AnswersPublished19 sources
Apabila AI mengambil alih tugas asas, bagaimana pekerja baharu hendak belajar?
Risiko AI untuk pekerja baharu bukan sekadar kekurangan peluang kerja: automasi tugas rutin juga boleh menghilangkan ruang latihan yang membantu mereka membina kemahiran. Rachel Orston dari Instructure berkata latihan korporat sering tertumpu pada pemindahan maklumat melalui pembentangan, semakan dasar dan kuiz, buk...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Risiko AI untuk pekerja baharu bukan sekadar kekurangan peluang kerja: automasi tugas rutin juga boleh menghilangkan ruang latihan yang membantu mereka membina kemahiran.
- Rachel Orston dari Instructure berkata latihan korporat sering tertumpu pada pemindahan maklumat melalui pembentangan, semakan dasar dan kuiz, bukan persediaan untuk membuat pertimbangan dalam situasi kerja sebenar.[1]
- Majikan boleh membina semula laluan pembelajaran melalui latihan asas, simulasi kes realistik, bimbingan tentang proses membuat keputusan dan tugasan junior yang diselia.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
AI boleh mempercepat kerja rutin, tetapi tugasan seumpama itu juga sering menjadi ruang untuk pekerja baharu berlatih sebelum mengendalikan kes yang lebih rumit. Jika ruang latihan itu semakin mengecil, majikan berisiko kehilangan sebahagian laluan yang membentuk pekerja baharu menjadi profesional berpengalaman.
Penyelesaiannya bukan semestinya mengekalkan setiap tugasan lama seperti sedia kala. Yang penting, pembelajaran dan bimbingan kekal sebagai sebahagian daripada kerja peringkat permulaan.
Latihan yang menyampaikan maklumat, tetapi kurang memberi latihan praktikal
Dalam kolum Forbes, Rachel Orston, ketua pegawai pelanggan Instructure, mempersoalkan sama ada banyak syarikat benar-benar melatih pekerja. Beliau menggambarkan pendekatan yang biasa digunakan: pembentangan, maklumat produk, semakan dasar dan kuiz, kemudian pekerja baharu dijangka terus melaksanakan tugas.1
Kaedah itu mungkin membantu pekerja mengingati peraturan, tetapi mengingati sesuatu peraturan tidak sama dengan menggunakannya apabila situasi tidak jelas, maklumat tidak lengkap atau pelanggan memerlukan bantuan di luar proses biasa.
Tugasan rutin boleh memberi peluang berulang untuk mengenal pasti corak dan memutuskan langkah seterusnya. Apabila AI mengambil alih lebih banyak tugasan itu, pekerja baharu mungkin kurang berpeluang membina kemahiran sebelum berdepan kes luar biasa. Ini berpotensi mewujudkan jurang latihan—bukan bukti bahawa setiap tugasan yang diautomasi sebelum ini merupakan pengalaman pembelajaran yang bermakna.
Bina laluan berperingkat daripada latihan kepada pertimbangan profesional
Majikan boleh menyusun semula proses orientasi supaya AI mengendalikan tugasan rutin yang sesuai, tanpa menyebabkan pekerja baharu hanya belajar apabila berdepan kes sukar. Pendekatan praktikal boleh merangkumi:
- Kukuhkan asas. Beri pekerja baharu peluang mencuba tugasan teras sendiri dan memahami prosesnya, bukan sekadar bergantung pada jawapan yang dijana AI.
- Latih melalui kes realistik. Gunakan simulasi dan lakonan peranan yang melibatkan pengecualian, maklumat bercanggah serta keputusan tentang bila sesuatu kes perlu dirujuk kepada pihak lain.
- Bimbing cara berfikir. Semak bukti yang dipertimbangkan pekerja, sebab mereka menerima atau menolak cadangan AI, dan keadaan yang memerlukan pertimbangan manusia.
- Tambah tanggungjawab dengan sokongan. Beri tugasan lebih rumit apabila pekerja menunjukkan kesediaan, sambil memastikan rakan sekerja berpengalaman boleh memberi maklum balas.
Ini ialah cadangan praktikal untuk menangani jurang latihan, bukan bukti bahawa simulasi atau bimbingan sahaja sudah terbukti menyelesaikan masalah. Matlamatnya ialah menggantikan sebahagian pengalaman belajar melalui kerja yang mungkin hilang akibat automasi dengan latihan dan maklum balas yang lebih tersusun.
Mengapa perantisan penting apabila tugas junior berubah
Dalam hujahnya di The Straits Times, Vanessa Tang menyatakan bahawa mengautomasi kerja peringkat permulaan tidak menghapuskan keperluan untuk membangunkan pekerja baharu bagi mengisi peranan kanan pada masa depan.36 Peranan junior boleh memenuhi dua tujuan: menyumbang kepada kerja hari ini dan membantu seseorang mengumpul pengalaman untuk memikul tanggungjawab lebih besar kelak.
Bagi majikan, perkara utama bukan sekadar sama ada sesuatu program dinamakan latihan industri atau perantisan. Yang lebih penting ialah sama ada ia menawarkan kerja yang bermakna, penyeliaan dan maklum balas. Jika tugasan rutin diautomasi, baki tugasan perlu dirancang dengan lebih teliti sebagai laluan pembelajaran.
Laporan dari Singapura menunjukkan dua cara pengalaman kerja peringkat awal sedang disesuaikan. Menurut The Straits Times, pembangun perisian junior kini dijangka menyemak draf yang dijana AI dari segi keselamatan, logik dan kesesuaiannya dengan keperluan perniagaan.18 Ini mengalihkan sebahagian tugas junior daripada menghasilkan kod rutin kepada menilai hasil AI.
Secara berasingan, kira-kira 3,000 latihan industri selama setahun akan ditawarkan kepada pelajar institusi pengajian tinggi dalam tempoh tiga tahun, menurut Channel NewsAsia.17 Kedua-dua contoh ini menunjukkan pendekatan yang saling melengkapi: mereka bentuk semula tugas graduan dan menyediakan peluang jangka panjang untuk mendapatkan pengalaman di tempat kerja.
Apa yang ditunjukkan—dan tidak ditunjukkan—oleh data pekerjaan awal kerjaya
Penyelidikan Stanford mengetengahkan risiko khusus bagi pekerja lebih muda. Dapatan yang diterbitkan menunjukkan penurunan pekerjaan tertumpu dalam kalangan pekerja berusia 22 hingga 25 tahun dalam pekerjaan yang paling terdedah kepada AI; corak itu semakin lemah dan akhirnya tidak kelihatan dalam kalangan pekerja lebih berusia.49
Satu kajian berkaitan Stanford melaporkan penurunan relatif sebanyak 13% dalam pekerjaan bagi pekerja awal kerjaya di pekerjaan yang paling terdedah, selepas mengambil kira kejutan pada peringkat firma.52 Angka itu ialah perbandingan relatif—bukan dakwaan bahawa AI telah menghapuskan 13% daripada semua pekerjaan peringkat permulaan.
Hubungan sebab dan akibat juga perlu diberi perhatian. Stanford menjelaskan bahawa Canaries Dashboard mengukur perkaitan antara pendedahan pekerjaan kepada AI dengan trend pekerjaan, bukannya hubungan sebab-akibat.51 Maka, dapatan itu menunjukkan corak yang wajar diberi perhatian, tetapi tidak membuktikan bahawa AI sahaja yang menyebabkannya.
Laporan Forbes berasingan mengenai penyelidikan penyelidik Biro Banci Amerika Syarikat menyatakan bahawa graduan daripada bidang pengajian yang sangat terdedah kepada AI memperoleh pendapatan suku tahunan permulaan kira-kira 13% lebih rendah berbanding rakan sebaya daripada bidang yang kurang terdedah.58 Pendapatan bukan ukuran yang sama dengan jumlah pekerjaan, jadi angka itu tidak patut dianggap sebagai ukuran langsung berapa banyak kerja yang hilang.
Penyelidikan lain yang dirumuskan Stanford mendapati perubahan pengambilan pekerja dalam pekerjaan terdedah kepada AI adalah kecil paling tinggi, satu lagi sebab untuk tidak membuat kesimpulan menyeluruh daripada dapatan yang bercampur-campur.54
Kesimpulan yang berguna bukanlah “AI akan menghapuskan semua kerja peringkat permulaan” atau “pengambilan pekerja tidak berubah, jadi tiada apa-apa yang berubah.” Risiko pekerjaan bagi pekerja awal kerjaya kelihatan tidak sama rata, sementara sifat kerja junior juga sedang berubah. Majikan wajar meneliti kedua-duanya: siapa yang diambil bekerja, dan sama ada pekerja baharu masih mempunyai laluan dengan sokongan yang mencukupi untuk membina kemahiran serta pertimbangan yang diperlukan dalam peranan berpengalaman.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Apabila AI mengambil alih tugas asas, bagaimana pekerja baharu hendak belajar?"?
Risiko AI untuk pekerja baharu bukan sekadar kekurangan peluang kerja: automasi tugas rutin juga boleh menghilangkan ruang latihan yang membantu mereka membina kemahiran.
What are the key points to validate first?
Risiko AI untuk pekerja baharu bukan sekadar kekurangan peluang kerja: automasi tugas rutin juga boleh menghilangkan ruang latihan yang membantu mereka membina kemahiran. Rachel Orston dari Instructure berkata latihan korporat sering tertumpu pada pemindahan maklumat melalui pembentangan, semakan dasar dan kuiz, bukan persediaan untuk membuat pertimbangan dalam situasi kerja sebenar.[1]
What should I do next in practice?
Majikan boleh membina semula laluan pembelajaran melalui latihan asas, simulasi kes realistik, bimbingan tentang proses membuat keputusan dan tugasan junior yang diselia.
Sources
forbes.comAI Is Changing How Employees Learn Their Jobs - Forbes
straitstimes.comApprenticeships, not internships, will boost fresh grad employment
channelnewsasia.com3,000 year-long internships to be offered to tertiary students as...