「ロボット排除の3原則」を破る方法

「ロボット排除の3原則」を破る方法

2013年に私は2つの文章を書きました。1つは「デジタル化できるものはすべてデジタル化される」というもので、以前はデジタル化が難しかった教室や診療所なども、今ではデジタル化の影響をますます受けています。 2 番目の文は、「知能化できるものはすべて知能化される」です。スマートフォン、センサー、ドローン、自動運転車など、多数のものにチップを搭載して知能化し、インターネットに接続できるようになります。今日私が付け加えたいのは、第 3 の波は自動化であり、自動化できるものはすべて自動化されるということです。

[[359032]]

デジタル化は経済的な脅威であり、知能化は産業上の脅威であり、自動化は個人的な脅威です。ロボットがあなたの仕事を奪いに来ます。自動化は常にあなたよりも速く、安く、正確です。機械は論理的に動作し、テクノロジーが進化するにつれて生産性が向上します。

人間の体力には限界があり、限界に達しています。生産性向上というプラットフォームでは、人々は競争上の優位性を持っていません。したがって、問題は人間が機械に置き換えられるかどうかではなく、どこで、どの程度置き換えられるかということです。

2年前、JD.comの従業員を名乗る人物がMaimaiでニュースを流した。JD.comは最近、社内メールを発行し、以下の3種類の人々を断固として排除することを目指している。1.戦闘不能な人々、戦闘能力がない、または身体的または家族的理由で戦闘できない人々を含む。2.無能な人々、つまりパフォーマンスの低い人々。3.コストパフォーマンスの低い人々。つまり、JD.com のようなインターネット企業は、怠惰な人、愚かな人、高給な人の 3 つのタイプの人材を望んでいないのです。私は冗談でこれを「ロボット排除の 3 原則」と呼んでいますが、これは JD の基準が、ロボットが置き換えることを意図している 3 種類の人間と完全に一致していることを意味します。

ここで最も危険なのは、普通の専門家ではなく、中間管理職です。なぜなら、彼の給料は比較的高く、彼の仕事は完全に代替不可能なものではないからです。もし私が上司だったら、まず彼を解雇するだろう。したがって、どの職業が自動化の影響を最も受けやすいかという質問に対する簡潔な答えは、最も高給で、最もルーチン化された職業である、ということです。

仕事は、データを扱う、物を扱う、人を扱うという 3 つのカテゴリに分けられます。これらは仕事の3要素として理解することができます。仕事の性質が複雑であればあるほど、この3要素はより絡み合い、仕事の代替可能性は低くなります。逆もまた同様です。

レストランで皿洗いをしていて、汚れた皿だけを扱っていたら、間違いなく交代されるでしょう。しかし、特許弁護士であれば、この3つの要素のすべての問題を掘り下げ、データを掘り下げ、人を掘り下げ、物を掘り下げる必要があるため、交代される可能性は比較的小さくなります。

「データ」は主に数字を扱います。会計士、保険数理士、アナリスト、コンピューター科学者は皆、データを扱っています。データの性質は数学的であるため、アルゴリズムによって簡単に自動化できます。低レベルの計算を伴うジョブは簡単に排除できます。すると、データを使ってコンテンツを作成する仕事が人気商品になるでしょう。

「物」とは、作品に関係する無生物を指します。大工、パイロット、電気技師が物を扱います。モノを扱う人は、複数のモノを組み合わせて便利なデバイスやサービスを作ることで、自分にチャンスを見つけることができます。

「ピープル」ワークとは、その名の通り、人とのやり取りが主な仕事となります。銀行の窓口係やレジ係などの低レベルのやりとりは簡単に排除されますが、心理カウンセラーや訴訟弁護士など、高度な人間によるやりとりを必要とするサービスは、自動化で置き換えることが困難です。顧客基盤と強い感情的な絆を築くことができる人は、ロボットに置き換えられる可能性が最も低いでしょう。

これら3つの要素の絡み合いを分析すると、現時点で本当に無敵になれるのは、データを活用してコンテンツを作成する方法を習得した人々であることがわかります。たとえば、コードを書くコンピューター科学者は、生のデータを意味に変換できるため、そのような人材です。別の例としては、マーケティング担当者が消費者データを販売戦略に変換する方法を知っていれば、簡単に代替されることはありません。

<<:  MLOpsの助けにより、AIは開発の黄金期を迎えることになる

>>:  従来のグラフエンジンから GNN へ: 計算グラフと機械学習の進化

ブログ    

推薦する

AI STUDIO - AI機能を実現するためのハードルゼロ

AI技術の発展により、人類社会は熱い知能革命の真っ只中にあります。技術革命の波に素早く適応できる者が...

ナレッジグラフはどのようにして「人工知能」をよりスマートにするのでしょうか?

この記事では、人工知能がインテリジェントでない領域と、ナレッジ グラフに基づく認知知能がインテリジェ...

モデル、データ、フレームワークの観点から、効率的な大規模言語モデルに関する54ページのレビューを紹介します。

大規模言語モデル (LLM) は、自然言語理解、言語生成、複雑な推論など、多くの重要なタスクにおいて...

顔認識は壊れているのでしょうか?心配しないでください。「フェイスプロテクションプラン」が始まります

かつて、顔認識は人々が非常に信頼する技術でした。生産と生活に利便性、効率性、正確性をもたらしたため、...

機械学習と人工知能の未来について語る

[[258702]] [51CTO.com クイック翻訳] 機械学習 (ML) と人工知能 (AI)...

顔認識とは何ですか?あなたは顔認識技術を本当に理解していますか?

近年、人工知能の発展により、膨大なデータに基づく顔認識技術がさまざまな分野で広く利用されるようになり...

人生の意味とは何でしょうか?ステーションBのUP司会者がAIに「究極の質問」を投げかけた

人生の意味とは何でしょうか?人はなぜ生きるのか?これらの「宇宙の究極の疑問」は、歴史を通じて数え切れ...

...

Zoomに狂った外国人がビデオ会議ロボットを開発、同僚たちはすでに大笑い

[[321983]]この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI...

...

人工知能は患者と医療業界の両方にどのような利益をもたらすのでしょうか?

人工知能は医療業界のシステムと方法を変えています。半世紀以上にわたり、人工知能とヘルスケアは一緒に発...

Google AI はすべてを食べています!すべての公開コンテンツはAIトレーニングのためにクロールされ、プライバシーポリシーが更新されました

今後、インターネット上で公に話すすべての言葉が、Google によって AI のトレーニングに使用さ...

機械学習は増加傾向にありますが、そのアルゴリズムの結果は公正なのでしょうか?

アルゴリズムは驚くべき方法で私たちの生活をコントロールしています。地元のデリのカウンターで番号を受け...