Meta資料科學家：AI時代下，頂尖人才應該優先發展這２種能力
圖片來源：Pexels
此外，AI在代理行動和檢索增強生成（RAG）方面的突破，預示著AI將很快能夠根據我們設定的目標，執行任務並自動採取下一個行動。這讓我們不得不思考：在AI高度自動化的情況下，人類專家的角色是什麼呢？
職場學習的新樣貌
隨著我們的經濟逐漸從勞動密集轉向知識創造與創新，員工學習的樣貌也在變遷。過去，重複練習或師徒制等方式能有效地培養員工，讓他們按照最佳工作流程來完成任務。這些訓練方式的重點是記憶、理解和應用等基礎的認知技能。
然而，現在的時代不斷突破知識和技能的邊界，這些突破不僅來自人類專家，也來自生成式AI。這場變革促使我們將重點轉向那些AI尚無法輕易取代的高層次認知技能。
例如，在數據分析、軟體開發、內容創建，甚至醫療保健等領域，AI系統已經在某些任務上超越了人類，特別是那些以基礎認知技能為主的工作。儘管我們仍需深入研究AI在不同領域中的偏誤和錯誤，但隨著時間推進，AI將能比人類更準確地記住事實和規則、更快速地理解問題的邏輯和細微的模式、並更徹底地分析解決方案的利弊，還能更迅速地採取行動。
當AI能夠比我們更快速地撰寫新聞文章、建立網站和分析數據時，組織希望員工在哪些領域能脫穎而出呢？
回到那道數學題：5 - 2 + 2 × 3，AI做得更快，那我們人類能做些什麼？
人類角色轉向AI監督
隨著自主AI系統依據我們的目標執行任務，人類專家的角色正逐步轉向監督（AI Supervision）。
這一角色需要一套不同的技能，這些技能不再是單純完成具體任務，而是引導AI系統達成正確的結果。定義任務、框架問題，並在AI偏離目標時給予必要的糾正，這些技能將變得和執行任務本身一樣重要。
例如，在行銷或新聞業，AI生成的內容需要人類進行監督，以確保它符合品牌的訊息或新聞標準。在數據科學領域，AI可以處理大量數據，但人類專家需要提出正確的問題，確保結果能夠有效地為業務帶來價值。在軟體開發中，可能會有多個版本的代碼來構建銀行應用程序，但資深的軟體工程師需要依靠直覺，對每個版本進行比較，預見並修復可能的錯誤或安全風險。