職場 | 職場修練

當一個懂得「雙向溝通」的工程師，ChatGPT可以帶你上天堂！怎麼做？

ChatGPT不會完全取代掉工程師，但工程師們應該深化「雙向溝通」的能力。 (來源：Dreamstime)

撰文者：戴士翔

獨立觀點 2023/03/03

摘要

1.作者認為需要「雙向溝通」的工作性質，仍不會被AI取代，因為「人的信賴」是個關鍵要素，人類擁有交流分析結果、回應客戶疑慮、做出判斷等能力。

2.如果你的工作有高比例不需要交流，作者建議你更專注在挖掘「交流」與「主動溝通」的性質，不要做個被動的回答者，多去發掘問題、考量對方處境做出應對。

3.對於具體數據分析從業人員而言，分析價值將提升，因為人類能考慮更複雜的要素，以及其中產生的交互作用。

AI普及會來得很快，因此必須儘早思考。本文分為2個部分，先說明作者對職業影響的思考，尤其以數據分析行業為主，包括：商業分析師、數據科學家、數據分析師、機器學習工程師、數據工程師，以及泛數據行業（如大量接觸數據的金融、行銷、供應鏈、生醫職能業）。至於其他行業從業者，可以將本文的技術能力（Coding，寫程式）替換為從業的知識要求；第二部分是個人的軟實力，由於大部分行業都是共同的，因此也可以斟酌服用。

最近不管文章、影片、影音媒體，都很流行和大眾分享ChatGPT的應用。從2022年底開始，我就十分關注ChatGPT的應用與發展。該AI工具的強大實在讓我佩服，網路上包含行銷、工程、財務等領域，也有許多人討論ChatGPT對於行業的影響。這篇文章便是記錄我在2023年初如何看待AI對數據分析產業的影響，以及分享個人對於未來的預測與想法。

ChatGPT是什麼？

ChatGPT是由OpenAI開發的人工智慧聊天機器人，於2022年11月推出。因為回覆內容非常接近真人、摘要文本的能力驚人，因此註冊用戶快速突破1億人，連帶讓許多人都意識到AI的發展速度有多驚人。隨著商用服務出現，AI的商業化進度，將更迅速滲透到每個人的生活。自從微軟火速整合ChatGPT到搜尋引擎Bing，我們看到Google與微軟的AI大戰開打。同時讓我們更了解AI技術的發展進度，以及加快前端研發者的開發速度，將更快速的推動AI應用。

ChatGPT對數據分析行業的影響

首先是專業層面，我會從2個方向切入，數量（Quantity）、品質（Quality），我認為ChatGPT會從這2個層面，對數據分析從業人員產生影響：

廣告-請繼續往下閱讀

數量：工程、報表人員的需求減少，交付、部署人員*需求增加。

品質：工作內容改變，會花更多時間在設計符合語境（Context）的程式碼與應用產品。

編按：部署通常指的是AI模型上線時所需要的工程，例如：縮寫成API（應用程式介面），讓程式服務調用。

預測產業變化程度：多數職業的工作性質改變＞人力需求減少＞取代

首先是最多人擔心工作會不會被取代的問題，我認為這取決於你的工作是否過於標準化。其實絕大多數的工作，本質上都是相當標準化的。我相信每個工作流程都能透過流程圖、網路圖描繪出來，只是過去因為流程複雜、判斷因素眾多，難以被機械取代。隨著AI從資料學習的能力越來越好，這些判斷因素將更容易被機器掌握，因此複雜性顯然不是一個人類難以被取代的要素。

廣告-請繼續往下閱讀

即使是複雜的工作流程，AI也可以幫助分解，當運算能力提高，作者認為不存在AI解決不了的複雜性議題。 (來源：戴士翔)

從我參與數位轉型的經驗來看，我認為「人的信賴」是一個關鍵要素。你的職業「越需要信賴」，就越難被取代。信賴意味著要與人交流，因此在「雙向溝通」上，像是分析的交流、回應疑慮、做出判斷等工作，我認為還是需要人類的。

律師、法官在法庭攻防上都要做出判斷；顧問需要針對客戶疑慮給予回應；醫生可能會花更多時間在病人諮詢與安撫上。透過AI輔助，判斷與評估將更有效率。但「單向交流」的工作，諸如：客服回應問題、分析數據報告，這些都是容易被AI取代的。因此如果你的工作有高比例不需要交流，我會建議你更專注在挖掘「交流」與「主動溝通」的性質，不要做個被動的回答者，多去發掘問題、考量對方處境做出應對。

對於具體數據分析從業人員而言，分析價值將提升，因為人類能考慮更複雜的要素，以及其中產生的交互作用；工程、數據基礎建設、演算法方面，擔任交付、部署人員需求會增加，比起參與端到端的自建複雜系統開發、開發報表、工程建置等工作，人們會有更多機會接觸到大量的微服務與API建構的混合雲系統。這也是一種雙向交流，透過對於自身需求的理解，設計系統與分析關鍵零組件，以後會更偏向混合的專業分工模式。

ChatGPT對數據分析行業的第一個衝擊：多數職業工作性質會改變

未來的工作將更傾向雙向交流、刺激思考，遠高於單方向給出答案、解決方案的工作。

AI取代人類的關鍵在於是否有足夠的「信賴」，因此我認為不太可能完全被取代。不過，隨著生產力提高，仍有可能減少人力需求。

ChatGPT對數據分析行業的第二個衝擊：特定職能的人力需求減少

麥肯錫公司預估未來的工作型態。 (來源：麥肯錫公司)

透過上面這張圖，可以大致看出麥肯錫如何想像未來的工作樣貌。雖然忽略很多細節，但仍能看到重複性生產、大量人力生產為主的工作，替代優先程度更高一些。

我認為在業務量不變的情況下，人力需求會減少是必然的。像管理顧問公司這種知識密集、收集整合與梳理資料需求高的工作，導入ChatGPT，初步估計至少能增加5～6倍的生產力。這意味著公司只需要原本20%左右的人力，就可以達到類似的產能，資深人員若不能發揮經驗優勢，反而容易被取代。

收集大量資訊的助理人員，像是：管理顧問、律師、證券分析師的助理需求會減少。但資深人員的人數仍可能受到負面影響，因為人事成本高，採用ChatPGT可以大幅降低成本，結果不一定更差。更可能的人員編制會變成由一位經驗豐沛者與更多中階人員，初階人員的需求將大幅減少，但高階人才在單一團隊的密度也會下滑。

或走向另一種質改變：新進人員跳過助理階段，更專注在協助驗證AI資訊品質，排除違反基本邏輯、前提條件的資訊，以及為AI提供更清楚、具體的問題，像是將大問題拆解，並藉由人類語言與AI合作。

ChatGPT對數據分析行業的第三個衝擊：「懂提問」比「會執行」更重要

工作的知識推理（Knowledge-based）價值將減少，相比之下，懂得問問題、拆解問題、充分瞭解情境再轉換為問題的價值將大幅提高。

也就是說，Why類型的問題將比How問題更重要，ChatGPT是個非常好的老師與資料彙整者。但當你問它為什麼時，會出現缺乏明確理論基礎，以及實驗論證的答案。人類依然需要透過進一步探索，才能得到初步答案。未來知道如何寫SQL、Python這類程式語言不太重要，重點是知道要問什麼問題、以及為什麼會有這種現象。