ChatGPT có khả năng lấy mất việc làm của các nhà phân tích dữ liệu?

Nếu công việc của bạn liên quan đến phân tích và báo cáo dữ liệu, thì việc bạn cảm thấy hơi lo lắng trước những tiến bộ nhanh chóng của trí tuệ nhân tạo (AI) cũng là điều dễ hiểu.

Đặc biệt, mức độ lan truyền mạnh mẽ của ứng dụng ChatGPT đã chiếm được trí tưởng tượng của công chúng trong những tháng gần đây như một minh chứng mạnh mẽ về khả năng AI này. Đối với một số người, nó cũng có thể giống như một lời cảnh báo về những gì có thể xảy ra trong tương lai.

Không còn nghi ngờ gì nữa, một trong những điểm mạnh của AI là khả năng hiểu được lượng lớn dữ liệu - tìm kiếm mẫu và đưa nó vào các báo cáo, tài liệu và định dạng mà con người có thể dễ dàng hiểu được.

Thật trớ trêu, đây lại là “công việc chính” hàng ngày của không ít nhà phân tích dữ liệu cũng như nhiều chuyên gia kinh tế có công việc liên quan đến làm việc với dữ liệu và phân tích.

Đúng là trí tuệ nhân tạo đã được sử dụng trong nhiều năm trong các lĩnh vực này. Điều mà ChatGPT và các công cụ tương tự được xây dựng trên các mô hình ngôn ngữ lớn (LLM) và xử lý ngôn ngữ tự nhiên (NLP) mang lại là bất kỳ ai cũng có thể sử dụng nó một cách dễ dàng và hiệu quả.

Nếu một giám đốc điều hành (CEO) chỉ cần nói với máy tính, “tôi cần làm gì để cải thiện sự hài lòng của khách hàng?” hoặc “làm cách nào để tôi có thể bán được nhiều hàng hơn?” thì liệu họ có cần phải lo lắng về việc tuyển dụng, đào tạo và duy trì một nhóm phân tích tốn kém để trả lời những câu hỏi đó không?

May mắn thay, câu trả lời có lẽ là có. Trên thực tế, khi AI trở nên phổ biến và dễ tiếp cận hơn, trong tương lai nhóm làm việc đó thậm chí có thể trở nên quan trọng hơn đối với doanh nghiệp so với hiện tại. Tuy nhiên, điều chắc chắn là công việc của họ sẽ thay đổi đáng kể.

Đầu tiên cần phải hiểu: ChatGPT, LLM và NLP là gì?

ChatGPT là giao diện trò chuyện (hoặc chatbot) sẵn có công khai được cung cấp bởi LLM có tên GPT-3, do công ty khởi nghiệp OpenAI phát triển.

LLM (mô hình ngôn ngữ lớn) là một phần của lĩnh vực học máy được gọi là xử lý ngôn ngữ tự nhiên, về cơ bản có nghĩa là nó cho phép chúng ta nói chuyện với máy móc và để chúng trả lời chúng ta bằng ngôn ngữ “tự nhiên” (tức ngôn ngữ của con người).

Nói ngắn gọn, chúng ta có thể đặt câu hỏi cho nó bằng tiếng Anh, hoặc trên thực tế, là bằng gần 100 ngôn ngữ khác. ChatGPT cũng có thể đọc, hiểu và tạo mã máy tính bằng một số ngôn ngữ lập trình phổ biến, gồm cả Python, Javascript và C++.

Hiện tại, chúng ta đã quen với việc tương tác với công nghệ NLP phần lớn nhờ vào các trợ lý AI như Alexa và Siri, nhưng ChatGPT có quy mô lớn hơn, cho phép nó hiểu được các đầu vào phức tạp hơn nhiều và cung cấp dữ liệu đầu ra phức tạp hơn.

Mô hình ngôn ngữ lớn GPT-3 dường như có thể sử dụng ngôn ngữ theo cách rất tinh vi vì nó được đào tạo trên một bộ dữ liệu thông tin khổng lồ, được cho là bao gồm hơn 175 tỷ tham số.

Bằng cách xử lý tất cả dữ liệu này, nó có thể tìm hiểu cách các từ được kết nối với nhau và dự đoán đâu có thể là câu trả lời phù hợp nhất cho bất kỳ lời nhắc nào (một câu hỏi hoặc thông tin đầu vào) mà nó đưa ra. Đôi khi, nó được gọi là “AI thế hệ mới” vì nó tạo ra các kết quả đầu ra mới chưa từng thấy trước đây.

Mô hình ngôn ngữ lớn GPT-3 dường như có thể sử dụng ngôn ngữ theo cách rất tinh vi

Những hạn chế của ChatGPT là gì?

Trước khi chúng ta quá phấn khích về những gì ChatGPT có thể làm thì hãy cần tỉnh táo để chỉ ra một số giới hạn khá đáng kể về những gì công nghệ có thể làm ngày nay.

Thứ nhất, ứng dụng thường xuyên mắc lỗi - đôi khi là những lỗi rất cơ bản - có thể dễ dàng khiến bất kỳ ai dựa hoàn toàn vào nó sẽ rơi vào tình huống ngớ ngẩn nếu họ không cẩn thận.

Ví dụ, nếu đặt hỏi với ChatGPT về những phần nào trong công việc của nhà phân tích dữ liệu mà nó có khả năng tự động hóa. Một trong những câu trả lời đầu tiên nó đưa ra là "ChatGPT có thể tạo đồ thị, biểu đồ và các hình ảnh trực quan khác”. Điều này rõ ràng là sai vì nó chỉ có khả năng tạo văn bản.

Liên quan đến phân tích dữ liệu, ChatGPT cũng bị hạn chế bởi thực tế là chúng ta không thể tải dữ liệu lên ChatGPT ngoài bất kỳ thông tin nào có thể nhập dưới dạng văn bản.

Ví dụ: chúng ta không thể tải lên một bảng số liệu bán hàng bằng Excel và yêu cầu nó cung cấp thông tin chi tiết. Tất nhiên, không thể nói trước những gì các phiên bản trong tương lai sẽ có thể làm được.

ChatGPT, LLM và NLP có thể được sử dụng như thế nào trong dữ liệu và phân tích?

Dưới đây là một số cách mà ChatGPT, LLM và NLP có thể được sử dụng trong dữ liệu và phân tích:

- Tạo mã và ứng dụng có thể phân tích dữ liệu hoặc tự động hóa các quy trình như thu thập dữ liệu, định dạng dữ liệu hoặc làm sạch dữ liệu.

- Xác định cấu trúc dữ liệu, ví dụ: trường nào nên được đưa vào bản ghi trong cơ sở dữ liệu hoặc tiêu đề hàng và cột nào là cần thiết cho bảng tính.

- Chỉ cho chúng ta biết cách xây dựng các biểu đồ, đồ thị, sơ đồ hoặc đồ họa thông tin và những thông tin nào cần được đưa vào.

- Đề xuất những thông tin cần đưa vào báo cáo để các đối tượng khác nhau - giám đốc điều hành, trưởng bộ phận, quản lý… có thể dựa vào đó để đưa ra quyết định.

- Tạo tài liệu đào tạo để hướng dẫn nhân viên cách áp dụng phân tích cho dữ liệu của chính họ.

- Xác định các nguồn dữ liệu có khả năng chứa thông tin chi tiết mà chúng ta cần cho một nhiệm vụ cụ thể, ví dụ: "Tôi có thể tìm dữ liệu về gian lận tài chính tại Ấn Độ ở đâu?".

- Tạo dữ liệu giả hoặc dữ liệu tổng hợp cho nhiều mục đích khác nhau, chẳng hạn như đào tạo các mô hình học máy khác hoặc thử nghiệm các thuật toán.

- Đưa ra lời khuyên về việc tuân thủ, quy định và các bước thực tế có thể thực hiện để đảm bảo hoạt động dữ liệu hợp pháp, không thiên vị và có đạo đức.

- Xác định các quy trình phân tích và đề xuất các phương pháp hay nhất có khả năng mang lại kết quả mong muốn nhất.

Ảnh minh họa: Bloomberg

ChatGPT có phải là mối đe dọa không?

Như chúng ta đã thấy, ChatGPT có thể dễ dàng tự động hóa một số tác vụ thường được thực hiện trong các công việc phân tích – chẳng hạn như vai trò phân tích kinh doanh, dữ liệu và tài chính. Các lần lặp lại trong tương lai của công nghệ có thể sẽ trở nên hiệu quả hơn khi làm như vậy.

Nhưng điều đó không có nghĩa là bất kỳ ai làm việc trong vai trò phân tích sẽ bị mất việc ngay lập tức. Điều này chủ yếu là do các công cụ NLP và LLM tinh vi nhất hiện nay vẫn thiếu các khả năng như tư duy phản biện, lập kế hoạch chiến lược và giải quyết vấn đề phức tạp.

Hầu hết các chuyên gia đều đồng ý rằng không có khả năng các công cụ dựa trên máy học sẽ sớm có thể thực hiện các chức năng này ở cùng cấp độ với con người.

Phải nói rằng, các vai trò phân tích chỉ yêu cầu công việc lặp đi lặp lại có thể sẽ được tự động hóa phần lớn trong tương lai gần và có lẽ không thể tránh khỏi việc một số công việc sẽ bị mất do điều này.

Thế nhưng, các công việc mới sẽ được tạo ra. Những điều này có thể xoay quanh khả năng triển khai các công cụ như ChatGPT đồng thời thực hành việc ra quyết định của con người, giải quyết vấn đề, lãnh đạo, ra chiến lược, và xây dựng nhóm.

Nếu phớt lờ sự xuất hiện của AI trong nghề nghiệp, bạn có khả năng bị bỏ lại phía sau, vì đồng nghiệp và đối thủ cạnh tranh, sẽ gặt hái được thành quả trước bạn do họ thức thời trước. Khi công nghệ phát triển, ngày càng có nhiều khía cạnh trong công việc hàng ngày của chúng ta sẽ trở nên tự động hóa.

Vì vậy, để đi trước xu hướng này, tự học cách sử dụng các công cụ mới khi chúng ra đời và nâng cao nhận thức về các lĩnh vực mà con người vẫn cần tiếp xúc, là chìa khóa để phát triển mạnh trong thời đại AI.

Tú Anh