文字| Mu Sheng关于“在AI时代将取代什么样的工作”的讨论是认真的。与以前的数字工具的影响不同，这些SaaS工具似乎可以帮助专业人员提高某些领域的效率，但是AI为专业人员提供了完整的替代方案。当今的AI对人类语言有了更深入的了解，该语言允许更有效的人类计算机相互作用，从而逃避结构化的数据框架，获得了很好的信息并做出了复杂的决策。当前，大型语言模型（LLM）正在各种领域中开发。这些模型不仅是“通才”，而且还可以考虑领域中的问题，还可以产生类似于人类语言的文本。难道不难将这些功能的这些指数迭代视为更可靠的员工吗？在最近的Microsoft调查中，Lothe研究人员分析了用户与Microsoft Co -Filter之间的200,000个真正的匿名聊天记录。从这些之间的对话中用户和AI，他们发现了几个工作覆盖范围，成功率和帮助水平。结果表明，最困难的领域几乎是所有依赖“大脑”和“与口相关的职业”，而不能轻易交换的工作是“物理能力”。但是，我的主要兴趣不是观察劳动力市场的宏，而是观察AI对公司的影响。如果大量工作被AI取代，则公司的组织结构将发生什么变化？当受影响最大的位置是大脑和口口相传时，AI会促进极端平台。从那时起，公司后端功能部的许多作品几乎完全同意了此功能。当然，这只是一种可能性。 Antes de Que la ia Madure Por Potero，洛杉矶洛杉矶Parecen Tener sus propias ventajas en estas posiciones，y las empresas no siempreestándecistándecistándeciDidas a Impulsar e cambio。罪恶禁运，al as thing thingar los cambioSen El Entorno的主管，Las Tendencias de ia que que afectan al deptionmo funcional de back -end end end end end end of end end end end end end end of to。在当前的经济环境中，公司可以呼吸和呼吸是一个普遍的趋势。 Los Grandes Departamentos funcionales Medios y de Fondo儿子Vastos。 El informe de construcción de la Organización de la Plataforma de la Enterprise Enterprise de China de Musheng Consulting muestra que la dirección general actual del cambio organizacional para las empresas es la racionalización organizacional, mientras que el porcentaje de empresas eligió optimizar el backendIt is 45.8%,分别为40.0％和34.2％。换句话说，公司未来计划中不包括大量的中端和后端功能单元。公司已经需要减少，看来他的组织结构正在改变，以及AI提供的舒适性。将来，公司的实力将受到高度压力，要求每个位置都会产生直接的运营价值，但是AI将取代无法量化运营价值的媒介和后端。由于这些作品的性质价值有限，甚至可能具有官僚主义的副作用，因此公司似乎受到了欢迎。房地产专业范克集团（Vanke Group）在一年中选择202个新来者，Cui Xiaopan是Vanke的第一位数字员工，并且已经在Vanke Group的财务部队沉默工作了10个月。您的主要任务是应收账款/记住和工作。处理任务的效率不仅是人类的效率100倍，而且使其达到91.44％的文档的验证率。对于公司而言，她绝对是完美的员工。您可以每天停留24小时而无需休息，也不必支付薪水或社交证券泰。她不会感到或愿意，也不会被老板trage。想象一下我是否可以承担这项工作，别无他法吗？ Cui Xiaopan不能基于大型语言模型被视为AI，但是只有RPA（机器人过程的自动化）被认为是管理许多迭代任务的。除了“交易工作”外，还可以通过AI减少功能部门的工作内容数量。是不存在的东西吗？基于数据的决策肯定会更好。基于数据的决策在这个时代根本不应出现，并且必须在功能部门清理“黑角”。实际上，数字化转型的进步基本上导致了公司业务流动，而职能部门高度强迫自己在各自的领域中进行数字化。这是一个几乎不可逆转的趋势。因为如果他们不改变，那么他们很难授权越来越复杂的公司。 “商业数字化”与“管理数字化”一致。这是最简单的事实。将来，中级和后端功能部门将根据智能算法做出决策，允许敏捷的资源调用并产生最有效的结果。 AI取代了庞大的传统机构和功能功能，例如工作公司的大脑。结果，整个功能系统似乎非常简化，军方似乎专注于接待。总的来说，肉眼几乎可以看到公司朝着极端平台的趋势。 02功能部门的转换地址是一种趋势，但是这样的部门不会消失。在AI支持下，它们很快就会改变。实际上，在外部市场的需求或组织效率方面，功能部门转型的趋势非常清楚，只需回答QUestion“如何利用公司的力量使前端迅速工作”。我们的观察结果表明，功能部门摆脱了特定工作内容的传统“交易工作”，并转向四个转型地址。一个基于业务分类和层次结构进行建模，形成了一个相对稳定的决策模型（基本模型的几种模型），以提高决策的效率。第二个基于风险控制，即风险的分类和评级，并形成相对稳定的风险控制模型，以提高风险控制效率。坦白说，不同的风险事件应与不同的风险控制方法一致。为了控制10元人民币的风险，将100元投资于风险管理成本，而不会在机会成本上失去200元。第三个是商业化，即几个功能领域。它是一种使接收资源的产品，并进行合理的作业来“提供Ammunition“对于业务部门的运营。第四，BP（商业伙伴，商业合作伙伴）是根据位置场景将BP发送到前端业务部门，以提供政策（例如，奖励政策）和资源（例如，物理资源，专业服务，专业服务，方法，方法等）。对前两个指示的工作，以及最后两个指示，以及一个重要的关系。数字化，许多工作正在以数字方式进行，当然，AI的阶段探索了功能部门的转型，需要理解我们观察的某些工作的变化。EE零件。后端专家中心负责提供政策。中央办公室中心负责流程和数据管理。总办公室的BP负责授权。这些结构准备渗透AI。您几乎可以看到功能部门的未来工作场景，并推断组织结构的变化。这与上面提到的“以前的“压力”趋势完全相同。专家中心：多个领域的精英工程师负责设计算法并以不同的方式培训AI，并且公司大脑继续以这种方式发展和计划。我们必须了解的是，取代职能部门不是AI。自动化完整的工作。UIP非常紧凑。共享中心：共享服务中心是基本的运营过程（人）负责转移问题，当然也负责管理相应的数据战争Ehouse。他们允许基于专家中心提供的模型，以确保模型申请效应，因此可以先前的培训，调整（密集培训）和其他任务。本节并不是一定程度的胜利，但员工人数大于专业中心的数量。毕竟，必须详细“练习”许多任务。商业合作伙伴：使用AI的专家以及对使用AI的经验的评论。他们从中心和后端进入了招待会，但可以说这是商业部门的连接器，也是中央和后端的功能部门。该部分是多个分支，因此设备的大小是三个支柱中最大的。 03功能部门转换的功能化，如果功能部门的转换已经是一个常见趋势，转换将领导什么功能部门？ 2025年，必须根据68家中型和大型公司作为样本进行了对老板或首席执行官（老板代理商）的调查。该调查首先量化了有关业务功能领域xx的三个问题。此功能的复杂性：数据复杂性：您需要多个数据动员进行决策吗？决定的独立性：是否应该考虑从其他职能领域的评论做出决定？决策：如果可以关闭决策的结果，或者必须添加许多开放式响应。简而言之，我们假设在福地区的中央工作是数据库的决定（而不是感知决策），并且我们衡量了此类决策的复杂性。前两个元素是决策的输入维度，最后一个元素是退出维度。直观地，当特定功能的决策需要一个时，该功能区域相对复杂大量数据，必须考虑其他功能区域的影响，并且决策结果不能直接应用。通常，就复杂性而言，几个功能可以分为三个级别。第一级是后端，资本和人力资源战略以及研发，生产/业务运营/中央平台。第二层是后端办公室和相对标准化的中间平台的收购和财务。第三层在很大程度上取决于标准化的法律标准，卡特和审计和监督。图1：功能的复杂性不足为奇。我们的观察结果表明，他越强调避免风险的功能部门，您就想讲一个“恐怖故事”，而忽略赋权的属性就越多，该部门的工作就越少。此外，此类工作还有另一个悖论。如果您强调规避风险，则必须面向Standard且按照标准，您可以积累数据并自然渗透AI。例如，在法律领域，智能合同大大减少了合同审查的难度，并且对未来的AI干预有希望的观点。例如，在审计领域，AI确实很好地识别各种商业过程中可能的风险点，不同风险点的重量并确定全面的风险。在GPT-3中，有1750亿个参数代表不同的比索，而在GPT-4中，此类参数的数量达到17.6亿。当需要如此多的数据来得出结论时，与人类相比，AI显然更适合控制或风险监测。接下来，我们专注于与AI效应相关的三个问题，该问题取代了此功能。可以将多少应用于此功能？ IA实施效果：这种令人满意的功能吗？ AI的影响：AI在应用后影响功能工作的程度是多少这个特征？数据表明，功能领域的AI应用效应可以分为三个级别：第一个级别是生产/业务/运营（可以总结为企业）和金融和人力资源等中心功能。第二层是研发，收购，财务和法律问题。第三级是官员，策略，质量标准和审计监督。图2：AI的效果显然适用。一些基础公司和中央功能领先于AI进口，而另一些则出于各种原因而积极进口。确切地说，这不是因为您不能这样做，而是因为您不愿意。为了调查此问题，我们计算一个称为“ I量i to ai活动”的指标，该指标称为“ AI Activity = AI Appliance效果/功能复杂性”。该指标清楚地表明了在不同的“自然条件”下实施AI中功能部门的进步。在在典型上，指示器越大，导入AI的函数就越积极。相反，它是对AI的抵抗力。图3：导入AI的积极结果表明，不仅可以轻松使用的部门导入IA，而且还显示出暴露于最大AI的市长压力，并且AI正在主动进口。在寻找利润和避免损害的情况下，将其提出的环境而言，功能部门的所有专业人员都希望不标准化，并且该功能必须取决于自身，但是那些促进标准化和采用AI的人仍然是承受最大压力的人。另一方面，功能和法律部门，质量标准，收购和金融的效率很长一段时间，并且有一些条件可以进口IA，我认为这是可以理解的。另一方面，生产/业务/运营/运营，金融和人力资源等功能太困难了，ND仍需要努力进口IA。此外，AI很难自然渗入，因为由于各种原因，办公室，策略，研发和审计监督受专业人员的指导。 04业务逻辑的迭代具有公司在公司中的业务管理规则。如果可以执行接收，则取决于后窗。中心和后端是确定业务游戏资源分配的规则和逻辑。显然，成功改变了中间职能和后端部门的部门首先会产生效率的爆炸式增长，并形成比竞争更高的竞争优势。从当前数据来看，以最高热情的法律标准，质量，收购和资金来判断，它自然会朝着AI迈进，并且几乎可以确定其观点。同时，对最大程度的热情的办公室，战略，研发和礼堂监督，但不会改变E长期存在。因此，最重要的获奖者和失败者分别代表了商业流，资本流和公司的人才流量的生产部门，业务，运营，财务和人力资源。为了在这些领域取得进步，公司必须首先对这些能力扩展到超出竞争的方式。其次，他们必须决定基于AI实施实践并深入实施。如果实现这两个方面，则自然提高公司的效率是很自然的。一旦公司完成这些功能部门的转换，他们的敏捷性经历可能会改变地球。过去，在中等效率和后端的类似条件下，业务部门的前端通常是基于有机会创造性能的机会，这是一个很大的巧合。今天，媒介与EF之间的巨大差距后端的效率使其中一些“ Hbrave单个数字”赢得了AI授权的翅膀，而其他人可能会相信他们的脚继续猛烈行动。无需提出问题。 AI允许商业景观提交重要的更改。在此修改中，我们将消除巨大的“恐龙”功能部门成为赢家，功能部门的从业者突然成为主要角色。
特殊声明：NetEase Auto-Media平台的用户已收取先前的内容（包括照片和视频（如果有），如有任何）。该平台仅提供信息存储服务。
通知：将加载以前的内容（如果您有照片或视频），这是一个社交网络平台，提供仅由NetEase Hao用户发布的信息存储服务。
