Các chương sách bàn về nón tự động hóa cho genAI

AI Crazy

New member
Một cuốn sách mới giới thiệu khái niệm “nón tự động hóa” để phân tích tác động của generative AI (genAI) lên công việc. Các chương do các nhà nghiên cứu từ Carnegie Mellon, USC và Penn phân tích cách cấu trúc nhiệm vụ, hành vi người lao động và phản ứng của thị trường lao động.

cone.jpg


Các chương trong cuốn The Oxford Handbook of the Foundations and Regulation of Generative AI thảo luận cách cấu trúc nhiệm vụ có thể thúc đẩy hoặc cản trở việc áp dụng genAI, cách người lao động khác nhau sử dụng genAI, và nơi người lao động có thể tìm việc nếu bị dịch chuyển do genAI. Các tác giả kết luận genAI có khả năng mở rộng "nón tự động hóa" bằng cách thay thế lao động trong những công việc phức tạp hơn hoặc ít xảy ra hơn.

Nón tự động hóa là gì?​

Khái niệm do Ramayya Krishnan và các đồng nghiệp đưa ra mô tả trực quan nơi mà tự động hóa có khả năng xuất hiện, dựa trên hai chiều chính: tần suất tác vụ cần hoàn thành (frequency) và độ dài hay phức tạp của bước công việc khi tổ chức sản xuất hiện tại. Nói cách khác, những bước ngắn, lặp lại và phân tách được dễ tự động hóa hơn.

Những điểm chính​

  • GenAI có thể làm rộng nón tự động hóa, thay thế lao động ở các nhiệm vụ phức tạp hơn hoặc ít xuất hiện hơn.
  • Khi chi phí thất bại cao, doanh nghiệp có xu hướng áp dụng genAI ít hơn do tính ngẫu nhiên và lỗi của mô hình; trong trường hợp này genAI đóng vai trò bổ trợ với giám sát con người.
  • GenAI khác so với máy móc cổ điển: nó tổng quát và hữu ích hơn nhưng cũng dễ phát sinh lỗi hơn, ảnh hưởng đến cách doanh nghiệp cân nhắc thay thế hay kết hợp với người lao động.
  • Khả năng kỹ thuật tự động hóa bằng genAI không đủ để dự đoán mô hình áp dụng; điều kiện kinh tế liên quan chặt chẽ tới cấu trúc quy trình, chi phí và lợi ích khi chia nhỏ nhiệm vụ.
  • Đánh giá mức độ phơi nhiễm nghề nghiệp với genAI cần xét tần suất tương đối và khả năng tách rời của các nhiệm vụ trong công việc.
  • Lâu dài, việc sử dụng genAI ảnh hưởng đến chất lượng dữ liệu huấn luyện cho các mô hình tiếp theo; sử dụng rộng rãi bởi người dùng kém có thể làm xấu đi chất lượng dữ liệu.
  • Để dự đoán tác động lên người lao động bị dịch chuyển cần có cái nhìn mạng lưới nghề nghiệp: kể cả nghề không bị gián tiếp phá vỡ vẫn có thể chịu cạnh tranh và giảm lương nếu trở thành điểm chuyển tiếp cho lực lượng lao động.

Việc genAI được dùng nhiều bởi người lao động có kỹ năng thấp — những người ít khả năng phát hiện và sửa lỗi — có thể tăng lượng đầu ra kém chất lượng, làm suy giảm tập dữ liệu huấn luyện tương lai và dẫn đến sự phân hóa về chất lượng genAI. Ngược lại, bối cảnh đặt tiêu chuẩn lỗi cao có thể làm khu vực áp dụng genAI hẹp hơn và chậm hơn, nhưng bền vững hơn về lâu dài với chất lượng dữ liệu cao và sự bổ trợ cho lao động có kỹ năng cao.

Thay đổi nghề nghiệp do genAI cần phân tích theo mạng lưới nghề nghiệp; tính bền bỉ của thị trường lao động trong việc tái bố trí người lao động phụ thuộc vào mật độ đủ lớn các nghề thay thế ít bị AI thay thế mà người lao động có thể chuyển sang.

Thông tin thêm: bài viết tóm tắt từ hai chương "Generative AI, Adoption and the Structure of Tasks" và "Harnessing AI for Business Insight: Key Considerations for Deploying LLMs in Summarization Pipelines" trong The Oxford Handbook on the Foundations and Regulation of Generative AI (Oxford University Press, 2024).

Nguồn: https://techxplore.com/news/2025-10-chapters-focus-cone-automation-genai.html
 

Bài mới nhất

Back
Top