我发现对于许多职业角色，人们心中都有一个标志性的任务，这个任务独特地定义了那个职业角色。例如，计算机程序员编写代码。医生可能会看病人。律师去法庭上争论案件。我认为当人们考虑人工智能的机会时，通常会本能地问，人工智能能否执行那个最标志性的角色，或那个职业的最标志性任务？但我发现，当我们实际系统地分析构成特定工作的任务时，最好的机会可能并不是那个最初的直觉反应。
让我们看几个例子。如果你看计算机程序员所做的任务，他们确实编写代码。因此，在考虑计算机编程的人工智能时，很容易问，人工智能能帮助编写代码吗？但事实证明，计算机程序员还做很多其他事情。他们必须编写文档，有时响应用户支持请求，他们经常审查其他人的代码，他们通常还要收集软件应该做什么的要求。如果你要评估这项工作的生成式人工智能潜力，你可能会发现编写代码对人工智能来说是困难的，但这是一个相对困难的任务，但或许编写文档实际上更容易用生成式人工智能来做，等等。
在这些例子中，不要太认真地看待生成式人工智能潜力这一列，因为这些是非正式评估。如果我们要进行基于技术可行性和商业价值的严格评估，你的具体结论可能会有所不同。但我认为，用生成式人工智能编写代码的文档实际上比编写代码本身更容易。
而且在许多不同的工作角色中，人工智能的最佳潜力可能不是你最初可能想到的那个最明显的任务。让我们再看一个例子。律师花费大量时间起草和审查法律文件。他们经常需要回答客户关于如何解释法律的问题。如果准备法庭案件，他们将必须审查证据，有时他们参与谈判和解，有时代表客户出庭。
我发现，像这样系统地列出这些任务，以及系统地评估它们的潜力，有时会导致有趣的结论。所以我认为，用生成式人工智能帮助起草和审查法律文件，以及可能解释法律方面，都有很高的潜力。而我无法看到律师派一个机器人去法庭代表他们辩论，至少在一段时间内不会。因此，如果你在律师事务所工作，这样的分析可能会帮助你决定你实际上想在哪里使用生成式人工智能。
再举一个例子，园林绿化。园艺师必须维护和照顾植物，购买和运输植物，维护设备，与客户沟通，维护商业网站等等。当然，我只是列出了这些工作角色所做的任务的一个子集。如果你自己进行分析，你可能最终会有5到15到30个任务每个工作角色。在这种情况下，我认为这些任务中的大多数实际上都具有相当低的生成式人工智能潜力。
因此，与计算机程序员和律师相比，园林绿化工作者在未来几年内可能受生成式人工智能的影响较小。这就是你可以通过将工作分解成任务来分析工作的方式。我鼓励你思考一下你的工作中有哪些任务，以及生成式人工智能可能在哪些方面能够提供帮助。
或者对于你所参与的业务，思考生成式人工智能如何能帮助业务中的许多不同任务。当人们考虑增强或自动化时，人们的想法通常首先转向成本节约，因为如果你自动化了某些东西，看起来你可以节省金钱。但在大多数技术创新的方式中，回溯到蒸汽机的发明，再到电力，再到计算机，许多公司起初都是考虑成本节约，但最终实际上投入了更多的努力来追求收入增长。这是因为增长没有限制，但你只能节省那么多钱。
当某些任务被自动化时，有时你可以重新思考企业创造价值的工作流程。例如，如果你可以通过自动化以更低的成本做某件事情，比如说，以1000倍更便宜的成本回答客户的查询。那么，你可能不仅仅是取得成本节约，你可能能够建立一种新型的客户服务组织，为人们提供1000倍更好的服务。这种思维方式可以带来远远超出成本节约的增长机会。
参考
https://www.coursera.org/learn/generative-ai-for-everyone/lecture/WUbqU/additional-job-analysis-examples