Die Jobs, die KI erledigen – und die, die es nicht sollte

Schalte die Digest des Herausgebers kostenlos frei

Roula Khalaf, Herausgeber der FT, wählt ihre Lieblingsgeschichten in diesem wöchentlichen Newsletter aus.

Generative AI ist eine transformative Technologie, die das Potenzial hat, die Art der Arbeit neu zu definieren. Das Verständnis seiner Rolle am Arbeitsplatz und was es von der Automatisierung der Vergangenheit unterscheidet, erfordert eine Verschiebung von der KI dürfen mach was es sollen Tun.

Typische Analysen der Auswirkungen von Genai auf die Arbeitnehmer konzentrieren sich darauf, ob die Technologie bestimmte Arbeitsplätze ausführen kann. Solche Studien brechen häufig einen Job auf und bewerten den Anteil der konstituierenden Aufgaben, die die Technologie ausführen kann. Zu den gemeinsamen Aufgaben für einen Kundendienstmitarbeiter in einem Call Center gehören beispielsweise die Interaktion mit Kunden, die Aufzeichnung von Interaktionen und die Lösung oder eskalierende Bedenken. Genai kann diese Aufgaben erledigen, was impliziert, dass es solche Arbeitnehmer verdrängen könnte.

Betrachten Sie jedoch einen Beruf, der anfänglich gleich sein könnte: einen Notfall -Telefonbetreiber. Die beiden Arbeitsplätze teilen viele ähnliche Aufgaben. Sollten wir erwarten, dass sie ein gleiches Automatisierungsrisiko ausgesetzt sind? Die Antwort ist nuancierter als die technische Fähigkeit allein. Über ethische Überlegungen hinaus führt die Automatisierung solcher Rollen komplexe Kompromisse mit Wirtschaftlichkeit, Aufgabendesign und operativen Interdependenz ein.

Wir glauben, dass Organisationen vier entscheidende Fragen berücksichtigen sollten, wenn sie eine Automatisierung berücksichtigen.

Erstens, wie komplex ist die Aufgabe? Komplexität ist ein wesentlicher Treiber für menschliche Arbeitskräfte und KI -Kosten. Die Dispatcher von Rettungsdiensten lösen eine Vielzahl von Problemen, die eine Komplexität beinhalten, die die sich wiederholenden Interaktionen eines Kundendienstmitarbeiters übertrifft. Je komplexer die Aufgabe ist, desto weniger wahrscheinlich ist sie automatisiert, da Menschen vorerst besser sind als Maschinen, die die Komplexität erhöhen.

Zweitens, wie häufig ist die Aufgabe? Je höher die Frequenz, desto wahrscheinlicher ist es, dass sie automatisiert werden. Maschinen haben einen klaren Vorteil bei der Aufrechterhaltung der Geschwindigkeit über längere Zeiträume. Häufig wiederholte Interaktionen mit Kunden stärken den wirtschaftlichen Fall für den KI -Austausch von Kundendienstmitarbeitern.

Financial Times Global MBA Ranking

Dieser Artikel stammt aus dem 2025 MBA Bericht Und Rang

Drittens, wie miteinander verbunden sind die Aufgaben? Bei der Bereitstellung eines Service oder der Schaffung eines Produkts sind viele Jobs an einer Kette miteinander verbundener Aufgaben beteiligt, die häufig von verschiedenen Arbeitnehmern und Maschinen ausgeführt werden. Was während der Übergabe zwischen Aufgaben passiert, wird oft übersehen. Die Fragmentierungskosten ergeben sich aus Ineffizienzen und Fehlern im Handoff -Prozess.

Die erste Aufgabe für einen Kundendienstmitarbeiter besteht darin, sich mit dem Kunden zu unterhalten, während die endgültige Aufgabe die Lösung ihres Problems darin besteht. Wenn verschiedene Arbeiter oder Maschinen beteiligt sind, kann die Übergabe zwischen diesen Aufgaben kostspielig sein. Wenn der Arbeitnehmer anfänglich nicht mit dem Kunden mit dem endgültigen Lösungen umgeht, wäre eine zusätzliche Zeit erforderlich, um alle zuvor gesammelten Informationen zu überprüfen.

Hohe Fragmentierungskosten sollten Unternehmen davon abhalten, Aufgaben zwischen Menschen und generativer KI zu teilen, auch wenn sie technisch machbar sind. Die Automatisierung des anfänglichen Triage-Aufrufs in Rettungsdiensten mag kostengünstig erscheinen, aber entscheidende Informationen können während des Übergangs von AI zu einem menschlichen Dispatcher verloren gehen.

Viertens, bei der Ausführung einer Aufgabe, was kostet es die Kosten für den Fehler? Fehler von Notfalldispatchern bilden erhebliche Risiken, insbesondere in Situationen im Leben oder Tod. Und Genai kann weniger präzise sein als einige frühere Automatisierungsformen.

Diese Fragen sollten Unternehmen, die die Automatisierung in Betracht ziehen, leiten und helfen, zu erklären, warum Genai bestimmte Berufe mehr betrifft als andere. Betrachten Sie beispielsweise Computerprogrammierer. Umfangreiche, gut dokumentierte Codierungsbeispiele ermöglichen es Genai, auch für komplexe Aufgaben wirksame Lösungen bereitzustellen. Die Hochfrequenz und Wiederholung vieler Codierungsaufgaben passt gut zu Genai.

Lange vor Genai haben Programmierer große Codierungsprojekte aufgeteilt, und Innovationen wie verteilte Entwicklungsplattformen und modulares Design haben die Fragmentierungskosten gesenkt. Sichere Testumgebungen halten die Versagenkosten niedrig, da viele Fehler im Genai-produzierten Code kostengünstig nachgewiesen werden können. In unserem Rahmen helfen diese Merkmale zu erklären, warum Programmierer, traditionell nützliche Automatisierung, eine zunehmende Störung durch Genai ausgesetzt sind.

Die vier obigen Fragen zeigen, was generative KI als Automatisierungstechnologie einzigartig macht. Während es sich weiterentwickelt, demonstriert Genai seine Fähigkeit, komplexe Aufgaben mit hoher Geschwindigkeit zu verwalten, was es vielseitiger macht als herkömmliche Automatisierung. Durch das Angebot einer nahtlosen Schnittstelle und natürliche Sprachverarbeitungsfunktionen senkt Genai im Vergleich zur herkömmlichen Automatisierung die Fragmentierungskosten schrittweise. Die Unsicherheit, die den Ausgang von Genai in Verbindung bringt, erhöht jedoch möglicherweise das Risiko eines Versagens in einer Aufgabe.

Generative KI ist eine transformative Technologie mit dem Potenzial, Arbeitsmärkte zu umformieren. Seine endgültige Wirkung und seine Adoptionswahrscheinlichkeit werden durch die Struktur von Aufgaben innerhalb eines bestimmten Berufs geprägt. Die Komplexität der Aufgaben, ihre Häufigkeit, die Fragmentierungskosten und die Kosten des Scheiterns beeinflussen zusammen das Gleichgewicht zwischen offenen Kosteneinsparungen und verborgenen Kosten.