IBM LinkedIn が教えてくれる: 職場と AI はどれくらい離れているのか?

IBM LinkedIn が教えてくれる: 職場と AI はどれくらい離れているのか?

[51CTO.com からのオリジナル記事] 少し前に、LinkedIn と IBM が多数の専門家を対象にソーシャル ネットワークに関する興味深いアンケート調査を実施しました。収集されたデータによると、専門家の 65% が「AI は現在の仕事に影響を与えている」と考えていることがわかりました。時間が経つにつれて、この数字は 70% 以上にまで上昇する可能性もあります。

過去 1 年間、AI に対する専門家の注目は高まり続けており、LinkedIn プラットフォームにおける AI トピックに関する記事共有の成長率は平均の 10 倍となっています。フォロワーの職位から判断すると、いわゆる「職場のベテラン」は平均よりも AI にかなり注目しているのに対し、新人はこの点ではやや弱いようです。つまり、職場でAIに注目する人が増えているということです。

LinkedInプラットフォーム上で過去1年間に最もインタラクション率の高い500の記事から手がかりを探すと、意味分析により、「AIは経営をどのように再定義するのか」「どの仕事がAIによって再現され、どの仕事が置き換えられるのか」など、インタラクション率が最も高い記事が8つあることがわかります。職場の人々が、自分の専門分野に関連した自己啓発を主眼としたAIコンテンツに注目していることは明らかです。 IBM Greater Chinaの人事担当副社長であるShen Chuanyan氏は、新しいテクノロジーの影響に直面して、職場の人々はオープンで機敏な考え方で継続的に学び、機会を受け入れる能力を持つ必要があると述べています。注目度の高さに職場の人たちは複雑な思いを抱いており、「AIは仕事に大きな脅威を与え、仕事に取って代わるかもしれない」という主張が一時は広く議論されるようになった。

AIが人間の仕事を置き換えるかどうかという白黒はっきりした判断はさておき、いくつかのデータを見てみましょう。 IBM Institute for Business Value の 2016 年のレポートによると、企業の従業員の 46% がスマート アシスタントの使用を計画しており、60% が機械学習の使用を計画しており、72% がビジネス データ分析に AI を使用する予定です。実際には、AIの助けを借りて、職場の人々は反復的な作業の時間コストを削減し、専門知識の蓄積、選別、分析能力を大幅に向上させることができます。それだけでなく、「人間と機械のコラボレーション」を通じて、職場の人々はAIによってリアルタイムで分析されたデータを、より効果的で創造的で、より正確な予測の決定と行動に変換できるようになります。 AI は確かに、職場の人々に新たな生産性をもたらし、反復的な作業から解放してくれることがわかります。

認知時代において、AI の伝統的な産業への浸透はすでに明らかになっており、通信や金融などの技術集約型産業が人材の面でリードしています。 AIはもはや科学技術分野の話題にとどまらず、伝統的な産業の「非IT部門」にも徐々に影響を与え始めています。製品開発や管理、エンジニアリング、研究などの職能が「非技術」産業の変革をリードしています。現在の調査結果によると、世界中のAIスキルを持つLinkedInユーザーの32%が「非技術」業界で働いており、その中でも通信、物流・運輸、金融・保険業界が変革の先駆者となっている。

AIがテクノロジー業界から生まれたことは誰もが知っていますが、非テクノロジー業界にどのような変化をもたらしたのでしょうか。AIスキルの浸透を定量的に分析すると、通信、金融などが先駆的な業界として定義されています。従来のエネルギー、メディア、医療、製造、専門サービスはすべてAIによって変革されています。建設や小売などの業界はまだ比較的遅れています。これらの業界の具体的な機能を個別に比較すると、製品開発や研究開発に関連するスキルがより進んでいる一方で、マーケティング、財務、コンサルティングなどの中間の機能は影響を受けていることがわかります。同様に、一部の業界はまだ様子見の状態です。

LinkedIn Chinaのテクノロジー担当副社長である王迪氏は、「これまでデータアナリスト、プロのエンジニア、学術研究者の手に渡っていたAIの認知的配当が、徐々に『非テクノロジー』分野に波及していることが分かりました。今後は、人材獲得競争が熾烈になるだけでなく、あらゆる分野の人々が人工知能の影響下で、専門スキルの大幅な革新を経験することになると思います。インターネット技術革新と相当な資本力の影響を受けた中国の専門家と開発者のAIに対する前向きな姿勢は、AI分野の人材を引き付け、育成するための強固な基盤を築き、新たな産業革命の先頭に立つためのサポートを提供しました。 」と述べています。このように、AIが人間の仕事を置き換え、大規模な失業を引き起こすかどうかは、「AIが賢い人間の脳を打ち負かす」という観点からのみ考えることはできません。実際には、AIが個人の発展と産業の進歩にもたらす促進と改善に大きく依存しています。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]

<<:  初心者向けガイド: 自然言語処理のためのニューラル ネットワーク

>>:  機械学習の問題を解決する一般的な方法があります!これを読んでください

ブログ    

推薦する

表現学習: 自然言語のための高度なディープラーニング

表現学習では、半教師あり学習と自己教師あり学習の特定の機能を通じて、モデルのトレーニングに必要なデー...

2020 年の最もクールな機械学習スタートアップ 12 社

人工知能は近年注目されている技術分野です。機械学習は人工知能のサブセットであり、人工知能分野全体の中...

...

ベンチマーク: 14 のソートアルゴリズムと PHP 配列

この記事では、PHP で記述されたソートアルゴリズムのテストについて紹介します。ソートアルゴリズムは...

顔認識の未来:スマートシティにとって何を意味するのか

顔認識技術は、スマートシティの安全を維持できる多数のアプリケーションをサポートする能力を備えています...

人工知能チュートリアル(I):基礎

今日、コンピュータサイエンスの分野の学生や実務家にとって、人工知能、データサイエンス、機械学習、ディ...

...

Mobvoi Guo Xiao: 自動運転の中核要素の実現と車両インタラクションにおけるAIの応用

[51CTO.comより引用] 2017年12月1日~2日、51CTO主催のWOTDグローバルソフト...

OpenAIがヴィンセントのビデオモデル「Sora」をリリース。一般人がその恩恵を最大化するにはどうすればいいか?

2022年11月30日のChatGPTのリリース以来、OpenAIが新しい機能をリリースするたびに...

GPU とニューラル ネットワーク アクセラレータ チップが自動車アプリケーションにインテリジェントな優位性をもたらす仕組みを説明します。

車が自ら考えるのを助ける —— グラフィックスプロセッシング ユニット( GPU ) とニューラル...

...

NLP モデルは人間の言語を理解できないのでしょうか? Microsoft AdaTestはエラーの検出効率が5倍向上

自然言語処理 (NLP) モデルは人間の言語を理解できず、テキストを反対の意味として解釈しますが、こ...

...

DeepMindがMuJoCoをオープンソース化!メタは「スケルトンハンド」にクルミをプレイさせるために使用されます

「クルミで遊んでいる」骸骨の手を見たことがありますか? この魔法の「手」は、Meta が新たにリリー...

...