[ad_1]
Ein kürzlich Studie von MIT-Forschern untersuchte akribisch die Wirtschaftlichkeit der Automatisierung von Aufgaben mit Computer-Vision-KI und offenbarte eine differenzierte Landschaft. (Beachten Sie, dass im Zusammenhang mit LLMs häufig von Multimodalität gesprochen wird, d. Obwohl Arbeitsplätze in der Landwirtschaft KI ausgesetzt sind, haben nur 8 % dieser Arbeitsplätze Aufgaben, die für eine Automatisierung wirtschaftlich attraktiv sind. Diese Unterscheidung verdeutlicht die erhebliche Lücke zwischen dem Potenzial technischer Automatisierung und dem engeren Umfang wirtschaftlich vertretbarer Automatisierung.
Wirtschaftliche Analyse
Die wirtschaftliche Analyse zeigt, dass Vision-Aufgaben (eine Aufgabe, die das Analysieren – Betrachten – eines „Dings“ beinhaltet, um es auf einen Defekt usw. zu überprüfen) nur 1,6 % der nichtlandwirtschaftlichen Vergütungen in den USA ausmachen, wobei lediglich 0,4 % als wirtschaftlich sinnvoll angesehen werden KI-Automatisierung. Dies deutet auf einen vorsichtigen Ansatz bei der Einführung von KI hin und betont die Kosteneffizienz als entscheidenden Faktor. Darüber hinaus hält das durchschnittliche Unternehmen, darunter Unternehmen mit Tausenden von Mitarbeitern, die Automatisierung von Sehaufgaben für weniger als ein Zehntel seiner augenbezogenen Arbeit für wirtschaftlich sinnvoll, was die aktuellen wirtschaftlichen Einschränkungen einer weit verbreiteten KI-Integration verdeutlicht.
Diese vorsichtige Einführung spiegelt sich in breiteren Branchentrends wider, wo weniger als 6 % der Unternehmen KI-Technologien nutzen, wobei es sich überwiegend um große Unternehmen handelt, die 18 % der Beschäftigung ausmachen. Die unterschiedlichen Akzeptanzraten und die Konzentration bei größeren Unternehmen lassen darauf schließen, dass wirtschaftliche Machbarkeit und Skalierbarkeit für die Integration von KI in den Geschäftsbetrieb von zentraler Bedeutung sind.
Darüber hinaus kommt die Studie zu dem Schluss, dass es wirtschaftlich nicht sinnvoll ist, 77 % der Vision-Aufgaben auf Unternehmensebene zu automatisieren, was die Bedeutung der Kosteneffizienz bei der Verbreitung der KI-Technologie unterstreicht. Dieser kritische Einblick in die wirtschaftlichen Herausforderungen der KI-Einführung weist auf eine Zukunft hin, in der die Auswirkungen der KI schrittweise erfolgen und von den sich entwickelnden Kostenstrukturen und wirtschaftlichen Anreizen geprägt sind.
Wirtschaftlichkeit
Die Studie zeichnet sich dadurch aus, dass sie sich ausführlich und umfassend mit der wirtschaftlichen Machbarkeit der KI-Automatisierung befasst, im Gegensatz zu früheren Studien, die sich in erster Linie auf das Potenzial für die KI-Exposition konzentrierten, ohne die technische Machbarkeit und wirtschaftliche Attraktivität der Automatisierung zu berücksichtigen. Es stellt ein End-to-End-Modell zur Abschätzung des wirtschaftlichen Nutzens der KI-Automatisierung vor, das Arbeitnehmerbefragungen, Kostenmodellierung von KI-Systemen und eine detaillierte Analyse des Automatisierungspotenzials von Aufgaben umfasst. Die Studie geht von Kosten in Höhe von 1.765.000 US-Dollar für die Implementierung eines KI-Bildverarbeitungssystems und jährlichen Kosten von 242.840 US-Dollar für die Wartung des Bildverarbeitungssystems aus. Ein Standardsystem ist mit 165.000 US-Dollar für die Implementierung und 122.840 US-Dollar pro Jahr für die Wartung erheblich günstiger.
Ein einfaches hypothetisches Szenario veranschaulicht die Bedeutung dieser Überlegungen. Nehmen wir aus der Studie das Beispiel einer kleinen Bäckerei, die über die Einführung von Computer Vision zur Automatisierung nachdenkt. Eine der Aufgaben von Bäckern besteht darin, ihre Zutaten visuell zu prüfen, um deren Qualität sicherzustellen, beispielsweise auf Verderb. Es ist denkbar, dass diese visuelle Inspektionsaufgabe durch ein Computer-Vision-System ersetzt werden könnte, indem eine Kamera integriert und das System darauf trainiert wird, verdorbene Lebensmittel zu erkennen. Aber selbst wenn diese spezielle visuelle Inspektionsaufgabe vom Rest des Produktionsprozesses isoliert werden könnte, ist es dann finanziell vertretbar, dies zu tun?
Daten des Bureau of Labor Statistics (O*NET) zeigen, dass die Prüfung der Lebensmittelqualität als Teil der Aufgaben eines Bäckers etwa 6 % ausmacht. Im Falle einer kleinen Bäckerei mit fünf Bäckern, die ein typisches Jahresgehalt von jeweils 48.000 US-Dollar verdienen, belaufen sich die potenziellen Kosteneinsparungen durch die Automatisierung dieser Aufgabe auf 14.000 US-Dollar pro Jahr. Dennoch liegt dieser Betrag deutlich unter den Kosten, die mit der Entwicklung, Implementierung und Wartung eines Computer-Vision-Systems verbunden sind. Daher kann der Schluss gezogen werden, dass der Ersatz menschlicher Arbeitskraft durch ein KI-System in dieser Bäckerei wirtschaftlich nicht sinnvoll ist.
Unterscheidung zwischen Automatisierung und Augmentation
Die Studie konzentrierte sich auf die Automatisierung von Aufgaben, was eine begrenzte Perspektive auf die Einführung von KI bietet. KI hat das Potenzial, menschliche Arbeit nicht nur zu automatisieren, sondern auch zu verbessern oder völlig neue Produkte zu schaffen. Eine Umfrage zeigt, dass erstaunliche 83 % der Führungskräfte davon ausgehen, dass KI die menschliche Arbeitskraft verstärkt, anstatt sie zu ersetzen. Darüber hinaus unterstützen nur 50 % der KI-Startups ihre Kunden bei der Reduzierung der Arbeitskosten, während sich bemerkenswerte 98 % auf die Entwicklung von Produkten zur Erweiterung der Fähigkeiten konzentrieren.
Zusammenfassung und Ausblick
Der Ansatz der Studie liefert ein differenziertes Verständnis der wirtschaftlichen Auswirkungen von KI und betont die Bedeutung der Kosten bei der Bestimmung, welche Aufgaben praktisch automatisiert werden können. Wie das Beispiel einer Bäckerei zeigt, sind Arbeitsplätze, selbst wenn sie theoretisch automatisiert werden können, möglicherweise nicht auf wirtschaftliche Zwänge zurückzuführen. Sie befinden sich zwar noch in einem sehr frühen Stadium der fortschreitenden KI-gesteuerten Entwicklung ArbeitsmarktrevolutionEs ist auf jeden Fall klug, das zu tun vorbereitet für eine KI-Zukunft:
Investieren Sie mit Bedacht in Ihre Wissensdatenbank. Die Art und Weise, wie Sie Ihr Wissen kodifizieren, digitalisieren und strukturieren, wird in den kommenden Jahren zu einem entscheidenden Werttreiber werden. Generative KI und große Sprachmodelle sollen die nahtlose Übertragung von Wissen und Fähigkeiten zwischen Teams und Geschäftsbereichen erleichtern und so das Lern- und Innovationstempo beschleunigen.
Erleben Sie Gespräche mit KI. Während sich KI zu einem Kooperationspartner bei intellektuellen Bestrebungen entwickelt, wird sie die Wirksamkeit und Kreativität der menschlichen Intelligenz zunehmend steigern. (Wissens-)Arbeiter müssen in der Lage sein, KI effektiv anzuweisen, ihren Arbeitsablauf zu optimieren. Warten Sie nicht; Beginnen Sie noch heute mit generativen KI-Tools zu experimentieren, um Ihre Fähigkeiten im Prompt Engineering zu verbessern. Es handelt sich um eine entscheidende Kompetenz für Kreativprofis im kommenden Jahrzehnt.
[ad_2]