AI எந்த வேலைகளை மாற்றாது? பொறுப்பு, சூழல் மற்றும் முடிவெடுக்கும் திறன்கள் முக்கியம்

AI எந்த வேலைகளை மாற்றாது? பொறுப்பு, சூழல் மற்றும் முடிவெடுக்கும் திறன்கள் முக்கியம்

செயற்கை நுண்ணறிவு (AI) பல வேலைகளை மாற்றியமைக்கும் என்ற அச்சம் பரவலாக உள்ளது. ஆனால், எந்த வேலைகள் AI-யால் மாற்றப்படாது? திரும்பத் திரும்பச் செய்யும் வேலைகள், சூழல் சார்ந்த முடிவுகள், மற்றும் பொறுப்புணர்வு தேவைப்படும் பணிகளில் மனிதர்களின் பங்கு ஏன் முக்கியமானது என்பதை இந்தப் பதிவில் விரிவாகக் காண்போம்.

AI மற்றும் வேலைவாய்ப்பு பற்றிய விவாதங்கள் பெரும்பாலும் இரண்டு தீவிர நிலைகளில் சிக்கிக் கொள்கின்றன: ஒன்று, “AI அனைவரின் வேலையையும் பறித்துவிடும்” என்று கூறுவது; மற்றொன்று, “எதுவும் மாறப்போவதில்லை” என்று நம்புவது. இரண்டுமே முழுமையான உண்மைகள் அல்ல. ஒரு குறிப்பிட்ட வேலையை AI முழுமையாக மாற்றுமா இல்லையா என்பது முக்கிய கேள்வி அல்ல. மாறாக, அந்த வேலையின் எந்தப் பகுதிகள் தானியங்குபடுத்தப்படும் (automate), எந்தப் பகுதிகளுக்கு மனிதர்களின் தீர்ப்பு (human judgment) தேவைப்படும், மற்றும் தவறான முடிவுகளுக்கு யார் பொறுப்பேற்பார்கள் என்பதே சிறந்த கேள்விகள். இந்த கண்ணோட்டம்தான், ‘AI எந்த வேலைகளை மாற்றாது’ என்பதற்கான பதில் ஒரு நிலையான பட்டியலில் இல்லை, மாறாக வேலையின் தன்மையிலேயே மறைந்துள்ளது என்பதைப் புரியவைக்கிறது.

மீண்டும் மீண்டும் செய்யக்கூடிய (repeatable) வெளியீடுகளை (output) மட்டுமே தேவைப்படும் வேலைகளில், AI ஒரு வேகமான மற்றும் மலிவான உதவியாளராக மாறக்கூடும். ஆனால், தெளிவின்மை, ஆபத்து, மனித தாக்கம், உள்ளூர் சூழல் (local context) மற்றும் இறுதி முடிவின் சுமை ஆகியவை இருக்கும் இடங்களில், மனிதர்களின் பங்கு நீடிக்கும் – அவர்கள் கைகளில் முன்பை விட சக்திவாய்ந்த AI கருவிகள் இருந்தாலும் கூட.

இந்தக் கட்டுரை “AI-proof jobs” என்ற பொய்யான வாக்குறுதியை அளிக்கவில்லை. எந்தவொரு தொழிலும் மாறக்கூடும். மருத்துவர்கள், வழக்கறிஞர்கள், ஆசிரியர்கள், மேலாளர்கள், வடிவமைப்பாளர்கள் மற்றும் பொறியாளர்கள் என அனைவரின் சில பணிகளும் மென்பொருளுக்கு ஒதுக்கப்படலாம். பாதுகாப்பானவர் என்பவர் ஒரு குறிப்பிட்ட வேலையில் ஒட்டிக்கொண்டிருப்பவர் அல்ல; மாறாக, முடிவெடுக்கும் திறனை (decision capacity) – அதாவது, சரியான சூழலில் மாற்று வழிகளை ஆராய்ந்து முடிவெடுக்கும் திறனை – தொடர்ந்து வளர்த்துக்கொள்பவரே பாதுகாப்பானவர்.

உண்மை: வெளிப்பாடு (Exposure) மற்றும் மாற்றுதல் (Replacement) ஒன்றல்ல

சர்வதேச தொழிலாளர் அமைப்பின் (ILO) 2023 ஆம் ஆண்டின் ஜெனரேட்டிவ் AI பகுப்பாய்வின் பரந்த முடிவு என்னவென்றால், பல தொழில்களில் முழுமையான தானியங்குமயமாக்கலை விட, உருமாற்றத்திற்கான (transformation) வாய்ப்பு அதிகம். குறிப்பாக, கிளாறிக்கல் வேலைகளில் சில பணிகள் வெளிப்படக்கூடும், ஆனால் வெளிப்பாடு என்பது தானாகவே பணிநீக்கம் அல்லது மாற்றுதலைக் குறிக்காது. OECD-யின் பணி அடிப்படையிலான ஆராய்ச்சியும் இதே எச்சரிக்கையைச் சுட்டிக்காட்டுகிறது: ஒரு தொழிலுக்குள் உள்ள பணிகளின் தானியங்குமயமாக்கல் திறன் மாறுபடும். எனவே, தலைப்பைப் பார்த்து “இந்தத் தொழிலின் முடிவு” என்று கூறுவது முறையற்றது.

நடைமுறை உண்மை என்னவென்றால், உயர்-ஆபத்துள்ள (high-stakes) AI பயன்பாட்டில் துல்லியம் மட்டும் போதாது. NIST-யின் AI இடர் மேலாண்மை கட்டமைப்பு (AI Risk Management Framework) நிர்வாகம், அளவீடு, மனித மேற்பார்வை மற்றும் தொடர்ச்சியான கண்காணிப்பு போன்ற கட்டுப்பாடுகளுக்கு முக்கியத்துவம் அளிக்கிறது. ஒவ்வொரு நாடும், துறையும் வெவ்வேறு சட்டங்களைப் பயன்படுத்தலாம், எனவே இந்தக் கட்டமைப்பு ஒரு உலகளாவிய சட்டப்பூர்வ அனுமதி அல்ல; இது பொறுப்பான செயல்பாட்டுப் பழக்கங்களுக்கான ஒரு குறிப்பு.

இந்த உண்மைகள் கட்டுரையின் மையக் கருத்தை வலுப்படுத்துகின்றன: கருவியின் திறன் அதிகரிக்கலாம், ஆனால் சூழல், ஆய்வு மற்றும் பொறுப்புக்கூறலுக்கான (accountability) தேவை குறையாது.

முதலில் பணி (Task) மற்றும் வேலை (Job) வேறுபாட்டைப் புரிந்து கொள்ளுங்கள்

ஒரு வேலை என்பது பல பணிகளின் தொகுப்பாகும். எடுத்துக்காட்டாக, ஒரு வாடிக்கையாளர் சேவை நிர்வாகியின் வேலை வெறும் பதில்களை எழுதுவது மட்டுமல்ல. அவர் வாடிக்கையாளரின் நிலையைப் புரிந்து கொள்ள வேண்டும், கொள்கையின் வரம்புகளைப் பார்க்க வேண்டும், மேல்முறையீட்டின் அபாயத்தை அடையாளம் காண வேண்டும், சில சமயங்களில் கோபமான நபரை மரியாதையுடன் கையாள வேண்டும். AI கேள்விகளுக்குப் பதிலளிக்கலாம், வரைவுகளை உருவாக்கலாம் மற்றும் டிக்கெட்டுகளை வரிசைப்படுத்தலாம். இருப்பினும், சிக்கலான புகார்களில் ஒரு மனித உரிமையாளர் தேவை, ஏனெனில் அதன் விளைவு பணத்தைத் திரும்பப் பெறுதல், நற்பெயர் மற்றும் நம்பிக்கை ஆகியவற்றில் பாதிப்பை ஏற்படுத்தும்.

அதேபோல், ஒரு செவிலியரின் வேலை அறிகுறிகளை ஒரு சரிபார்ப்புப் பட்டியலுடன் பொருத்துவது மட்டுமல்ல. அவர் நோயாளியின் அசௌகரியம், குடும்பத்தின் கவலை, மருத்துவரின் அறிவுறுத்தல் மற்றும் மாறும் முக்கிய அறிகுறிகளை ஒன்றாகப் படிக்க வேண்டும். AI கண்காணிப்புக்கு உதவலாம், ஆனால் படுக்கையருகே முன்னுரிமை அளித்தல், ஒப்புதல் மற்றும் அவசர மேல்முறையீடு ஆகியவற்றில் மனித தீர்ப்புக்கு தனி இடம் உண்டு.

எனவே, “AI இந்தத் தொழிலில் நுழைந்துவிட்டதா?” மற்றும் “AI இந்தத் தொழிலில் உள்ள ஒவ்வொரு பொறுப்பான பணியையும் செய்ய முடியுமா?” – இவை இரண்டு வெவ்வேறு கேள்விகள். நம்பகமான கணிப்பு தலைப்பைப் பார்த்து அல்ல, பணியைப் பார்த்து செய்யப்படுகிறது. தரவு உள்ளீடு (Data entry), நிலையான மொழிபெயர்ப்பு (standard translation), அடிப்படை அறிக்கை (basic reporting) அல்லது வார்ப்புரு அடிப்படையிலான வடிவமைப்பு (template-based design) போன்ற கணிக்கக்கூடிய பகுதிகள் விரைவில் மாறும். மறுபுறம், பேச்சுவார்த்தை, நெருக்கடி பதில் (crisis response), பயிற்சி, சிக்கலான நோயறிதல், பாதுகாப்பு முடிவுகள் மற்றும் உறவு அடிப்படையிலான வேலைகளில் மனித சூழலின் மதிப்பு அதிகமாக இருக்கும்.

மூன்று வேலைப் பிரிவுகள்: திரும்பச் செய்தல் (Repeat), சிந்தித்தல் (Think) மற்றும் பொறுப்பேற்றல் (Accountable)

AI-யின் தாக்கத்தைப் புரிந்துகொள்ள, வேலையை மூன்று நடைமுறைப் பிரிவுகளாகப் பிரிப்பது பயனுள்ளதாக இருக்கும். இவை கடுமையான லேபிள்கள் அல்ல; ஒரே வேலையில் மூன்று வகையான பணிகளும் இருக்கலாம். ஆனால் ஒவ்வொரு பிரிவும் எங்கு திறனை மேம்படுத்த வேண்டும் என்பதைக் காட்டுகிறது.

பிரிவு 1: திரும்பச் செய்தல் (Repeat) — விதிகள் தெளிவாக உள்ளன, உள்ளீடு-வெளியீடு மீண்டும் மீண்டும் செய்யக்கூடியது

திரும்பச் செய்யும் வேலை என்பது உள்ளீடு ஒப்பீட்டளவில் தெளிவாக இருக்கும், செயல்முறை மீண்டும் மீண்டும் செய்யப்படும், மேலும் தரத்தை முன்னரே வரையறுக்கப்பட்ட விதியால் சோதிக்க முடியும். விலைப்பட்டியலை விரிதாளில் (spreadsheet) இடுவது, கூட்டத்தின் உரையைச் சுருக்குவது, நிலையான மின்னஞ்சலின் முதல் வரைவை உருவாக்குவது, தயாரிப்பு விளக்கங்களை வடிவமைப்பது, வழக்கமான சோதனை அறிக்கைகளை ஏற்பாடு செய்வது அல்லது எளிய குறியீடு துணுக்குகளை (code snippets) எழுதுவது ஆகியவை இதற்கு உதாரணங்கள். இந்தப் பிரிவில் AI-யின் நன்மை முதலில் தெரியும். தானியங்குமயமாக்கல் 24/7 இயங்கலாம், பெரிய அளவுகளைக் கையாளலாம் மற்றும் சோர்வால் ஏற்படும் சிறிய தவறுகளைக் குறைக்கலாம். இதன் பொருள் ஒவ்வொரு திரும்பச் செய்யும் பணியாளரும் பயனற்றவர் என்று அர்த்தமல்ல. இதன் பொருள், திரும்பச் செய்யும் பணிகளைச் செய்பவர் செயல்முறை உரிமையாளர் (process owner), தரச் சரிபார்ப்பாளர் (quality checker) அல்லது விதிவிலக்கு கையாளுபவர் (exception handler) ஆவதற்கு முன்னேற வேண்டும்.

பிரிவு 2: சிந்தித்தல் (Think) — தெளிவின்மை, ஒப்பீடு மற்றும் சூழல் சார்ந்த முடிவு

சிந்திக்கும் வேலையில், சிக்கலின் அறிக்கை பெரும்பாலும் முழுமையற்றதாக இருக்கும். பல மாற்று வழிகள் இருக்கலாம், தரவு முரண்படலாம், மேலும் பதில் ஒரு சரியான சூத்திரத்திலிருந்து வராது. ஒரு தயாரிப்பு மேலாளர் எந்த வாடிக்கையாளர் வலியை முதலில் தீர்க்க வேண்டும் என்பதைத் தீர்மானிக்க வேண்டும். ஒரு பத்திரிகையாளர் ஆதாரங்களின் நம்பகத்தன்மையைச் சரிபார்க்க வேண்டும். ஒரு கட்டிடக் கலைஞர் பட்ஜெட், காலநிலை, பாதுகாப்பு மற்றும் பயனர் பழக்கவழக்கங்களுக்கு இடையில் சமநிலையை ஏற்படுத்த வேண்டும். ஒரு ஆசிரியர் மாணவர் ஏன் தவறான பதிலைக் கொடுத்தார் என்பதைப் புரிந்து கொள்ள வேண்டும், பதில் தவறானது என்பதை மட்டுமல்ல. AI இங்கே பகுப்பாய்வை விரைவுபடுத்தலாம். இது வடிவங்களைக் காட்டலாம், மாற்று வழிகளை வழங்கலாம், நீண்ட ஆவணங்களில் கருப்பொருள்களைக் கண்டறியலாம் மற்றும் உருவகப்படுத்துதல்களை (simulations) செய்யலாம். ஆனால் AI-யின் வெளியீடு ஒரு முடிவு அல்ல. வெளியீடு ஒரு உள்ளீடு, இது கள அறிவு (domain knowledge), உள்ளூர் உண்மைகள் மற்றும் மனித முன்னுரிமைகளுடன் சோதிக்கப்பட வேண்டும். ஒரு சரளமான பரிந்துரை கூட தவறாக இருக்கலாம், தரவு காலாவதியானதாக இருந்தால், அறிவுறுத்தலில் (prompt) முக்கியமான கட்டுப்பாடு விடுபட்டிருந்தால் அல்லது மாதிரி அரிதான வழக்கத்தை பொதுவானதாகக் கருதியிருந்தால். சிந்திக்கும் வேலையின் முக்கிய மதிப்பு சூழல் சார்ந்த தீர்ப்பு. சூழல் என்பது பின்னணித் தகவல் மட்டுமல்ல; இது இந்த நபர், இந்த இடம், இந்த நேரம் மற்றும் இந்த ஆபத்து மட்டத்தில் எது பொருத்தமானது என்பதைக் குறிக்கிறது.

பிரிவு 3: பொறுப்பேற்றல் (Accountable) — அதிகாரம், ஆபத்து மற்றும் விளைவுகளின் உரிமை

பொறுப்பேற்கும் வேலையில், இறுதி கேள்வி: முடிவால் இழப்பு ஏற்பட்டால், யார் பொறுப்பாவார்கள்? பலகையில் பாதுகாப்பு கையொப்பமிடும் பொறியாளர், நோயாளி பராமரிப்புக்கு பொறுப்பான மருத்துவர், பள்ளியில் குழந்தை பாதுகாப்பு முடிவை எடுக்கும் முதல்வர், வங்கியில் கடன் கொள்கையை அங்கீகரிக்கும் அதிகாரி அல்லது தொழிற்சாலையில் அவசர நிறுத்தத்தை அங்கீகரிக்கும் மேற்பார்வையாளர் வெறும் தகவலை வழங்குவதில்லை. அவர் அதிகாரத்தைப் பயன்படுத்துகிறார் மற்றும் விளைவுகளின் உரிமையை எடுத்துக்கொள்கிறார். ஒரு ஊழியருக்குப் பொறுப்பை ஒதுக்குவது போல AI-க்கு பொறுப்பை ஒதுக்க முடியாது. மென்பொருளை இடைநிறுத்த முடியாது, அதனிடம் சட்ட விசாரணை நடத்த முடியாது, மேலும் அது பாதிக்கப்பட்ட குடும்பத்தினருடன் நம்பிக்கையுடன் பேச முடியாது. நிறுவனங்கள் AI அமைப்புகளை உருவாக்குபவர்கள், பயன்படுத்துபவர்கள் மற்றும் முடிவுகளை அங்கீகரிப்பவர்களின் பொறுப்பை நிர்ணயிக்கின்றன. விதிமுறைகளும் மெதுவாக மனித மேற்பார்வை, தணிக்கை பாதை (audit trail), விளக்கத்திறன் (explainability) மற்றும் தரவு பாதுகாப்பு ஆகியவற்றிற்கு முக்கியத்துவம் அளிக்கின்றன. விதிகள் நாடு மற்றும் துறைக்கு ஏற்ப மாறுபடும், எனவே ஒரு குறிப்பிட்ட சட்ட முடிவுக்கு முன் தகுதிவாய்ந்த நிபுணரின் ஆலோசனை அவசியம்.

மனித மதிப்பு எந்த வேலைகளில் அல்லது பாத்திரங்களில் நீடிக்கும்?

“AI ஒருபோதும் இந்த வேலைகளை மாற்றாது” என்று சொல்வது தவறான உறுதியாக இருக்கும், இருப்பினும் சில பாத்திரக் குடும்பங்களில் மனித பொறுப்பின் தேவை வலுவாக நீடிக்கக்கூடும். சுகாதாரப் பராமரிப்பில் நோயறிதல் ஆதரவு, ஆவணப்படுத்தல் மற்றும் கண்காணிப்பு தானியங்குபடுத்தப்படலாம், ஆனால் நோயாளியின் இலக்குகள், ஒப்புதல், உடல் பரிசோதனை, ஒருங்கிணைப்பு மற்றும் கடினமான உரையாடல்களுக்கு பயிற்சி பெற்ற மனிதர்கள் தேவை. கல்வியில் பாடத்திட்டத் திட்டமிடல் மற்றும் மதிப்பீட்டு ஆதரவு தானியங்குபடுத்தப்படலாம், ஆனால் ஊக்கம், வகுப்பறை உறவு, பாதுகாப்பு மற்றும் தனிப்பட்ட தலையீடு ஆகியவை மனித உழைப்பு மிகுந்ததாக இருக்கும். தலைமைத்துவம் மற்றும் மக்கள் மேலாண்மையில் அறிக்கைகள் சுருக்கப்படலாம், ஆனால் போட்டியிடும் முன்னுரிமைகளுக்கு இடையில் திசையை வழங்குதல், நம்பிக்கையைச் சரிசெய்தல் மற்றும் நியாயமற்ற ஆனால் நியாயமான முடிவுகளை எடுத்தல் ஆகியவை பொறுப்பான மனித வேலை. திறமையான வர்த்தகங்கள் – மின்சாரப் பணியாளர், தொழில்நுட்ப வல்லுநர், கள சேவை பொறியாளர் மற்றும் அவசர பழுதுபார்ப்பு போன்றவை – ரோபோடிக் உதவி அதிகரிக்கும், ஆனால் கணிக்க முடியாத உடல் சூழல்கள், பாதுகாப்பு தீர்ப்பு மற்றும் தளத்தில் உள்ள தன்னிச்சையான தீர்வுகள் ஆகியவற்றின் முக்கியத்துவம் இருக்கும். சட்டம், இணக்கம் மற்றும் பொது நிர்வாகத்தில் ஆவண ஆய்வு விரைவாக இருக்கும்; இருப்பினும், உண்மைகளின் பொருத்தம், முரண்பட்ட உரிமைகள், நடைமுறை நியாயம் மற்றும் குடிமக்கள் மீதான தாக்கம் ஆகியவற்றின் முடிவு சூழல்-அறிந்த நிபுணர்களால் செய்யப்பட வேண்டும். ஆராய்ச்சி மற்றும் இதழியல் துறையில் AI தேடல் மற்றும் வரைவுகளில் உதவும், ஆனால் ஆதார சரிபார்ப்பு, முறை ஒருமைப்பாடு, பொது நலன் மற்றும் திருத்தம் ஆகியவற்றின் பொறுப்பு மனிதர்களுடையதாக இருக்கும். படைப்பாற்றல் திசையில் உருவாக்கம் மலிவானதாகவும் வேகமாகவும் இருக்கும்; அசல் பார்வை, கலாச்சார உணர்திறன், பிராண்ட் ஆபத்து மற்றும் பார்வையாளர்களுடனான உறவின் உரிமை இன்னும் மனித வேறுபடுத்தியாக இருக்கும்.

இந்த உதாரணங்கள் இந்தத் தொழில்களில் வேலைவாய்ப்பு மாறாமல் இருக்கும் என்று அர்த்தமல்ல. ஒரு மருத்துவர் குறைந்த காகித வேலையைச் செய்யலாம் மற்றும் அதிக நோயாளிகளைப் பார்க்கலாம்; ஒரு ஆசிரியர் அதிக தனிப்பயனாக்கப்பட்ட பின்னூட்டத்தை வழங்கலாம்; ஒரு மேலாளர் ஒரு சிறிய குழுவுடன் பெரிய வெளியீட்டைக் கையாளலாம். உற்பத்தித்திறன் அதிகரிப்பதால் பாத்திர எண்ணிக்கை, ஊதிய அமைப்பு மற்றும் நுழைவு நிலை ஏணி மாறக்கூடும். எனவே, “மாற்றாது” என்பதன் அர்த்தம் “வேலை முற்றிலும் மாறாது” என்பதல்ல. இதன் பொருள், உயர்-சூழல் மற்றும் உயர்-பொறுப்புக்கூறல் பகுதியைப் பொறுப்பான மனித உரிமையாளர் ஒருவர் தேவை.

திறன் மேம்பாட்டின் உண்மையான அர்த்தம்: படிப்புகள் அல்ல, முடிவெடுக்கும் திறன்

திறன் மேம்பாடு பெரும்பாலும் சான்றிதழ்களின் ஷாப்பிங்காக மாற்றப்படுகிறது. இன்று ப்ராம்ப்ட் இன்ஜினியரிங், நாளை ஏதோ ஒரு புதிய கருவி, பிறகு அடுத்த டாஷ்போர்டு – ஆனால் கருவியின் வெளியீடு எப்போது நம்பகமானது என்பதை ஒருவரால் தீர்மானிக்க முடியாவிட்டால், திறன்கள் மேலோட்டமானவை. உண்மையான திறன் மேம்பாட்டின் நோக்கம் முடிவெடுக்கும் திறன்: சிறந்த கேள்விகள், சிறந்த ஆதாரங்கள், சிறந்த வர்த்தகப் பரிமாற்றங்கள் மற்றும் சிறந்த தொடர்ச்சி. முதல் பயிற்சி உங்கள் வேலையின் பணி வரைபடத்தை (task map) உருவாக்குவது. ஒரு வாரம் நீங்கள் செய்த பணிகளை எழுதி, அவற்றை திரும்பச் செய்தல், சிந்தித்தல் அல்லது பொறுப்பேற்றல் என வகைப்படுத்தவும். எந்தப் பணிகள் தானியங்குபடுத்தத் தயாராக உள்ளன, எந்தப் பணிகளுக்கு மனித ஆய்வு தேவை, எந்த முடிவில் உங்கள் கையொப்பம் அல்லது அதிகாரம் தேவை என்பதைப் பார்க்கவும். இது பதட்டத்தை தெளிவற்றதாக மாற்றாமல், செயல்படக்கூடிய பட்டியலாக மாற்றுகிறது.

இரண்டாவது பயிற்சி AI-யை பதில் இயந்திரமாக அல்ல, சவால் கூட்டாளியாகப் பயன்படுத்துவது. அதனிடம் அனுமானங்களின் பட்டியல், எதிர் வாதங்கள், விடுபட்ட தரவு மற்றும் தோல்வி முறைகளைக் கேளுங்கள். ஆனால் தனிப்பட்ட, ரகசிய அல்லது தனிப்பட்ட தரவை உரிய பாதுகாப்பு இல்லாமல் கருவியில் இட வேண்டாம். உருவாக்கப்பட்ட உள்ளடக்கத்தை முதன்மை ஆதாரமாகக் கருத வேண்டாம்; அசல் ஆவணம், அதிகாரப்பூர்வ தரவு மற்றும் துறை நிபுணருடன் சரிபார்க்கவும்.

மூன்றாவது பயிற்சி கள ஆழம் (domain depth). நீங்கள் பணிபுரியும் துறையில் தரநிலைகள், பொதுவான விதிவிலக்குகள், வாடிக்கையாளர் மொழி, செலவு இயக்கிகள் மற்றும் நெறிமுறை வரம்புகளைக் கற்றுக்கொள்ளுங்கள். AI ஒரு பொதுவானது; நிபுணரின் விளிம்பு சூழல் மற்றும் வடிவ அங்கீகாரத்தில் உள்ளது. ஒரு செவிலியர் நோயாளி தொடர்பு மற்றும் மருத்துவ மேல்முறையீட்டைப் புரிந்து கொள்ள வேண்டும்; ஒரு நிதி நிபுணர் பொருத்தம், மோசடி சமிக்ஞைகள் மற்றும் ஒழுங்குமுறை கடமை; ஒரு பொறியாளர் தோல்வி பகுப்பாய்வு மற்றும் பாதுகாப்பு வரம்பு.

நான்காவது பயிற்சி முடிவு எழுதுதல். பெரிய முடிவுகளை ஒரு பக்கத்தில் எழுதுங்கள்: சிக்கல், கிடைக்கும் உண்மைகள், அனுமானங்கள், மாற்று வழிகள், வர்த்தகப் பரிமாற்றங்கள், தேர்ந்தெடுக்கப்பட்ட பாதை, உரிமையாளர், ஆய்வு தேதி மற்றும் நிறுத்த நிலை. இந்த ஆவணம் AI உதவியுடன் வரைவு செய்யப்படலாம், ஆனால் இறுதி தர்க்கம் உங்களுடையதாக இருக்க வேண்டும். முடிவு எழுதுதல் குழு ஒருங்கிணைப்பு, தணிக்கைத்திறன் மற்றும் கற்றல் வேகத்தை அதிகரிக்கிறது.

ஐந்தாவது பயிற்சி பங்குதாரர் திறன் (stakeholder skill). பாதிக்கப்பட்டவர்களைக் கேட்பது, கருத்து வேறுபாட்டை ஆக்கப்பூர்வமாக்குவது மற்றும் கடினமான விஷயங்களைத் தெளிவான மொழியில் சொல்வது தானியங்குமயமாக்கலுடன் எளிதானது அல்ல. பேச்சுவார்த்தை, பயிற்சி, எளிதாக்குதல் மற்றும் மோதல் தீர்வு போன்ற திறன்களை அளவிடக்கூடியதாக ஆக்குங்கள்: கூட்டத்திற்குப் பிறகு என்ன தெளிவு ஏற்பட்டது? எந்த ஆபத்து வெளிக்கொணரப்பட்டது? எந்த நபரின் குரல் விடுபட்டது? இந்தத் திறன்கள்தான் தொழில் நெகிழ்ச்சித்தன்மையை வலுப்படுத்துகின்றன.

AI உடன் பணிபுரியும் நடைமுறை இயக்க மாதிரி

ஒவ்வொரு முக்கியமான பணிப்பாய்விலும் மனித-இன்-தி-லூப் (human-in-the-loop) என்பதை வெறும் ஒப்புதல் பொத்தானாக மாற்ற வேண்டாம். மனிதர்களுக்கு அர்த்தமுள்ள சூழல் மற்றும் மேலதிகார சக்தி (override power) கிடைக்க வேண்டும். முதலில் பணியின் வரம்பைத் தீர்மானிக்கவும்: AI என்ன செய்ய முடியும், என்ன செய்ய முடியாது, மற்றும் நிச்சயமற்ற தன்மை தோன்றினால் யாரை மேல்முறையீடு செய்ய வேண்டும். பின்னர் மாதிரி வெளியீடுகளில் தரக் குறியீட்டை (quality rubric) உருவாக்கவும். துல்லியம் மட்டுமே அளவீடு அல்ல; நியாயம், தனியுரிமை, தொனி, முழுமை மற்றும் தீங்கு ஆபத்து ஆகியவற்றையும் கவனியுங்கள். சிறிய பைலட் திட்டத்துடன் தொடங்குங்கள். அடிப்படை நேரம், பிழை விகிதம் மற்றும் பயனர் திருப்தியை அளவிடவும். AI வந்த பிறகு அதே அளவீடுகளை ஒப்பிடவும். நேரம் குறைந்தால் ஆனால் தவறான முடிவுகள் அதிகரித்தால், தானியங்குமயமாக்கல் வெற்றி பெறவில்லை. வெளியீட்டு அளவு அதிகரித்தால் ஆனால் குழுவின் மன அழுத்தம் மற்றும் ஆய்வு பின்னடைவு அதிகரித்தால், பணிப்பாய்வு மறுவடிவமைப்பு தேவை. இதுபோன்ற ஆதாரங்களிலிருந்து “AI நல்லதா கெட்டதா” என்ற விவாதத்திற்குப் பதிலாக நடைமுறை கற்றல் வருகிறது.

ஒவ்வொரு நிறுவனத்திற்கும் ஒரு சம்பவ வளையம் (incident loop) தேவை. மாதிரி தவறான சுருக்கத்தைக் கொடுத்தால், பாரபட்சமான பரிந்துரையை வழங்கினால் அல்லது முக்கியமான விதிவிலக்கைத் தவறவிட்டால், தனிநபரை மட்டும் குறை சொல்லாதீர்கள். ப்ராம்ப்ட், மூலத் தரவு, ஆய்வுப் படி, பயிற்சி மற்றும் மேல்முறையீட்டு வடிவமைப்பு ஆகியவற்றைக் கவனியுங்கள். பொறுப்பான கலாச்சாரம் குற்றத்தைச் மறைக்காது, கற்றுக்கொள்கிறது. அதே நேரத்தில், உயர்-ஆபத்துள்ள முடிவுகளில் தணிக்கைப் பாதையை வைத்திருங்கள்: எந்த உள்ளீடு பயன்படுத்தப்பட்டது, யார் ஆய்வு செய்தார், என்ன காரணம் ஆவணப்படுத்தப்பட்டது, மற்றும் மேல்முறையீட்டுப் பாதை என்ன.

குறைந்த சூழல் வேலை செய்பவர்கள் பாதுகாப்பற்றவர்களா?

இந்தச் சொற்றொடரும் எச்சரிக்கை தேவை. ஒரு நபரை “குறைந்த திறன்” என்று சொல்வது பெரும்பாலும் தவறானது, ஏனெனில் வழக்கமானதாகத் தோன்றும் வேலையிலும் மறைந்திருக்கும் அறிவு (tacit knowledge) இருக்கலாம். கிடங்கு ஊழியர் பாதை மற்றும் பாதுகாப்பு பற்றிய உள்ளூர் அறிவைக் கொண்டிருக்கலாம். வரவேற்பாளர் பார்வையாளரின் நடத்தையிலிருந்து அவசரத்தைப் புரிந்து கொள்ளலாம். இளைய ஆய்வாளர் தரவு முரண்பாடுகளைப் பிடிக்கலாம். AI தத்தெடுப்பின் நன்மை, நிறுவனங்கள் முன்னணி ஊழியர்களிடமிருந்து கற்றுக்கொண்டால், அவர்களை மறுவடிவமைப்பில் சேர்த்தால் மற்றும் மறுதிறன் பயிற்சிக்கு நேரம் கொடுத்தால் மட்டுமே நியாயமானதாக இருக்கும். தனிப்பட்ட அளவில், பணியைச் சுற்றியுள்ள சூழல் மற்றும் உரிமையை கற்றுக்கொள்வதே இலக்காக இருக்க வேண்டும். எடுத்துக்காட்டாக, தரவை உள்ளிடுவதற்குப் பதிலாக தரத் தர விதிகளைப் புரிந்துகொள்வது, விதிவிலக்கு அறிக்கையை உருவாக்குவது மற்றும் கீழ்நிலை முடிவின் தாக்கத்தைப் பார்ப்பது. அழைப்பு ஸ்கிரிப்டைப் படிப்பதற்குப் பதிலாக வாடிக்கையாளர் நோக்கத்தை வகைப்படுத்துவது, கொள்கை வரம்பை அடையாளம் காண்பது மற்றும் மேல்முறையீட்டிற்கு சரியான ஆதாரத்தை வழங்குவது. இது தொழிலாளியை மாற்றுவதற்குரிய கீஸ்ட்ரோக்குகள் மட்டுமல்ல, பணிப்பாய்வு நுண்ணறிவின் உரிமையாளராக ஆக்குகிறது. முதலாளிகளுக்கும் பொறுப்பு உள்ளது. AI-யிலிருந்து சேமித்த முழுப் பயனையும் தலை எண்ணிக்கை குறைப்பில் மட்டும் செலுத்தாமல், பயிற்சி, பாதுகாப்பான பணியாளர்கள் மற்றும் உயர்-மதிப்புப் பாத்திரங்களில் முதலீடு செய்ய வேண்டும். நியாயமான மாற்றம் என்பது தெளிவான தொடர்பு, அளவிடப்பட்ட பைலட்கள், தனியுரிமைப் பாதுகாப்பு மற்றும் மக்களுக்கு மேல்முறையீட்டு வழிமுறைகளைக் குறிக்கிறது. “AI சொன்னது” என்பது எந்தவொரு முடிவிற்கும் போதுமான காரணமாக இருக்கக்கூடாது.

முடிவுரை: வேலைப் பெயர் அல்ல, பொறுப்பான முடிவே உங்கள் பாதுகாப்பு

“AI எந்த வேலைகளை மாற்றாது?” என்பதற்கான மிகவும் நேர்மையான பதில்: தெளிவின்மையில் ஒரு மனிதர் முடிவெடுக்க வேண்டும், சூழலைப் புரிந்து கொள்ள வேண்டும், மற்றும் விளைவுகளுக்குப் பொறுப்பேற்க வேண்டும். திரும்பச் செய்யும் பணிகள் தானியங்குபடுத்தப்படும். சிந்திக்கும் பணிகள் AI-யால் வேகமாகவும் வளமாகவும் இருக்கலாம். பொறுப்பேற்கும் பணிகளில் AI உதவியாக இருக்கும், உரிமையாளராக இருக்காது. எனவே, எதிர்காலப் பாதுகாப்பு என்பது இயந்திரத்துடன் போட்டியிடுவது அல்ல; இயந்திரத்தின் வெளியீட்டை அர்த்தமுள்ள, பாதுகாப்பான மற்றும் மனிதனை மையமாகக் கொண்ட முடிவுகளாக மாற்றுவது. இன்றிலிருந்து மூன்று சிறிய படிகளை எடுங்கள்: உங்கள் வேலையின் பணிகளை மூன்று பிரிவுகளாக வரைபடமாக்குங்கள்; ஒவ்வொரு வாரமும் ஒரு முடிவுப் பதிவை எழுதுங்கள்; மற்றும் ஒரு கள-குறிப்பிட்ட விளிம்பு வழக்கைப் பற்றி AI உதவியுடன் அல்ல, ஆதாரம் மற்றும் மனித ஆய்வுடன் கற்றுக்கொள்ளுங்கள். படிப்புகளைத் தேர்ந்தெடுங்கள், அவை ஒரு உண்மையான முடிவு இடைவெளியை நிரப்பினால் மட்டுமே. உங்கள் தொழில் மதிப்பு சான்றிதழ்களின் எண்ணிக்கையால் குறைவாகவும், சரியான நேரத்தில் சரியான கேள்வியைக் கேட்பது, ஆபத்தை அடையாளம் காண்பது மற்றும் நியாயமான விளைவுக்காக நிற்பது ஆகியவற்றின் திறனால் அதிகமாகவும் தீர்மானிக்கப்படும். AI தொடர்ந்து மாறும். சூழல், நம்பிக்கை மற்றும் பொறுப்புக்கூறலுக்கான தேவை நீடிக்கும். இந்த மூன்றையும் தொடர்ந்து வலுப்படுத்தும் நிபுணர், வேலையைப் பாதுகாக்க முயற்சிப்பது மட்டுமல்ல – அவர் தனது வேலையின் அடுத்த, மேலும் பொறுப்பான பதிப்பை உருவாக்குகிறார்.

அடிக்கடி கேட்கப்படும் கேள்விகள்: AI மற்றும் வேலைகள்

1) எந்த வேலையும் உண்மையிலேயே 100% AI-proof ஆ?

இல்லை. “AI-proof” என்று சொல்வது மிகைப்படுத்தல். கிட்டத்தட்ட எல்லா வேலைகளிலும் சில பணிகள் தானியங்குபடுத்தப்படலாம், மேம்படுத்தப்படலாம் அல்லது மறுவடிவமைப்பு செய்யப்படலாம். வேறுபாடு என்னவென்றால், வேலையின் உயர்-சூழல், உறவு மற்றும் பொறுப்புக்கூறல் பகுதிகள் எவ்வளவு பெரியவை. தொழில் திட்டமிடல் வேலைப் பெயரைப் பார்த்து அல்ல, பணி கலவை மற்றும் முடிவு உரிமையைப் பார்த்து செய்ய வேண்டும்.

2) எந்த வேலைகள் முதலில் தானியங்குமயமாக்கலுக்கு உட்படும்?

உள்ளீடு தெளிவாக இருக்கும், செயல்முறை திரும்பத் திரும்பச் செய்யக்கூடியது, மற்றும் வெளியீடு எளிதாகச் சரிபார்க்கக்கூடியது – அதாவது வழக்கமான வடிவமைப்பு, அடிப்படை சுருக்கம், நிலையான வகைப்பாடு மற்றும் கணிக்கக்கூடிய தரவு கையாளுதல் – முதலில் மாறக்கூடும். இதன் பொருள் ஊழியர் உடனடியாக மாற்றப்படுவார் என்று அர்த்தமல்ல; அவர் விதிவிலக்கு கையாளுதல், தரக் கட்டுப்பாடு மற்றும் சூழல் சார்ந்த பணிகளைக் கற்றுக்கொள்ள வேண்டும்.

3) ப்ராம்ப்ட் இன்ஜினியரிங் கற்றுக்கொள்வது போதுமான திறன் மேம்பாடா?

இல்லை. ப்ராம்ப்ட் எழுதுவது பயனுள்ளதாக இருக்கும், ஆனால் முடிவெடுக்கும் திறன் அதைவிட பெரிய திறமை. உங்களுக்கு கள அறிவு, ஆதார சரிபார்ப்பு, தனியுரிமை, இடர் மதிப்பீடு, தொடர்பு மற்றும் வர்த்தகப் பரிமாற்ற பகுப்பாய்வு ஆகியவையும் தேவை. ஒரு நல்ல ப்ராம்ப்ட் தவறான வணிக இலக்கு அல்லது மோசமான தரத்தை தானாகவே சரிசெய்ய முடியாது.

4) உயர்-ஆபத்துள்ள முடிவுகளில் AI-யை எவ்வாறு பயன்படுத்துவது?

நோக்கம் மற்றும் வரம்புகளை முதலில் தீர்மானிக்கவும், முக்கியமான தரவைப் பாதுகாக்கவும், அசல் ஆதாரங்களிலிருந்து வெளியீட்டைச் சரிபார்க்கவும், மேலும் பயிற்சி பெற்ற மனித மதிப்பீட்டாளருக்கு அர்த்தமுள்ள மேலதிகார சக்தியை வழங்கவும். முடிவுப் பதிவு, தணிக்கைப் பாதை மற்றும் மேல்முறையீட்டுப் பாதையை வைத்திருங்கள். சுகாதாரம், சட்டம், நிதி அல்லது பாதுகாப்பு போன்ற துறைகளில் பொருந்தக்கூடிய சட்டம் மற்றும் தகுதிவாய்ந்த தொழில்முறை வழிகாட்டுதலைப் பின்பற்றவும்.

5) எனது வேலை திரும்பச் செய்யும் பிரிவில் இருந்தால் நான் என்ன செய்ய வேண்டும்?

உங்கள் பணிப்பாய்வின் சூழலைக் கற்றுக்கொள்ளுங்கள்: பிழைகள் எங்கே, ஏன் ஏற்படுகின்றன, வாடிக்கையாளர் அல்லது மற்ற குழுவில் என்ன தாக்கம், மற்றும் விதிவிலக்குகள் எவ்வாறு அடையாளம் காணப்படுகின்றன. AI கருவியுடன் தரச் சரிபார்ப்பாளர், செயல்முறை மேம்படுத்துபவர் அல்லது விதிவிலக்கு உரிமையாளராக பயிற்சி செய்யுங்கள். ஒரு சிறிய அளவிடக்கூடிய திட்டத்தைத் தேர்ந்தெடுத்து, காலப்போக்கில் பிழை விகிதம் மற்றும் விளைவு இரண்டையும் கண்காணிக்கவும்.