人工知能は私たちの仕事を奪うわけではないが、雇用方法を変えている

人工知能は私たちの仕事を奪うわけではないが、雇用方法を変えている
[[255694]]

プロフェッショナルソフトウェア開発における人工知能 (AI) の急速な発展により、ムーアの法則を再開する必要に迫られました。これは、インテルの共同創設者であるジョージ・ムーアが提唱したソフトウェア業界の有名な公理であり、集積回路に詰め込まれたトランジスタの数は毎年倍増し、より小型のプロセッサでより大きな計算能力を実現できるようになると予測しています。

過去50年間、ムーアの考えは正しいことが証明されてきた。しかし今日では、より小型の(多くの場合ウェアラブルな)デバイス上で複雑なタスクを処理するために必要な膨大な計算能力に対する需要が高まり続けており、シリコントランジスタを置き換えるペースを上回っています。その代わりに、代数方程式と人工知能を使用して、より小さなパッケージにより多くの処理能力を詰め込んだ新しいタイプの「ディープラーニング」チップが登場しました。

この傾向の証拠として、コーネル大学の arXiv プレプリント サーバー上の機械学習に関する学術論文の数が 18 か月ごとに倍増しているという事実を考えてみましょう。

AI ソフトウェア業界の変革の物語は、テクノロジーがあらゆる企業にその基本を再考させる典型的な例です。かつてないほどの分析機能、情報にアクセスする新しい方法、ほぼ無限の成長の可能性を備えた今日のビジネス リーダーは、従来のプロセスや制約を捨て去り、変化を受け入れるように適応する必要があります。

これは多くの企業にとって大きな変化ですが、誰もが心配するようなものではありません。 AI の初期の頃は、ロボットが従来の労働に取って代わるという非現実的な予測でいっぱいでした。 2015年のある調査では、2025年までに専門サービス部門の仕事の4分の1がAI搭載ロボットに置き換えられる可能性があるとさえ予測されていました。

ロボットが仕事を奪うという警鐘を鳴らす予測や、ロボットが仕事を奪った後に税金を払わなければならなくなるという憶測が飛び交う中、人工知能は破壊者というよりはむしろ促進者であることをますます示しつつある。

実際のところ、ロボットがすぐに人間に取って代わるだろうという恐怖をあおる予測にもかかわらず、ロボット革命の中心にあるテクノロジー企業は人間の技術者を十分なペースで雇用できていない。業界全体では、現在、米国では技術者 1 人あたり 4 つの空きポジションがあります。

もちろん、その理由は、将来は人間に取って代わることではなく、人間をより賢くすることだからです。これを達成するには、新たなブレークスルーを可能にする専門知識を持つ技術者と、私たち全員が大きな変化の時期を経験する中で、企業文化をナビゲートし、顧客の問題点を特定できるソフトスキルが必要です。これは、採用の現状を打破するユニークな課題です。

そのため、オフィスで履歴書に目を通したり求人広告を作成したりするのではなく、ハッカソン、大学のキャンパス、技術ミートアップ、業界カンファレンスなどで当社のリクルーターに会う可能性が高くなります。また、候補者と特定のテクノロジーやこれまでのキャリアのマイルストーンについて話し合う時間が少なくなり、問題解決のアプローチについて話し合う時間が増えることにも気づくでしょう。これは、5年前の採用管理方法と比較すると大きな転換点となります。

今日のテクノロジー専門家に求められる魔法の要素を定量化するのは少し難しいです。私たちはこれを「学習の俊敏性」と呼んでおり、個人が新しい概念をどれだけ迅速かつ効果的に学習し、それをビジネス上の課題にうまく適用できるかを測定します。潜在的な解決策を迅速に特定するには、深い専門知識と、完了までの最適な道筋を見つけるためのコミュニケーション能力や共感能力などのソフトスキルの組み合わせが必要です。

当社は、求職者と自社の両方について、より繊細で総合的な視点を持ち、仕事のハード面とソフト面の両方を総合的な採用活動に織り込んでいます。多くの企業はテクノロジーの発展によって人材の必要性が減ると考えていますが、私たちはまったく異なる傾向を目にしています。テクノロジーは確かに、私たちが雇用する人材のプロフィールを変え、人材の調達方法に劇的な影響を与えていますが、私たちが依然として人材を必要としているという事実は変わりません。おそらく、これまで以上に人材が必要なのです。

結局のところ、AI の台頭は、不確実な時代に繁栄する企業とは、イノベーション、創造性、コラボレーション、学習に絶え間なく取り組んでいる企業であり、トレンドを予測し、最も予想外のソースからの新たな脅威を見つけることができる多様な従業員を抱えている企業であることを証明し続けています。今日の課題に対応できる技術的洞察力だけでなく、将来の課題に適応できる柔軟性も備えた専門家に重点を置くことがますます必要になります。  

<<:  自動運転車はすでに登場していますが、船舶が AI に取って代わられるまでには長い時間がかかるのでしょうか?

>>:  自動運転車にロボットが殺される、これは今後ますます増えるかもしれない

ブログ    

推薦する

AIが作ったノアの箱舟はどこへ行くのでしょうか?

[[348542]]韓国の新人歌手ハヨンが10月8日、人工知能作曲ロボットEvoMがプロデュースし...

XiaomiのFALSRアルゴリズムが正式にオープンソース化され、画像超解像エンジニアリングアプリケーションに大きな進歩をもたらしました。

本日、Xiaomi は、弾性探索 (マクロ + ミクロ) に基づく超解像で驚くべき結果を達成した新し...

...

AIに人間の思考や行動を模倣させる方法

AI システムは、人間の知能の特定の側面を模倣し、物体の検出、環境のナビゲーション、チェスのプレイ、...

人工知能を活用するための5つのベストプラクティス

生産性、精度、意思決定能力を向上させるために人工知能 (AI) を導入する手法は、さまざまな業界で広...

Matplotlib の使用が難しいと感じるのはなぜですか?このマインドマップをまだ見ていないので

序文Matplotlib は、データの視覚化を簡単に作成できる人気の Python ライブラリです。...

YOLOがBEVセンシングに参入! YOLO+BEVのリアルタイム検出の試み

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

負荷分散アルゴリズムのQ&A集

前に学んだように、負荷分散アルゴリズムがこの技術の核心です。アルゴリズムの仕様がなければ、この技術は...

意思決定インテリジェンス: 人工知能における新たな方向性

[[353168]]記者趙光麗最近、中国科学院自動化研究所(以下、自動化研究所)は、「妙算智慧」戦術...

英国で新たな自動運転規制が導入され、ドライバーはもはや「集中」する必要がなくなった

自動運転は近年市場で最も活発なトピックの1つです。資金が継続的に流入し、大手企業が存在感を示そうと競...

...

PyTorch 1.8 と Tensorflow 2.5、どちらを使用すればよいですか?

[[408717]]ディープラーニングが再び認知されて以来、多くの機械学習フレームワークが登場し、...

プログラマーが夜遅くにPythonでニューラルネットワークを実行し、中学生のようにデスクランプを消す

[[271670]]一度ベッドに入ったら決して起き上がりたくない人にとって、電気を消すことは寝る前の...

大規模言語モデルと知識グラフに関する共同研究のレビュー:2つの相補的な技術的利点

大規模言語モデル (LLM) はすでに強力ですが、さらに強力になる可能性があります。 LLM は、ナ...

機械学習で人気のアルゴリズムトップ10

現在、機械学習のためのアルゴリズムは数多く存在します。初心者にとってはかなり圧倒されるかもしれません...