AI取代人类?

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

一般来说,大型企业谈及人工智能时,总是强调它如何让员工的工作更加有趣,或者如何创造新的就业机会来弥补被淘汰的岗位。然而,瑞典金融科技公司Klarna的CEO Sebastian Siemiatkowski却完全不按常理出牌。他不仅公开表示AI可以胜任人类的所有工作,还豪言壮语地宣称,Klarna已经通过AI节省了数千万美元,甚至连自己的工作都可能被AI取代。

过去一年里,Klarna不断宣传其在AI自动化上的突破,特别是在营销、法律合同处理、媒体分析和客服等领域。据称,该公司的AI聊天机器人已经取代了700名客服人员,并能在不到两分钟的时间里解决客户问题,比人类客服快了九分钟。Siemiatkowski甚至特意打造了一个AI版的自己,在去年三季度财报发布时“亲自”出镜,向投资者展示AI如何渗透到高层管理中。

然而,这位CEO并不认为AI只是帮助员工减少琐碎工作,让他们从事更有价值的任务。相反,他在采访中直言,AI的发展意味着很多人将直接失业,而不是轻松转行。他举例说,AI已经让成千上万的专业翻译员失业,嘲讽式地质疑:“难道要告诉一个55岁的翻译员,‘别担心,你可以去当YouTube网红’?”

Klarna的自动化浪潮不仅影响了普通员工,甚至直接导致公司裁员。自2023年9月起,该公司基本停止招聘,员工总数从约5000人缩减至4000人,并计划最终减少至2000人。虽然外界曾质疑其“停止招聘”的真实性,但无论如何,Klarna的AI转型正在深刻改变其用工结构。

相比起其他科技公司对AI的谨慎态度,Siemiatkowski的激进立场显得尤为突出。IBM CEO Arvind Krishna曾表示,AI会“减少重复性任务,让员工专注于更高价值的工作”,但Klarna的做法显然更加直接:能自动化的,就不再需要人类参与。

AI:革命还是炒作?

尽管Siemiatkowski大力宣传AI,但外界对Klarna的自动化策略仍存疑。例如,科技媒体TechCrunch调查发现,在Klarna宣称“停止招聘”一年后,公司仍然在招聘工程师等关键岗位。甚至有报道称,Klarna的客服自动化程度并不比行业内其他公司更高,只是之前依赖人工客服过多,因此裁员规模更大。

此外,经济学家Erik Brynjolfsson的研究表明,AI在客服等领域的确能提高员工效率,但短期内完全取代人类并不现实。当前AI的强项更多体现在优化流程,而非完全独立执行复杂任务。然而,Siemiatkowski的表述往往更具戏剧性,甚至可能夸大了AI带来的直接影响。

从“支付独角兽”到“AI试验田”

Klarna创立于2005年,最初专注于“先买后付”业务,帮助消费者分期支付购物款项。公司凭借这一模式迅速崛起,并获得了硅谷风投的青睐。2021年,Klarna估值一度飙升至456亿美元,成为欧洲最具价值的金融科技公司之一。然而,疫情后市场环境急剧变化,投资者态度趋于保守,Klarna的估值在2022年暴跌至67亿美元,并在同年裁员10%。

在此背景下,Siemiatkowski开始大力推进AI转型,并将Klarna包装成AI时代的先锋。他不仅与OpenAI CEO Sam Altman建立了联系,还主动表示Klarna愿意成为OpenAI的“AI小白鼠”。在一次播客采访中,他回忆起最初体验ChatGPT的场景:“2022年11月,我在Twitter上看到有人说‘快来试试这个’,然后我就打开ChatGPT,心想,‘天啊,我真的在跟一个电脑对话’。”随后,他迅速推动公司内部试用AI,并频繁对外宣传Klarna的AI进展。

然而,Klarna的AI战略是否真正具备革命性,还是更像一场精心策划的公关秀?随着更多企业加速AI转型,Siemiatkowski的激进言论或许只是资本市场上的一种“自我营销”,而AI究竟能在多大程度上取代人类工作,仍然是一个未解之谜。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/894677.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C语言-----数据结构从门到精通

1.数据结构基本概念 数据结构是计算机中存储、组织数据的方式,旨在提高数据的访问和操作效率。它是实现高效算法和程序设计的基石。 目标:通过思维导图了解数据结构的知识点,并掌握。 1.1逻辑结构 逻辑结构主要四种类型: 集合:结构中的数据元素之…

华为小米vivo向上,苹果荣耀OPPO向下

日前,Counterpoint发布的手机销量月度报告显示,中国智能手机销量在2024年第四季度同比下降3.2%,成为2024年唯一出现同比下滑的季度。而对于各大智能手机品牌来说,他们的市场份额和格局也在悄然发生变化。 华为逆势向上 在2024年第…

每日一博 - 三高系统架构设计:高性能、高并发、高可用性解析

文章目录 引言一、高性能篇1.1 高性能的核心意义1.2 影响系统性能的因素1.3 高性能优化方法论1.3.1 读优化:缓存与数据库的结合1.3.2 写优化:异步化处理 1.4 高性能优化实践1.4.1 本地缓存 vs 分布式缓存1.4.2 数据库优化 二、高并发篇2.1 高并发的核心意…

吴恩达深度学习——有效运作神经网络

内容来自https://www.bilibili.com/video/BV1FT4y1E74V,仅为本人学习所用。 文章目录 训练集、验证集、测试集偏差、方差正则化正则化参数为什么正则化可以减少过拟合Dropout正则化Inverted Dropout其他的正则化方法数据增广Early stopping 归一化梯度消失与梯度爆…

基于RK3588/RK3576+MCU STM32+AI的储能电站电池簇管理系统设计与实现

伴随近年来新型储能技术的高质量规模化发展,储能电站作为新能源领域的重要载体, 旨在配合逐步迈进智能电网时代,满足电力系统能源结构与分布的创新升级,给予相应规模 电池管理系统的设计与实现以新的挑战。同时,电子系…

K8s 分布式存储后端(K8s Distributed Storage Backend)

K8s 分布式存储后端 在 K8s 中实现分布式存储后端对于管理跨集群的持久数据、确保高可用性、可扩展性和可靠性至关重要。在 K8s 环境中,应用程序通常被容器化并跨多个节点部署。虽然 K8s 可以有效处理无状态应用程序,但有状态应用程序需要持久存储来维护…

FFmpeg:多媒体处理的瑞士军刀

FFmpeg:多媒体处理的瑞士军刀 前言 FFmpeg 是一个功能强大且跨平台的开源多媒体框架,广泛应用于音视频处理领域。 它由多个库和工具组成,能够处理各种音视频格式,涵盖编码、解码、转码、流处理等多种操作。 无论是专业视频编辑…

unordered_map/set的哈希封装

【C笔记】unordered_map/set的哈希封装 🔥个人主页:大白的编程日记 🔥专栏:C笔记 文章目录 【C笔记】unordered_map/set的哈希封装前言一. 源码及框架分析二.迭代器三.operator[]四.使用哈希表封装unordered_map/set后言 前言 哈…

编程AI深度实战:大模型哪个好? Mistral vs Qwen vs Deepseek vs Llama

​​ 系列文章: 编程AI深度实战:私有模型deep seek r1,必会ollama-CSDN博客 编程AI深度实战:自己的AI,必会LangChain-CSDN博客 编程AI深度实战:给vim装上AI-CSDN博客 编程AI深度实战:火的编…

neo4j-community-5.26.0 install in window10

在住处电脑重新配置一下neo4j, 1.先至官方下载 Neo4j Desktop Download | Free Graph Database Download Neo4j Deployment Center - Graph Database & Analytics 2.配置java jdk jdk 21 官网下载 Java Downloads | Oracle 中国 path: 4.查看java -version 版本 5.n…

网络原理(5)—— 数据链路层详解

目录 一. 以太网 1.1 认识以太网 1.2 网卡与以太网 1.3 以太网帧格式 二. 认识MAC地址 三. MAC地址 与 IP地址 的区别 4.1 定义 4.2 分配方式 4.3 工作层次 4.4 地址格式 4.5 寻址方式 四. ARP协议 4.1 引入 4.2 ARP的概念 4.3 ARP工作原理 五. MTU 与 MSS …

【从零开始的LeetCode-算法】922. 按奇偶排序数组 II

给定一个非负整数数组 nums, nums 中一半整数是 奇数 ,一半整数是 偶数 。 对数组进行排序,以便当 nums[i] 为奇数时,i 也是 奇数 ;当 nums[i] 为偶数时, i 也是 偶数 。 你可以返回 任何满足上述条件的…

H264原始码流格式分析

1.H264码流结构组成 H.264裸码流(Raw Bitstream)数据主要由一系列的NALU(网络抽象层单元)组成。每个NALU包含一个NAL头和一个RBSP(原始字节序列载荷)。 1.1 H.264码流层次 H.264码流的结构可以分为两个层…

AI大模型(二)基于Deepseek搭建本地可视化交互UI

AI大模型(二)基于Deepseek搭建本地可视化交互UI DeepSeek开源大模型在榜单上以黑马之姿横扫多项评测,其社区热度指数暴涨、一跃成为近期内影响力最高的话题,这个来自中国团队的模型向世界证明:让每个普通人都能拥有媲…

图的基本术语——非八股文

我之前只看到了数据结构与算法的冰山一角,感觉这些术语只会让知识越来越难理解,现在来看,他们完美抽象一些概念和知识,非常重要。 本篇概念肯定总结不全,只有遇到的会写上,持续更新,之前文章已经…

oracle: 表分区>>范围分区,列表分区,散列分区/哈希分区,间隔分区,参考分区,组合分区,子分区/复合分区/组合分区

分区表 是将一个逻辑上的大表按照特定的规则划分为多个物理上的子表,这些子表称为分区。 分区可以基于不同的维度,如时间、数值范围、字符串值等,将数据分散存储在不同的分区 中,以提高数据管理的效率和查询性能,同时…

本地快速部署DeepSeek-R1模型——2025新年贺岁

一晃年初六了,春节长假余额马上归零了。今天下午在我的电脑上成功部署了DeepSeek-R1模型,抽个时间和大家简单分享一下过程: 概述 DeepSeek模型 是一家由中国知名量化私募巨头幻方量化创立的人工智能公司,致力于开发高效、高性能…

C++11详解(一) -- 列表初始化,右值引用和移动语义

文章目录 1.列表初始化1.1 C98传统的{}1.2 C11中的{}1.3 C11中的std::initializer_list 2.右值引用和移动语义2.1左值和右值2.2左值引用和右值引用2.3 引用延长生命周期2.4左值和右值的参数匹配问题2.5右值引用和移动语义的使用场景2.5.1左值引用主要使用场景2.5.2移动构造和移…

手写MVVM框架-构建虚拟dom树

MVVM的核心之一就是虚拟dom树,我们这一章节就先构建一个虚拟dom树 首先我们需要创建一个VNode的类 // 当前类的位置是src/vnode/index.js export default class VNode{constructor(tag, // 标签名称(英文大写)ele, // 对应真实节点children,…

【大数据技术】教程03:本机PyCharm远程连接虚拟机Python

本机PyCharm远程连接虚拟机Python 注意:本文需要使用PyCharm专业版。 pycharm-professional-2024.1.4VMware Workstation Pro 16CentOS-Stream-10-latest-x86_64-dvd1.iso写在前面 本文主要介绍如何使用本地PyCharm远程连接虚拟机,运行Python脚本,提高编程效率。 注意: …