AI నుండి సురక్షితంగా ఉండే 22 కెరీర్ ఎంపికలు: ఆంత్రోపిక్ డేటా వెల్లడి

ఆంత్రోపిక్ చేసిన కొత్త అధ్యయనం ప్రకారం, AI సాధనాలు పని ప్రదేశాలలో వ్యాప్తి చెందుతున్నప్పటికీ, అనేక వృత్తులు ఇప్పటికీ ఆటోమేషన్‌కు దూరంగానే ఉన్నాయి. క్లాడ్ నుండి వచ్చిన వినియోగ డేటా ఆధారంగా చేసిన పరిశోధన, AI సిద్ధాంతపరంగా ఏమి చేయగలదో మరియు వాస్తవ ఉద్యోగాలలో ఎంతవరకు ఉపయోగించబడుతుందో మధ్య విస్తృత అంతరాన్ని చూపిస్తుంది.

ఆంత్రోపిక్ చేసిన కొత్త అధ్యయనం ప్రకారం, కార్యాలయాల్లో AI సాధనాలు ఎక్కువగా ఉపయోగించబడుతున్నప్పటికీ, పెద్ద సంఖ్యలో వృత్తులు ఇప్పటికీ ఆటోమేషన్ నుండి సురక్షితంగా ఉన్నాయి. కంపెనీ తాజా విశ్లేషణ ప్రకారం, 22 కెరీర్ ఎంపికలు AIకి తక్కువ ఎక్స్‌పోజర్‌ను కలిగి ఉన్నాయి, ఎందుకంటే వాటి ప్రధాన పనులు చాలా వరకు ప్రస్తుత AI వ్యవస్థలు నిర్వహించడం ఇప్పటికీ కష్టం.

ఈ ఫలితాలు ఆంత్రోపిక్ యొక్క పెద్ద భాషా నమూనా అయిన క్లాడ్ నుండి వినియోగ డేటా ఆధారంగా మరియు ప్రొఫెషనల్ సెట్టింగ్‌లలో AI ఎలా ఉపయోగించబడుతుందనే దానిపై కంపెనీ చేస్తున్న పరిశోధనలో భాగంగా ఉన్నాయి. AI నమూనాలు సిద్ధాంతపరంగా ఏమి చేయగలవో దానిపై మాత్రమే దృష్టి పెట్టడానికి బదులుగా, వాస్తవ ప్రపంచ పని వాతావరణాలలో కార్మికులు వాస్తవానికి AIని దేనికి ఉపయోగిస్తున్నారో అధ్యయనం పరిశీలిస్తుంది.

ఆంత్రోపిక్ ఈ విధానాన్ని "పరిశీలించిన ఎక్స్‌పోజర్" అని పిలుస్తుంది, ఇది ఒక ఉద్యోగం యొక్క పనిలో ఎంత భాగం ప్రస్తుతం AI ఉపయోగించి నిర్వహించబడుతుందో కొలవడానికి రూపొందించబడిన మెట్రిక్. కంపెనీ దీనిని సైద్ధాంతిక AI సామర్థ్యంతో పోల్చింది, పెద్ద భాషా నమూనాలు విస్తృతంగా స్వీకరించబడితే ఇవి సమర్థవంతంగా సహాయపడే పనుల వాటా.

ఫలితాలు సంభావ్యతకు మరియు వాస్తవికతకు మధ్య పెద్ద అంతరాన్ని చూపుతున్నాయి.

అనేక వృత్తులలో, AI వ్యవస్థలు సాంకేతికంగా ఎక్కువ భాగం పనులకు సహాయం చేయగలవు, కానీ వాస్తవ వినియోగం చాలా తక్కువగానే ఉంది. ఉదాహరణకు, కంప్యూటర్ మరియు గణిత విభాగంలో, AI సాధనాలు సిద్ధాంతపరంగా దాదాపు 94 శాతం పనులకు మద్దతు ఇవ్వగలవు, కానీ క్లాడ్‌లో వాస్తవ వినియోగం ప్రస్తుతం 33 శాతం మాత్రమే ఉంది.

AI ప్రభావం క్రమంగా ఆర్థిక వ్యవస్థపై ఎలా కనిపిస్తుందో తెలుసుకోవడానికి పరిశీలించిన ఎక్స్‌పోజర్ కొలత అభివృద్ధి చేయబడిందని ఆంత్రోపిక్ తెలిపింది. ఒక ఉద్యోగం యొక్క పనులు AI వ్యవస్థలకు సాంకేతికంగా సాధ్యమైనప్పుడు, AI వినియోగ డేటాలో తరచుగా కనిపించినప్పుడు మరియు ఆటోమేషన్ లేదా API ఇంటిగ్రేషన్‌లు అమలు చేయబడుతున్న ప్రొఫెషనల్ సందర్భాలలో నిర్వహించబడినప్పుడు దాని ఎక్స్‌పోజర్ స్థాయి పెరుగుతుంది.

ఆచరణలో AI ఎలా ఉపయోగించబడుతుందో కూడా కంపెనీ విశ్లేషించింది. పూర్తిగా ఆటోమేటెడ్ చేయబడిన పనులకు అధ్యయనంలో పూర్తి ప్రాధాన్యత ఇవ్వబడింది, అయితే AI మానవ కార్మికుడికి సహాయపడే పనులను పాక్షిక బరువుతో లెక్కించారు. కార్మికులు సాధారణంగా ఆ పనులపై గడిపే సమయం ఆధారంగా ప్రతి వృత్తిలో ఈ పని-స్థాయి కొలతలు సగటున లెక్కించబడ్డాయి.

AI స్వీకరణ ఇప్పటికీ దాని సైద్ధాంతిక పరిమితుల కంటే చాలా తక్కువగా ఉందని మరియు అనేక వృత్తులలో ఎక్కువ భాగం AI పరిధికి వెలుపల ఉందని విశ్లేషణ సూచిస్తుంది.

అధ్యయనం ప్రకారం, అనేక వృత్తులలో శారీరక శ్రమ, వాస్తవ ప్రపంచ పరస్పర చర్య లేదా భాషా నమూనాల ద్వారా సులభంగా నిర్వహించలేని బాధ్యతలు అవసరమవుతాయి. ఉదాహరణకు, వ్యవసాయ ఉద్యోగాలలో చెట్లను కత్తిరించడం లేదా వ్యవసాయ యంత్రాలను నిర్వహించడం వంటి కార్యకలాపాలు ఉంటాయి, వీటిని AI వ్యవస్థలు నిర్వహించలేవు. కోర్టులో క్లయింట్లకు ప్రాతినిధ్యం వహించడం వంటి చట్టపరమైన పనులు కూడా ప్రస్తుత AI సాధనాల పరిధికి మించి ఉన్నాయి.

ఈ పరిమితుల కారణంగా, వ్యవసాయం, నిర్మాణం, సంస్థాపన మరియు మరమ్మత్తు, రవాణా, వ్యక్తిగత సంరక్షణ మరియు ఆహార సేవలు వంటి రంగాలతో సహా విస్తృత శ్రేణి వృత్తులు తక్కువ AI ఎక్స్‌పోజర్‌ను చూపుతూనే ఉన్నాయి. ఈ పాత్రలు తరచుగా భౌతిక ఉనికి, ప్రత్యేక మానవ తీర్పు లేదా ప్రత్యక్ష సేవా పరస్పర చర్యలపై ఆధారపడి ఉంటాయి.

అదే సమయంలో, AI వాడకం ఇప్పటికే సర్వసాధారణంగా మారుతున్న కొన్ని వృత్తులను పరిశోధన గుర్తిస్తుంది.

ఆటోమేషన్‌కు ఎక్కువగా గురయ్యే వృత్తులలో కంప్యూటర్ ప్రోగ్రామర్లు ఉన్నారు, ఇక్కడ అధ్యయనం అంచనా ప్రకారం 75 శాతం పనులు AI ప్రమేయాన్ని చూపుతాయి. AI కోడింగ్ సాధనాల వినియోగం పెరగడం ఈ ధోరణికి దోహదపడింది. కంపెనీలు సాధారణ కస్టమర్ ప్రశ్నలను నిర్వహించడానికి ఆటోమేటెడ్ సిస్టమ్‌లు మరియు APIలను ఎక్కువగా ఉపయోగిస్తున్నందున కస్టమర్ సర్వీస్ ప్రతినిధులు కూడా అత్యంత బహిర్గత పాత్రలలో స్థానం పొందారు. డేటా ఎంట్రీ కీయర్‌లు జాబితాలో తదుపరి స్థానంలో ఉన్నారు, దాదాపు 67 శాతం పనులు ఆటోమేషన్‌ను చూపుతాయి, ముఖ్యంగా పత్రాలను చదవడం మరియు నిర్మాణాత్మక సమాచారాన్ని నమోదు చేయడంలో.

ఈ పరిణామాలు ఉన్నప్పటికీ, AIతో నేరుగా ముడిపడి ఉన్న పెద్ద ఎత్తున ఉద్యోగ నష్టాలు ఇంకా కార్యరూపం దాల్చలేదని ఆంత్రోపిక్ పరిశోధన సూచిస్తుంది.

కంపెనీ గతంలో చేసిన విశ్లేషణలో అధిక ఉద్యోగ అవకాశాలున్న వృత్తులలోని కార్మికులు ప్రస్తుతం అధిక నిరుద్యోగిత రేటును ఎదుర్కొంటున్నారని స్పష్టమైన ఆధారాలు లేవు. ఉదాహరణకు కంపెనీలు ఎంట్రీ-లెవల్ పాత్రలకు నియామకాలను నెమ్మదిస్తాయి లేదా పునరావృతమయ్యే పనులను పూర్తి చేయడానికి ఆటోమేషన్‌పై ఎక్కువగా ఆధారపడతాయి.

AI సాంకేతికత అభివృద్ధి చెందడం మరియు స్వీకరణ పరిశ్రమలలో మరింత విస్తరించడం వలన ఈ ధోరణులు మరింత స్పష్టంగా కనిపిస్తాయని కంపెనీ విశ్వసిస్తోంది. అలా జరిగితే, సైద్ధాంతిక సామర్థ్యం మరియు వాస్తవ ప్రపంచ వినియోగం మధ్య అంతరం కాలక్రమేణా తగ్గవచ్చు.

అయితే, ప్రస్తుతానికి, AI కొన్ని రకాల పనులను - ముఖ్యంగా డిజిటల్ మరియు రొటీన్ పనులను - పునర్నిర్మిస్తున్నప్పటికీ, పెద్ద సంఖ్యలో కెరీర్లు మానవ నైపుణ్యాలపై ఎక్కువగా ఆధారపడటం మరియు ఆటోమేషన్ నుండి సాపేక్షంగా రక్షించబడటం కొనసాగిస్తున్నాయని అధ్యయనం సూచిస్తుంది.