деректер ғылымын жасанды интеллект алмастыра ма?

Деректер ғылымын жасанды интеллект алмастыра ма?

Жарайды, үстел үстіндегі карталар - бұл сұрақ барлық жерде туындайды. Техникалық кездесулерде, жұмыстағы кофе үзілістерінде және иә, тіпті LinkedIn-дегі ұзақ тақырыптарда да ешкім оқуды мойындамайды. Мазасыздық өте ашық: егер жасанды интеллект соншалықты автоматтандыруды басқара алса, бұл деректер ғылымын бір реттік пайдалануға жарай ма? Жылдам жауап: жоқ. Ұзақ жауап па? Бұл күрделі, ретсіз және біркелкі «иә» немесе «жоқ» дегеннен әлдеқайда қызықты

Осыдан кейін оқуға болатын мақалалар:

🔗 Деректер ғылымы және жасанды интеллект: инновацияның болашағы
Жасанды интеллект пен деректер ғылымының болашақ инновациялық ландшафтты қалай қалыптастыратынын зерттеу.

🔗 Деректер аналитиктерін жасанды интеллект алмастыра ма: Шынайы әңгіме
Деректер талдаушыларының рөлдері мен салалық қажеттіліктерге жасанды интеллекттің әсерін түсіну.

🔗 Қарастыру керек жасанды интеллект құралдарына арналған деректерді басқару
Жасанды интеллект құралдарының әлеуетін барынша арттыру үшін деректерді басқарудың негізгі тәжірибелері.

Деректер ғылымын шынымен құнды ететін нәрсе 🎯

Мәселе мынада - деректер ғылымы тек математика мен модельдерден тұрмайды. Оны күшті ететін нәрсе - статистикалық дәлдіктің, бизнес контекстінің және шығармашылық мәселелерді шешудің . Әрине, жасанды интеллект он мың ықтималдықты бірден есептей алады. Бірақ ол қай мәселенің маңызды екенін шеше ала ма? Немесе бұл мәселенің стратегия мен тұтынушының мінез-құлқымен қалай байланысты екенін түсіндіре ала ма? Міне, осы жерде адамдар араласады.

Негізінде, деректер ғылымы аудармашы сияқты. Ол шикі шатасуды – жағымсыз электрондық кестелерді, журналдарды, мағынасыз сауалнамаларды – алып, оларды қарапайым адамдар іс жүзінде әрекет ете алатын шешімдерге айналдырады. Аударма қабатын алып тастасаңыз, жасанды интеллект көбінесе сенімді мағынасыз сөздерді шығарады. HBR мұны жылдар бойы айтып келеді: құпия сөз дәлдік көрсеткіштерінде емес, сендіруде және контекстте [2].

Шындықты тексеру: зерттеулер жасанды интеллект жұмыстағы көптеген тапсырмаларды автоматтандыра алатынын көрсетеді - кейде жартысынан көбін . Бірақ жұмыстың көлемін анықтау, шешім қабылдау және «ұйым» деп аталатын лас нәрсемен үйлесу - бұл әлі де адамзат аумағы [1].

Жылдам салыстыру: Деректер ғылымы және жасанды интеллект

Бұл кесте мінсіз емес, бірақ олардың атқаратын әртүрлі рөлдерін көрсетеді:

Ерекшелік / Бұрыш Деректер ғылымы 👩🔬 Жасанды интеллект 🤖 Неліктен бұл маңызды
Негізгі назар Түсіну және шешім қабылдау Автоматтандыру және болжау Деректер ғылымы «не» және «неге» деген мәселелерді қарастырады
Әдеттегі пайдаланушылар Талдаушылар, стратегтер, бизнес топтар Инженерлер, операциялық топтар, бағдарламалық қосымшалар Әртүрлі аудиториялар, бір-біріне сәйкес келетін қажеттіліктер
Шығын факторы 💸 Жалақы және құралдар (болжамды) Бұлтты есептеу (масштабтағы айнымалы) Қолдану күрт өскенше жасанды интеллект арзанырақ көрінуі мүмкін
Күш Контекст + әңгімелеу Жылдамдық + масштабталу мүмкіндігі Бірге олар симбиотикалық
Әлсіздік Қайталанатын тапсырмалар үшін баяу Анық еместікпен күреседі Неліктен бірі екіншісін өлтірмейді

«Толық ауыстыру» туралы миф 🚫

Жасанды интеллекттің әрбір деректер жұмысын жұтып қоятынын елестету жақсы естіледі, бірақ бұл деректер ғылымының барлық құндылығы техникалық деген қате болжамға негізделген. Оның көп бөлігі іс жүзінде түсіндірмелік, саяси және коммуникативтік сипатта .

  • Ешбір басшы: «Маған 94% дәлдікпен модель беріңізші», - деп айтпайды

  • Олар: «Біз осы жаңа нарыққа кеңеюіміз керек пе, иә немесе жоқ па?» - дейді

Жасанды интеллект болжам жасай алады. Ол нені ескермейді: реттеушілік мәселелер, мәдени нюанстар немесе бас директордың тәуекелге деген тәбеті. Талдауды іс-әрекетке айналдыру әлі де адам ойыны , ол ымыраға келу мен сендіруге толы [2].

Жасанды интеллект қазірдің өзінде жағдайды өзгертіп жатқан жер 💥

Шынын айтсақ, деректер ғылымының кейбір бөліктерін жасанды интеллект қазірдің өзінде жеп жатыр:

  • Деректерді тазалау және дайындау → Автоматты тексерулер жетіспейтін мәндерді, ауытқуларды және Excel бағдарламасында адамдардың жұмыс істеуіне қарағанда жылдамырақ ауытқуларды анықтайды.

  • Модельді таңдау және баптау → AutoML алгоритм таңдауларын тарылтады және гиперпараметрлерді өңдейді, бұл апталарды үнемдейді [5].

  • Визуализация және есеп беру → Құралдар енді бір сұраудан бақылау тақталарын немесе мәтіндік қысқаша мазмұндарды жасай алады.

Кім мұны көбірек сезінеді? Жұмысы қайталанатын диаграммалар құруға немесе негізгі модельдеуге байланысты адамдар. Шығу жолы қандай? Құн тізбегінде жоғары көтеріліңіз: өткір сұрақтар қойыңыз, айқынырақ әңгімелер айтыңыз және жақсы ұсыныстар жасаңыз.

Жылдам жағдайдың суреті: бөлшек саудагер AutoML-ді ығысуды тексереді. Ол сенімді базалық модельді ұсынады. Бірақ үлкен жеңіс деректер ғалымы тапсырманы қайта қарастырған кезде келеді: «Кім ығысады?» дегеннің орнына «Қандай араласулар сегмент бойынша таза маржаны шынымен арттырады?» дегенге айналады. Бұл өзгеріс - қаржымен шектеулерді белгілеу үшін серіктестікпен бірге - құндылықты арттырады. Автоматтандыру жұмысты жылдамдатады, бірақ құрылымдау нәтижені ашады.

Деректер ғалымдарының рөлі дамып келеді 🔄

Жұмыс жоғалып кетудің орнына, жаңа пішіндерге айналуда:

  1. Жасанды интеллект аудармашылары - техникалық нәтижелерді ақша мен бренд тәуекеліне мән беретін көшбасшылар үшін оңай түсінуге мүмкіндік береді.

  2. Басқару және этика саласындағы жетекшіліктер NIST-тің AI RMF [3] сияқты стандарттарға сәйкес бейімділікті тексеруді, мониторингті және бақылауды орнату

  3. Өнім стратегтері - деректер мен жасанды интеллектті тұтынушы тәжірибесі мен өнімнің жол карталарына біріктіру.

Таңқаларлығы, жасанды интеллект техникалық қиындықтарды көбірек жеңіп алған сайын, адами дағдылар - әңгімелеу, саланы бағалау, сыни ойлау - оңай алмастырылмайтын бөліктерге айналады.

Сарапшылар мен деректер не дейді 🗣️

  • Автоматтандыру нақты, бірақ ішінара : Қазіргі жасанды интеллект көптеген жұмыс орындарындағы көптеген тапсырмаларды автоматтандыра алады, бірақ бұл әдетте адамдарға жоғары құнды жұмысқа ауысуға мүмкіндік береді [1].

  • Шешімдер адамдарға қажет : HBR ұйымдардың шикі сандарға байланысты қозғалмайтынын, олар көшбасшыларды әрекет етуге мәжбүрлейтін әңгімелер мен әңгімелер арқылы қозғалатынын атап көрсетеді [2].

  • Жұмысқа әсер ≠ жаппай жұмыстан босату : WEF деректері компаниялар жасанды интеллекттен тапсырмалар өте автоматтандырылған жерлерде рөлдерді өзгертуді және қызметкерлерді қысқартуды күтетінін көрсетеді, бірақ олар сонымен қатар қайта біліктілікті арттыруды екі есеге арттырып жатыр [4]. Бұл үлгі ауыстыруға қарағанда қайта жобалауға көбірек ұқсайды.

Неліктен қорқыныш жалғасады 😟

БАҚ тақырыптары апатқа толы. «Жасанды интеллект жұмыс орындарын алмастырады!» деген тақырыптар көптеп айтылуда. Бірақ байыпты зерттеулер үнемі нюанстарды көрсетеді: тапсырмаларды автоматтандыру, жұмыс процесін қайта жобалау және жаңа рөлдерді жасау калькуляторды қашан білу үшін алгебраны түсіну қажет

Өзекті болып қалу: практикалық нұсқаулық 🧰

  • Шешім қабылдаудан бастаңыз. Жұмысыңызды бизнес сұрағына және қателесу құнына байланыстырыңыз.

  • Жасанды интеллект жобасын өзіңіз жетілдіріңіз. Оның нәтижелерін бастапқы нүктелер ретінде қарастырыңыз - сіз пайымдау мен контекстті әкелесіз.

  • Басқаруды өз ағыныңызға енгізіңіз. NIST [3] сияқты құрылымдарға байланысты жеңіл бейтараптық тексерулері, мониторингі және құжаттамасы.

  • Стратегия мен коммуникацияға ауысыңыз. «Түймені басу» ісіне неғұрлым аз байланған болсаңыз, өзіңізді автоматтандыру соғұрлым қиын болады.

  • AutoML-ді біліңіз. Оны керемет, бірақ абайсыз тағылымдамадан өтуші ретінде елестетіңіз: жылдам, шаршамайтын, кейде өте қателесетін. Сіз қоршауларды қамтамасыз етесіз [5].

Сонымен... Жасанды интеллект деректер ғылымын алмастыра ала ма? ✅❌

Тікелей жауап: Жоқ, бірақ ол оны қайта қалыптастырады құралдар жинағын қайта жазып жатыр адамның түсіндіруіне, шығармашылығына және пайымдауына деген қажеттілікті жоймайды . Қалай болғанда да, жақсы деректер ғалымдары күрделі нәтижелерді түсіндірушілер ретінде құндырақ .

Түйін: Жасанды интеллект мамандықты емес, міндеттерді алмастырады [1][2][4].

Сілтемелер

[1] McKinsey & Company - Генеративті жасанды интеллекттің экономикалық әлеуеті: келесі өнімділік шегі (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 ғылымы және сендіру өнері (Скотт Беринато, қаңтар-ақпан 2019).
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 - Жасанды интеллект бастапқы деңгейдегі жұмыс орындарына жол аша ма? (2025 жылғы 30 сәуір) - «Жұмыс орындарының болашағы 2025» .
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/

[5] Хе, Х. және т.б. - AutoML: Заманауи жағдайға шолу (arXiv, 2019).
https://arxiv.org/abs/1908.00709

Ресми AI көмекші дүкенінен ең соңғы AI-ді табыңыз

Біз туралы

Блогқа оралу