《Top 50最容易被AI自動化的工作》來自a16z
我一直相信，每個白領崗位都會有一位人工智慧副駕駛（AI Copilot）。其中有些崗位，更將透過人工智慧代理（AI Agent）實現完全自動化。
雖然傳統企業通常對技術變化反應遲緩，然而，很多Copilot和Agent最自然的應用，仍在傳統行業、傳統崗位的工作流或記錄系統裡（例如 Salesforce 推出的銷售代理）。
記錄系統 (SOR) 是資料代理需要完成專業任務的地方，也是任何新使用者介面駐留的自然啟動板（例如，提示代理）。
那麼如果一家初創公司想要打造一家大型Copilot或Agent公司，它該如何勝過現有企業和現有員工的天然優勢呢？
眾多Copilot產品位居Top50
https://a16z.com/100-gen-ai-apps-3/1. 在資料收集階段插入上游
貸款或保險單的資料，仍然經常透過電子郵件和 PDF 收集。初創公司可以“AI 化”此工作流程，並在資料到達現任 SOR之前擁有這些資料。
比如，虛擬貸款員或保險代理人（如Cascading AI 的“Sarah”）可以負責最初的來回客戶檔案收集和預約安排。
同樣，像11x.ai這樣的虛擬銷售開發代表 (SDR)可以收集有關潛在客戶的所有資訊，並在現任 SOR 中建立記錄之前擁有初始通訊。
初創企業應該尋找諸如資料輸入和錄入、日程安排以及來回通訊之類的任務作為切入點。
2. 將繁瑣的工作流程“人工智慧化”，在現有工作流程之外完成
銀行業中，沒有什麼比“瞭解您的業務” (KYB) 入職流程更繁瑣的了，該流程涉及檔案檢查、網際網路搜尋以及企業和金融機構之間的來回通訊。
Parcha.com 等公司將自動解析上傳的每份文件，提取所需資訊，並跟進客戶缺失的資訊。
醫療保健是另一個擁有大量繁瑣工作流程的行業。Tennr將接收傳真機上的每份醫療檔案，提取患者和診斷詳細資訊，甚至進行保險預審，以簡化患者就診流程。
透過解決痛苦的工作流程，初創公司可以成為資料儲存庫並獲得進一步自動化工作流程的權利。
3. 整合不同的資料來源，建立“新的多模式”記錄系統
與現有 SOR 中儲存的資料相比，現在存在的資料與要完成的工作相關得多。
比如，銷售資料不僅存在於 Salesforce 或 Hubspot 中：還有電子郵件和 Slack 訊息、銷售支援材料、產品使用資料、客戶支援記錄、新聞和財務報告等。
通過整合這些資料來源，新公司可以獲取比現有公司更全面的資料。
比如，Pylon等公司旨在透過提供客戶問題的單一檢視，成為快速增長的 B2B 公司的客戶 SOR。
藉助 LLM，初創公司可以構建完全非結構化和多模式的新型 SOR，不斷獲取文字、影像、語音和影片資料以建立最新的上下文。
許多行業，都有Copilot和Agent的機會
OpenAI 和賓夕法尼亞大學最近的一項研究發現，如果藉助LLM，美國大約 15% 的工人任務，可以在同等質量水平下以更快的速度完成。
如果將基於LLM構建的軟體和工具（即垂直 SaaS）納入其中，這一比例將上升至所有任務的 47% 至 56% 之間。
受這項研究的啟發，我們從美國勞工統計局提取了 2023 年的就業資料，並確定了 50 個最熱門的職位，其中 50% 或更多的任務可以由人工智慧完成。
話雖如此，今天未能談及的包括很多長尾工作、繁瑣的日常事務，對AI Copilot和Agent的需求潛力同樣大，甚至更大——其中包括該國的 48,000 名經紀文員、44,000 名接線員、37,000 名文字處理員、25,000 名保險精算師和 52,000 名醫療轉錄員，僅舉幾例。
從文章一開始呈現的《Top 50最容易被AI自動化的工作》表格裡，希望給大家多帶來一點啟發！建議收藏～
雖然這個表格算不上詳盡無遺，但也許是一個思考的路徑，或者目錄。
就像我的一個朋友天放，曾在圖書館裡，自己盤點ChatGPT可以應用的效率工具，列出了所有常用的辦公軟體，發現“思維導圖”還沒人做，於是就有了他的ChatMind產品……
想將某個崗位、某個職能轉變為AI應用？也許這就是屬於你的機會！
參考閱讀：
https://a16z.com/ai-copilot-ai-agent-white-collar-roles/
https://a16z.com/100-gen-ai-apps-3/
參考閱讀：
新鮮真話，關注一下👆
朋友圈會發一些具體的案例和商業化日常～
AI交流，歡迎加我本人微信：FrankGPTs