታየውን የአንድ ሰው አድራሻ እንደገና ማጉላት) ሳያስቡት የተወሰኑ ነገሮችን ማስታወስ ይችላሉ። እንደ ልዩነት ግላዊነት እና በስልጠና ውስጥ ያሉ መረጃዎችን ማንነታቸውን መግለጽ ያሉ ቴክኒኮች በተፈጠሩ ውጤቶች ውስጥ የግል መረጃ እንዳይፈስ ለመከላከል አስፈላጊ ናቸው።

• እንደ GDPR ያሉ ደንቦች ለግለሰቦች በእነሱ ላይ ተጽዕኖ በሚያደርጉ አውቶማቲክ ውሳኔዎች ላይ መብቶችን ይሰጣሉ። ሰዎች በሰዎች እንዲገመገሙ ሊጠይቁ ወይም ውሳኔዎች በእነርሱ ላይ ጉልህ ተጽእኖ ካደረጉ ብቻ አውቶሜትድ እንዳይሆኑ ሊጠይቁ ይችላሉ። እ.ኤ.አ. በ 2030 ፣ እነዚህ ደንቦች AI የበለጠ እየሰፋ ሲሄድ ፣ ምናልባትም የማብራሪያ መብቶችን በማስተዋወቅ ወይም ከ AI ማቀነባበሪያ መርጠው መውጣት ይችላሉ።

ደህንነት እና አላግባብ መጠቀም

ራሳቸውን የቻሉ የኤአይአይ ሲስተሞች ለጠለፋ ኢላማዎች ሊሆኑ ወይም ተንኮል አዘል ነገሮችን ለማድረግ ሊበዘብዙ ይችላሉ፡

• የኤአይአይ ይዘት ጀነሬተር የተሳሳተ መረጃን በሚዛን ለመፍጠር ጥቅም ላይ ሊውል ይችላል (ጥልቅ የሐሰት ቪዲዮዎች፣ የውሸት የዜና ዘገባዎች) ይህ የህብረተሰብ ስጋት ነው። በጣም ኃይለኛ የጄኔሬቲክ ሞዴሎችን የመልቀቅ ሥነ-ምግባር በጣም አከራካሪ ነው (OpenAI መጀመሪያ ላይ በ GPT-4 የምስል ችሎታዎች ይጠነቀቃል)። መፍትሄዎች የውሸት መረጃን ለመለየት በ AI የመነጨ ይዘትን በውሃ ምልክት ማድረግ እና AIን ለመዋጋት AI መጠቀምን ያካትታሉ (እንደ ጥልቅ ሐሰተኛ ማወቂያ ስልተ ቀመሮች)።

• አንድ AI አካላዊ ሂደቶችን (ድሮኖችን፣ መኪናዎችን፣ የኢንዱስትሪ ቁጥጥርን) የሚቆጣጠር ከሆነ ከሳይበር ጥቃቶች መጠበቅ አስፈላጊ ነው። የተጠለፈ ራስን የማስተዳደር ስርዓት በገሃዱ ዓለም ላይ ጉዳት ሊያደርስ ይችላል። ይህ ማለት ጠንካራ ምስጠራ፣ አለመሳካት እና የሆነ ነገር የተበላሸ መስሎ ከታየ ሰውን የመሻር ወይም የመዝጋት ችሎታ ማለት ነው።

• እንዲሁም AI ከታሰበው ወሰን (የ"rogue AI" ሁኔታ) ማለፍ ስጋት አለ። አሁን ያሉት AIዎች ኤጀንሲ ወይም ዓላማ ባይኖራቸውም፣ ወደፊት ራሳቸውን የሚገዙ ሥርዓቶች ይበልጥ ውጤታማ ከሆኑ፣ ያልተፈቀዱ ግብይቶችን ላለመፈጸም ወይም በተሳሳተ ዓላማ ምክንያት ሕጎችን እንደማይጥሱ ለማረጋገጥ ጥብቅ ገደቦች እና ቁጥጥር ያስፈልጋል።

የስነምግባር አጠቃቀም እና የሰዎች ተጽእኖ

በመጨረሻም፣ ሰፋ ያለ የስነምግባር ግምት፡-

• የስራ መፈናቀል ፡ AI ያለ ሰው ጣልቃገብነት ስራዎችን መስራት ከቻለ ስራዎቹ ምን ይሆናሉ? በታሪክ ቴክኖሎጂ አንዳንድ ስራዎችን በራስ ሰር ይሰራል ነገር ግን ሌሎችን ይፈጥራል። ክህሎታቸው አውቶማቲክ በሆነ ተግባር ውስጥ ላሉት ሰራተኞች ሽግግሩ ህመም ሊሆን ይችላል። ህብረተሰቡ ይህንን በድጋሚ ክህሎት፣ ትምህርት እና ምናልባትም እንደገና በማሰብ የኢኮኖሚ ድጋፍን ማስተዳደር ይኖርበታል (አንዳንዶች ብዙ ስራ በራስ-ሰር የሚሰራ ከሆነ AI እንደ ሁለንተናዊ መሰረታዊ ገቢ ያሉ ሀሳቦችን ሊያስገድድ ይችላል)። ቀደም ሲል የዳሰሳ ጥናቶች ድብልቅ ስሜቶችን ያሳያሉ - አንድ ጥናት እንዳመለከተው አንድ ሦስተኛ የሚሆኑት ሠራተኞች AI ሥራን ለመተካት ይጨነቃሉ ፣ ሌሎች ደግሞ እንደ ድብርት ይቆጥሩታል።

• የሰው ክህሎት መሸርሸር ፡ AI አስጠኚዎች ቢያስተምሩ እና AI autopilots ቢነዱ እና AI ኮድ ከፃፉ ሰዎች እነዚህን ክህሎቶች ያጣሉ? በ AI ላይ ከመጠን በላይ መታመን በጣም በከፋ ሁኔታ እውቀትን ሊሸረሽር ይችላል; ምንም እንኳን AI ቢረዳም ሰዎች አሁንም መሰረታዊ ነገሮችን እንዲማሩ የሚያረጋግጥ የትምህርት እና የሥልጠና መርሃ ግብሮች ማስተካከል ያለባቸው ነገር ነው።

• ሥነ ምግባራዊ ውሳኔ: AI የሰዎች የሞራል ፍርድ ይጎድለዋል. በጤና እንክብካቤ ወይም በህግ፣ በውሂብ ላይ ብቻ የተመሰረቱ ውሳኔዎች በግለሰብ ጉዳዮች ላይ ከርህራሄ ወይም ፍትህ ጋር ሊጋጩ ይችላሉ። የሥነ ምግባር ማዕቀፎችን ወደ AI (የ AI የሥነ ምግባር ጥናት ዘርፍ፣ ለምሳሌ የ AI ውሳኔዎችን ከሰዎች እሴቶች ጋር ማመጣጠን) ልንጠቀም እንችላለን። ቢያንስ፣ ሰዎችን በሥነ ምግባር የታነፁ ውሳኔዎችን እንዲከታተሉ ማድረግ ተገቢ ነው።

• ማካተት ፡ የ AI ጥቅማጥቅሞች በስፋት መሰራጨታቸውን ማረጋገጥ የስነ-ምግባር ግብ ነው። ትልልቅ ኩባንያዎች የላቀ AI መግዛት የሚችሉ ከሆነ፣ ትናንሽ ንግዶች ወይም ድሆች ክልሎች ወደ ኋላ ሊቀሩ ይችላሉ። ክፍት ምንጭ ጥረቶች እና ተመጣጣኝ AI መፍትሄዎች ተደራሽነትን ዲሞክራሲያዊ ለማድረግ ይረዳሉ። እንዲሁም ማንኛውም ሰው AI መሳሪያዎችን (የተለያዩ ቋንቋዎችን፣ ለአካል ጉዳተኞች ተደራሽነት ወዘተ.) እንዲጠቀም በይነ ገፅ መቀረፅ አለበት፣ “የ AI ረዳት ያለው እና የሌለው” የሚል አዲስ ዲጂታል ክፍፍል እንዳንፈጥር።

የአሁን ስጋት ቅነሳ ፡ በአዎንታዊ ጎኑ፣ ኩባንያዎች ጄኔራል AI ሲያወጡ፣ በነዚህ ጉዳዮች ላይ ግንዛቤ እና እርምጃ እያደገ ነው። እ.ኤ.አ. በ2023 መገባደጃ ላይ AIን ከሚጠቀሙ ኩባንያዎች መካከል ግማሽ ያህሉ ልክ እንደ አለመሳካት ያሉ አደጋዎችን ለመቀነስ በንቃት እየሰሩ ነበር ( The state of AI in 2023: Generative AI's breakout year | McKinsey ) ( The State of AI: Global survey | McKinsey ) እና ቁጥሩ እየጨመረ ነው። የቴክኖሎጂ ኩባንያዎች የ AI የሥነ ምግባር ሰሌዳዎችን አቋቁመዋል; መንግስታት ደንቦችን በማዘጋጀት ላይ ናቸው. ዋናው ነገር በኋላ ላይ ምላሽ ከመስጠት ይልቅ ሥነ-ምግባርን ወደ AI ልማት ከመጀመሪያው ("ሥነምግባር በንድፍ") መጋገር ነው።

በተግዳሮቶች ላይ ማጠቃለያ፡- AI የበለጠ የራስ ገዝ አስተዳደር መስጠት ባለ ሁለት አፍ ጎራዴ ነው። ቅልጥፍናን እና ፈጠራን ሊያመጣ ይችላል, ነገር ግን ከፍተኛ የኃላፊነት አሞሌን ይፈልጋል. መጪዎቹ ዓመታት የቴክኖሎጂ መፍትሄዎች ድብልቅ (የአይአይ ባህሪን ለማሻሻል)፣ የሂደት መፍትሄዎች (የፖሊሲ እና የቁጥጥር ማዕቀፎች) እና ምናልባትም አዳዲስ ደረጃዎች ወይም ሰርተፊኬቶች (AI ስርዓቶች ዛሬ እንደ ሞተሮች ወይም ኤሌክትሮኒክስ ያሉ ኦዲት ሊደረጉ እና ማረጋገጫ ሊሰጣቸው ይችላል)። እነዚህን ተግዳሮቶች በተሳካ ሁኔታ ማሰስ የሰውን ደህንነት እና መተማመንን በሚያጎለብት መልኩ በራስ ገዝ AIን ከህብረተሰቡ ጋር እንዴት በጥሩ ሁኔታ ማቀናጀት እንደምንችል ይወስናል።

ማጠቃለያ

Generative AI በፍጥነት ከልቦለድ ሙከራ ወደ ሁሉም የህይወታችን ማእዘን ወደ ሚነካ አጠቃላይ ዓላማ ቴክኖሎጂ ተሻሽሏል። ይህ ነጭ ወረቀት እ.ኤ.አ. በ 2025 የ AI ስርዓቶች እንዴት ጽሁፎችን እንደሚጽፉ ፣ ግራፊክስ እየነደፉ ፣ ሶፍትዌሮችን እየሰፈሩ ፣ ከደንበኞች ጋር እየተወያዩ ፣ የህክምና ማስታወሻዎችን ማጠቃለል ፣ ተማሪዎችን ማስተማር ፣ የአቅርቦት ሰንሰለቶችን እንደሚያሻሽሉ እና የፋይናንስ ሪፖርቶችን እንዴት እንደሚያዘጋጁ ዳስሷል። በጣም አስፈላጊው ነገር፣ በአብዛኛዎቹ እነዚህ ተግባራት AI ምንም አይነት የሰው ጣልቃገብነት ሳይኖር ፣ በተለይም በደንብ ለተገለጹ፣ ሊደጋገሙ የሚችሉ ስራዎች። ኩባንያዎች እና ግለሰቦች በፍጥነት እና በመጠን ጥቅማጥቅሞችን በማግኘት እነዚህን ተግባራት በራስ ገዝ እንዲፈጽሙ AI ማመን ጀምረዋል።

እ.ኤ.አ. 2035ን ወደፊት ስንመለከት፣ AI ይበልጥ በሁሉም ቦታ የሚገኝ ተባባሪ የሚሆንበት ዘመን አፋፍ ላይ ቆመናል - ብዙውን ጊዜ የማይታይ ዲጂታል የሰው ኃይል መደበኛውን ተግባር የሚቆጣጠር የሰው ልጆች ልዩ ላይ እንዲያተኩሩ። ጀነሬቲቭ AI በመንገዳችን ላይ መኪናዎችን እና የጭነት መኪናዎችን ለመንዳት፣ በመጋዘኖች ውስጥ ያለውን ክምችት በአንድ ጀምበር ለማስተዳደር፣ ለጥያቄዎቻችን እንደ ዕውቀት ያለው የግል ረዳቶች ምላሽ ለመስጠት፣ ለአለም አቀፍ ተማሪዎች የአንድ ለአንድ ትምህርት ለመስጠት እና በህክምና ውስጥ አዳዲስ ፈውሶችን ለማግኘት እንዲረዳን እንጠብቃለን - ሁሉም ከጊዜ ወደ ጊዜ በትንሹ ቀጥተኛ ቁጥጥር። AI በስሜታዊነት መመሪያዎችን ከመከተል ወደ መፍትሄዎችን ወደ ማመንጨት ሲሸጋገር በመሳሪያ እና በወኪሉ መካከል ያለው መስመር ይደበዝዛል።

ሆኖም፣ ወደዚህ ራሱን የቻለ AI የወደፊት ጉዞ በጥንቃቄ መጓዝ አለበት። እንደገለጽነው፣ እያንዳንዱ ጎራ የራሱ የሆነ ውስንነቶችን እና ኃላፊነቶችን ያመጣል፡-

• የዛሬው የእውነታ ፍተሻ ፡ AI የማይሳሳት አይደለም። በስርዓተ-ጥለት ማወቂያ እና የይዘት ማመንጨት የላቀ ነገር ግን በሰው ልጅ ግንዛቤ ውስጥ እውነተኛ ግንዛቤ እና የማስተዋል ችሎታ የለውም። ስለዚህ፣ ለአሁኑ፣ የሰው ቁጥጥር ሴፍቲኔት ሆኖ ይቆያል። AI በብቸኝነት ለመብረር ዝግጁ የሆነበትን ቦታ (እና በሌለበት) ማወቅ ወሳኝ ነው። ዛሬ ብዙ ስኬቶች የተገኙት በሰው- AI ቡድን ሞዴል ነው፣ እና ሙሉ ራስን በራስ የማስተዳደር ጥበብ ገና ባልታወቀበት ይህ ድብልቅ አካሄድ ጠቃሚ ሆኖ ይቀጥላል።

• የነገው ተስፋ ፡ በሞዴል አርክቴክቸር፣ በስልጠና ቴክኒኮች እና በክትትል ዘዴዎች እድገቶች የ AI አቅም እየሰፋ ይሄዳል። የሚቀጥሉት የ R&D አስርት አመታት ብዙ ወቅታዊ የህመም ነጥቦችን ሊፈታ ይችላል (ቅዠቶችን በመቀነስ፣ አተረጓጎም ማሻሻል፣ AI ከሰዎች እሴቶች ጋር ማመጣጠን)። እንደዚያ ከሆነ፣ በ 2035 የኤአይ ሲስተሞች እጅግ የላቀ ራስን በራስ የማስተዳደር አደራ ለመስጠት ጠንካራ ሊሆኑ ይችላሉ። በዚህ ጽሑፍ ውስጥ ያሉት ትንበያዎች - ከ AI መምህራን እስከ በአብዛኛው በራሳቸው የሚተዳደሩ ንግዶች - የእኛ እውነታ ሊሆን ይችላል, ወይም ዛሬ ለመገመት አስቸጋሪ በሆኑ ፈጠራዎች ሊበልጡ ይችላሉ.

• የሰው ሚና እና መላመድ ፡ AI ሰዎችን በቀጥታ ከመተካት ይልቅ ሚናዎች እየተሻሻሉ እንደሚሄዱ እንመለከታለን። ጋር በመሥራት የተካኑ መሆን አለባቸው - እሱን መምራት፣ ማረጋገጥ እና እንደ ርህራሄ፣ ስልታዊ አስተሳሰብ እና ውስብስብ ችግር መፍታት ባሉ የሰው ልጅ ጥንካሬዎች ላይ ማተኮር። የትምህርት እና የሰው ሃይል ስልጠና ለእነዚህ ልዩ የሰው ልጅ ችሎታዎች እና እንዲሁም AI ማንበብና መጻፍ ለሁሉም ሰው አጽንዖት መስጠት አለበት። ፖሊሲ አውጪዎች እና የንግድ መሪዎች በስራ ገበያ ውስጥ ለሽግግሮች እቅድ ማውጣት እና በራስ-ሰር ለተጎዱት የድጋፍ ስርዓቶችን ማረጋገጥ አለባቸው.

• ስነምግባር እና አስተዳደር፡- ምናልባትም ከሁሉም በላይ፣ የስነምግባር AI አጠቃቀም እና አስተዳደር ማዕቀፍ ይህንን የቴክኖሎጂ እድገት መደገፍ አለበት። መተማመን የጉዲፈቻ ምንዛሬ ነው - ሰዎች AI መኪና እንዲነዱ ወይም ደህንነቱ የተጠበቀ እንደሆነ ካመኑ ብቻ በቀዶ ጥገና መርዳት ይችላሉ። ያንን እምነት መገንባት ጥብቅ ፈተናን፣ ግልጽነትን፣ የባለድርሻ አካላትን ተሳትፎን (ለምሳሌ፣ ዶክተሮችን በህክምና ኤአይኤስን በመንደፍ፣ በ AI የትምህርት መሳሪያዎች ውስጥ ያሉ አስተማሪዎች) እና ተገቢውን ደንብ ያካትታል። እንደ ጥልቅ ሀሰተኛ ወይም AI በጦርነት ውስጥ ያሉ ተግዳሮቶችን ለመቋቋም አለምአቀፍ ትብብር አስፈላጊ ሊሆን ይችላል፣ አለምአቀፍ ደንቦችን ተጠያቂነት ባለው መልኩ መጠቀም።

በማጠቃለያው ፣ አመንጪ AI እንደ ኃይለኛ የእድገት ሞተር ይቆማል። በጥበብ ጥቅም ላይ ከዋለ፣ የሰውን ልጅ ከአስጨናቂነት ሊያቃልል፣ ፈጠራን ለመክፈት፣ አገልግሎቶችን ለግል ማበጀት እና ክፍተቶችን (የባለሙያዎች እጥረት ያለበትን እውቀት ማምጣት) ይችላል። የሰውን አቅም ከማግለል ይልቅ በሚያጎላ መልኩ ማሰማራት ነው ። በአፋጣኝ ይህ ማለት AIን ለመምራት የሰው ልጆችን በቅርበት ማቆየት ማለት ነው። በረዥም ጊዜ ውስጥ፣ ሰብአዊ እሴቶችን ወደ AI ስርዓቶች ዋና ክፍል ውስጥ መክተት ማለት ነው ስለዚህ እራሳቸውን ችለው ሲንቀሳቀሱ እንኳን ለጋራ ጥቅማችን ይሰራሉ።

ጎራ	አስተማማኝ የራስ አስተዳደር ዛሬ (2025)	በ2035 የሚጠበቀው አስተማማኝ የራስ ገዝ አስተዳደር
ጽሑፍ እና ይዘት	- መደበኛ ዜና (ስፖርት፣ ገቢዎች) በራስ-የመነጨ።- የምርት ግምገማዎች በ AI ተጠቃለዋል-የጽሑፎች ረቂቆች ወይም ኢሜይሎች ለሰው አርትዖት። ( ፊሊና ፓተርሰን - ONA የማህበረሰብ መገለጫ ) ( Amazon የደንበኞችን የግምገማ ተሞክሮ ከ AI ጋር ያሻሽላል )	- አብዛኛዎቹ የዜና እና የግብይት ይዘቶች በእውነታ ትክክለኛነት በራስ-ሰር የተፃፉ ናቸው።- AI ሙሉ ጽሁፎችን እና ጋዜጣዊ መግለጫዎችን በትንሹ ክትትል ያዘጋጃል።- በፍላጎት የመነጨ ከፍተኛ ግላዊ ይዘት ያለው።
ቪዥዋል ጥበባት እና ዲዛይን	- AI ምስሎችን ከጥያቄዎች ያመነጫል (የሰው ልጅ ምርጡን ይመርጣል) - የፅንሰ-ጥበብ እና የንድፍ ልዩነቶች በራስ ገዝ የተፈጠሩ።	- AI ሙሉ የቪዲዮ / የፊልም ትዕይንቶችን እና ውስብስብ ግራፊክስን ያዘጋጃል.- የምርቶች / የስነ-ህንፃ ማሟያ ዝርዝሮች አመንጪ ንድፍ - በፍላጎት የተፈጠሩ ግላዊ ሚዲያ (ምስሎች, ቪዲዮ).
የሶፍትዌር ኮድ	- AI በራስ ሰር ያጠናቅቃል እና ቀላል ተግባራትን ይጽፋል (በዴቭ የተገመገመ) - ራስ-ሰር የሙከራ ማመንጨት እና የሳንካ ጥቆማዎች። ( በኮፒሎት ላይ ኮድ ማድረግ፡ 2023 መረጃ በኮድ ጥራት ላይ ያለውን ጫና ያሳያል (2024 ትንበያዎችን ጨምሮ) - GitClear ( GitHub Copilot Tops Research Report on AI Code ረዳቶች - ቪዥዋል ስቱዲዮ መጽሔት )	- AI ሙሉ ባህሪያትን ከዝርዝሮች በአስተማማኝ ሁኔታ ተግባራዊ ያደርጋል።- በራስ-ሰር ማረም እና ኮድን ማቆየት ለሚታወቁ ቅጦች።- ዝቅተኛ ኮድ መተግበሪያን በትንሽ የሰው ግቤት መፍጠር።
የደንበኛ አገልግሎት	- ቻትቦቶች የሚጠየቁ ጥያቄዎችን ይመልሳሉ፣ ቀላል ጉዳዮችን ይፈታሉ (የተወሳሰቡ ጉዳዮችን ይፍቱ) - AI በአንዳንድ ቻናሎች ላይ ~70% መደበኛ ጥያቄዎችን ያስተናግዳል። ( 59 AI የደንበኞች አገልግሎት ስታቲስቲክስ ለ 2025 ) ( እ.ኤ.አ. በ 2030፣ 69% የደንበኛ መስተጋብር ውሳኔዎች ይሆናሉ ... )	- AI ውስብስብ ጥያቄዎችን ጨምሮ አብዛኛዎቹን የደንበኞች ግንኙነቶች ከጫፍ እስከ ጫፍ ያስተናግዳል - ለአገልግሎት ቅናሾች (ተመላሽ ገንዘብ ፣ ማሻሻያ) የእውነተኛ ጊዜ AI ውሳኔ መስጠት - የሰው ወኪሎች ለከፍተኛ ጭማሪ ወይም ልዩ ጉዳዮች።
የጤና እንክብካቤ	- AI ረቂቆች የሕክምና ማስታወሻዎች; ዶክተሮች የሚያረጋግጡትን ምርመራዎች ይጠቁማል.- AI አንዳንድ ስካን (ራዲዮሎጂ) ከቁጥጥር ጋር ያነባል; ቀላል ጉዳዮችን ይለያል. ( AI የሕክምና ምስል ምርቶች በ 2035 አምስት እጥፍ ሊጨምሩ ይችላሉ )	- AI በአስተማማኝ ሁኔታ የተለመዱ ህመሞችን ይመረምራል እና አብዛኛዎቹን የህክምና ምስሎች ይተረጉማል.- AI ታካሚዎችን ይቆጣጠራል እና እንክብካቤን ይጀምራል (ለምሳሌ, የመድሃኒት አስታዋሾች, የአደጋ ጊዜ ማንቂያዎች) - ምናባዊ AI "ነርሶች" መደበኛ ክትትልን ይይዛሉ; ዶክተሮች ውስብስብ እንክብካቤ ላይ ያተኩራሉ.
ትምህርት	- AI አስተማሪዎች የተማሪ ጥያቄዎችን ይመልሳሉ ፣ የተግባር ችግሮችን ያመነጫሉ (የአስተማሪ ክትትል) - AI ደረጃ አሰጣጥን ይረዳል (ከአስተማሪ ግምገማ ጋር)። ([ጄኔሬቲቭ AI ለK-12 ትምህርት	የጥናት ሪፖርት በአፕሊፕ]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
ሎጂስቲክስ	- AI የመላኪያ መንገዶችን እና ማሸግ (የሰው ልጆች ግቦችን ያወጣል) ያመቻቻል - AI ባንዲራዎች ሰንሰለት አደጋዎችን ያቀርባል እና ቅነሳዎችን ይጠቁማል። ( በሎጂስቲክስ ውስጥ ከፍተኛ አመንጪ AI አጠቃቀም ጉዳዮች )	በአይ ተቆጣጣሪዎች የሚቆጣጠሩት በአብዛኛው በራሳቸው የሚነዱ ማጓጓዣዎች (ጭነት መኪናዎች፣ ድሮኖች)።- AI በራስ ገዝ ማጓጓዣዎችን በማስተጓጎል ዙሪያ ያቀናጃል እና ክምችትን ያስተካክላል።- ከጫፍ እስከ ጫፍ የአቅርቦት ሰንሰለት ቅንጅት (ትዕዛዝ፣ ስርጭት) በ AI የሚተዳደር።
ፋይናንስ	- AI የፋይናንስ ሪፖርቶችን / የዜና ማጠቃለያዎችን ያመነጫል (በሰው የተገመገመ) - ሮቦ-አማካሪዎች ቀላል ፖርትፎሊዮዎችን ያስተዳድራሉ; AI ውይይት የደንበኛ ጥያቄዎችን ያስተናግዳል። ( Generative AI ወደ ፋይናንስ እየመጣ ነው )	- AI ተንታኞች የኢንቨስትመንት ምክሮችን እና የአደጋ ሪፖርቶችን በከፍተኛ ትክክለኛነት ያዘጋጃሉ - በራስ ገዝ ንግድ እና ፖርትፎሊዮ በተቀመጡት ገደቦች ውስጥ ማመጣጠን - AI በራስ-ሰር መደበኛ ብድሮች / የይገባኛል ጥያቄዎችን ያጸድቃል; ሰዎች ልዩ ሁኔታዎችን ይይዛሉ።

ማጣቀሻዎች፡-

1. ፓተርሰን, ፊላና. አውቶማቲክ የገቢ ታሪኮች ይባዛሉ ። የ የገቢ ዘገባዎችን ያለምንም ሰው ጸሐፊ ይገልጻል

2. McKinsey & ኩባንያ. እ.ኤ.አ. በ2024 መጀመሪያ ላይ የኤአይአይ ሁኔታ፡ የጄኔራል AI ጉዲፈቻ ጨምሯል እና እሴት ማመንጨት ጀመረ ። (2024) - ጄኔሬቲቭ AIን በመደበኛነት የሚጠቀሙ 65% ድርጅቶች ከ 2023 ወደ እጥፍ የሚጠጉ ( የ AI ሁኔታ በ 2024 መጀመሪያ ላይ | McKinsey ) ሪፖርት ያደርጋል እና የአደጋ ቅነሳ ጥረቶችን ( የ AI ግዛት: ዓለም አቀፍ ጥናት | McKinsey ) .

3. ጋርትነር ከቻትጂፒቲ ባሻገር፡ ለኢንተርፕራይዞች የ Generative AI የወደፊት ሁኔታ ። (2023) - እ.ኤ.አ. በ 2030 የ 90% የብሎክበስተር ፊልም AI-የመነጨ ሊሆን እንደሚችል ይተነብያል ( Generative AI Use Cases for Industries and Enterprises ) እና አመንጪ AI አጠቃቀም ጉዳዮችን ያደምቃል እንደ መድሃኒት ዲዛይን ( Generative AI Use Cases for Industries and Enterprises )።

4. ጠረግ አድርግ። ጋዜጠኞች AI መሳሪያዎችን በዜና ክፍል ውስጥ የሚጠቀሙባቸው 12 መንገዶች ። (2024) - የ "ክላራ" AI ምሳሌ በዜና ማሰራጫ 11% ጽሁፎችን ሲጽፍ, የሰው አርታኢዎች ሁሉንም የ AI ይዘቶች በመገምገም ( 12 ጋዜጠኞች AI መሳሪያዎችን በዜና ክፍል ውስጥ የሚጠቀሙባቸው - Twipe ).

5. Amazon.com ዜና. Amazon ከ AI ጋር የደንበኛ ግምገማዎችን ልምድ ያሻሽላል . (2023) - ሸማቾችን ለመርዳት በ AI የመነጨ ግምገማ ማጠቃለያዎችን ያስታውቃል ( አማዞን ከ AI ጋር የደንበኛ ግምገማዎችን ያሻሽላል )።

6. ዜንዴስክ ለ 2025 59 AI የደንበኞች አገልግሎት ስታቲስቲክስ ። (2023) - ከሁለት ሦስተኛ በላይ የ CX ድርጅቶች የሚያመለክተው አመንጪ AI በአገልግሎት ውስጥ "ሙቀትን" ይጨምራል ( 59 AI የደንበኞች አገልግሎት ስታቲስቲክስ ለ 2025 ) እና AI በ 100% የደንበኛ መስተጋብር በመጨረሻ ( 59 AI የደንበኞች አገልግሎት ስታቲስቲክስ ለ 2025 ) ይተነብያል።

7. Futurum ምርምር እና SAS. ልምድ 2030: የደንበኛ ልምድ የወደፊት . (2019) - ብራንዶች የሚጠብቁት የዳሰሳ ጥናት ~ 69% በደንበኞች ተሳትፎ ወቅት ውሳኔዎች በስማርት ማሽኖች በ 2030 ይደረጋሉ ( ወደ CX Shift እንደገና ለማሰብ ፣ ገበያተኞች እነዚህን 2 ነገሮች ማድረግ አለባቸው )።

8. ዳታኩ በሎጂስቲክስ ውስጥ ከፍተኛ አመንጪ AI አጠቃቀም ጉዳዮች ። (2023) - GenAI ጭነትን እንዴት እንደሚያሻሽል (~ 30% ባዶ የጭነት መኪና ቦታን በመቀነስ) ( Top Generative AI Use Cases in Logistics ) እና ዜናዎችን በመቃኘት የሰንሰለት አደጋዎችን ባንዲራ ያሳያል።

9. ቪዥዋል ስቱዲዮ መጽሔት. GitHub Copilot በ AI ኮድ ረዳቶች ላይ የምርምር ሪፖርት ከፍተኛ ደረጃ ላይ ደርሷል ። (2024) - የጋርትነር ስልታዊ እቅድ ግምቶች በ 2028, 90% የድርጅት ገንቢዎች የ AI ኮድ ረዳቶችን ይጠቀማሉ (ከ 14% በ 2024) ( GitHub Copilot Tops Research Report on AI Code Assistants - Visual Studio Magazine ).

10. ብሉምበርግ ዜና. BloombergGPTን በማስተዋወቅ ላይ ። (2023) - ዝርዝሮች የብሉምበርግ 50B-መለኪያ ሞዴል በፋይናንሺያል ተግባራት ላይ ያተኮረ፣ በተርሚናል ለጥያቄ እና መልስ እና ትንተና ድጋፍ ( Generative AI ወደ ፋይናንስ እየመጣ ነው ) የተሰራ።

ከዚህ በኋላ ሊያነቧቸው የሚፈልጓቸው መጣጥፎች፡-

🔗 AI የማይተኩ ስራዎች - እና AI ምን ስራዎችን ይተካዋል?
በሂደት ላይ ባለው የሥራ ገጽታ ላይ ዓለም አቀፋዊ እይታ፣ የትኞቹ ሚናዎች ከ AI መቋረጥ ደህና እንደሆኑ እና በጣም ለአደጋ የተጋለጡ መሆናቸውን መመርመር።

🔗 AI የአክሲዮን ገበያውን መተንበይ ይችላል?
AIን ለአክሲዮን ገበያ ትንበያ ስለመጠቀም ወደ አቅሞች፣ ውስንነቶች እና ሥነ ምግባራዊ ግምት ውስጥ ጥልቅ።

🔗 Generative AI በሳይበር ደህንነት ውስጥ እንዴት መጠቀም ይቻላል?
ከሳይበር አደጋዎች ለመከላከል አመንጪ AI እንዴት እንደሚተገበር ይወቁ፣ ከተዛባ መገኘት እስከ ማስፈራሪያ ሞዴሊንግ።