微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会

德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会

2017-11-17 09:08
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-11-17 09:08 CNET科技行者

德勤(Deloitte)本周发布的一项研究表明,早期采用人工智能(AI)和认知技术的企业在获得经济收益的同时,正在创造新的就业机会。

德勤报告:人工智能正在创造就业机会并产生经济收益

接受调查的企业总体上对于认知技术在其组织中现期和未来,所扮演角色的看法是积极的。在接受调查的 250 名“有认知意识”的美国高管中,已经有接近三分之二(63%)的人已经开展了培训项目,帮助员工了解如何开发认知技术并与之协同工作。

与许多人认为的情况相反,调查对象并不认为失业是人工智能相关工作的一个重要结果,69%的受访者预计在未来三年内失业的数量会非常小,甚至不会带来什么失业。

德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会

该报告表示,事实上,超过四分之一的组织(29%)认为,随着人工智能和认知技术的普及,新工作机会将会随之增长。当被问及人工智能和认知技术带来的好处时,劳动力减少的排名是最低的(22%)。

德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会们应该看看人们和机器如何以合作的方式协同工作。” Cathy Engelbert表示, “利用新技术作为我们员工队伍新工具的能力最终将为我们的员工建立高价值技能提供新的机会。”

绝大多数的受访者(92%)认为认知技术是其内部业务流程的一个重要部分,87%的受访者认为认知技术将在改善其产品和服务方面起到重要的作用。此外,大约有四分之三(76%)的受访者希望AI和认知技术能够在三年内实质性地改变他们的公司。

德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会

调还查发现,有12%的公司在认知技术方面投入超过了1000万美元。而投入在500万到1000万美元、100万到500万美元以及50万到100万美元的公司比例都在25%左右,只有7%的公司的投入不到50万美元。这些投资主要面向IT、产品开发与研发以及客户服务。总体而言,目前公司使用的认知技术还处于初级阶段,而且大多数公司还没有为这些技术提供良好的预算。

大约四分之三认知技术的早期应用者在探索那些成熟的认知技术,他们正在使用于机器人流程自动化(RPA)(73%)、统计机器学习(70%)以及深度学习神经网络(49%)。

德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会

到目前为止,这些较新的技术似乎正在得到回报。大多数受访者表示人工智能和认知技术带来了中等到显著的经济收益。

德勤调研报告:恰恰相反,人工智能似乎正在创造新的就业机会

更喜欢从最成熟的项目入手,或者再等上几年,等到技术成熟。

德勤咨询(Deloitte Consulting)的Ryan Renner表示,那些希望通过认知技术获得竞争优势的企业应该“重新思考”何时、为什么以及如何通过人与机器的协同工作来取得更好的成果。

Renner还说,这些技术正在破坏组织如何执行任务、做出决策以及在客户和内部完成互动的方式。他表示,真正的价值只有知道如何在公司的业务、市场、企业文化和行业环境中最有效地应用技术的前提下才能创造出来。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-