
ចាប់តាំងពីការណែនាំរបស់ ChatGPT ក្នុងឆ្នាំ 2022 មក បានជួយដល់បុគ្គលិកក្នុងឧស្សាហកម្មផ្សេងជាច្រើន និងកំពុងប្រើប្រាស់គំរូ (LLMs) ដែលអនុញ្ញាតឱ្យអ្នកសិក្សាពិនិត្យមើលផលប៉ះពាល់នៃ AI លើផលិតភាពការងារ។ ការរកឃើញនេះផ្តល់នូវភស្តុតាងជាក់ស្តែងថា AI អាចបង្កើនផលិតភាពសម្រាប់ការងារជំនាញផ្សេងៗ ដូចជាការស្រាវជ្រាវ ការសរសេរ ការសរសេរកូដ ការងាររដ្ឋបាល និងការសង្ខេបអត្ថបទ។
ការសិក្សាលើឥទ្ធិពលនៃ LLMs លើផលិតភាពនៃការសរសេរត្រូវបានធ្វើឡើង។ Noy និង Zhang (2023) បានធ្វើការពិសោធន៍ជាក់ស្ដែងមួយ ដែលពួកគេបានចាត់ចែងការងារសរសេរទៅអ្នកជំនាញដែលមានសញ្ញាបត្រមហាវិទ្យាល័យ។ បានបង្ហាញពីរបៀបដែល LLMs ជួយដល់អ្នកនិពន្ធ។
ពួកគេបានរកឃើញថាអ្នកប្រើប្រាស់ ChatGPT សរសេរបានលឿន និងល្អជាងអ្នកដែលមិនប្រើ ហើយពួកគេក៏មានអារម្មណ៍រីករាយជាងក្នុងកិច្ចការរបស់ពួកគេផងដែរ។ ChatGPT បង្ហាញថាមានអត្ថប្រយោជន៍ជាពិសេសសម្រាប់អ្នកចូលរួមដែលមានកម្រិត។ ទន្ទឹមនឹងនេះដែរ Doshi និង Hauser (2023) បានស៊ើបអង្កេតពីរបៀបដែល AI បង្កើតបានប៉ះពាល់ដល់ប្រភពដើមរបស់អ្នកនិពន្ធ។ ពួកគេបានរកឃើញថាការទទួលបានគំនិតដែលបង្កើតដោយ AI ធ្វើអោយប្រសើរឡើងនូវគុណភាព និងការច្នៃប្រឌិតរបស់អ្នកនិពន្ធ ដូចដែលបានវាយតម្លៃដោយក្រុមអ្នកអាន ជាពិសេសសម្រាប់អ្នកសរសេរដែលមិនសូវមានជំនាញ។
ទីបំផុត Chen និង Chan (2023) បានរកឃើញថាការប្រើប្រាស់ LLMs ដើម្បីផ្តល់មតិកែលម្អលើសម្ភារៈដែលបង្កើតដោយមនុស្សអាចបង្កើនប្រសិទ្ធភាពនៃការសរសេរចម្លងពាណិជ្ជកម្ម។
លើសពីនេះទៅទៀត LLMs បង្កើនផលិតភាពសរសេរកូដ។ Yilmaz និង Yilmaz (2023) មើលពីរបៀបដែលការលើកទឹកចិត្តរបស់សិស្ស សមត្ថភាពគិតក្នុងការគណនា និងប្រសិទ្ធភាពនៃការសរសេរកម្មវិធីត្រូវបានប៉ះពាល់ដោយការបង្រៀនសរសេរកម្មវិធីតាមរយៈ ChatGPT ។ អ្នកនិពន្ធបានរកឃើញថាសិស្សដែលប្រើ ChatGPT គឺជាអ្នកសរសេរកម្មវិធីដែលស្ទាត់ជំនាញជាង និងជាអ្នកគិតក្នុងការគណនាខ្លាំងជាងមុន បន្ទាប់ពីបែងចែកសិស្សទៅជាក្រុមគ្រប់គ្រងដោយចៃដន្យ។
ការពិសោធន៍មួយទៀតដោយ Peng et al (2023) ដែលបានពិនិត្យមើលផលប៉ះពាល់នៃ GitHub Copilot ដែលជាកម្មវិធី AI ដែលបង្កើតការផ្ដល់យោបល់កូដដោយស្វ័យប្រវត្តិ បានផ្តល់លទ្ធផលស្រដៀងគ្នាទៅនឹងកម្មវិធីទាំងនេះ។
យោងតាមការសិក្សា អ្នកដែលប្រើ Copilot បានបញ្ចប់ការសរសេរកម្មវិធី 56% លឿនជាងអ្នកដែលមិនបានប្រើ។ លទ្ធផលស្រដៀងគ្នានេះត្រូវបានគេមើលឃើញដោយ Ziegler et al (2022) នៅក្នុងការសិក្សាមួយ រួមទាំងអ្នកអភិវឌ្ឍន៍ 2,631។
លើសពីនេះទៀត អ្នកស្រាវជ្រាវបានរកឃើញថា AI បង្កើនផលិតភាពក្នុងការងារជាច្រើនប្រភេទ។ ឧទាហរណ៍ Brynjolfsson et al (2023) បានរាយការណ៍ថា ជំនួយការសន្ទនាដែលមានមូលដ្ឋានលើ AI បង្កើតបានធ្វើឱ្យប្រសើរឡើងនូវផលិតភាព 14% ជាមធ្យមសម្រាប់ភ្នាក់ងារបម្រើអតិថិជនចំនួន 5,179 នាក់ ដោយកម្មករចាប់ផ្តើមដំបូង និងជំនាញទាបជួបប្រទះនឹងផលចំណេញដ៏ធំបំផុត។
Dell’Acqua et al (2023) បានធ្វើការសិក្សាដែលគ្រប់គ្រងដោយចៃដន្យនៅ Boston Consulting Group (BCG) ដើម្បីស៊ើបអង្កេតផលប៉ះពាល់នៃ LLMs ទៅលើលទ្ធផល និងទំហំការងារដែលផលិតដោយអ្នកប្រឹក្សាចំនួន 758 ។ អ្នកនិពន្ធបានរកឃើញថា នៅពេលដែលនិយោជិតបានទទួលការបណ្តុះបណ្តាលផ្នែកវិស្វកម្មដំបូង ទីប្រឹក្សាដែលមានសិទ្ធិចូលប្រើប្រាស់ GPT-4 អាចធ្វើការងារបានលឿន និងមានគុណភាពច្រើនជាងអ្នកដែលមិនមាន។ និយោជិតដែលបានប្រើ GPT-4 បានធ្វើការច្រើនជាង 12 ភាគរយជាមធ្យម។
ទាំងអស់ ការកើនឡើងនៃការស្រាវជ្រាវលើអត្ថប្រយោជន៍នៃការបង្កើនផលិតភាព LLM ផ្តល់នូវភស្តុតាងវិជ្ជមានកាន់តែច្រើនដែលថា AI កំពុងបង្កើនផលិតភាព ជាពិសេសសម្រាប់អ្នកដែលមិនមានផលិតភាព។ មធ្យោបាយដ៏ល្អបំផុតក្នុងការលើកកម្ពស់កម្រិតជីវភាពគឺការបង្កើនផលិតភាពការងារ ដូច្នេះវានឹងមានប្រយោជន៍ប្រសិនបើ AI អាចចាប់ផ្តើមនិន្នាការនេះ។ យ៉ាងណាក៏ដោយ ការស្រាវជ្រាវបន្ថែមត្រូវបានទាមទារដើម្បីយល់ពីផលប៉ះពាល់កាន់តែទូលំទូលាយរបស់ AI លើផលិតភាពអាជីវកម្ម និងសេដ្ឋកិច្ច។