آینده صنایع با هوش مصنوعی مولد

به گزارش می‌متالز، معاونت بررسی‌های اقتصادی اتاق بازرگانی تهران در گزارشی با عنوان «مشاغل آینده با ظهور فناوری‌های نوین» تاکید می‌کند هوش مصنوعی و فناوری‌های پردازش متن، تصویر و صدا از اولویت‌های اصلی کسب‌وکار‌ها هستند. بسیاری از سازمان‌ها، برنامه هایی برای استفاده از هوش مصنوعی و این فناوری‌ها در عملیات خود دارند که این امر نگرانی‌ها را در مورد تاثیر فناوری‌های جدید بر سازمان‌ها و بازار‌های کار در سراسر جهان افزایش می‌دهد.

این گزارش به این موضوع می‌پردازد که چگونه وظایف شغلی را می‌توان با استفاده از مدل‌های زبانی بزرگ به صورت اتوماسیونی انجام داد یا آن را افزایش داد. وظایف روتین می‌توانند توسط مدل‌های زبانی بزرگ اتوماسیونی شوند، در حالی که وظایفی که نیاز به تعامل انسانی دارند، از طریق همکاری با مدل‌های زبانی بزرگ ارتقا می‌یابند. مدل‌های زبانی بزرگ دارای پتانسیل تحول‌آفرین هستند و به‌طور قابل‌توجهی چشم‌انداز اشتغال آینده را تغییر خواهند داد.

بررسی مشاغل آینده با ظهور فناوری‌های نوین، تاثیر تحول‌آفرین مدل‌های زبانی بزرگ بر مشاغل و ماهیت وظایف را برجسته می‌کند. با پذیرش مدل‌های زبانی بزرگ، مشاغل خاصی جایگزین مشاغل فعلی می‌شوند، در حالی که برخی دیگر از مشاغل بهبود یافته و در کنار آن‌ها نقش‌های کاملا جدیدی ایجاد خواهد شد. برای اطمینان از اینکه پتانسیل هوش مصنوعی مولد به نفع همه افراد جامعه است، برای کسب‌وکار‌ها و دولت‌ها ضروری است که به طور فعال نیروی کار را برای این تحول قریب الوقوع آماده کنند.

این گزارش، رویکردی ساختاریافته برای ارزیابی جامع تاثیر مدل‌های زبانی بزرگ بر مشاغل، با در نظر گرفتن جنبه‌های مثبت و منفی دارد. با پرداختن مسوولانه به چالش‌ها و فرصت‌های مرتبط با مدل‌های زبانی بزرگ، ذی‌نفعان می‌توانند به طور موثر در این چشم انداز دگرگون‌کننده حرکت کنند. سیاستگذاران نقشی حیاتی در تطبیق استراتژی‌های خود با این تغییرات ایفا کرده و امکان گذار هموار و فراگیر را برای نیروی کار فراهم می‌کنند.

سیاستگذاران باید قابلیت‌های برنامه ریزی استراتژیک نیروی کار، سیستم‌های یادگیری مادام‌العمر و شبکه‌های ایمنی اجتماعی را برای مدیریت دوره اختلالات آتی بهبود دهند. تحلیل مشابهی که در این گزارش به اشتراک گذاشته شده است می‌تواند به ارائه دیدگاه‌های دقیق تری از وضعیت در جغرافیای خاص کمک کند.

دولت‌ها همچنین می‌توانند با کارفرمایان و موسسات آموزشی همکاری و از آن‌ها حمایت کنند تا برنامه‌های آموزشی را ارائه دهند که نیروی کار را برای مشاغلی که با رشد همراه هستند و بیشترین بهره را از مدل‌های زبانی بزرگ می‌برند، آماده کنند. به علاوه، در کنار تجسم مجدد شبکه‌های ایمنی اجتماعی و کمک در گذار به نقش‌های جدید، آن‌ها به طور دقیق‌تر برای کسانی که بیشتر تحت‌تاثیر قرار می‌گیرند، هدف‌گذاری می‌شوند.

رهبران کسب‌وکار می‌توانند از بینش هایی درباره تاثیر مستقیم مدل‌های زبانی بزرگ بر مشاغل استفاده کنند تا بفهمند کدام نقش‌ها بیشتر تحت‌تاثیر قرار می‌گیرند و به‌صورت مسوولانه از انتقال کارگران به نقش‌ها و روش‌های جدید وظایف حمایت کنند. برنامه ریزی داخلی نیروی کار، یادگیری و توسعه و شیوه‌های مدیریت استعداد نیز باید برای حمایت از پذیرش هوش مصنوعی مولد در محل کار، جذب استعداد‌های جدید در مشاغل رو به رشد یا سرمایه‌گذاری هنگفت روی مهارت‌آموزی و ارتقای مهارت کارگران در جهت نقش‌های رو به رشد تقویت شوند.

مدل‌های زبانی بزرگ فرصتی برای گسترش پتانسیل انسانی، رشد صنایع و تقویت اقتصاد‌های جهانی است. با این حال، پذیرش سریع آن‌ها شامل ریسک‌ها و فرصت هایی برای نیروی کار است. رویکرد ارائه شده در این گزارش به برنامه ریزی برای تاثیر مستقیم بر وظایف و مشاغل کمک می‌کند و دولت، مشاغل و کارگران را در مورد اقداماتی که اکنون می‌توانند در جهت آماده شدن برای آینده انجام دهند، آگاه می‌سازد.

در حالی که تغییرات سریع تکنولوژیک اغلب باعث پیش‌بینی و نگرانی در مورد تاثیر آن بر مشاغل می‌شود، نوآوری‌های پیشین به طور کلی به فرصت‌های شغلی بیشتر، بهبود کیفیت شغلی و بهبود کیفیت زندگی منجر شده است. با این حال آن‌ها نیز باعث ایجاد اختلال و جابه‌جایی شده‌اند. هدف این گزارش، ارائه تحلیلی دقیق است که درک روشنی از تاثیر، فرصت‌ها و آمادگی لازم در پرتو این تغییرات ارائه می‌دهد.

رویکرد مبتنی بر وظیفه برای مواجهه مشاغل با مدل‌های زبانی بزرگ

این گزارش تاثیر بالقوه مدل‌های زبانی بزرگ بر وظایف شغلی مبتنی بر زبان را ارزیابی می‌کند و درجه مهارت‌های مبتنی بر زبان موردنیاز و زمان صرف‌شده برای وظایف را برای تعیین میزان تاثیر بر مشاغل در نظر می‌گیرد. وظایف روتین و فرآیندگرا که به‌شدت به زبان متکی هستند، به احتمال زیاد اتوماسیونی شده و با مدل‌های زبانی بزرگ جایگزین می‌شوند. از سوی دیگر، وظایف مربوط به تعامل انسانی به احتمال زیاد افزایش یافته و به صورت مشترک با مدل‌های زبانی بزرگ صورت می‌پذیرند. به‌عنوان مثال، وظایفی که به صورت جداگانه انجام می‌شوند، مانند ورود داده‌ها، توسط مدل‌های زبانی بزرگ انجام خواهند شد. به همین دلیل مشاغلی که بر این وظایف تاکید دارند ممکن است تغییر یا کاهش یابند. از سوی دیگر، مشاغلی که نیاز به استدلال و خلاقیت انتزاعی دارند، مانند وظایفی که توسط ریاضی دانان، ویراستاران و توسعه دهندگان نرم‌افزار انجام می‌شوند، با مدل‌های زبانی بزرگ جایگزین نخواهند شد. معلمان می‌توانند از مدل‌های زبانی بزرگ برای برنامه ریزی درسی و تصحیح تمرینات دانش‌آموزان بهره‌مند شوند. توسعه دهندگان نرم‌افزار نیز می‌توانند از مدل‌های زبانی بزرگ برای تولید بلوک‌های استاندارد کد، افزایش کارآیی و تخصیص زمان بیشتر برای مشاغل سطح بالا استفاده کنند. توسعه نرم‌افزار به طور کلی دارای وظایفی با پتانسیل بالا برای اتوماسیون شدن است که می‌تواند تغییرات متحول‌کننده‌ای در صنعت ایجاد کند. با استفاده از هر دو روش یادگیری به صورت ماشینی و دستی، وظایف شغلی به صورت جداگانه، با توجه به مواجهه احتمالی آن‌ها با پذیرش مدل‌های زبانی بزرگ رتبه بندی می‌شوند که می‌توانند به یکی از چهار دسته زیر طبقه بندی شوند:

پتانسیل بالا برای اتوماسیون شدن: در آینده، وظیفه توسط مدل‌های زبانی بزرگ انجام می‌شود، نه انسان‌ها.

پتانسیل بالا برای ارتقا: انسان‌ها به انجام وظیفه ادامه داده و مدل‌های زبانی بزرگ بهره‌وری انسان را افزایش می‌دهند.

پتانسیل کم برای اتوماسیون شدن یا ارتقا: انسان‌ها بدون تاثیرپذیری قابل‌توجهی از مدل‌های زبانی بزرگ به انجام وظیفه ادامه خواهند داد.

بدون تاثیر (مشاغلی که مبتنی بر مدل‌های زبان نیستند).

وظایف آشکار: وظایف با پتانسیل بالا برای اتوماسیون شدن، توسط مدل‌های زبانی بزرگ معمولا فعالیت‌های معمولی و اداری را شامل می‌شود، همچنین برخی از وظایف تجزیه و تحلیل ابتدایی مانند طراحی پایگاه داده یا تجزیه و تحلیل داده‌ها را در بر می‌گیرد. از سوی دیگر، وظایف با پتانسیل بالا برای ارتقا نیازمند مهارت‌های استدلال انتزاعی و شامل تعامل با مردم است. برای مثال، ارزیابی قابلیت‌ها یا عملکرد پرسنل و جمع آوری داده‌ها در خصوص نیاز‌ها یا نظرات مصرف‌کننده، وظایفی هستند که می‌توانند از مدل‌های زبانی بزرگ بهره ببرند. در حالی که جنبه‌های خاصی از وظایف مانند اجرای نظرسنجی را می‌توان به صورت اتوماسیونی انجام داد، ساخت و بیان سوالات نظرسنجی همچنان به توجه و تایید انسان نیاز دارد.

وظایف با پتانسیل کمتر برای مواجهه با مدل‌های زبانی بزرگ شامل تعامل و همکاری قابل‌توجهی است؛ مانند مذاکره، قرارداد، توسعه برنامه‌های آموزشی و اقدامات علمی و فنی که ممکن است از ابزار‌های تکنولوژیک پیشرفته استفاده کنند. در نهایت، مشاغل غیر‌زبانی عمدتا شامل حرکت فیزیکی مانند بارگیری محصولات، فعالیت‌های مونتاژ، کشاورزی و نظافت و سایر وظایفی از این قبیل هستند.

این گزارش نشان می‌دهد که چگونه مشاغل مختلف توسط مدل‌های زبانی بزرگ، براساس وظایف خاص تحت‌تاثیر قرار می‌گیرند. مشاغل پرمخاطب مانند توسعه دهندگان نرم‌افزار دارای پتانسیل بالاتری برای اتوماسیونی شدن و ارتقای وظایف هستند، اما مشاغلی که کمتر در معرض مدل‌های زبانی بزرگ هستند، مانند مدیران منابع انسانی، پتانسیل کمتری برای اتوماسیون شدن و ارتقا، با تاکید بیشتر بر تعامل مستقیم و وظایف هماهنگی، دارند.

تجزیه و تحلیل براساس شغل

مشاغل دارای پتانسیل برای اتوماسیون شدن: در این گزارش تجزیه و تحلیل مبتنی بر وظیفه ارائه می‌شود که در آن مشاغل دارای بالاترین پتانسیل برای اتوماسیون شدن وظایف، توسط مدل‌های زبانی بزرگ برجسته می‌شوند. مشاغلی که پتانسیل بالایی برای اتوماسیون شدن دارند، معمولا شامل رویه‌های معمول و تکراری هستند و به ارتباطات بین فردی کمتری نیاز دارند.

براساس تجزیه و تحلیل، مشاغلی که بیشترین توان بالقوه برای اتوماسیون شدن را دارند، شامل صاحبان اعتبار و کارمندان، تحلیلگران مدیریت، بازاریابان تلفنی و دستیاران آماری می‌شوند. این مشاغل اغلب شامل انواع مختلفی از کارمندان اداری هستند؛ به‌ویژه مشاغلی که درگیر وظایف ثبت سوابق و مدیریت اطلاعاتند، حوزه‌هایی هستند که مدل‌های زبانی بزرگ در آن، سطح بالایی از شایستگی را نشان داده‌اند. به‌عنوان مثال، منشی‌های حقوقی و دستیاران اداری تقریبا ٥٤‌درصد از وقت خود را صرف وظایفی می‌کنند که پتانسیل بالایی برای اتوماسیون شدن دارند.

مشاغل با پتانسیل ارتقا: مشاغل با بالاترین پتانسیل برای ارتقا توسط مدل‌های زبانی بزرگ بر تفکر انتقادی و مهارت‌های حل مساله پیچیده، به ویژه مشاغلی در زمینه‌های علوم، فناوری، مهندسی و ریاضیات (STEM) تاکید دارند. در صدر این فهرست، پذیره‌نویسان بیمه قرار دارند، به طوری که آن‌ها ١٠٠‌درصد وقت خود را صرف وظایفی می‌کنند که پتانسیل ارتقا توسط سیستم‌های هوش مصنوعی مولد را دارند. پس از آن مهندسان زیست‌پزشکی، ریاضی‌دانان و ویراستاران قرار دارند. ١٥شغل برتر باقی‌مانده نیز فنی یا بسیار تخصصی هستند و اغلب به مدارک یا آموزش‌های پیشرفته نیاز دارند. توجه داشته باشید که بسیاری از مشاغل با بالاترین پتانسیل ارتقا نیز دارای پتانسیل اتوماسیون شدن هستند که در نتیجه در مجموع، در معرض مواجهه این مشاغل با مدل‌های زبانی بزرگ قرار می‌گیرند که از جمله آن‌ها می‌توان به ارزیابی کنندگان بیمه و ارزیابان املاک و مستغلات اشاره کرد.

مشاغل با پتانسیل کمتر برای تحول و وظایفی که مبتنی بر زبان نیستند: انتظار می‌رود مشاغلی که وظایف آن‌ها مبتنی بر زبان نیست، کمتر یا هرگز در معرض تاثیرات بالقوه مدل‌های زبانی بزرگ قرار نگیرند. نتایج نشان می‌دهد، مشاغل با کمترین پتانسیل مواجهه با مدل‌های زبانی بزرگ (اعم از اتوماسیون شدن یا ارتقا) مشاغلی هستند که به درجه بالایی از تعامل شخصی نیاز دارند که از جمله آن‌ها می‌توان به متخصصان بهداشت و درمان یا معلمان، مشاغل فیزیکی مانند ورزشکاران یا کارگران اشاره کرد. مشاغل با کمترین امکان مواجهه با مدل‌های زبانی بزرگ شامل مشاوران، روحانیون، وکلا و دستیاران حقوقی، خدمات پرستاری در منزل و سپس متخصصان بیهوشی هستند. مشاغل اجتماعی، خدمات اجتماعی و مراقبت‌های بهداشتی در میان مشاغلی که پتانسیل پایینی برای اتوماسیون شدن یا ارتقا دارند، برجسته هستند و ١٠ شغل از ١٥شغل برتر با کمترین پتانسیل مواجهه را تشکیل می‌دهند.

فراتر از مشاغل با پتانسیل کم، تعدادی از مشاغل مبتنی بر وظایف زبانی نیستند و پتانسیل تحت‌تاثیر قرار گرفتن توسط مدل‌های زبانی بزرگ را ندارند. این مشاغل عبارتند از: ماشین ظرفشویی، کارگران تعمیر و نگهداری بزرگراه، دستگاه برش و صاف‌کننده گوشت، مرغ و ماهی، تجهیزات ماشین‌های ریل گذار و تعمیر و نگهداری ریل، اپراتورها، کمک دهندگان، نجاران، دستگاه تنظیم کننده کالا‌های کاغذی، اپراتور‌ها و مناقصه ها، سلاخی‌ها و بسته بندی‌های گوشت، روستابوت‌ها، نفت و گاز، دستگاه‌های پرس، نساجی، پوشاک و مواد مرتبط - لمینت و فابریکاتور فایبرگلاس.

مشاغل نوظهور

هوش مصنوعی مولد، معرف الگوی جدیدی از همکاری بین انسان و هوش مصنوعی (ربات) است که به بازتعریف چگونگی انجام وظایف پرداخته و به تغییر شکل ماهیت نقش‌های شغلی مختلف منجر می‌شود. پیش‌بینی قطعی درخصوص نقش‌های جدیدی که با پذیرش زبان مدل‌های زبانی بزرگ ممکن است ایجاد شوند، وجود ندارد. با این حال، واضح است که فضایی برای توسعه شغلی در چند حوزه کلیدی وجود دارد. دسته بندی بصری ذیل، از مشاغل نوظهور می‌تواند به کشف ارزش هوش مصنوعی مولد و کاهش پیامد‌های مرتبط کمک کند. مدل مهندسی سریع هوش مصنوعی، طراحان رابط و تجربه کاربری (طراحان رابط و تعامل)، تولیدکنندگان محتوای هوش مصنوعی، متصدیان و مربیان داده و متخصصان اخلاق و حکمرانی از جمله این مشاغل هستند.

این گزارش، همچنین تاثیر مدل‌های زبانی بزرگ بر مشاغل مربوط به خدمات مشتری را مورد بحث قرار می‌دهد و بیان می‌کند در حالی که ممکن است دسته‌های شغلی جدیدی ظهور کنند، پیش‌بینی اختراع مجدد نقش‌های موجود نیز مهم است. تجزیه و تحلیل انجام‌شده روی مشاغل مربوط به خدمات مشتری، ١٣وظیفه اصلی را شناسایی می‌کند که از این میان، چهار وظیفه بدون تغییر باقی می‌مانند و در چارچوب توانایی‌های انسانی هستند، چهار وظیفه را می‌توان با استفاده از هوش مصنوعی مولد به طور کامل اتوماسیونی کرد، پنج وظیفه را می‌توان برای افزایش عملکرد انسانی افزایش داد و در نهایت پنج وظیفه جدید با ارزش بالا پدیدار خواهد شد.

هوش مصنوعی مولد، نمایندگان خدمات مشتری (CSR) را قادر می‌سازد تا در وظایف جدیدی مانند ارائه بازخورد برای بهبود سیستم، همسویی با نیاز‌های مشتری، آزمایش و اطمینان از رفتار اخلاقی و نظارت بر حریم خصوصی داده‌ها شرکت کنند. این مسوولیت‌ها به نمایندگان خدمات مشتری برای شکل دادن به استقرار هوش مصنوعی، بهینه سازی تجربیات مشتری و حفظ استاندارد‌های اخلاقی در عملیات خدمات مشتری قدرت می‌دهد.

تجزیه و تحلیل بر اساس صنعت

معیار‌های مواجهه با مدل‌های زبانی بزرگ برای همه مشاغل در یک صنعت خاص به طور میانگین و موزون‌شده بر حسب تعداد شاغلان محاسبه می‌شوند و ممکن است به چند صنعت تعلق داشته باشند. دو صنعت با بالاترین برآورد برای اتوماسیون شدن و ارتقا، خدمات مالی و بازار‌های سرمایه و پس از آن بیمه و مدیریت بازنشستگی هستند. فناوری اطلاعات و ارتباطات دیجیتال و همچنین سرگرمی و ورزش رسانه‌ای نیز دارای پتانسیل قابل‌توجهی هستند.

طبق نظر رهبران تجاری که در گزارش آینده مشاغل ٢٠٢٣ مورد بررسی قرار گرفته است، صنایعی که پتانسیل زیادی برای مواجهه با مدل‌های زبانی بزرگ دارند نیز قصد دارند فناوری‌های هوش مصنوعی را با بیشترین میزان مواجهه با رشته‌های مدل‌های زبانی بزرگ، یعنی مدیریت بیمه و بازنشستگی، خدمات فناوری اطلاعات و رسانه، سرگرمی و ورزش به کار گیرند. این نشان می‌دهد در حالی که معرفی این فناوری‌های جدید ممکن است ماهیت بازار کار را تغییر دهد، لزوما تعداد کل مشاغل را کاهش نمی‌دهد. علاوه بر این، مطالعه‌ای بر روی نمایندگان خدمات مشتری نشان می‌دهد که اجرای هوش مصنوعی مولد با جابه‌جایی کارکنان کمتر همراه است و نشان می‌دهد که چگونه سازمان‌ها می‌توانند از هوش مصنوعی مولد در ارتباط با تخصص انسانی برای طراحی مجدد نقش‌های شغلی، افزایش بهره‌وری و بهبود تجربه کارکنان استفاده کنند.

تجزیه و تحلیل بر اساس تابع

رتبه بندی‌های مواجهه با مدل‌های زبانی بزرگ برای مشاغل نیز ممکن است در گروه‌های عملکردی جمع آوری شوند که موضوعات مشابهی را برای اتوماسیون شدن و ارتقای بالقوه نشان می‌دهد. همان‌طور که با تجزیه و تحلیل صنعت و بسیاری از تجزیه و تحلیل‌های موجود در گزارش آینده مشاغل ٢٠٢٣ مشخص شده است، دو حوزه موضوعی با بیشترین میزان بالقوه مواجهه با مدل‌های زبانی بزرگ شامل فناوری اطلاعات و امور مالی هستند.

پس از آن نیز فروش، عملیات و منابع انسانی قرار دارند. عملکرد‌های شغلی که احتمالا اتوماسیونی می‌شوند نیز شانس بالایی برای بهبود یا ارتقا توسط فناوری دارند. درواقع، نوآوری فناورانه، مشاغل را با حذف برخی از وظایف و بااهمیت‌تر شدن برخی دیگر، جابه‌جا و متحول می‌کند.

مدل‌های زبانی بزرگ؛ رشد مشاغل و کاهش وظایف

انتظارات رشد، بر تغییر نیروی کار در وظایف و عناوین شغلی تاکید می‌کند و آمادگی برای گذار را نشان می‌دهد.

رشد مورد انتظار و کاهش وظایف: بر اساس این گزارش، پیش‌بینی می‌شود وظیفه پردازش اطلاعات و داده‌ها، اتوماسیون‌شده‌ترین شغل حال حاضر و پنج سال آینده جهان باشد که با تجزیه و تحلیل مبتنی بر وظیفه در این گزارش مطابقت دارد و پتانسیل بالایی برای اتوماسیون شدن در مشاغلی مانند طراحی پایگاه داده، تجزیه و تحلیل داده‌ها برای بهبود عملیاتی و به دست آوردن اطلاعات در مورد کالا‌ها یا خدمات را مشخص می‌کند. علاوه بر این، گزارش آینده مشاغل ٢٠٢٣ نشان می‌دهد وظایف مبتنی بر استدلال و تصمیم‌گیری، کمترین پتانسیل را برای اتوماسیون شدن دارند. در راستای این امر، تجزیه و تحلیل مبتنی بر وظیفه در این گزارش، وظایف تصمیم‌گیری را به عنوان پتانسیل بالایی برای ارتقا شناسایی می‌کند که شامل وظایفی مانند ارزیابی قابلیت‌ها یا عملکرد شخصی، خواندن اسناد برای فرآیند‌های شغلی و ارزیابی شرایط بیمار یا مشتری یا گزینه‌های درمانی است. وظایف تصمیم‌گیری همچنین پتانسیل کمی برای مواجهه با مدل‌های زبانی بزرگ در فعالیت‌های علمی یا فنی مستقیم دارند.

این واقعیت که نتایج نظرسنجی از گزارش آینده مشاغل ٢٠٢٣ و تجزیه‌وتحلیل مبتنی بر وظیفه در این گزارش، روند‌های رایج در گذار نیروی کار را مشخص می‌کند، نشان می‌دهد این تغییرات نشان‌دهنده تحولات قابل‌توجهی است. همچنین نشان می‌دهد رهبران کسب‌وکار درحال‌حاضر این روند‌ها را تشخیص داده‌اند و انتظار می‌رود برای تجهیز نیروی کار خود برای تغییرات در آینده به‌خوبی آماده باشند. رشد مورد انتظار و کاهش مشاغل : بررسی‌ها نشان می‌دهد ارتباط واضحی بین پتانسیل ارتقای شغل و رشد و همچنین بین پتانسیل اتوماسیون شدن شغلی و رشد وجود دارد. انتظار می‌رود مشاغل با پتانسیل بالا برای ارتقا، یعنی مشاغلی که می‌توانند توسط مدل‌های زبانی بزرگ ارتقا یابند یا به آن‌ها کمک شود، رشد خواهند کرد. برخلاف آن، پیش‌بینی می‌شود مشاغل با پتانسیل بالا برای اتوماسیون شدن یعنی مشاغلی که در معرض خطر جایگزینی با مدل‌های زبانی بزرگ هستند، رشد کمتری داشته باشند. از سوی دیگر، مشاغل با پتانسیل کمتر برای قرار گرفتن در معرض مدل‌های زبانی بزرگ نیز نرخ رشد کمتری را نشان می‌دهند.

منبع: دنیای اقتصاد