明天的工作 ： 大型语言模型和工作

与埃森哲合作 明天的工作：大型语言模型和工作 WHITEPAPER SEPTEMBER2023 图片：盖蒂图片社 Contents 简介：大型语言模型将如何影响5 明天的工作? 1确定任务和工作的暴露潜力7 1.1 1.2 1.3按职业分列的分析10 1.4按行业分析14 1.5按功能分析16 2LLM与工作和任务的增长和下降17 2.1 2.2 A1各行业集团的风险敞口潜力20 A2功能组的暴露电位28 免责声明本文档由 世界经济论坛是对项目，见解领域或互动的贡献 。此处表达的发现，解释和结论是世界经济论坛促进和认可的合作过程的结果，但其结果不一定 代表世界经济论坛的观点，也不是其成员、合作伙伴或其他利益攸关方的整体观点。 ©2023年世界经济论坛。保留所有权利。本出版物的任何部分不得以任何形式或通过任何方式复制或传播，包括影印和记录，或通过任何信息存储和检索系统。 2023年9月 明天的工作：大型语言模型和工作 前言 KathleenO'Reilly通信、媒体和技术行业实践主席，埃森哲 SaadiaZahidi世界经济论坛董事总经理 以机器学习和自然语言处理的进步为基础的生成人工智能，特别是大型语言模型(LLM)，代表了我们如何与信息交互以及我们如何工作的范式转变。这些技术可以创建原创内容，从大量数据中产生见解，以接近人类的准确性翻译语言，甚至可能做出复杂的决策。这些技术的多功能性和效率可能对工作和工作的未来产生深远的影响。 虽然LLM的应用可能会导致显著的生产率提高和创造新类型的就业机会，但它们也有可能取代现有的角色，加剧社会经济差距 ，并在全球劳动力中造成工作不安全感。因此，将人工智能集成到我们的工作场所是抓住机会和管理潜在中断之间的平衡。 生成式人工智能(AI)包含一系列可以执行各种任务的技术。因此，关于其对工人的潜在影响的公开辩论往往在不同的时间范围内两极分化和不确定。在本报告中，我们重点介绍大型语言模型及其可以执行的活动。本文采用结构化的方法来理解LLM对特定工作的直接影响。.这一分析将使利益相关者——商业领袖 、政策制定者、工人和更广泛的公众——能够在技能、劳动力规划和其他战略投资方面做出更明智的决定。 生成人工智能将通过新的运营模式、新的产品和服务，以深刻的方式重塑行业和业务。然而，通过主动 理解和解决直接中断，组织可以使用LLM来提高生产力和释放新的机会，同时确保员工的平稳过渡。此外，本文提出的分析对工作的直接影响的结构化方法也为未来各部门技术进步的浪潮提供了案例研究。 本白皮书延续了我们的“明日就业”系列，该系列之前分析了绿色和社会就业，现在旨在分析法学硕士对就业的影响 。在2023年底，本系列将以一个工具包作为企业行动的号召。该系列补充了《2023年就业未来报告》的结果， 它更深入地探讨了全球商业领袖对所有关键地区和行业的劳动力转型方向的期望。 我们非常感谢新经济与社会中心合作伙伴和选民对就业议程的领导，以及埃森哲团队的伙伴关系， Hosemembersservedascorecollaboratorsonthisreport.ThefindingsofthispaperwillserveasakeytoolfortheJobsConsortium,whichis 一个由部长和首席执行官组成的全球联盟，通过创造就业和就业过渡以及就业加速器来促进更美好的工作未来，这是针对特定国家的平台 促进公私合作。企业、政府和工人的结构化分析、规划和积极准备可以确保 生成人工智能和其他技术进步为工人带来了更好的工作未来和新的机会。 执行摘要 随着生成人工智能（AI）的进步以前所未有的速度继续发展，大型语言模型（LLM）正在成为变革型工具，有可能重新定义工作环境。这些工具的最新进展，如GitHub的Copilot，Midtry和ChatGPT 导致全球经济和劳动力市场发生重大变化。这些特殊的技术进步与经济，地缘政治，绿色转型和技术力量带来的巨大劳动力市场动荡时期相吻合。 世界经济论坛《2023年就业前景报告》预测，未来5年，全球23%的就业岗位将因行业转型而发生变化。 包括通过人工智能和其他文本、图像和语音处理技术。 Thiswhitepaperprovidesastructuredanalysisofthepotentialdirect,near-termimpactsofLLMonjobs.With62%oftotalworktimeinvolvinglanguage-basedtasks,1广泛采用LLM，如ChatGPT，可能会显著影响广泛的工作角色。 为了评估LLM对工作的影响，本文对867个职业中超过19,000个单独的任务进行了分析，评估了每个任务对LLM采用的潜在风险，将其分类为具有高潜力的任务 forautomation,highpotentialforaugmentation,lowpotentialforeitherorareunaffected(non-languagetasks).ThepaperalsoprovidesanoverviewofnewrolesthatareemergingduetotheadoptionofLLM. 这些技术对重塑行业和商业模式的长期影响是 超出了本文的范围，但是这里提出的结构化方法可以应用于技术变革的其他领域及其对任务和工作的影响。 分析显示，LLM自动化潜力最大的任务往往是常规和重复的 ，而增强潜力最大的任务需要抽象推理和解决问题的技能。潜力较低的任务 对于曝光需要高度的个人互动和协作。 –潜在自动化排名最高的职位是信用授权人，跳棋和文员（ 81％的工作时间可以自动化），管理分析师（70％） ，电话推销员（68％），统计助理（61%）和出纳员（60%）。 –具有最大任务增强潜力的工作强调数学和科学分析 ，例如保险承销商（100％的工作时间可能会增强），生物工程师和生物医学 工程师(84%)、数学家(80%)和编辑（72%）。 –自动化或增强潜力较低的工作是预计 基本保持不变，如教育，指导和职业顾问和顾问（84 ％的时间花在低暴露任务上），神职人员（84％），律师助理和法律助理（83％）和家庭健康助理（75％ ）。 –除了重塑现有的工作岗位， 采用LLM可能会在AI开发人员，界面和交互设计师，AI内容创建者，数据策展人以及AI道德和治理专家等类别中创建新角色。 –行业分析是通过将潜在的工作暴露水平汇总到行业水平来完成的，并指出工作可能存在于多个行业中。结果显示，对总潜在风险敞口（自动化加增强措施）估计最高的行业是金融服务的两个部分：金融服务和资本市场以及保险和养老金管理。其次是信息技术和数字通信，然后是媒体 ，娱乐和体育。附录中汇编了按每个主要行业类别的最高暴露潜力排名的其他工作清单。 –同样，功能组分析显示，两个主题领域具有最大TotalpotentialexposuretoLLMareinformationtechnology,with73%ofworkinghoursexposed,and finance,with70%ofworkinghoursexposed.Aswiththeindustrygroups,additionallistsofjobsrankedbyhighestexposurepotentialforeachfunctiongroup 在附录中汇编。 –ThesenewfindingsconnectdirectlytoearlyworkdonebytheCentrefortheNewEconomyandSocietyintheFutureofJobsReport2023.ManyofthejobfoundtohavehighpotentialforautomationbyLLMwerealsoexpected 在未来五年内，商业领导者的就业将下降，例如银行出纳员和相关文员，数据输入文员以及行政和执行秘书 。同时，具有高增长潜力的职位预计将增长，例如AI和机器学习专家，数据分析师和科学家以及数据库和网络专业人员。两者加在一起， 出版物确定并重申了技术变革与劳动力市场转型之间联系的突出主题。 本报告的调查结果揭示了实施LLM如何改变就业格局，为政策制定者，教育工作者和商业领袖提供有价值的见解。LLM可能不会导致工作流离失所，而是会迎来一段基于任务的职业转型时期，需要采取积极的策略来为未来的这些工作做好准备。 简介：大型语言模型将如何影响未来的工作？ 语言能力与在工作中执行的任务基本上重叠， 据估计，高达 62%的工作时间 涉及基于语言的任务。 劳动力市场正在从增长，地缘经济，可持续性和技术的轨迹快速转变。《2023年就业未来报告》发现，商界领袖预计，未来五年内，全球23%的就业岗位将发生变化。2特别是生成人工智能(AI) 在功能上经历了深刻的飞跃，具体体现在GitHb的Copilot编程，Midjory图像生成和ChatGPT作为通用语言助手等产品中。《2023年就业未来报告》还发现，人工智能和文本、图像和语音处理技术通常是企业的首选。该报告发现，75%的受访者表示计划在其组织的运营中采用人工智能，62%的受访者表示计划采用文本、图像和语音处理技术。3这引发了人们对这项新技术将如何影响世界各地的组织和劳动力市场的质疑。 本白皮书研究了对特定类型工作的潜在短期直接影响 生成AI，大型语言模型（LLM），由于其类似于人类的创建和理解语言的能力，在过去一年中在公开辩论中得到了高度可见。随着LLM服务的普及，ChatGPT等免费服务在首次亮相的前两个月内达到了多达1亿活跃用户，4 这些模型的功能，加上它们的可访问性和快速采用率，表明许多工作任务——以及强调它们的工作——在未来几年可能会受到LLM使用的影响。据一些估计，高达62%的工作时间涉及基于语言的任务。5然而，人工智能和文本，图像和语音处理技术也有可能增加工作并创造新的就业机会。此外 ，许多角色仍然完全不受这些发展的影响。 快速的技术变革通常会引起人们对其对日常生活，特别是工作的影响的预期。总的来说，以前的创新带来了更多的就业机会，更高质量的工作和更高的生活质量，但它们也造成了破坏和流离失所。6本文旨在支持对影响，机会和准备工作采取清晰的观点所需的详细分析。 创成式AI、LLM和语言任务 最新形式的突破性生成AI模型是通过深度学习创建的，深度学习是在非常大的数据集上训练基础模型的过程。这些基础模型通常以神经网络的形式创建，其结构受到人脑中神经元排列的启发 。大型基础模型是在大量数据上训练的，具有看似超人水平的预测能力，可以通过响应书面提示生成文本或图像来利用。7 到目前为止，生成AI模型已配置到各种不同的工具中，以服务于不同的上下文，例如图像，音频或视频 创建，识别财务欺诈和其他安全风险，以及一系列通用语言能力，包括生成自然，数学和计算语言的能力。虽然生成式人工智能的实现范围很广，但这项研究将集中在LLM及其独特的语言生成能力上，因为这些模型在短期内最有可能影响最多数量的工作。 LLM可以在几乎任何主题上执行广泛的语言任务，通常是响应简单的用户提示： –LLM可以对所提供的一组文本进行重新制定并提供详细的反馈，包括总结，将其翻译成另一种语言，校对 ，讨论其风格或语调，甚至以不同的风格或语调重写 。 –LLM还可以生成新的文本，并提供关于LLM训练数据中存在的主题的一定程度的专业知识，例如以文献综述或完成通常由研究助理完成的任务的形式。8 –由于编程语言是文本，因此LLM可以用作编程助手。 GitHub的Copilot等实现已被证明可以将程序员的生产率提高56%。9 通过将LLM与其他系统集成，这些功能可以扩展到更广泛的抽象任务，例如安排会议，下订单，回复电子邮件或提供有关特定主题的研究。 鉴于LLM能力和当前工作任务之间的大量重叠，将LLM引入工作场所将