தற்போது அலுவலகத்தில் AI எங்கே அதிக நேரத்தைச் சேமிக்கிறது?

செயற்கை நுண்ணறிவின் (AI) ஆரம்பக்கால உற்சாகம் முடிந்துவிட்டது. நாம் இப்போது வெறும் வேடிக்கையான படங்கள் மற்றும் கவிதை போன்ற ப்ராம்ப்ட்களைத் தாண்டி, உண்மையான பயன்பாட்டு காலத்திற்குள் நுழைந்துவிட்டோம். சராசரி அலுவலகப் பணியாளரைப் பொறுத்தவரை, இந்தத் தொழில்நுட்பம் கோட்பாட்டு ரீதியாக என்ன செய்ய முடியும் என்பது கேள்வியல்ல; மாறாக, வேலை வாரத்தில் எத்தனை மணிநேரத்தை இது உண்மையில் மிச்சப்படுத்துகிறது என்பதே முக்கியம். தற்போது அதிக அளவிலான, ஆனால் குறைந்த ஆபத்துள்ள ஒருங்கிணைப்புப் பணிகளிலேயே அதிக நேரச் சேமிப்பு கிடைக்கிறது. இதில் நீண்ட மின்னஞ்சல் உரையாடல்களைச் சுருக்குவது, திட்டங்களுக்கான ஆரம்ப வரைவுகளை உருவாக்குவது மற்றும் சாதாரண மீட்டிங் குறிப்புகளைச் செயல் திட்டங்களாக மாற்றுவது ஆகியவை அடங்கும். இந்த வேலைகள் முன்பு ஒவ்வொரு நாளின் முதல் இரண்டு மணிநேரத்தை விழுங்கிக்கொண்டிருந்தன. இப்போது, அவை சில நொடிகளில் முடிந்துவிடுகின்றன. இருப்பினும், இந்தத் திறன் மேம்பாட்டிற்கு மனித மேற்பார்வை மிக அவசியம். AI தரும் முடிவை அப்படியே இறுதிப் பொருளாகக் கருதினால், அதைச் சரிசெய்ய நீங்கள் அதிக நேரத்தைச் செலவிட வேண்டியிருக்கும். இந்தத் தொழில்நுட்பங்களை ஒரு தொடக்கப் புள்ளியாகப் பயன்படுத்துவதே உண்மையான மதிப்பு. இருபதாம் நூற்றாண்டின் இறுதியில் ஸ்ப்ரெட்ஷீட் அறிமுகமான பிறகு, அலுவலக வாழ்க்கையில் ஏற்பட்டுள்ள மிகவும் நடைமுறை மாற்றமாக இது கருதப்படுகிறது.

நவீன அலுவலக ஆட்டோமேஷனின் நுட்பங்கள்

நேரம் எங்கே செலவாகிறது என்பதைப் புரிந்துகொள்ள, இந்த டூல்கள் உண்மையில் என்ன என்பதை நீங்கள் அறிய வேண்டும். பெரும்பாலான அலுவலகப் பணியாளர்கள் Large Language Models அல்லது LLMs உடன் தான் உரையாடுகிறார்கள். இவை உண்மைகளின் தரவுத்தளங்கள் அல்ல. இவை மிகப்பெரிய அளவிலான பயிற்சித் தரவுகளின் அடிப்படையில், அடுத்ததாக எந்த வார்த்தை வரும் என்று கணிக்கும் அதிநவீன கணிப்பு இயந்திரங்கள். நீங்கள் ChatGPT அல்லது Claude போன்ற ஒரு டூலிடம் ஒரு மெமோவை எழுதச் சொல்லும்போது, அது உங்கள் நிறுவனத்தின் கொள்கையைப் பற்றிச் சிந்திப்பதில்லை. தொழில்முறை மெமோக்களில் பொதுவாக எந்த வார்த்தைகள் வரிசையாக வரும் என்பதையே அது கணக்கிடுகிறது. இந்த வேறுபாடு மிக முக்கியமானது, ஏனெனில் இது ஏன் இந்தத் தொழில்நுட்பம் வடிவமைப்பில் சிறப்பாகவும், அதே சமயம் உண்மைகளில் பிழை செய்யவும் வாய்ப்புள்ளது என்பதை விளக்குகிறது. மனிதர்களுக்குச் சலிப்பைத் தரும் கட்டமைப்பு வேலைகளில் இது சிறந்து விளங்குகிறது. ஒரு புல்லட் பாயிண்ட் பட்டியலை முறையான கடிதமாக மாற்றவோ அல்லது தொழில்நுட்ப அறிக்கையை நிர்வாகிகளுக்கான சுருக்கமாக மாற்றவோ இது உதவும். இதுவே generative work என்று அழைக்கப்படுகிறது, இங்குதான் தற்போதைய நேரச் சேமிப்பு பெருமளவில் உள்ளது.

சமீபத்திய அப்டேட்கள் இந்த டூல்களை ஏஜெண்டுகளாக மாற்றியுள்ளன. ஒரு ஏஜெண்ட் வெறும் உரையை மட்டும் எழுதுவதில்லை. அது மற்ற மென்பொருட்களுடனும் தொடர்பு கொள்கிறது. இப்போது உங்கள் காலெண்டரைப் பார்த்து, நேர மோதல்களைக் கண்டறிந்து, சம்பந்தப்பட்ட நபருக்கு ஒரு பணிவான மின்னஞ்சலை அனுப்பும் AI ஒருங்கிணைப்புகளை நீங்கள் காணலாம். இது வெவ்வேறு ஆப்ஸ்களுக்கு இடையே மாறுவதால் ஏற்படும் மனச் சுமையைக் குறைக்கிறது. நீண்ட ஆவணங்களைக் கையாள்வதிலும் இந்தத் தொழில்நுட்பம் முன்னேறியுள்ளது. ஆரம்பக்கால மாடல்கள் ஆவணத்தின் முடிவை அடையும்போது தொடக்கத்தை மறந்துவிடும். நவீன மாடல்கள் நூற்றுக்கணக்கான பக்கங்களை நினைவகத்தில் வைத்திருக்க முடியும். இது முழுமையான சட்ட ஒப்பந்தங்கள் அல்லது தொழில்நுட்ப கையேடுகளை ஒரே நேரத்தில் ஆய்வு செய்ய அனுமதிக்கிறது. Gartner ஆராய்ச்சியின்படி, நிறுவனங்கள் சிக்கலான ஒருங்கிணைப்புகளுக்குச் செல்லும் முன், ROI-ஐ நிரூபிக்க இத்தகைய குறுகிய பயன்பாடுகளில் கவனம் செலுத்துகின்றன. நிர்வாகச் சுமையைக் குறைப்பதே இதன் முக்கிய நோக்கம்.

நிலையான தேடலில் இருந்து செயலில் உள்ள உருவாக்கத்திற்கு மாறுவதே இந்த மாற்றத்தின் மையமாகும். முன்பு, எக்செல் (Excel) பட்ஜெட்டை எப்படி வடிவமைப்பது என்று தெரியவில்லை என்றால், நீங்கள் ஒரு டுடோரியலைத் தேடிப் பார்ப்பீர்கள். இப்போது, உங்கள் தரவை விவரித்து, அந்த ஃபார்முலாவை உங்களுக்காக எழுதச் சொல்கிறீர்கள். இது கற்றல் கட்டத்தைத் தவிர்த்து நேரடியாகச் செயல்பாட்டிற்குச் செல்கிறது. இது திறமையானது என்றாலும், நிபுணத்துவத்தின் தன்மையை மாற்றுகிறது. பணியாளர் இப்போது செய்பவர் அல்ல, மதிப்பாய்வு செய்பவர். இதற்குப் புதிய திறன்கள் தேவை, குறிப்பாக நம்பிக்கையுடன் ஒலிக்கும் உரையில் உள்ள நுணுக்கமான பிழைகளைக் கண்டறியும் திறன். AI ஒரு தேடுபொறி (Search Engine) என்று பலர் குழப்பமடைகிறார்கள். அது தேடுபொறி அல்ல. அது ஒரு படைப்பாற்றல் உதவியாளர்; அதற்குத் தெளிவான அறிவுறுத்தல்களும், சந்தேகக் கண் கொண்ட எடிட்டரும் தேவை. இவை இல்லையென்றால், வரைவு எழுதச் சேமித்த நேரம், தவறான தகவல்களைச் சரிசெய்யும் நெருக்கடி மேலாண்மையில் வீணாகிவிடும்.

உலகளாவிய தத்தெடுப்பு மற்றும் உற்பத்தித்திறன் இடைவெளி

இந்த டூல்களின் தாக்கம் உலகம் முழுவதும் ஒரே மாதிரியாக இல்லை. அமெரிக்காவில், தனிநபர் உற்பத்தித்திறன் மற்றும் ஆரம்பக்கால தொழில்நுட்ப ஒருங்கிணைப்பு மீதான ஆர்வத்தால் இதன் பயன்பாடு அதிகரித்துள்ளது. நிறுவனங்களில் அதிகாரப்பூர்வ கொள்கை இல்லாவிட்டாலும், பல பணியாளர்கள் ரகசியமாக இவற்றைப் பயன்படுத்துகின்றனர். இது நிழல் ஐடி (Shadow IT) சூழலை உருவாக்குகிறது, அங்கு அதிகாரப்பூர்வ உற்பத்தித்திறன் புள்ளிவிவரங்கள் உண்மையான வேலையைப் பிரதிபலிக்காமல் போகலாம். இதற்கு மாறாக, ஐரோப்பிய ஒன்றியம் அதிக ஒழுங்குமுறை அணுகுமுறையைக் கொண்டுள்ளது. தரவுத் தனியுரிமை மற்றும் வேலைவாய்ப்பு அல்லது கடன் மதிப்பீடு போன்ற முக்கியமான பகுதிகளில் மனிதத் தீர்ப்பிற்குப் பதிலாக AI செயல்படாமல் இருப்பதை உறுதி செய்வதில் அங்கு கவனம் செலுத்தப்படுகிறது. இந்த ஒழுங்குமுறைச் சூழலால், ஐரோப்பிய நிறுவனங்கள் இந்த டூல்களைப் பயன்படுத்துவதில் மெதுவாக இருந்தாலும், அதிகப் பாதுகாப்புடன் செயல்படுகின்றன. இது பிராந்தியங்களுக்கு இடையே வேலை கலாச்சாரம் எவ்வாறு மாறுகிறது என்பதைக் காட்டுகிறது.

ஆசியாவில், குறிப்பாக சிங்கப்பூர் மற்றும் சியோல் போன்ற தொழில்நுட்ப மையங்களில், ஒருங்கிணைப்பு பெரும்பாலும் மேலிருந்து கீழாக (top-down) நடக்கிறது. வயதான பணியாளர்கள் மற்றும் சுருங்கி வரும் தொழிலாளர் பற்றாக்குறையைச் சமாளிக்க, AI கல்வியறிவு ஒரு தேசிய முன்னுரிமையாக மாற்றப்படுகிறது. பொருளாதார உயிர்வாழ்விற்கு ஆட்டோமேஷன் அவசியம் என்று அவர்கள் கருதுகின்றனர். இந்த உலகளாவிய வேறுபாட்டினால், ஒரு பன்னாட்டு நிறுவனம் அதன் அலுவலகங்கள் அமைந்துள்ள இடத்தைப் பொறுத்து மூன்று வெவ்வேறு AI கொள்கைகளைக் கொண்டிருக்கலாம். அனைவரும் குறைவான உழைப்பில் அதிக வேலையைச் செய்யவே விரும்புகிறார்கள். Reuters அறிக்கை ஒன்றின்படி, இந்த டூல்களின் பொருளாதார தாக்கம் டிரில்லியன் கணக்கில் இருக்கலாம், ஆனால் செயல்படுத்தும் முறை சரியாக இருந்தால் மட்டுமே இது சாத்தியம். நிறுவனங்கள் AI-ஐப் பயன்படுத்தித் தரம் குறைந்த உள்ளடக்கத்தை உலகிற்கு வெள்ளமெனப் பாய்ச்சினால், உற்பத்தித்திறன் லாபம் இந்த இரைச்சலால் மறைந்துவிடும்.

பல்வேறு வகையான தொழிலாளர்களுக்கு இடையே ஒரு இடைவெளி வளர்ந்து வருகிறது. நிதி, சட்டம் மற்றும் மார்க்கெட்டிங் துறைகளில் உள்ள அறிவுசார் பணியாளர்கள் உடனடி மாற்றங்களைக் காண்கிறார்கள். இருப்பினும், இந்த மாற்றங்கள் எப்போதும் நேர்மறையானவை அல்ல. சில சமயங்களில், AI-ன் வேகத்திற்கு ஏற்ப வேலையின் எதிர்பார்ப்பும் அதிகரித்துள்ளது. முன்பு ஐந்து மணிநேரம் எடுத்த வேலை இப்போது ஒரு மணிநேரத்தில் முடிந்தால், சில மேலாளர்கள் ஐந்து மடங்கு வேலையை எதிர்பார்க்கிறார்கள். இது பணியாளர்களைச் சோர்வடையச் செய்கிறது மற்றும் தொழில்நுட்பம் ஒரு கருவியாக இல்லாமல் ஒரு ஓட்டப்பந்தயமாகத் தோன்றுகிறது. உலகளாவிய உரையாடல், நாம் எவ்வளவு நேரத்தைச் சேமிக்க முடியும் என்பதிலிருந்து, மீதமுள்ள நேரத்தை நாம் எப்படிச் செலவிட வேண்டும் என்பதை நோக்கி மெதுவாக நகர்கிறது. அடுத்த தசாப்தத்தின் மிக முக்கியமான கேள்வி இதுதான்.

நிமிடங்கள் உண்மையில் எங்கே சேமிக்கப்படுகின்றன?

இது நடைமுறையில் எப்படிச் செயல்படுகிறது என்பதைப் பார்க்க, ஒரு நடுத்தர நிலை மார்க்கெட்டிங் மேலாளரின் ஒரு நாளைப் பார்ப்போம். AI-க்கு முன்பு, அவரது காலைப் பொழுது நாற்பது மின்னஞ்சல்கள் மற்றும் மூன்று ஸ்லாக் (Slack) சேனல்களைப் படிப்பதில் ஒரு மணிநேரம் செலவானது. இப்போது, அவர் ஒரு சுருக்க டூலைப் பயன்படுத்தி, மிக முக்கியமான அப்டேட்களை ஐந்து பத்திகளில் பெற்றுக்கொள்கிறார். அவர் இரண்டு அவசரப் பிரச்சினைகளைக் கண்டறிந்து, முந்தைய திட்டக் குறிப்புகளின் அடிப்படையில் பதில்களை உருவாக்க AI-ஐக் கேட்கிறார். காலை 9:30 மணிக்குள், முன்பு நண்பகல் வரை எடுத்த வேலையை அவர் முடித்துவிடுகிறார். இது ஒரு உறுதியான, தினசரி வெற்றி. இங்கு சேமிக்கப்பட்ட நேரம் கோட்பாட்டு ரீதியானது அல்ல. இது அவரது அட்டவணையில் திரும்பக் கிடைத்த இரண்டரை மணிநேரம். அந்த நேரத்தை அவர் மூலோபாயத் திட்டமிடலுக்கோ அல்லது தனது குழுவுடன் கலந்துரையாடலுக்கோ பயன்படுத்தலாம்; இவை மனித அனுதாபம் மற்றும் சிக்கலான முடிவெடுக்கும் திறன் தேவைப்படும் பணிகள்.

அவரது நாளின் நடுப்பகுதியில் ஒரு புதிய பிரச்சாரத்திற்கான திட்டத்தை உருவாக்குவது அடங்கும். ஒரு வெற்றுப் பக்கத்தைப் பார்த்து யோசிப்பதற்குப் பதிலாக, அவர் தனது முக்கிய இலக்குகள், இலக்கு பார்வையாளர்கள் மற்றும் பட்ஜெட்டை AI-க்கு வழங்குகிறார். அந்த டூல் மூன்று வெவ்வேறு கட்டமைப்பு விருப்பங்களை உருவாக்குகிறது. அவர் ஒவ்வொன்றிலும் சிறந்த பகுதிகளைத் தேர்ந்தெடுத்து, ஒரு மணிநேரம் தொனியைச் செம்மைப்படுத்தி தரவைச் சரிபார்க்கிறார். பொதுப் பார்வைக்கும் உண்மைக்கும் உள்ள வேறுபாடு இங்குதான் தெளிவாகிறது. AI தான் திட்டத்தை எழுதுகிறது என்று மக்கள் நினைக்கிறார்கள். உண்மையில், AI ஒரு கட்டமைப்பு சாரத்தை (structural scaffolding) வழங்குகிறது, அதன் மேல் மனிதன் உருவாக்குகிறான்.