Perplexity AI ਦੇ CEO, Aravind Srinivas ਨੇ ਕਿਹਾ ਹੈ ਕਿ 'Knowledge Worker' ਦਾ ਕੰਸੈਪਟ (concept) Microsoft ਦੀ ਸੌਫਟਵੇਅਰ ਅਪਣਾਉਣ ਦੀ ਰਣਨੀਤੀ (strategy) ਤੋਂ ਪ੍ਰੇਰਿਤ ਸੀ। ਉਨ੍ਹਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ AI ਭਵਿੱਖ ਵਿੱਚ ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ ਸੌਫਟਵੇਅਰ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਥਾਂ ਮਨੁੱਖੀ ਉਤਸੁਕਤਾ (curiosity) ਅਤੇ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਜ਼ਿਆਦਾ ਮਹੱਤਵ ਦੇਵੇਗੀ।
ਕੀ ਹੋਇਆ?
Perplexity AI ਦੇ CEO, Aravind Srinivas ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਪੌਡਕਾਸਟ (podcast) ਦੌਰਾਨ ਕੰਮਕਾਜੀ ਮਾਹੌਲ (workplace dynamics) ਵਿੱਚ ਆ ਰਹੇ ਬਦਲਾਵਾਂ 'ਤੇ ਚਰਚਾ ਕੀਤੀ। ਉਨ੍ਹਾਂ ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ ਕਿ 'Knowledge Worker' ਵਰਗੇ ਆਮ ਪੇਸ਼ੇਵਰਾਨਾ ਲੇਬਲ (professional label) ਨੂੰ, ਉਨ੍ਹਾਂ ਦੀ ਨਿਗਾਹ ਵਿੱਚ, Microsoft ਨੇ ਇੱਕ ਰਣਨੀਤਕ (strategic) ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਚਾਰਿਆ ਸੀ। Srinivas ਮੁਤਾਬਕ, ਇਸ ਕੰਸੈਪਟ ਦਾ ਮਕਸਦ ਵਰਡ ਪ੍ਰੋਸੈਸਰ (word processors) ਅਤੇ ਸਪਰੈੱਡਸ਼ੀਟ (spreadsheets) ਵਰਗੇ ਡੈਸਕਟਾਪ ਸੌਫਟਵੇਅਰ (desktop software) ਨੂੰ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਾਂ ਲਈ ਜ਼ਰੂਰੀ ਬਣਾ ਕੇ ਉਨ੍ਹਾਂ ਦੀ ਵਿਆਪਕ ਅਪਣਾਉਣ (widespread adoption) ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਸੀ।
ਸੌਫਟਵੇਅਰ 'ਤੇ ਨਿਰਭਰ ਕੰਮ ਵਾਲੀ ਥਾਂ
Srinivas ਨੇ ਸਮਝਾਇਆ ਕਿ Microsoft ਦੀ ਹਰ ਘਰ ਵਿੱਚ ਪਰਸਨਲ ਕੰਪਿਊਟਰ (personal computer) ਪਹੁੰਚਾਉਣ ਦੀ ਇਤਿਹਾਸਕ ਕੋਸ਼ਿਸ਼ ਨੇ ਇੱਕ ਅਜਿਹਾ ਮਾਹੌਲ ਬਣਾਇਆ ਜਿੱਥੇ ਕਰਮਚਾਰੀ ਖਾਸ ਸੌਫਟਵੇਅਰ ਸਿਸਟਮ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਹੋ ਗਏ। ਸਮੇਂ ਦੇ ਨਾਲ, ਇਸ ਵਿੱਚ ਕਲਾਉਡ ਸੇਵਾਵਾਂ (cloud services) ਵੀ ਸ਼ਾਮਲ ਹੋ ਗਈਆਂ, ਜਿਸ ਨੇ ਇੱਕ ਅਜਿਹੇ ਮਾਡਲ ਨੂੰ ਮਜ਼ਬੂਤ ਕੀਤਾ ਜਿੱਥੇ ਪੇਸ਼ੇਵਰ ਮੁੱਲ (professional value) ਇਹਨਾਂ ਡਿਜੀਟਲ ਸਾਧਨਾਂ ਵਿੱਚ ਮੁਹਾਰਤ (proficiency) ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਸੀ। ਉਨ੍ਹਾਂ ਨੇ ਇਸ ਦੀ ਤੁਲਨਾ Apple ਵਰਗੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ (competitors) ਦੇ ਡਿਜ਼ਾਈਨ-ਅਗਵਾਈ (design-led) ਪਹੁੰਚ ਨਾਲ ਕੀਤੀ, ਜਿਸਨੂੰ ਉਨ੍ਹਾਂ ਨੇ ਵਿਆਪਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸੌਫਟਵੇਅਰ (enterprise software) ਏਕੀਕਰਨ (integration) ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਸਹਿਜ (intuitive) ਕੰਪਿਊਟਿੰਗ 'ਤੇ ਕੇਂਦਰਿਤ ਦੱਸਿਆ।
AI ਅਤੇ ਪੇਸ਼ੇਵਰ ਹੁਨਰਾਂ ਵਿੱਚ ਬਦਲਾਅ
ਅੱਗੇ ਦੇਖਦੇ ਹੋਏ, Srinivas ਨੇ ਦਲੀਲ ਦਿੱਤੀ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (artificial intelligence) ਦਾ ਉਭਾਰ ਕਿਰਤ ਬਾਜ਼ਾਰ (labor market) ਵਿੱਚ ਕੀ ਮਹੱਤਵਪੂਰਨ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਇਸਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਸਾਧਨ ਰੁਟੀਨ ਡਾਟਾ ਐਂਟਰੀ (data entry), ਦਸਤਾਵੇਜ਼ ਫਾਰਮੈਟਿੰਗ (document formatting) ਅਤੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ (information retrieval) ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਦੇ ਜਾਣਗੇ, ਉਨ੍ਹਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਫੋਕਸ ਸਿਰਫ ਸੌਫਟਵੇਅਰ ਕੰਮਾਂ ਤੋਂ ਹੱਟ ਜਾਵੇਗਾ। ਇਸ ਦੀ ਬਜਾਏ, ਉਨ੍ਹਾਂ ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਮਨੁੱਖੀ ਗੁਣ - ਖਾਸ ਤੌਰ 'ਤੇ ਸੂਝਵਾਨ ਸਵਾਲ (insightful questions) ਤਿਆਰ ਕਰਨ ਅਤੇ ਉਤਸੁਕਤਾ (curiosity) ਬਣਾਈ ਰੱਖਣ ਦੀ ਸਮਰੱਥਾ - ਰਵਾਇਤੀ ਸੌਫਟਵੇਅਰ ਐਪਲੀਕੇਸ਼ਨਾਂ (software applications) ਨੂੰ ਚਲਾਉਣ ਬਾਰੇ ਜਾਣਨ ਨਾਲੋਂ ਪੇਸ਼ੇਵਰਾਂ ਲਈ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਬਣ ਜਾਵੇਗਾ।
ਰਵਾਇਤੀ ਸਿੱਖਿਆ ਲਈ ਚੁਣੌਤੀਆਂ
Srinivas ਨੇ ਮੌਜੂਦਾ ਸਿੱਖਿਆ ਪ੍ਰਣਾਲੀ (education model) ਨੂੰ ਵੀ ਸੰਬੋਧਿਤ ਕੀਤਾ, ਜਿਸ ਬਾਰੇ ਉਨ੍ਹਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਅਕਸਰ ਡੂੰਘੀ ਪੁੱਛ-ਗਿੱਛ (deep inquiry) ਦੀ ਬਜਾਏ ਸਹੀ ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਇਨਾਮ ਦਿੰਦੀ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਅਜਿਹੇ ਯੁੱਗ ਵਿੱਚ ਜਿੱਥੇ AI ਤੁਰੰਤ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ, ਸਕੂਲੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਖੋਜ (exploration) ਅਤੇ ਤਰਕਪੂਰਨ ਸੋਚ (logical reasoning) ਦੀ ਕਲਾ ਸਿਖਾਉਣ ਵੱਲ ਵਧਣ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਕਿ ਲਗਾਤਾਰ ਸਵਾਲ ਪੁੱਛਣ ਵਰਗੇ ਹੁਨਰ, ਜੋ ਕਿ ਕਈ ਵਾਰ ਕਠੋਰ ਕਲਾਸਰੂਮ ਸੈਟਿੰਗਾਂ (classroom settings) ਵਿੱਚ ਨਿਰਾਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ AI-ਏਕੀਕ੍ਰਿਤ ਅਰਥਚਾਰੇ (AI-integrated economy) ਵਿੱਚ ਮੁੱਖ ਸੰਪਤੀ (primary assets) ਬਣ ਜਾਣਗੇ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਹਾਲਾਂਕਿ ਇਹ ਟਿੱਪਣੀਆਂ ਤੁਰੰਤ ਵਿੱਤੀ ਨਤੀਜਿਆਂ (financial results) ਦੀ ਬਜਾਏ ਉਦਯੋਗ ਦੇ ਫਲਸਫੇ (industry philosophy) 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹਨ, ਇਹ ਰਵਾਇਤੀ, ਕੰਮ-ਆਧਾਰਿਤ ਸੌਫਟਵੇਅਰ ਮਾਡਲਾਂ (task-based software models) 'ਤੇ ਭਾਰੀ ਨਿਰਭਰ ਕੰਪਨੀਆਂ ਲਈ ਸੰਭਾਵੀ ਲੰਬੇ ਸਮੇਂ ਦੇ ਜੋਖਮ (long-term risk) ਨੂੰ ਉਜਾਗਰ ਕਰਦੀਆਂ ਹਨ। ਟੈਕਨੋਲੋਜੀ ਸੈਕਟਰ (technology sector) ਵਿੱਚ ਨਿਵੇਸ਼ਕ (Investors) ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਸਕਦੇ ਹਨ ਕਿ ਪ੍ਰਮੁੱਖ ਸੌਫਟਵੇਅਰ ਪ੍ਰਦਾਤਾ (software providers) AI-ਅਧਾਰਿਤ ਤਰਕ (AI-driven reasoning) ਅਤੇ ਸਹਿਯੋਗੀ ਬੁੱਧੀ (collaborative intelligence) 'ਤੇ ਵਧੇਰੇ ਫੋਕਸ ਕਰਨ ਲਈ ਆਪਣੇ ਉਤਪਾਦ ਰੋਡਮੈਪ (product roadmaps) ਕਿਵੇਂ ਅਨੁਕੂਲ (adapt) ਕਰਦੇ ਹਨ। ਸਥਾਪਿਤ ਟੈਕ ਦਿੱਗਜਾਂ (tech giants) ਦੀ 'Knowledge Workers ਲਈ ਸਾਧਨ' ਪ੍ਰਦਾਨ ਕਰਨ ਤੋਂ 'AI-ਅਧਾਰਿਤ ਉਤਸੁਕਤਾ ਇੰਜਣ' (AI-driven curiosity engines) ਪੇਸ਼ ਕਰਨ ਵੱਲ ਤਬਦੀਲ (transition) ਹੋਣ ਦੀ ਯੋਗਤਾ (ability) ਉਨ੍ਹਾਂ ਦੀ ਭਵਿੱਖੀ ਬਾਜ਼ਾਰ ਪ੍ਰਸੰਗਤਾ (market relevance) ਦਾ ਮੁੱਖ ਕਾਰਕ (key factor) ਹੋਵੇਗੀ।