Карта профессий Karpathy: AI exposure не равно прогнозу увольнений
Как читать оценку подверженности профессий ИИ и выбирать отдельные задачи для проверяемого пилота.
Что измеряет проект
В проекте Karpathy используются описания 342 профессий из американского Occupational Outlook Handbook. Опубликованный prompt предлагает модели оценить подверженность работе с ИИ по шкале от 0 до 10, включая автоматизацию и рост продуктивности.
Это модельная оценка по текстовому описанию профессии. Она не является измерением фактических увольнений, вероятностью потери работы или подтверждённой экономией конкретной компании. На итог влияют формулировка задания и полнота исходного описания.
Как использовать идею в команде
Разберите роль на отдельные операции: сбор данных, проверку документов, подготовку черновика и принятие решения. Для каждой укажите вход, ожидаемый результат и цену ошибки. Такой список лучше подходит для выбора пилота, чем общий балл профессии.
Начните с операции, результат которой легко проверить. Например, сравните ручное извлечение полей и модельное извлечение на одной выборке документов. Измерьте долю верных полей, время исправлений и стоимость обработки.
Как принять решение
Автоматизировать стоит тот участок, где проверенный результат полезен после учёта контроля и ошибок. Высокая текстовая оценка exposure сама по себе не основание сокращать этап проверки. Сохраняйте исходные примеры и критерии оценки: при смене модели они позволят повторить эксперимент.
Первоисточник
Источники и документация
Следующий шаг — на практике.
Перед интеграцией проверьте ID модели, актуальную цену и формат запроса. Доступность зависит от модели и маршрута провайдера.
