तंत्रज्ञ, अर्थशास्त्रज्ञ आणि दूरदर्शी आम्हाला चेतावणी देत आहेत की पुढील तीन ते 18 महिन्यांत, आम्ही आमच्या व्यावसायिक जीवनात, कामाच्या ठिकाणाचे मॉडेल आणि उत्पन्नाचे वितरण यामध्ये जलद आणि व्यापक व्यत्यय अनुभवणार आहोत. व्यावसायिक पदे आवश्यक असलेल्या महाविद्यालयीन पदवी गमावल्या जातीलउच्च उत्पादक, किफायतशीर, संकरित मानवी-एआय मॉडेल्समध्ये पुनर्निर्मित केले गेले जेथे मानवी योगदान आणि भरपाई एकत्रितपणे संकुचित आणि बाष्पीभवन होईल.
या प्रश्नाचे उत्तर आपण लवकरच दिले पाहिजे ते म्हणजे आपण असे काय शिकवू शकतो जे आपल्या विद्यार्थ्यांना आपल्यावर होत असलेल्या मोठ्या बदलांना सहन करण्यास तयार करेल? गोष्टी सारख्या होणार नाहीत हे विपुल प्रमाणात स्पष्ट झाल्यामुळे आपण कोर्समध्ये राहू नये. हे अंदाज आणि दावे निव्वळ हायपरबोल आहेत असे आपण म्हणू नये, चला तपासूया GDPval बेंचमार्क अहवाल “वास्तविक-जागतिक कार्यांवर आमच्या मॉडेल्सचे कार्यप्रदर्शन मोजणे,” स्प्रेडशीट मॉडेलिंग आणि दस्तऐवज संपादन यांसारख्या जटिल कार्यांमध्ये AI मॉडेल्स जवळ येत आहेत किंवा उद्योग तज्ञांच्या कामगिरीशी जुळत आहेत, 44 व्यवसायांमधील मानवी व्यावसायिकांपेक्षा लक्षणीयरीत्या उच्च गती आणि कमी खर्चासह.
GDPval हे ओपनएआयचे मूल्यमापन बेंचमार्क आहे, दिनांक 3 सप्टेंबर 2025 रोजी, आर्थिकदृष्ट्या मौल्यवान, वास्तविक-जागतिक ज्ञान-कार्य कार्यांसाठी. OpenAI नुसार, ही आवृत्ती यूएस जीडीपीमध्ये योगदान देणाऱ्या शीर्ष नऊ उद्योगांमधून काढलेल्या 44 व्यापकपणे वितरित व्यावसायिक व्यवसायांचा विस्तार करते, एकूण 1,320 विशेष कार्ये पूर्ण सेटमध्ये आणि 220 कार्ये “ओपन-सोर्स्ड गोल्ड सेट” मध्ये आहेत. OpenAI म्हणते की ही कार्ये त्या क्षेत्रातील अनुभवी व्यावसायिकांद्वारे तयार केली गेली आणि त्यांची तपासणी केली गेली आणि अरुंद शैक्षणिक बेंचमार्क ऐवजी वास्तववादी कार्य उत्पादनांवर कार्यप्रदर्शन मोजण्याचा हेतू आहे.
जीडीपीव्हॅलचा हेतू व्यावसायिक प्रत्यक्षात काय करतात यासारख्या कामावर मॉडेल्स किती चांगली कामगिरी करतात, जसे की कायदेशीर संक्षिप्त मसुदा तयार करणे, लेखा सामग्री तयार करणे, वेळापत्रक तयार करणे, आकृती तयार करणे आणि तत्सम आउटपुट तयार करणे. OpenAI हे केवळ मानक बेंचमार्क प्रश्नांवरच नव्हे तर आर्थिकदृष्ट्या अर्थपूर्ण कार्यांवर मॉडेल क्षमतेचा मागोवा घेण्याचा एक मार्ग म्हणून सुचवते. याचा अर्थ असा की AI चे असे ऍप्लिकेशन्स पुढील काही महिन्यांत अंमलबजावणीत आघाडीवर असण्याची शक्यता आहे कारण पूर्वीच्या पगाराची भरपाई केलेल्या लोकांच्या जागी AI वापरणाऱ्या संस्थांना बचतीचे वचन दिले आहे.
OpenAI हे देखील सूचित करते की GDPval हा AI ची श्रम बाजारातील प्रासंगिकता आणि व्यावहारिक उपयोगिता समजून घेण्याच्या व्यापक प्रयत्नांचा एक भाग आहे. सार्वजनिक विहंगावलोकन पृष्ठ यावर जोर देते की वास्तववादी व्यावसायिक कार्ये मर्यादा आणि भविष्यातील पुनरावृत्ती लक्षात घेऊन मॉडेल्स दैनंदिन व्यावसायिक कार्यास कसे समर्थन देऊ शकतात याचे स्पष्ट संकेत देतात. अनुप्रयोग आता आमच्यावर आहेत – ते केवळ अस्पष्ट अनुमान नाहीत, तर ते जवळपास-मुदतीची, खर्च-बचत अंमलबजावणी आहेत जी आम्ही आज स्थापित पाहत आहोत.
मी विचारले मिथुन 3 वास्तविकता संबोधित करण्यासाठी जलद मोड 2026 मध्ये आतापर्यंत:
“आम्ही सध्या संपूर्ण निर्मूलनाच्या ऐवजी ‘जॉब रीडिझाइन’च्या काळात आहोत. 91% उपक्रमांनी अहवाल दिला की त्यांनी संपूर्ण विभाग काढून टाकले नसले तरी, त्या विभागांमधील भूमिकांचे स्वरूप मूलभूतपणे बदलले आहे. आजचा प्राथमिक पुरावा हा उच्च बेरोजगारीचा दर नाही (जे 4.28% वर तुलनेने स्थिर आहे), परंतु ज्यांची संख्या 4.28% आणि AI च्या दरम्यान आहे. कार्ये पूर्णपणे स्वयंचलित केली गेली आहेत.”
तरीही, कोणते व्यवसाय तसेच लोक कामावरून काढून टाकण्याऐवजी टिकून राहण्याची अधिक शक्यता असते याचे पुरावे आहेत. मध्ये अ अगदी अलीकडील वॉशिंग्टन पोस्ट लेख, केविन शॉल आणि शिरा ओव्हिड लिहा
“कृत्रिम बुद्धिमत्ता अधिक सक्षम झाल्यामुळे, काही नोकऱ्यांना मागणी राहू शकते तर काही कमी होऊ शकतात. एका अलीकडील अभ्यासानुसार, वेब डिझायनर आणि सचिवांना रखवालदारांपेक्षा जास्त धोका असतो. परंतु चित्रात आणखी एक परिमाण आहे. काही कामगारांना परिस्थितीशी जुळवून घेणे सोपे जाईल, संशोधकांचे म्हणणे आहे की त्यांची बचत, वय आणि यासारख्या घटकांच्या आधारे बहुतेक महिला कामगारांचे कौशल्य, 6 टक्के बदलण्यायोग्य आहे … संशोधक म्हणाले, ऑटोमेशनचे नकारात्मक परिणाम समाजात समान रीतीने सहन केले जाणार नाहीत.
एक नामशेष झालेला व्यवसाय, टेलिफोन स्विचबोर्ड ऑपरेटर, AI च्या प्रभावांबद्दल आशा आणि निराशा या दोन्हीसाठी काही संभाव्य कारणे देतात. एकेकाळी अमेरिकन महिलांसाठी ही सर्वात सामान्य नोकऱ्यांपैकी एक होती, परंतु २०व्या शतकाच्या सुरुवातीस टेलिफोनचे आधुनिकीकरण झाल्यामुळे नोकऱ्या नष्ट झाल्या, असे २०२४ मध्ये प्रकाशित झालेल्या एका शोधनिबंधात म्हटले आहे. अर्थशास्त्राचे त्रैमासिक जर्नल अमेरिकन प्राध्यापक जेम्स फीगेनबॉम आणि डॅनियल ग्रॉस यांनी. त्यांच्या नोकऱ्या गमावलेल्या स्विचबोर्ड ऑपरेटरना त्यांच्या समवयस्कांपेक्षा इतर काम कधीच सापडण्याची किंवा कमी पगाराच्या नोकऱ्या घेण्याची शक्यता जास्त होती, असे संशोधनात आढळून आले आहे. पण काही वर्षांतच सचिवीय आणि रेस्टॉरंटच्या कामात भर पडल्याने तरुणींसाठी नवीन संधी उघडल्या. बोस्टन युनिव्हर्सिटीचे आर्थिक इतिहासकार, फीगेनबॉम यांनी एका मुलाखतीत सांगितले की, “मी ते काहीसे आशादायक म्हणून वाचले आहे.
आवश्यक कार्यस्थळ कौशल्यांमध्ये संभाव्य व्यत्यय टिकून राहण्यासाठी जे आमच्या कार्यस्थळांना वेगाने मागे टाकत आहे, मिथुन 3 विचाराने चार प्रमुख टिकाऊ वैयक्तिक वैशिष्ट्ये ओळखली:
- मेटाकॉग्निटिव्ह चपळता: “कसे शिकायचे ते शिकण्याची” क्षमता आणि साधने दर काही महिन्यांनी विकसित होत असताना “रूकी” राहण्याची नम्रता.
- नैतिक विवेक: AI पर्याय देऊ शकते, परंतु त्यात नैतिक होकायंत्राचा अभाव आहे. निर्णयाच्या सामाजिक आणि मानवी परिणामांचे वजन करण्याची क्षमता हा एक प्रीमियम गुणधर्म आहे.
- सहानुभूतीपूर्ण नेतृत्व: अनिश्चिततेच्या युगात संघांचे व्यवस्थापन करण्यासाठी मनोबल राखण्यासाठी आणि जटिल मानवी संघर्षांना नेव्हिगेट करण्यासाठी उच्च भावनिक बुद्धिमत्ता (EQ) आवश्यक आहे.
- सिस्टीम थिंकिंग: AI फक्त तुकड्यांमध्ये पाहणाऱ्या “दुष्ट” समस्यांचे निराकरण करण्यासाठी वेगवेगळ्या विषयांमध्ये (उदा. कायदा, तंत्रज्ञान आणि समाजशास्त्र) ठिपके जोडण्याची क्षमता.
जेमिनी 3 थिंकिंग विशेषतः शिफारस करते, “महाविद्यालये आणि विद्यापीठांनी मूलभूत एआय साक्षरतेच्या पलीकडे एजंटिक प्रवाहाकडे जावे.” जेमिनी 3 ची शिफारस आहे की आपण शिकवले पाहिजे:
- ह्युमन-एआय ऑर्केस्ट्रेशन: विद्यार्थ्यांना “प्रॉम्प्टिंग” वरून “ऑर्केस्ट्रेट” स्वायत्त एआय एजंट्सकडे जाण्यास शिकवणे. यामध्ये वर्कफ्लो व्यवस्थापित करणे समाविष्ट आहे जेथे मानव क्रिएटिव्ह डायरेक्टर आणि गुणवत्ता नियंत्रक म्हणून कार्य करतो.
- प्रगत विवेक आणि पडताळणी: सिंथेटिक माध्यमांच्या वाढीसह, आम्ही “विरोधक विचारसरणी” – LLMs द्वारे उत्पादित माहितीचे प्रश्न, पडताळणी आणि संदर्भित करण्याची क्षमता शिकवली पाहिजे.
- आंतरविद्याशाखीय समस्या-निराकरण: सिलो काढून टाकणे जेणेकरून नर्सिंग विद्यार्थ्याला डेटा गोपनीयता समजेल आणि व्यावसायिक विद्यार्थ्याला अल्गोरिदमिक पूर्वाग्रह समजेल.
- स्ट्रॅटेजिक कम्युनिकेशन: एआय मेमो लिहू शकते, परंतु ते अस्सल संबंध तयार करू शकत नाही. आपण समोरासमोर वाटाघाटी, उच्च दर्जाचे सादरीकरण आणि प्रेरक कथा सांगण्यावर भर दिला पाहिजे.
“एआय-प्रूफ” पदवीधर तयार करणे हे उद्दिष्ट आहे जे स्पर्धा करत नाहीत सह मशीन, परंतु त्याऐवजी मशीनच्या “कसे” च्या मागे मानवी “का” प्रदान करा.
तंत्रज्ञान, पायाभूत सुविधा आणि मागणी वेगाने वाढू लागली आहे, असे उद्योग नेते सांगत आहेत. कंप्युट, ऊर्जा, बुद्धिमत्ता, मूर्त स्वरूप आणि कक्षीय प्रवेशाचे अभिसरण एका कंपाउंडिंग सिस्टममध्ये येत आहे. भविष्यवादी पीटर एच. डायमंडिस त्याच्या मेटाट्रेंड्स सबस्टॅकमध्ये नोंदवतात“ते भविष्य दहा वर्षे दूर नाही. ते आता येत आहे आणि पुढील 12-24 महिन्यांत तैनात केले जाईल.”
उच्च शिक्षणामध्ये आपल्या विद्यार्थ्यांना आज आणि उद्याच्या कामाच्या ठिकाणी तयार करण्याची जबाबदारी आहे. तुमच्या संस्थेतील पदवी आणि प्रमाणपत्र उमेदवार या वर्षात आणि पुढील काळात उदयास येणाऱ्या नवीन वातावरणात भरभराटीसाठी तयार आहेत याची खात्री करण्यासाठी तुम्ही काय करत आहात?
Source link
