هوش مصنوعی مولد فرصتهای شغلی جالبی را هم برای نوابغ فناوری و هم برای متخصصان کسبوکار ارائه میدهد. برخلاف انواع قبلی فناوریها، دو مسیر وجود دارد که میتوان دنبال کرد - یا ساخت هوش مصنوعی یا استفاده از هوش مصنوعی برای ساختن کسبوکار.
تحقیقات اخیر انجام شده توسط آدیتیا چالاپالی، مدیر علوم کاربردی مایکروسافت، این دو مسیر موفقیت در هوش مصنوعی را بررسی میکند.
برای متخصصان فناوری اطلاعات، این به معنای ارائه سریع راهحلها برای جلوتر ماندن از تغییرات سریع کسبوکار است - مسیر شغلی فنی. چالاپالی به ZDNET گفت: «متخصصان فناوری اطلاعات باید بهطور فعال ابزارهای جدیدی مانند GitHub Copilot، Cursor، Claude Code و سایر موارد را بررسی کنند تا در لبه فناوری باقی بمانند. در بسیاری از سازمانها، من دیدهام که توسعهدهندگان به سرعت به عنوان کدنویسان 10 برابری شهرت پیدا میکنند، صرفاً با استفاده مؤثر از این ابزارها، و این مزیت حتی با عقب افتادن دیگران نیز باقی میماند.»
از دیدگاه کسب و کار، هوش مصنوعی مولد نمیتواند در خلاء فنی عمل کند - کارشناسان موضوعی مسلط به هوش مصنوعی برای انطباق فناوری با الزامات خاص کسب و کار مورد نیاز هستند - این مسیر شغلی تخصص دامنه است. چالاپالی گفت: «با کالاییشدن مدلهای هوش مصنوعی، دانش تخصصی دامنه بهطور فزایندهای ارزشمند میشود. چیزی که متخصصان واقعی را متمایز میکند، درک عمیق آنها از صنعت خاص خود همراه با توانایی شناسایی مکان و چگونگی کاربرد مؤثر هوش مصنوعی مولد در آن است.» او هشدار داد که اغلب، رباتها به تنهایی نمیتوانند چنین دانش خاصی را منتقل کنند.
چالاپالی با مصاحبه با 50 رهبر تجاری در مورد نیاز آنها به تیزهوشی هوش مصنوعی، دریافت که دانش عمیق هوش مصنوعی بسیار مورد تقاضا است - و نیاز به مهارتهای فنی و تیزهوشی تجاری در حال همگرایی است. او گفت: «رهبران این موضوع را حتی مهمتر از مدیریت پروژه سنتی یا وظایف مرتبط با کسبوکار مانند ارائه چشمانداز محصول قانعکننده یا هماهنگی خوب، رتبهبندی کردند.»
بهترین افراد غیرفنی چگونه در هوش مصنوعی موفق میشوند و به سرعت شغل خود را رشد میدهند؟ (میانگین رتبهبندی در مقیاس 1 تا 10)
- درک عمیق فناوری (10)
- چشم انداز محصول (7)
- میتواند الزامات محصول را انجام دهد یا انجام میدهد (6)
- جمعآوری و دفاع از الزامات (5)
او گفت: «رهبران کسبوکار شدیدترین نیاز را در حال حاضر به متخصصانی میدانند که هر دو دنیا را به هم متصل میکنند – کسانی که عمیقاً الزامات کسبوکار را درک میکنند و در عین حال اصول فنی هوش مصنوعی را نیز درک میکنند. آنها به جای فناوران صرف، به دنبال افرادی هستند که تیزهوشی تجاری سنتی را با سواد فنی ترکیب میکنند. اینها افرادی هستند که میتوانند چشمانداز محصول را بسازند، مفاهیم اولیه کدنویسی را درک کنند و الزامات پیچیدهای را جمعآوری کنند که قابلیتهای فناوری را با اهداف تجاری همسو میکند.»
چالاپالی گفت: «برای کسانی که در سمت فنی هستند، مهم است که در هنر هدایت این ابزارها برای ارائه نتایج دقیق، مهارت پیدا کنند. من واقعاً فکر میکنم که قدرت واقعی متخصصان فناوری اطلاعات اکنون در توانایی آنها برای مدیریت مؤثر عاملها و ابزارهای مختلف کدنویسی نهفته است.»
در عین حال، او متوجه شده است که «برخی از توسعهدهندگان باتجربه تمایل دارند این ابزارهای جدید را دست کم بگیرند و آنها را بهعنوان حقههایی برای تازهکاران رد کنند. با این حال، این ابزارها میتوانند بهطور قابلتوجهی گردشهای کاری کوچکتر و وظایف کدنویسی را ساده کنند، و کسانی که از آنها استفاده میکنند، آنها را بسیار مفید میدانند.»
او ادامه داد: «متخصصان برتر، هر هفته زمانی را به آزمایش مدلها، چارچوبها و ابزارهای نوظهور اختصاص میدهند، حتی اگر اکثریت قریب به اتفاق آنها را کنار بگذارند.»
چالاپالی توصیههای زیر را به متخصصان فناوری ارائه کرد:
- به اصول اساسی توسعه نرمافزار پایبند باشید. او گفت: «این ابزارها اصول مهندسی نرمافزار سنتی طراحی ماژولار، تفکر طراحی سیستمهای خوب و درک الزامات محصول را حتی مهمتر میکنند. من دیدهام که متخصصان فناوری اطلاعات از توسعه فوقسریع، که توسط هوش مصنوعی فعال شده است، بهعلاوه تفکر خوب محصول یا کسبوکار، برای تقویت فوقالعاده مشاغل خود استفاده میکنند.»
- یاد بگیرید. او گفت: «دو تا چهار هفته وقت بگذارید و روی دانش بنیادی تمرکز کنید. اصول اولیه هوش مصنوعی و هوش مصنوعی مولد را بیاموزید، با ابزارهای محبوبی مانند ChatGPT و DALL-E آشنا شوید و مهارتهای ضروری مهندسی پرامپت را توسعه دهید. با کمی تلاش، میتوان این LLMها را برای انجام کارهای بزرگ هدایت کرد.»
- استاد پرامپت شوید. وی توصیه کرد: «پرامپتینگ مهمترین مهارت برای استفاده موفقیت آمیز از هوش مصنوعی مولد است و معمولاً چهار تا شش هفته طول می کشد تا به آن مسلط شوید. متخصصان باید از وظایف ساده ورودی/خروجی به تکنیک های پیشرفته مانند پرامپتینگ چند کاناله و قالب بندی JSON پیشرفت کنند. هدف دستیابی به خروجی های ثابت و تکرارپذیر از LLM ها و ارزیابی دقیق قابلیت های هوش مصنوعی مولد برای وظایف خاص است.»
- یک مسیر پیشرفته را انتخاب کنید. او گفت: «هنگامی که اصول فنی را فرا گرفتید، باید تصمیم بگیرید که چگونه بسته به زمینه شغلی خود تخصص پیدا کنید. متخصصان سازمانی احتمالاً میخواهند بر معماری سیستمها، جریان دادهها و ادغام هوش مصنوعی مولد تمرکز کنند. از سوی دیگر، متخصصان مستقل باید بر ابزارهای کم کد/بدون کد تسلط داشته باشند و کدنویسی اولیه را با کمک LLM ها بیاموزند، که امکان نمونهسازی و توسعه سریع را فراهم میکند.»
در سمت کسب و کار، هنوز به نقطهای نرسیدهایم که مهارتهای فنی سخت دیگر برای توسعه اپلیکیشن ضروری نباشد. چالاپالی گفت: «هوش مصنوعی امروزه در ساخت اپلیکیشنهای ساده بسیار خوب عمل میکند - حدود 80 درصد از راه را طی میکند. اما تکمیل 20 درصد نهایی همچنان به دانش فنی واقعی برای اشکالزدایی و کارکردن در دنیای واقعی نیاز دارد. این ممکن است به زودی به 95 درصد بهبود یابد، اما فقط برای برنامههای کاربردی ساده.»
چالاپالی برای متخصصان کسب و کار، توصیه های زیر را ارائه می دهد:
- چشم انداز هوش مصنوعی صنعت خود را ترسیم کنید. وی توصیه کرد: "دو تا سه هفته را صرف مطالعه برنامه های کاربردی موجود هوش مصنوعی مولد در زمینه خود کنید. پیاده سازی های موفق، تلاش های ناموفق و فرصت های نوظهور را درک کنید."
- رفتار کاربر را درک کنید. او گفت: «زمانی را صرف درک نحوه تعامل کاربران صنعت شما با سیستمهای هوش مصنوعی کنید. شما میتوانید این کار را به راحتی با امتحان کردن ابزارهای اصلی هوش مصنوعی در زمینه خود انجام دهید.»
- نحوه بازاریابی را بدانید. «با گسترش اپلیکیشنهای هوش مصنوعی مولد، یکی از بهترین کارهایی که یک متخصص کسبوکار میتواند یاد بگیرد، این است که یاد بگیرد چگونه اپلیکیشن هوش مصنوعی مولد خود را متمایز کند و توجهها را جلب کند.»