生成式人工智慧的影響及其對數據科學家的啟示

生成式人工智慧（GenAI）系統影響著我們的工作。這個觀念大家都知道，但我們仍然不清楚生成式人工智慧的具體影響。例如，這些工具對我們的工作影響有多大？它們對某些任務的影響是否更大？這對我們的日常工作意味著什麼呢？

為了回答這些問題，Anthropic 發布了一項研究，基於數百萬次匿名對話在 Claude.ai 上進行分析。這項研究提供了生成式人工智慧如何融入現實任務的數據，並揭示了實際的生成式人工智慧使用模式。

在這篇文章中，我將介紹這項研究的四個主要發現。根據這些發現，我將推導出生成式人工智慧如何改變我們的工作，以及未來我們需要什麼技能。

主要發現

生成式人工智慧主要用於軟體開發和技術寫作任務，幾乎佔所有任務的 50%。這可能是因為大型語言模型（LLMs）主要是基於文本，因此在某些任務上不太有用。

生成式人工智慧對某些職業群體的影響比其他職業更強。超過三分之一的職業在至少四分之一的任務中使用生成式人工智慧。相比之下，只有 4% 的職業在超過四分之三的任務中使用它。我們可以看到，只有非常少數的職業在大多數任務中使用生成式人工智慧。這表明沒有任何工作是完全自動化的。

生成式人工智慧主要用於增強而非自動化，即任務中有 57% 是增強，43% 是自動化。但大多數職業在任務中同時使用增強和自動化。在這裡，增強意味著用戶與生成式人工智慧合作以提升他們的能力。相對地，自動化則是指生成式人工智慧直接執行任務。然而，作者猜測增強的比例可能更高，因為用戶可能會在聊天窗口之外調整生成式人工智慧的回答。因此，看似自動化的實際上是增強。結果表明，生成式人工智慧作為一種效率工具和合作夥伴，能提高生產力。這些結果與我自己的經驗非常一致。我主要使用生成式人工智慧工具來增強我的工作，而不是自動化任務。在下面的文章中，你可以看到生成式人工智慧工具如何提高了我的生產力，以及我每天用它們做什麼。

生成式人工智慧主要用於中高薪職業的任務，例如數據科學家。相比之下，最低和最高薪的職位則顯示出生成式人工智慧的使用率較低。作者得出結論，這是由於生成式人工智慧能力的當前限制和使用生成式人工智慧的實際障礙。

總體而言，這項研究表明，職業將會演變而不是消失。這有兩個原因。首先，生成式人工智慧的整合在大多數職業中仍然是選擇性的，而不是全面的。雖然許多工作使用生成式人工智慧，但這些工具僅在某些任務中被選擇性使用。其次，研究顯示出對增強而非自動化的明顯偏好。因此，生成式人工智慧作為一種效率工具和合作夥伴。

限制

在我們能夠推導出生成式人工智慧的影響之前，我們應該看看這項研究的限制：

目前尚不清楚用戶是如何使用這些回答的。他們是無批判地複製粘貼代碼片段，還是將其編輯到他們的集成開發環境（IDE）中？因此，一些看似自動化的對話可能實際上是增強。

作者僅使用了 Claude.ai 聊天的對話，而沒有來自 API 或企業用戶的對話。因此，分析中使用的數據集僅顯示了實際生成式人工智慧使用的一小部分。

自動分類可能導致對話的錯誤分類。然而，由於使用了大量對話，影響應該相對較小。

Claude 僅是基於文本的，限制了任務，因此可能排除了某些工作。

Claude 被宣傳為最先進的編碼模型，因此主要吸引了從事編碼任務的用戶。

總體而言，作者得出結論，他們的數據集並不是生成式人工智慧使用的一個代表性樣本。因此，我們應該謹慎處理和解釋這些結果。儘管這項研究有其限制，我們仍然可以看到生成式人工智慧對我們工作的影響，特別是在數據科學家的領域。

影響

這項研究顯示生成式人工智慧有潛力重塑工作，我們已經可以看到它對我們工作的影響。此外，生成式人工智慧正在快速發展，仍處於工作場所整合的早期階段。

因此，我們應該對這些變化保持開放，並適應它們。

最重要的是，我們必須保持好奇心、適應力和學習的意願。在數據科學領域，變化經常發生。隨著生成式人工智慧工具的出現，變化將會更加頻繁。因此，我們必須保持更新，利用這些工具來支持我們的旅程。

目前，生成式人工智慧有潛力增強我們的能力，而不是自動化它們。

因此，我們應該專注於發展能夠補充生成式人工智慧的技能。我們需要有效增強工作流程和分析任務的技能。這些技能位於生成式人工智慧滲透率較低的領域，包括人際互動、戰略思考和細緻的決策能力。這是我們可以脫穎而出的地方。

此外，批判性思維、複雜問題解決和判斷能力等技能將仍然非常有價值。我們必須能夠提出正確的問題，解釋大型語言模型（LLMs）的輸出，並根據答案採取行動。

此外，生成式人工智慧不會取代我們在項目中與同事的合作。因此，提高我們的情商將有助於我們有效合作。

結論

生成式人工智慧正在快速發展，仍處於工作場所整合的早期階段。然而，我們已經可以看到生成式人工智慧對我們工作的影響。

在這篇文章中，我向你展示了 Anthropic 最近對其大型語言模型（LLMs）使用的主要發現。根據這些結果，我展示了對數據科學家的影響以及哪些技能可能變得更加重要。

我希望你覺得這篇文章有用，並且能幫助你成為更好的數據科學家。

下次見！