områdesfil · data & teknik
Hög exponering
Statistik
samla in & analysera data
Kärnuppgifterna är datarensning, räkning och mönsterletande, allt sådant som dagens verktyg gör snabbt och väl.
Statistik förvandlar rörig data till påståenden du kan lita på: att rensa den, modellera den, testa om ett mönster är verkligt. Mycket av det dagliga, att bearbeta tabeller, köra standardmodeller, sammanfatta resultat, är precis vad dagens verktyg gör snabbt. Det som behåller sitt värde är att rama in rätt fråga, välja en sund design och bedöma när ett resultat är skört. Formen är hög exponering på mekaniken, medan omdömet vinner mark.
Uppgifter under tryck
// arbetet i detta område som dagens AI gör bra
Uppgifter som vinner värde
// det som blir mer värdefullt när rutinarbetet blir billigare
Fastare mark: bygg dessa
// framtidsfärdigheter som ger någon i detta område fastare fotfäste
Kritiskt tänkande
resonera självständigt, informeras med bevis
Data
insamling, tolkning & bearbetning av data
Matematik & logik
beräkna, kvantifiera & använda logik
Orsak & verkan
förstå, definiera symptom & underliggande problem
Systemtänkande
se mönster & hantera komplexitet
AI-kompetens
förstå hur ai påverkar oss, på gott & ont
Fråga dig själv
// frågor från Professional Development-leken, för din egen situation
Underlaget bakom detta
// signalerna som stöder detta områdes berättelse, med studier och motbevis
Den generativa fronten är där trycket är högst just nu
Text, bild, kod och design rörde sig först och snabbast.
→
Det mesta verkliga AI-användandet förstärker, det ersätter inte
Vad människor faktiskt gör med AI, uppmätt, inte förutspått.
→
Det är uppgifter som automatiseras, inte jobb
Den enskilt viktigaste distinktionen i hela den här debatten.
→
Yrken inom detta område
// jobbtitlar vars vecka bygger på arbetet i detta område
