Жарайды, үстелдегі карталар - бұл сұрақ барлық жерде кездеседі. Техникалық кездесулерде, жұмыстағы кофе-брейктерде және иә, тіпті ұзаққа созылған LinkedIn ағындарында да ешкім оқуды мойындамайды. Мазасыздық өте анық: егер AI соншалықты автоматтандыруды басқара алса, бұл деректер ғылымын бір рет қолдануға болады ма? Жылдам жауап: жоқ. Ұзынырақ жауап? Бұл жалпақ «иә» немесе «жоқ» дегеннен гөрі күрделі, ретсіз және қызықтырақ.
Осы мақаладан кейін оқығыңыз келетін мақалалар:
🔗 Деректер ғылымы және жасанды интеллект: инновацияның болашағы
AI және деректер ғылымы ертеңгі инновациялық ландшафтты қалай қалыптастыратынын зерттеу.
🔗 AI деректер талдаушыларын алмастыра ма: нақты әңгіме
Деректерді талдаушы рөлдері мен салалық қажеттіліктерге AI әсерін түсіну.
🔗 Қарау керек AI құралдары үшін деректерді басқару
AI құралдарының әлеуетін барынша арттыру үшін деректерді басқарудың негізгі тәжірибелері.
Деректер ғылымын шын мәнінде не құнды етеді 🎯
Мәселе мынада: деректер ғылымы тек математикалық плюс модельдер ғана емес. статистикалық дәлдіктің, іскерлік контексттің және шығармашылық мәселелерді шешудің жанасуының біртүрлі коктейлі . AI бір жыпылықта он мың ықтималдықты есептей алады, әрине. компания үшін қандай шеше ала ма Немесе бұл мәселенің стратегия мен тұтынушы мінез-құлқына қалай байланысты екенін түсіндіріңіз бе? Міне, адамдар араласады.
Негізінде деректер ғылымы аудармашы сияқты. Бұл шикі тәртіпсіздікті қажет етеді - мағынасыз электрондық кестелер, журналдар, сауалнамалар - және оны қарапайым адамдар іс жүзінде әрекет ете алатын шешімдерге айналдырады. Бұл аударма қабатын алып тастаңыз және AI жиі сенімді сандырақтарды шығарады. HBR мұны бірнеше жылдар бойы айтып келеді: құпия тұздық дәлдік өлшемдері емес, бұл сендіру және контекст [2].
Шындықты тексеру: зерттеулер AI жұмыстағы көптеген тапсырмаларды автоматтандыруға болатындығын көрсетеді - кейде жартысынан көбі . Бірақ жұмыс ауқымын анықтау, пайымдаулар жасау және «ұйым» деп аталатын беймаза нәрсеге сәйкес келу керек пе? Әлі де адам территориясы [1].
Жылдам салыстыру: Деректер туралы ғылым және AI
Бұл кесте мінсіз емес, бірақ олар ойнайтын әртүрлі рөлдерді көрсетеді:
| Мүмкіндік / Бұрыш | Деректер туралы ғылым 👩🔬 | Жасанды интеллект 🤖 | Неліктен маңызды |
|---|---|---|---|
| Негізгі фокус | Инсайт және шешім қабылдау | Автоматтандыру және болжау | Деректер ғылымы «не» және «неліктен» дегенді анықтайды |
| Әдеттегі пайдаланушылар | Сарапшылар, стратегтер, іскер топтар | Инженерлер, операциялық топтар, бағдарламалық жасақтама | Әртүрлі аудитория, бір-біріне сәйкес келетін қажеттіліктер |
| Шығын факторы 💸 | Жалақы және құралдар (болжамды) | Бұлтты есептеу (масштабтағы айнымалы) | Қолдану жоғарылағанша AI арзанырақ көрінуі мүмкін |
| Күш | Мәтінмән + әңгімелеу | Жылдамдық + ауқымдылық | Бірге олар симбиотикалық |
| Әлсіздік | Қайталанатын тапсырмаларды орындау үшін баяу | Түсініксіздікпен күреседі | Неліктен бірі екіншісін өлтірмейді |
«Толық ауыстыру» туралы миф 🚫
Жасанды интеллект деректердің кез-келген жұмысын жояды деп елестету ұқыпты естіледі, бірақ бұл қате болжамға негізделген - деректер ғылымының барлық құндылығы техникалық болып табылады. Оның көпшілігі іс жүзінде түсіндіру, саяси және коммуникативті .
-
Ешбір басшы: «Маған 94% дәлдікпен үлгі беріңізші» деп айтпайды.
-
Олар: «Осы жаңа нарыққа шығуымыз керек пе, иә, жоқ па?» дейді.
AI болжам жасай алады. Ол неге әсер етпейді: реттеуші бас ауруы, мәдени нюанс немесе бас директордың тәуекелге деген тәбеті. Талдаудың әрекетке айналуы әлі де адам ойыны болып табылады , келіссөздер мен сендіруге толы [2].
AI қазірдің өзінде жағдайды шайқап жатқан жерде 💥
Шынын айтайық - деректер ғылымының бөліктерін AI қазірдің өзінде тірідей жеп жатыр:
-
Деректерді тазалау және дайындау → Автоматтандырылған тексерулер Excel бағдарламасы арқылы өтіп бара жатқан адамдарға қарағанда, жетіспейтін мәндерді, ауытқуларды және дрейфті жылдам анықтайды.
-
Модельді таңдау және баптау → AutoML алгоритм таңдауын тарылтады және гиперпараметрлерді өңдейді, бұл бірнеше апта уақытты үнемдейді [5].
-
Визуализация және есеп беру → Құралдар енді бір шақырудан бақылау тақталарының немесе мәтіндік қорытындылардың жобасын жасай алады.
Оны кім көбірек сезінеді? Жұмыстары қайталанатын диаграмма құру немесе негізгі модельдеу айналасында болатын адамдар. Шығу жолы? Құндылық тізбегінен жоғары көтеріліңіз: нақтырақ сұрақтар қойыңыз, нақтырақ әңгімелер айтыңыз және жақсырақ ұсыныстар жасаңыз.
Істің жылдам суреті: сатушы AutoML-ді бұзылу үшін тексереді. Ол берік базалық үлгіні шығарады. Бірақ үлкен жеңіс деректер ғалымы тапсырманы қайта қарастырғанда келеді: «Кім бұзады?» дегеннің орнына. ол «Қандай интервенциялар сегменттер бойынша таза маржаны арттырады?» Бұл ауысым - сонымен қатар шектеулерді орнату үшін қаржымен серіктестік - құндылықты қозғайтын нәрсе. Автоматтандыру істерді жылдамдатады, бірақ жақтау нәтиженің құлпын ашады.
Деректер ғалымдарының рөлі дамып келеді 🔄
Жоюдың орнына, жұмыс жаңа пішіндерге ауысады:
-
AI аудармашылары – доллар мен бренд тәуекелін ойлайтын көшбасшылар үшін техникалық нәтижелерді сіңімді етеді.
-
Басқару және этика жетекшілері NIST AI RMF [3] сияқты стандарттарға сәйкестендірілген сынақтарды, мониторингті және бақылауларды орнату
-
Өнім стратегтері – тұтынушылар тәжірибесі мен өнімнің жол карталарына деректер мен AI біріктіреді.
Бір қызығы, AI көбірек техникалық жұмысты атқаратындықтан, адам дағдылары - әңгімелеу, доменді пайымдау, сыни ойлау - сіз оңай алмастыра алмайтын бөліктерге айналады.
Сарапшылар мен деректер не дейді 🗣️
-
Автоматтандыру нақты, бірақ ішінара : Қазіргі AI көптеген жұмыс орындарындағы көптеген тапсырмаларды автоматтандыруы мүмкін, бірақ бұл әдетте адамдарды жоғары құнды жұмысқа ауысудан босатады [1].
-
Шешімдерге адамдар қажет : HBR ұйымдар шикі сандарға байланысты қозғалмайтынын көрсетеді - олар әңгімелер мен әңгімелер көшбасшыларды әрекет етуге мәжбүр ететіндіктен қозғалады [2].
-
Жұмысқа әсер ету ≠ жаппай жұмыстан босату : WEF деректері компаниялар AI рөлдерді өзгертуді және тапсырмалар өте автоматтандырылатын қызметкерлерді қысқартуды күтетінін көрсетеді, бірақ олар сонымен бірге қайта біліктілікті арттыруды екі есе азайтады [4]. Үлгі ауыстырудан гөрі қайта өңдеуге ұқсайды.
Неліктен қорқыныш сақталады 😟
Бұқаралық ақпарат құралдарының тақырыптары апатқа ұшырайды. «Жұмыс орнын алмастыратын AI!» сатады. Бірақ байыпты зерттеулер нюанстарды дәйекті түрде көрсетеді: тапсырмаларды автоматтандыру, жұмыс процесін қайта құру және жаңа рөлдерді құру [1][4]. Калькулятордың ұқсастығы жұмыс істейді: енді ешкім қолмен ұзақ бөлмейді, бірақ калькуляторды қашан
Өзекті болу: практикалық оқулық 🧰
-
Шешімнен бастаңыз. Жұмысыңызды іскерлік сұраққа және қателік құнына байланыстырыңыз.
-
AI жобасын жасауға рұқсат етіңіз, сіз нақтылайсыз. Оның нәтижелерін бастапқы нүкте ретінде қарастырыңыз - сіз пайымдау мен контекстті жеткізесіз.
-
Басқаруды өз ағымыңызға енгізіңіз. NIST сияқты фреймворктарға байланысты жеңіл салмақты тексеру, бақылау және құжаттама [3].
-
Стратегия мен коммуникацияға ауысыңыз. Сіз «түймелерді басуға» қаншалықты аз байланған болсаңыз, сізді автоматтандыру соғұрлым қиын болады.
-
AutoML біліңіз. Мұны тамаша, бірақ абайсыз интерн сияқты елестетіп көріңіз: жылдам, шаршамайтын, кейде өте қателеседі. Сіз қоршауларды [5] қамтамасыз етесіз.
Сонымен… AI деректер ғылымын алмастыра ма? ✅❌
Жауап: Жоқ, бірақ ол оны өзгертеді . құралдар жинағын қайта жазуда - жұмысты қысқарту, ауқымды арттыру және қай дағдылардың маңыздылығын өзгерту. адамның түсіндіру, шығармашылық және пайымдау қажеттілігін жоймайды . Егер бірдеңе болса, жақсы деректер ғалымдары барған сайын күрделі нәтижелердің аудармашылары ретінде құндырақ
Қорытынды: AI мамандықты емес, тапсырмаларды ауыстырады [1][2][4].
Анықтамалар
[1] McKinsey & Company - Генеративті AI-ның экономикалық әлеуеті: өнімділіктің келесі шекарасы (2023 жылғы маусым).
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
[2] Harvard Business Review - Деректер туралы ғылым және сендіру өнері (Скотт Беринато, 2019 ж. қаңтар-ақпан).
https://hbr.org/2019/01/data-science-and-the-art-of-persuasion
[3] NIST - Жасанды интеллект тәуекелдерін басқару құрылымы (AI RMF 1.0) (2023).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
[4] Дүниежүзілік экономикалық форум - AI бастапқы деңгейдегі жұмыс мүмкіндіктерінің есігін жабады ма? (30 сәуір, 2025 жыл) - Future of Jobs 2025 .
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/
[5] He, X. et al. - AutoML: соңғы үлгідегі сауалнама (arXiv, 2019).
https://arxiv.org/abs/1908.00709