AI時代に経営者が習得すべきスキルとは?経営幹部の 74% が心の知能指数であると信じています
世界経済フォーラムは 2020 年に「雇用の未来レポート」を発表し、人工知能 (AI)、ロボット工学、オートメーションが今後 5 年間で労働力をどのように変えるかについて、さまざまな驚くべき予測を発表しました。最も驚くべき予測は、AI によって 8,500 万人の雇用が失われ、9,700 万人の新たな雇用が創出されるというものです。
この予測は業界アナリストや未来学者によって認められていますが、同時に、答えが必要ないくつかの差し迫った疑問も生じています。どの仕事が排除されるのでしょうか?人工知能の時代に経営者はどのようなスキルを習得する必要があるのでしょうか?
人工知能はマネージャーに取って代わるのでしょうか?
人工知能が機械学習、自然言語処理、予測分析、その他の産業分野でますます広く使用されるようになるにつれ、従来人間が担っていた役割を人工知能が置き換えることについて多くの議論が行われています。これは特に管理職に当てはまり、近いうちに AI が人間よりもうまく物事をこなせるようになるのではないかと心配する人もいます。ありがたいことに、研究によると、AI は人間に取って代わるというよりも、人間と協力して働く可能性が高いことが示されています。
- Deloitte の 2020 年世界人的資本トレンド レポートでは、回答者の 64% が AI を現在の仕事を支援し、利益を生み出すための手段であると考えています。より効率的です。
- Deloitte の調査では、回答者の 66% が、人工知能によってより多くの雇用が創出され、既存の仕事が変わると予想しています。
- 2022 IDC FutureScape レポートでは、従業員が関与しない、または従業員が交代しない場合、人工知能システムの管理から価値を得ることができる企業は 5 社に 1 社だけであると述べています。
ドイツの機械学習開発会社 Data Revenue の幹部であるマルクス シュミット氏は、「たとえ仕事の 70% が人工知能に置き換えられたとしても、それは必ずしもマネージャーが職を失うことを意味するわけではありません。人工知能これは、電子メール、Excel、マーケティング オートメーション ツールなどの他のツールと何ら変わりません。AI は一部のマネージャーの仕事の 70% を置き換える可能性がありますが、AI が置き換えるのではなく、単にマネージャーがより多くの仕事をできるようにするだけです。
人工知能は人々の働き方を変え、特定のタスクを引き継ぐ可能性がありますが、必ずしも人々の仕事を完全に排除するとは限りません。人々が乗っ取られるのではないかと懸念されている一部のタスクでは、依然として人間とコンピューターの対話が必要であるため、管理者の仕事が人工知能に取って代わられることを心配する必要はまだありません。
管理における人工知能の役割
人工知能はますます高度化していますが、社内のさまざまなタスクや部門間に人間のようなつながりを構築できる段階にはまだ達していません。職場の学位。対照的に、人工知能は主にプロセスの高速化、自動化、改善を目的として使用され、時間とコストを節約し、エラーを削減します。会計ソフトウェア、CMS、スケジュール ソフトウェア、または企業で使用されるその他の効率ベースの組織ツール (従業員のスケジュール ソフトウェアなど) には、すでに AI 機能が組み込まれている場合があります。
ガートナーは、人工知能が現在職場管理に使用されている主な分野を 4 つ特定しています。
(1) 人事管理機能: 組織および従業員の中核となるデータ。
(2) 人事サービス管理 (HRSM): ポリシー、ケース管理、組織手順およびプロセス。
(3) 人材管理: 採用、オンボーディング、定着と退職のモニタリング、パフォーマンス データ。
(4) 労働力管理 (WFM): 欠勤管理、勤怠管理、勤怠、タスク/活動、予算編成、予測、スケジュール設定。
デロイトのアナリストであるジョン・ブラウンリッジ氏は、成熟した作業領域は通常、大量の反復作業であり、一連のルールに基づいて実行される大規模なデータベースのタスクであると述べました。ただし、AI によって収集されたデータを使用して雇用や解雇の意思決定を行うなど、ビジネスが価値を生み出す方法に直接関係するタスクは、人間に任せるのが最善です。
人工知能時代のマネージャーに必須のスキル
人工知能ツールが上記の分野で仕事の方法や場所を破壊し始めても、マネージャーが大量に職を失うことはありません。機械学習を完全に理解し、日常業務で活用するには、新しいスキルを習得する必要があります。人工知能の時代に管理者が目立つのに役立つ特定のスキルがいくつかあります。
(1) 心の知能指数
調査機関キャップジェミニが実施した調査によると、経営幹部の 74% が心の知能指数が必須のスキルになると信じています。人工知能の普及が進むにつれて、心の知能指数の需要は最大 6 倍に増加すると予想されています。人工知能の時代において、企業は職場で他者とつながり、共感、理解、人間性を発揮できる従業員を維持する必要があります。感情人工知能は人間の感情を解釈する点で急速に進歩していますが、職場で感情的な存在感を発揮できるようになるまでにはまだ長い道のりです。
(2) 人間と機械の協力
業界をリードするグローバリゼーションの専門家リチャード・ボールドウィンは、著書『グローバル・チェンジ: グローバリゼーション、ロボット工学、そして仕事の未来』の中で、成功への 3 つのステップを概説しています。人工知能の時代:
- AI との競争を避ける: 大規模な情報処理においては AI の方が優れていることを理解してください。
- 人間特有の分野のスキルを育成します (心の知能指数、質問、戦略、創造性、器用さ、共感に基づく社会的スキル)。
- 人間性を障害や不利な点としてではなく、競争上の利点として考えてください。
これらの観点から、1 つの結論が導き出されます。マネージャーが現状を維持するための最良の方法は、人工知能と連携し、人工知能によって生じたギャップを埋め、人工知能の機能がどのように補完されるかを確認することです。 、それと競合するのではなく。
(3) STEM スキル
管理者が追求すべきスキルの 3 つ目は、STEM (Science、Technology、Engineering、Mathematics) に関するスキルです。最近の研究では、人工知能への投資の増加と STEM スキルの需要の増加との間に強い関連性があることが判明しました。興味深いことに、AI を導入する企業は、AI などの新しいテクノロジーを理解し、それをより上手に使用できる、高学歴の候補者を採用することがよくあります。
要約すると、管理者は業務を破壊する AI についての見方を再検討する必要があります。脅威を感じるよりも、AI システムを操作するために必要なスキルを習得する方が良いでしょう。これにより、AI ではできないギャップを埋め、これらのスキルを職場で有利に活用できるようになります。
以上がAI時代に経営者が習得すべきスキルとは?経営幹部の 74% が心の知能指数であると信じていますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
