Vibao vya wanaoongoza vya AI husimulia hadithi ya kina kuhusu jinsi wanamitindo huandika msimbo vizuri, kutatua matatizo ya hesabu na kujibu mitihani ya kiwango cha wahitimu. Kile ambacho karibu hawaambii ni jinsi wanamitindo wanavyofanya kazi vizuri zaidi Waamerika wengi wanalipwa kufanya.
Mradi mpya wa utafiti kutoka soko la vipaji la AI Mercor unaweka nambari kwenye pengo hilo. Kulingana na Ramani ya Benchmark ya kampuni hiyo, iliyochapishwa wiki hii, takriban 90% ya saa za kazi za Marekani zinatumika kwa kazi zisizo na chanjo kidogo au bila kutoka kwa alama zilizopo za AI. For more context on this story, see our ongoing breaking AI news.
"Hii inafanya kuwa ngumu sana kujua jinsi mifano ya AI inavyofanya kazi kwa kweli Wamarekani," kampuni inaandika katika matokeo yake.
Kuhesabu Vigezo Vinavyokosa
Ili kuunda ramani, Mercor ilikusanya faharasa ya vigezo 29 vilivyochaguliwa kwa ubora na umuhimu wa kiuchumi, kisha ikapanga vidokezo vyake dhidi ya hifadhidata ya kazi ya O*NET ya serikali ya Marekani - ushuru wa kawaida wa kazi 923 na kazi 18,797 tofauti zinazounda nguvu kazi ya Marekani.
Nambari za chanjo ni kali. Kazi 208 pekee kati ya 923 za O*NET ndizo zilizo na viwango vyovyote vya ulinganifu, na ni kazi 924 tu kati ya 18,797 ndizo zinawakilishwa katika faharasa nzima.
Mbinu, iliyorekodiwa kwenye tovuti ya mradi, inategemea AI yenyewe: kufuatia utafiti wa hivi majuzi, jaji wa LLM anaweka lebo kwa kila kigezo cha alama na kazi za ONET inazolingana nazo, na uwekaji tagi umeidhinishwa dhidi ya lebo za wataalamu wa kibinadamu kwenye kitengo cha alama cha APEX cha Mercor. Jukumu linahesabiwa kuwa linashughulikiwa tu ikiwa hakimu ataipanga kwa angalau vidokezo vitano kutoka kwa faharasa ya alama 29. Ili kutafsiri huduma katika masharti ya kiuchumi, Mercor iliunganisha makadirio yake na makadirio yaliyotolewa hivi majuzi na LLM ya mgao wa muda wa kufanya kazi wa kila kazi ya ONET.
Chanjo Inafuata Pesa
Mapengo hayajasambazwa kwa nasibu. Uchambuzi wa Mercor unapendekeza jumuiya ya AI imekuwa ikilinganisha soko kubwa zaidi la ajira kwanza - kazi zenye bili kubwa zaidi za mishahara, zinazokokotolewa kutoka Ofisi ya Takwimu za Kazi ya mishahara na makadirio ya ajira.
Kuvunjika kwa kazi-familia kunaonyesha jinsi usikivu ulivyo tofauti. Kazi za kompyuta na hisabati, uwanja wa nyumbani wa uundaji wa viwango, ndizo zinazoshughulikiwa vyema zaidi katika kazi 29 kati ya 36. Shughuli za biashara na kifedha hufuata katika 33 kati ya 48. Lakini usaidizi wa ofisi na usimamizi - familia ambayo inaajiri mamilioni - ina kazi 21 tu kati ya 51 zilizoshughulikiwa, na majukumu ya usimamizi 21 kati ya 56.
Hata katika fani zilizofunikwa vizuri, kina ni nyembamba. Wakati Mercor ilipojaribu kufunga bao la ONET kwa kazi nne nzito - uwekezaji wa benki, sheria, uhasibu, na uhandisi wa programu - iligundua kuwa chini ya theluthi moja ya kazi za ONET zinazohusiana na kazi hizo zilikuwa na ufunikaji wa kutosha wa kuigwa ili kujumuishwa katika alama iliyopimwa.
Kwa Nini Madoa Ya Upofu Ni Muhimu
Utafutaji huo unafanyika wakati alama za benchmark huongoza maamuzi ya kweli. Biashara huchagua viwango vya mfano kulingana na tathmini; bodi kusikia juu ya maendeleo ya frontier-mfano katika suala la jumps benchmark; watunga sera wanataja njia za uwezo wakati wa kupima uzani. Iwapo 90% ya saa za kazi hukaa nje ya viwango vinavyopima, maamuzi hayo yote yanategemea sampuli iliyoelekezwa kwa ofisi, kiufundi na kitaaluma.
Kuna sababu za kimuundo nguzo za alama mahali zinapofanya. Majukumu ya uhandisi wa programu ni ya bei nafuu kubainisha, yana bei nafuu kuainisha kiotomatiki, na ni rahisi kwa waandishi wa viwango - ambao mara nyingi huandika programu - kubuni. Kutathmini njia ya msaidizi wa matibabu kando ya kitanda, uamuzi wa mratibu wa vifaa chini ya vizuizi vya kuhama, au mchakato wa uchunguzi wa fundi umeme ni mgumu kusanifisha, ni vigumu kuthibitisha ukiwa mbali, na katika hali nyingi haiwezekani kufanya majaribio bila uwepo halisi.
Mercor, ambayo msingi wake wa biashara unalingana na wataalam wa kikoa na maabara za AI kwa mafunzo na tathmini ya kazi, ina nia ya wazi ya kibiashara katika kuashiria kuwa ushughulikiaji wa tathmini ni mdogo - kampuni inauza ufikiaji kwa wataalam haswa ambao wanaweza kuziba pengo hilo. Lakini tatizo la msingi la kipimo ni la kweli na linazidi kutambuliwa kote kote, na kampuni ilichapisha mbinu yake na orodha kamili ya vigezo ili kuchunguzwa.
Kampuni hiyo inasema Ramani yake ya Benchmark ni hatua ya kwanza kuelekea rasilimali iliyosasishwa mara kwa mara ya kuelewa uwezo wa AI katika uchumi wote, na inafanya kazi kuelekea alama za mfano za O*NET zenye uzito wa kila kazi ya kazi kwa usawa badala ya kuruhusu kazi zilizowekwa alama kutawala wastani.
Muongo wa Vipimo
Kinachotokea baadaye inategemea ikiwa wajenzi wa alama hufuata ramani ya kiuchumi. Data ya Mercor inaelekeza mahali ambapo huduma inakosekana - na, kwa njia isiyo dhahiri, ambapo vigezo vipya vinaweza kubeba thamani ya habari zaidi. Kazi zilizo na ajira kubwa, bili za mishahara mikubwa, na viwango sifuri vya kiwango cha juu ni, kwa kweli, eneo la tathmini lililo wazi.
Kwa sasa, hatua ya kuchukua kwa mtu yeyote anayetumia habari za ubao wa wanaoongoza wa AI ni tahadhari: wasifu wa kielelezo wa mwanamitindo unaelezea uwezo wake katika sehemu ya uchumi ambayo vigezo vinafanyika kufunika. Asilimia 90 nyingine ya saa za kazi - kazi ya msimamizi, utunzaji, utumishi wa shambani, usimamizi wa sakafu - inabaki kwa kiasi kikubwa eneo lisilopimwa, na madai kuhusu AI kuibadilisha kwa sasa hutegemea zaidi hadithi kuliko ushahidi.
Kama muundo wa kampuni yenyewe unavyoweka, viwango vimeongezeka katika miaka ya hivi karibuni, lakini ushughulikiaji wa kazi muhimu kiuchumi bado ni mdogo. Ramani hufanya kizuizi hicho kionekane, kigae kwa kigae, kazi kwa kazi.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
