大模型会替代哪些工作岗位?

亦凉 2024-05-05 22:15 8阅读 0赞

**引言**

本文主要探讨了大模型（LLMs）对就业市场的影响。包括了介绍那些已经受到大模型影响的行业，对大模型将要产生的影响，以及如何更好的监管大模型应用进行了讨论。文章还探讨了作为个人和企业，如何适应大模型带来的快速变化。

**01**

**大模型已经影响的行业**

大模型已经开始重塑各个行业，对工作角色和行业实践带来了显著的变化。这种影响不仅是理论上的；它在多个领域都有明显体现。

受大模型影响最明显的行业之一是客户服务。这个传统上依赖人工操作员的行业，许多公司现在正在将大模型整合到他们的客户支持系统中。这些模型可以处理常规查询，管理聊天机器人，甚至提供详细的产品信息。这种转变减少了对大规模人工客户支持团队的需求，但相反地，对擅长AI和语言模型管理的专业人士的需求却在增长。

内容创作和新闻业也感受到了大模型的影响。这些模型被用来撰写文章，为社交媒体创建内容，甚至编写视频脚本。虽然它们没有取代人类的创造力，但肯定改变了这个领域的格局。涉及例行公事、公式化写作的工作越来越多地被自动化，促使这些行业内的工作重心转向更多分析和创造性的角色。

在法律和医疗领域，大模型被用于文档工作。它们快速处理和生成大量文本的能力使其成为起草法律文件或医疗报告的理想选择。这种自动化简化了工作流程，但也改变了这些领域专业人员所需的技能集。对于能够有效整合和监督这些高风险环境中大模型使用的个人，需求日益增长。

一个引人注目的案例是某知名科技公司引入了一个基于大模型的系统来起草电子邮件和报告。这个系统显著减少了员工在日常书面沟通上的时间。而在新闻业，已有著名的新闻机构开始使用大模型来从新闻稿中撰写快速新闻摘要，让记者能够专注于更深入的报道和分析。

虽然大模型正在改变工作岗位并减少对人类参与某些任务的需求，但它们同时也在创造新的角色，专注于监督、道德考虑和创造性投入。大模型在这些行业中带来的转变体现了向一个更加集成的人工智能工作环境的转移，其中的重点越来越多地放在管理和补充这些先进模型的能力上。

**02**

**大模型对未来职业的影响**

大模型的技术轨迹，预示着对各种工作领域的深远影响。大模型进步的加速步伐表明，它们的影响只会扩大，带来机遇和挑战。

当前的技术趋势突显了大模型的快速演变，它们在复杂性、准确性和多功能性方面有了显著提升。未来的发展预计将专注于提升这些模型的情境理解和情感智能。这意味着大模型可能会变得更擅长执行需要细腻理解和类人交互的任务，可能会自动化涉及复杂决策、个性化通信和创造性输入的角色。

最有可能受到大模型干扰的行业包括那些语言扮演核心角色的领域。这涵盖了像市场营销这样的领域，在这里，人工智能驱动的内容创作可能会取代传统的文案编写和广告角色。类似地，在教育和培训领域，大模型可能会自动化教学材料的创作，甚至个性化学习体验，可能在某些情况下减少教育工作者的需求。

从潜在的时间线来看，未来五到十年可能非常关键。我们可以预期看到大模型逐渐接管更复杂的任务。最初，这可能表现在涉及数据处理、内容生成和客户互动的角色变得越来越自动化。随着大模型的发展，它们在更多创造性和决策角色中的整合可能在接下来的十年变得更加明显。

这个未来的景象要求个人和组织采取积极的方法。专业人士可能需要专注于发展补充AI能力的技能，如批判性思维、情感智能和创造性问题解决。另一方面，组织应通过投资员工培训和探索新的商业模式来准备这些变化，这些模式能够利用人类和AI合作者的优势。

**03**

**如何合理的监管大模型的应用**

将大模型整合到各个工作领域引发了重要的伦理和监管考虑。随着这些技术继续进步并在我们的日常生活和工作环境中变得更加根深蒂固，解决它们带来的伦理困境和监管挑战至关重要。

使用大模型自动化传统由人类执行的任务提出了伦理问题，特别是关于工人的流离失所。人们越来越担心可能增加的失业率及其随之而来的社会经济影响。伦理考虑还包括大模型的公平和透明使用，特别是确保这些模型不会延续偏见或歧视。此外，还必须考虑大模型对人类技能发展的影响，以及它们可能对对人类劳动力至关重要的某些技能的贬值。

目前，对大模型部署的监管还处于起步阶段。现有的监管框架通常集中在数据隐私和安全、知识产权以及消费者保护上。然而，随着大模型变得更加普遍，迫切需要特定的指导方针来应对这些技术带来的独特挑战。这包括对大模型负责任使用的规定，确保在这些模型的训练和运作方式上透明，以及为大模型做出的或在其协助下做出的决策确定责任。

未来的潜在规定可能涉及为大模型的伦理发展和部署设定标准、制定减轻工作岗位流失的指导方针，以及为受大模型采用影响的工人提供再培训和提升技能的框架。此外，可能需要针对特定行业的规定，考虑到大模型在不同行业的不同应用和影响。

总之，随着大模型继续发展并影响各个工作领域，采取考虑伦理影响和监管需求的平衡方法至关重要。这种方法应旨在最大化大模型的好处，同时将潜在的危害降至最低，确保所有相关方的公平和平等过渡。政策制定者、行业领导者和AI社区必须协作开发和实施这些伦理指南和规定，为大模型技术的负责任和可持续使用铺平道路。

**04**

**如何适应大模型将带来的变化**

随着大模型的整合导致就业市场的演变，对于专业人士、企业和政府来说，适应这些变化变得至关重要。制定策略以导航这一新环境是确保持续相关性和成功的关键。

专业人士需要专注于提高那些不太可能被AI复制的技能。这包括创造性问题解决、批判性思维和情感智能。在AI相关领域建立专业知识也是有益的，因为将来需要能够与AI技术共同工作的专业人士的需求将不断增长。通过网络和了解行业趋势，专业人士可以帮助自己识别新机会。此外，培养适应性和终身学习的心态在不断变化的就业市场中保持相关性至关重要。

教育系统需要调整其课程，为学生准备一个由AI驱动的世界。这意味着更加重视数字素养、数据分析和编程等技能，以及沟通和团队合作等软技能。应鼓励持续学习和提升技能，使专业人士能够紧跟技术进步和行业转变。在线课程、研讨会和证书在这一终身学习之旅中可以发挥关键作用。

企业应专注于重新培训和提升其员工的技能，使他们能够有效地与AI技术一起工作。这可能涉及重点强调AI素养和发展新技能集的培训计划。另一方面，政府在创造鼓励创新的同时，也要保护受技术置换影响的工人的角色。这包括投资教育和培训项目，为企业重新培训员工提供激励措施，以及为受自动化影响的人提供安全网。

企业和政府应合作创造一个有利于平稳过渡的环境。这涉及促进教育机构、私营公司和公共实体之间的伙伴关系，以确保劳动力准备就绪。此外，AI和自动化的伦理考虑和社会影响应该是政策和决策过程的前沿，确保向AI集成的就业市场的过渡是公平和有利的。

总之，适应大模型带来的变化需要多方面的方法，包括个人适应性、教育改革、企业创新和支持性的政府政策。通过积极拥抱这些变化，劳动力不仅能够在新的AI增强的工作环境中生存，而且能够蓬勃发展。

**-END-**

--------------------

##### 👉AI大模型学习路线汇总👈 #####

大模型学习路线图，整体分为7个大的阶段：**（全套教程文末领取哈）**  
![448cfbab7a724a27bfaebe0bc5bdf791.png_pic_center][]  
**第一阶段：** 从大模型系统设计入手，讲解大模型的主要方法；

**第二阶段：** 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

**第三阶段：** 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

**第四阶段：** 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

**第五阶段：** 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

**第六阶段：** 以SD多模态大模型为主，搭建了文生图小程序案例；

**第七阶段：** 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

#### 👉大模型实战案例👈 ####

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

![在这里插入图片描述][4b0fdd83a09b4b90aab93db1c99eadb4.jpeg_pic_center]

#### 👉大模型视频和PDF合集👈 ####

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。  
![在这里插入图片描述][fe8993b5c87b4577860ff02c0542e2b6.png_pic_center]  
![在这里插入图片描述][7977122a35ff4635a1b15565b4181435.png_pic_center]

#### 👉学会后的收获：👈 ####

**• 基于大模型全栈工程实现**（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

**• 能够利用大模型解决相关实际项目需求：** 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，**实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，** 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

**• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：** 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

#### 👉获取方式： ####

😝有需要的小伙伴，可以保存图片到**wx扫描二v码**免费领取【`保证100%免费`】🆓  
![234a36150ed901b26f264a281a41c0b1.png][]

[448cfbab7a724a27bfaebe0bc5bdf791.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/05/ae701b3f4068402cb93f36debcb154e4.png
[4b0fdd83a09b4b90aab93db1c99eadb4.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/05/9fda653643694d97853db676fcc7799f.jpeg
[fe8993b5c87b4577860ff02c0542e2b6.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/05/622a71b8b79b4da48c18affd3791669b.png
[7977122a35ff4635a1b15565b4181435.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/05/d10d67ffed544a5eaacf1e323dee7216.png
[234a36150ed901b26f264a281a41c0b1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/05/bcc14f9d42dd49f4ac78cc95d8494892.png