AIは実際にいくつの職を奪ったのか——確かめられた数字のすべて
一つの数字は存在しないし、その正直な理由はデータが欠けているからではない——公表されているほぼどの数字も、職以外の何かを数えているからである。以下は、こちらで確かめられた一つひとつと、それが実際に何を数えているかである。
読む →職業のページは参照するものです——何かを調べに行くところです。こちらはもう一方のもの——こちらが持っているすべての検証済みの記録を横断して、人が実際に問う問いについて論じたものです。
一つの規則が、これを意見のページと分けています。そしてそれは善意ではなくテストによって守られています——どの節も、検証済みの記録か業務の判断を引かなければなりません。引用のない節はビルドを落とします。引用は節ごとにその下に印刷され、記録へ直接つながります——出典と、適用範囲と、誰が検証したかとともに。
一つの数字は存在しないし、その正直な理由はデータが欠けているからではない——公表されているほぼどの数字も、職以外の何かを数えているからである。以下は、こちらで確かめられた一つひとつと、それが実際に何を数えているかである。
読む →業務の難しさではない。報酬の高さでもない。ある業務が動いたかどうかを予測している性質は、人間以外の何かが「それは間違っている、やり直せ」と言えるかどうか——そして疲れずに、一晩で千回それを言えるかどうかである。
読む →こちらはこれに数字で答えることを拒み、その拒否は構築を落とすテストによって守られている。以下はその背後にある論である——年数の見積りに要る材料は、一つ残らず、測られていないか、逆戻りしうるか、あるいはまだ決めていない誰かが決めることである。
読む →AIと仕事についての文章のほとんどは、技術が到来し、そのあとで職が変わる、と描く。検証済みの記録のなかで最も多い順序は逆である——規則が義務を生み、その義務が名前のある職に落ち、そして何も導入されないうちに、誰かの職務記述書に一段落が増える。
読む →導入は報道が思わせるより狭く、いつも同じ三つの場所に落ちる。面白い問いは、どの機能が道具を買うかではない——道具が生む仕事をどの職が引き受けるかであり、検証済みの記録のなかで、その職はほとんどの場合、それを選んだ職ではない。
読む →