AI and the Paradox of Self-Replacing Workers | Madison Mohns | TED

Translator: Sanntint Tint Reviewer: Kanhaiya Verma

I'm going about my day, normal Tuesday of meetings

မန်နေဂျာ အဆင့်ဆင့်ဆီက အီးမေးလ်တစ်စောင်ရတုန်းက၊

when I get a ping from my manager's manager's manager.

ကျွန်မက ကျွန်မရဲ့နေ့၊ သာမန် အင်္ဂါနေ့ အစည်းအဝေးတွေ လုပ်နေတာပါ။

ရေးထားတာက” အေအိုင်နဲ့ ဆက်စပ်နေတဲ့ မင်းတို့ အသင်းက လုပ်ဆောင်ခဲ့တာအားလုံးကို

It says: “Get me a document by the end of the day

that records everything your team has been working on related to AI."

မှတ်တမ်းတင်ထားတဲ့ မှတ်တမ်း တစ်စောင်ကို ဒီနေ့မကုန်ခင် ပို့ပေးပါ”တဲ့။

As it turns out, the board of directors of my large company

ဖြစ်သွားတာက ကုမ္ပဏီကြီးရဲ့ ဒါရိုက်တာဘုတ်အဖွဲ့က ChatGPT

had been hearing buzz about this new thing called ChatGPT,

ဆိုတဲ့အရာအသစ်နဲ့ပတ်သက်ပြီး အုတ်အုတ်ကျက်ကျက်ဖြစ်နေတာကို ကြားပြီး

and they wanted to know what we were doing about it.

ဒါနဲ့ပတ်သက်ပြီး ကျွန်မတို့ လုပ်နေတာကို သိနေချင်ကြတာပါ။

They are freaking out about the future,

သူတို့က အနာဂတ်နဲ့ပတ်သက်ပြီး ထိတ်လန့်နေကြတာပါ၊

I'm freaking out about this measly document,

ဒီဘာမှမဟုတ်တဲ့ မှတ်တမ်းနဲ့ပတ်သက်ပြီး ကျွန်မ လန့်နေတယ်၊

it sounds like the perfect start

ဒါဟာ နည်းပညာမှာ နောက်ထပ်

to solving the next hottest problem in tech, right?

အခက်ဆုံး ပြဿနာကို ဖြေရှင်းဖို့ အကောင်းဆုံး အစဖြစ်ပုံရလား။

As someone who works with machine-learning models

စက် သင်ယူမှု ပုံစံတွေနဲ့ နေ့တိုင်း အလုပ်လုပ်တဲ့သူ

every single day,

တစ်ယောက်အနေနဲ့၊

I know firsthand that the rapid development of these technologies

ဒီနည်းပညာတွေရဲ့ လျင်မြန်တဲ့ တိုးတက်မှုက တီထွင်မှုအတွက် အဆုံးမဲ့

poses endless opportunities for innovation.

အခွင့်အလမ်းတွေ ဖြစ်ပေါ်စေတာကို ကျွန်မ ကိုယ်တွေ့ သိပါတယ်။

However, the same exponential improvement in AI systems

ဒါပေမဲ့ ၊ အေအိုင် စနစ်တွေထဲက တူညီတဲ့ တစ်ဟုန်ထိုး တိုးတက်မှုက

is becoming a looming existential threat to the team I manage.

ကျွန်မ စီမံတဲ့အသင်းအတွက် ဘွားခနဲပေါ်လာတဲ့ ဖြစ်တည်မှုဆိုင်ရာခြိမ်းခြောက်မှုဖြစ်လာတယ်။

With increasing accessibility

တိုးလာနေတဲ့ သုံးခွင့်ရမှုနဲ့

and creepily human-like results coming out of the field of AI research,

အေအိုင် သုတေသန နယ်ပယ်ကနေ ချွတ်နင်း ထွက်ပေါ် လာတဲ့ လူသားတွေလို ရလဒ်တွေနဲ့အတူ၊

companies like my own are turning toward automation to make things more efficient.

ကျွန်မလို ကိုယ်ပိုင် ကုမ္ပဏီတွေက ကိစ္စတွေ ပိုထိရောက်ဖို့ စက်အစားထိုးတာဆီ ဦးတည်နေတယ်။

Now on the surface, this seems like a pretty great vision.

အပေါ်ယံအနေနဲ့၊ ဒါဟာ အတော်လေး ကောင်းတဲ့ အမြင်တစ်ခု ဖြစ်ပုံရတယ်။

But as we start to dig deeper, we uncover an uncomfortable paradox.

ဒါပေမဲ့ နက်နက်နဲနဲ လေ့လာတာနဲ့၊ သက်သောင့် သက်သာမရှိတဲ့ ဝိရောဓိတစ်ခုကိုတွေ့လိုက်ရတယ်။

Let's break this down.

ဒါကို စိတ်ပိုင်းကြည့်ရအောင်။

In order to harness the power of AI systems,

အေအိုင် စနစ်တွေရဲ့ စွမ်းအားကို ထိန်းချုပ်၊ အသုံးချဖို့

these systems must be trained and fine-tuned

ဒီစနစ်တွေကို အရည်အသွေးမြင့် စံနဲ့ ကိုက်ညီအောင်

to match a high-quality standard.

လေ့ကျင့်ပေးပြီး အသေးစိတ် ချိန်ညှိရမှာပါ။

But who defines quality,

ဒါပေမဲ့ ပထမ ဘယ်သူက အရည်အသွေးကို

and who trains these systems in the first place?

သတ်မှတ်ပြီး ဒီစနစ်တွေကို လေ့ကျင့်ပေးလဲ။

As you may have guessed, real-life subject matter experts,

ခန့်မှန်းမိလောက်တဲ့အတိုင်း လက်တွေ့ဘဝ အကြောင်းကိစ္စ ကျွမ်းကျင်သူတွေက

oftentimes the same exact people who are currently doing the job.

လောလောဆယ် အလုပ် လုပ်နေသူတွေ အတိအကျဖြစ်လေ့ရှိတယ်။

Imagine my predicament here.

ဒီမှာ ကျွန်မရဲ့ ပြဿနာကို စိတ်ကူးကြည့်ပါ။

I get to go to my trusted team, whom I've worked with for years,

နှစ်များစွာ အတူ အလုပ်လုပ်ခဲ့တဲ့ ကျွန်မရဲ့ ယုံကြည်ရတဲ့ အသင်းဆီ သွားရတယ်၊

look them in the eyes

သူတို့ကို ကြည့်ပြီး

and pitch them on training the very systems that might displace them.

သူတို့နေရာကို ယူလောက်တဲ့ စနစ်တွေကို လေ့ကျင့်ပေးဖို့ သူတို့ကို နေရာချတယ်။

This paradox had led me to rely on three ethical principles

ဒီဝိရောဓိက မန်နေဂျာတွေဟာ အလိုအလျောက် အစားထိုးတဲ့ လုပ်သားအင်အားရဲ့ ဂယက်တွေကို

that can ensure that managers can grapple with the implications

ဖြေရှင်းနိုင်တာ သေချာစေနိုင်တဲ့ ကျင့်ဝတ်ဆိုင်ရာ မူ သုံးခုကို

of a self-replacing workforce.

အားကိုးဖို့ ကျွန်မကို ဦးတည်စေခဲ့တယ်။

One, transformational transparency,

၁။ ပြောင်းလဲခြင်းဆိုင်ရာ ပွင့်လင်းမြင်သာမှု၊

Two, collaborative AI augmentation.

၂။ ပူးပေါင်းဆောင်ရွက်မှုဆိုင်ရာ အေအိုင် တိုးမြှင့်မှု၊

And three, reskilling to realize potential.

၃။ အလားအလာကို အကောင်အထည်ဖော်ဖို့ ပြန်လည်လေ့ကျင့်မှုပါ။

Now before we get into solutions, let’s zoom out a little bit.

အခု ဖြေရှင်းနည်းတွေထဲ မသွားခင် နည်းနည်း ချဲ့ကြည့်ကြရအောင်။

How deep is this problem of self-replacing workers, really?

အလိုအလျောက် အစားထိုးတဲ့ လုပ်သားတွေရဲ့ ဒီပြဿနာက ဘယ်လောက် နက်ရှိုင်းလဲ။

Research from this year coming out of OpenAI

OpenAI ကနေ ဒီနှစ် ထွက်လာတဲ့ သုတေသနက

indicates that approximately 80 percent of the US workforce

အမေရိကန် လုပ်သားအင်အားရဲ့ ခန့်မှန်းခြေ ၈၀% ဟာ

could see up to 10 percent of their tasks impacted

အေအိုင် စတင်တာကြောင့် ထိခိုက်တဲ့

by the introduction of AI,

အလုပ်တွေရဲ့ ၁၀% အထိ ရှိနိုင်ပြီး၊

while around 19 percent of the workforce

လုပ်သားအင်အားရဲ့ ၁၉% ခန့်က အလုပ်တွေရဲ့

could see up to 50 percent of their tasks impacted.

၅၀% ထိ ထိခိုက် နိုင်တယ်လို့ ဖော်ပြတယ်။

The craziest thing about all of this is,

ဒါတွေအားလုံးနဲ့ပတ်သက်ပြီး ရူးသွပ်ဆုံးက

is that these technologies do not discriminate.

ဒီနည်းပညာတွေက ကွဲပြားမှု မရှိတာပါ။

Occupations that have historically required an immense amount of training

သမိုင်းအရ ဧရာမ လေ့ကျင့်မှု ဒါမှမဟုတ် ပညာရေး ပမာဏ လိုအပ်ခဲ့တဲ့ အလုပ်အကိုင်တွေက

or education are equally as vulnerable to being outsourced to AI.

အေအိုင်အတွက် လုပ်ဆောင်တဲ့အခါ၊ အလားတူ အားနည်းချက်ရှိနိုင်တယ်။

Now before we throw our hands up and let the robots take over,

ကဲ၊ ကျွန်မတို့ လက် မြှောက်ပြီး စက်ရုပ်တွေကို လွှဲယူခွင့်မပေးခင်၊

let's put this all into perspective.

ဒီအရာအားလုံးကို တွေးဆကြည့်ရအောင်။

Fortunately for us,

ကံကောင်းတာက

this is not the first time in history that this has happened.

ဒါက သမိုင်းမှာ ဒီလိုဖြစ်ခဲ့တာ ပထမဆုံးအကြိမ် မဟုတ်ဘူး။

Let's go back to the Industrial revolution.

စက်မှု တော်လှန်ရေးကို ပြန်သွားကြရအောင်။

Picture Henry Ford’s iconic Model T automobile production line.

ဟင်နရီ ဖို့ဒ် ရဲ့ အထင်ကရ Model T မော်တော် ယာဉ် ထုတ်လုပ်ရေးလိုင်းကို ပုံဖော်ကြည့်ပါ။

In this remarkable setup,

ဒီထူးခြားတဲ့ တပ်ဆင်မှုမှာ

workers and machines engage in a synchronous dance.

အလုပ်သမားတွေနဲ့ စက်တွေဟာ တစ်ပြိုင်တည်း လှုပ်ရှားလုပ်ဆောင်ကြတယ်။

They were tasked with specific repetitive tasks,

သူတို့ကို ထုတ်ကုန်က အောက်ပိုင်းကို ရွေ့လျာစဉ်မှာ၊

such as tightening bolts or fitting components

မူလီ ကျပ်တာ ဒါမှမဟုတ် အစိတ်အပိုင်းတွေ တပ်ဆင်တာလို

as the product moved down the line.

သီးခြား ထပ်တလဲလဲ အလုပ်တွေကို လုပ်ခိုင်းတယ်။

Ironically, and not dissimilar to my current predicament,

ဖြစ်ချင်တော့၊ ကျွန်မရဲ့ လက်ရှိ အခက်အခဲနဲ့ မတူဘဲ၊

the humans themselves played a crucial role in training the systems

လူသားတွေဟာ တစ်ချိန်က ကျွမ်းကျင်ခဲ့တဲ့ ကဏ္ဍတွေကို အစားထိုးမယ့်

that would eventually replace their once multi-skilled roles.

စနစ်တွေကို လေ့ကျင့်ပေးရာမှာ အရေးပါတဲ့ ကဏ္ဍကနေ ကိုယ်တိုင်ပါဝင်ခဲ့ကြတာပါ။

They were the ones who honed their craft, perfected the techniques

စက်တွေက သူတို့ရဲ့ လက်မှုအတတ်ကို သွေးပေးပြီး နည်းစနစ်တွေကို လေ့ကျင့်ပေးကာ

and ultimately handed off the knowledge to the technicians

နောက်ဆုံးမှာ လုပ်ငန်းစဉ်တစ်ခုလုံးကို စက်အစားထိုးလုပ်ဆောင်ရာမှာ ပါဝင်တဲ့

and engineers involved in automating their entire process.

နည်းပညာပညာရှင်တွေနဲ့ အင်ဂျင်နီယာတွေကို အသိပညာကို လွှဲပြောင်း ပေးခဲ့တာတွေပါ။

Now on the outset, this situation seems pretty dire.

ကဲ၊ အစမှာတော့ ဒီအခြေအနေဟာ အတော်လေး အသေအလဲဖြစ်နေပုံရတယ်။

Yet despite initial fears and hesitations

ဒါပေမဲ့၊ ဒီနည်းပညာတိုးတက်မှုတွေမှာ

involved in these technological advancements,

ကနဦး ကြောက်ရွံ့မှုတွေ၊ တွန့်ဆုတ်မှုတွေ ပါဝင်ပေမဲ့၊

history has proven that humans have continuously found ways

လူသားတွေဟာ အလိုက်သင့်ပြောင်းလဲပြီး ဆန်းသစ်ဖို့ နည်းလမ်းတွေကို အဆက်မပြတ်

to adapt and innovate.

ရှာဖွေခဲ့တာကို သမိုင်းက သက်သေထူခဲ့တာပါ။

While some roles were indeed replaced, new roles emerged,

ကဏ္ဍတချို့ကို အမှန်တကယ် အစားထိုးခဲ့ပေမဲ့၊ စက်တွေက ပုံတူမပွားနိုင်တဲ့

requiring higher-level skills like creativity

ဖန်တီးမှုနဲ့ ဖန်တီးမှုဆိုင်ရာ ပြဿနာ ဖြေရှင်းတာလို

and creative problem solving that machines just simply couldn't replicate.

ပိုအဆင့်မြင့်တဲ့ ကျွမ်းကျင်မှုတွေ လိုအပ်တဲ့ ကဏ္ဍသစ်တွေပေါ်ထွက် လာခဲ့တယ်။

Reflecting on this historical example

ဒီ သမိုင်း ဥပမာကို ပြန်ပြောင်းသုံးသပ်ရင်း၊

reminds us that the relationship between humans and machines

လူသားတွေနဲ့ စက်တွေကြားက ဆက်နွှယ်မှုဟာ အမြဲ သိမ်မွေ့၊

has always been a delicate balancing act.

ဟန်ချက်ညီတဲ့ လုပ်ရပ် တစ်ခုဆိုတာကို သတိရစေတယ်။

We are the architects of our own progress,

ကျွန်မတို့ဟာ ကိုယ်တိုင်အတွက် ထူးခြားတဲ့

often training machines to replace us

ကဏ္ဍတွေကို တစ်ပြိုင်နက် လုပ်ဆောင်ကာ ဖြစ်နိုင်ခြေအသစ်တွေ

while simultaneously carving out unique roles for ourselves

ရှာဖွေနေရင်း မကြာခဏ ကျွန်မတို့ကို အစားထိုး ဖို့ စက်တွေကို လေ့ကျင့်ပေးတဲ့

and discovering new possibilities.

ကိုယ်ပိုင်တိုးတက်မှုရဲ့ ဗိသုကာတွေပါ။

Now coming back to the present day, we are on the cusp of the AI revolution.

ကဲ၊ ဒီခေတ်ကို ပြန်လာတော့ ကျွန်မတို့ဟာ အေအိုင် တော်လှန်ရေးရဲ့ စပ်ကူးမတ်ကူးမှာပါ။

As someone responsible for moving that revolution forward,

ဒီ တော်လှန်ရေးကို ရှေ့ဆက်ဖို့ တာဝန်ရှိသူတစ်ယောက်အနေနဲ့

the tension becomes omnipresent.

အားပြိုင်မှုက နေရာတိုင်းမှာပါ။

Option one, I can innovate quickly and risk displacing my team.

ရွေးစရာ ၁ က အမြန် ဆန်းသစ်ပြီး အသင်းကို အစားထိုးဖို့ စွန့်စားနိုင်တယ်။

Or option two, I can refuse to innovate in an effort to protect my team,

ဒါမှမဟုတ် ရွေးစရာ ၂ က အသင်းကို ကာကွယ်ဖို့ ကြိုးပမ်းမှုမှာ ဆန်းသစ်ဖို့ငြင်းနိုင်ပေမဲ့

but ultimately still lose people because the company falls behind.

ဒါပေမဲ့ နောက်ဆုံးတော့ ကုမ္ပဏီက နောက်ကျနေတဲ့အတွက် လူတွေ ဆုံးၡုံးနေဆဲပါ။

So what am I supposed to do

ဒီတော့ ဒီအခြေအနေမှာ အလယ်အလတ်

as a mere middle manager in this situation?

မန်နေဂျာတစ်ယောက်အနေနဲ့ ဘာလုပ်သင့်လဲ။

Knowingly introducing this complex paradox for your team

အသင်းအတွက် ဒီရှုပ်ထွေးတဲ့ ဝိရောဓိကို တမင်တကာ မိတ်ဆက်ပေးတာက

presents strong challenges for people management.

လူတွေ စီမံခန့်ခွဲမှုအတွက် ကြီးမားတဲ့ စိန်ခေါ်မှုတွေဖြစ်စေတယ်။

Luckily, we can refer back to those three ethical principles

ကံကောင်းတာက လူတွေကို နောက်ချန်မထားဘဲ ရှေ့ဆက်လှမ်းနိုင်တယ်တာ

I addressed at the beginning of the talk

သေချာစေဖို့ ဟောပြောချက် အစမှာ

to ensure that you can continue to move ahead

ကျွန်မ ပြောခဲ့တဲ့ ကျင့်ဝတ်ဆိုင်ရာ

without leaving your people behind.

မူသုံးခုကို ကိုးကားနိုင်တာပါ။

First and foremost,

ပထမဆုံးအနေနဲ့

AI transformation needs to be transparent.

အေအိုင် ပြောင်းလဲမှုက ပွင့်လင်းဖို့လိုတယ်။

As leaders, it is imperative to foster dialogue,

ခေါင်းဆောင်တွေအနေနဲ့၊ ဆွေးနွေးမှုကို မြှင့်တင်ဖို့၊

address key concerns,

အဓိကပူပန်မှုတွေကို ဖြေရှင်းဖို့နဲ့

and offer concise explanations regarding the purpose

အေအိုင် အကောင်အထည်ဖော်ရေးမှာ လိုအပ်တဲ့ အလားအလာရှိတဲ့

and potential challenges entailed in implementing AI.

စိန်ခေါ်မှုတွေအတွက် လိုတိုရှင်း ရှင်းလင်းချက်တွေပေးဖို့က မရှိမဖြစ်ပါ။

This requires actively involving your employees

ဒါက ဆုံးဖြတ်ချက်ချတဲ့ လုပ်ငန်းစဉ်မှာ လုပ်သားတွေ

in the decision-making process

တက်ကြွစွာ ပါဝင်ပြီး

and valuing their autonomy.

လုပ်ပိုင်ခွင့်ကို တန်ဖိုးထားတာလိုတယ်။

By introducing the concept of consent,

အထူးသဖြင့် စက်အစားထိုးလုပ်ဆောင်တဲ့

especially for employees who are tasked

သူတို့ရဲ့ အဓိကတာဝန်တွေနဲ့ တာဝန်ချခံရတဲ့

with automating their core responsibilities,

လုပ်သားတွေအတွက် သဘောတူမှု အယူအဆကို မိတ်ဆက်ပေးတာက

we can ensure that they maintain a strong voice

သူတို့ရဲ့သက်မွေးဆိုင်ရာ ကြမ္မာကို ထုတ်ဖော်မှာ ခိုင်မာတဲ့

in carving out their professional destiny.

သဘောထားကို ထိန်းသိမ်းတာ သေချာစေနိုင်တယ်။

Next, now that we've gotten folks bought into this grandiose vision

နောက်တော့၊ ကျွန်မတို့ဟာ ရှေ့မှာရှိနေတဲ့ ခရီးစဉ်ကို အသိအမှတ်ပြုရင်း

while acknowledging the journey that lies ahead,

ဒီခမ်းနား အမြင်ထဲကို လူတွေကို သိမ်းသွင်းလိုက်ပြီဆိုတော့

let's talk about how to use AI as an augmentation device.

တိုးမြှင့်ကိရိယာတစ်ခုအနေနဲ့ အေအိုင်ကို အသုံးပြုအကြောင်း ပြောရအောင်။

Picture the worst part of your job today.

ဒီနေ့ သင့်အလုပ်ရဲ့ အဆိုးဆုံး အပိုင်းကို ပုံဖော်ကြည့်ပါ။

What if you could delegate it?

သင် ဒါကို လွှဲပေးနိုင်ရင်ကော။

And no, not hand it off to some other sad soul at work,

မလွှဲပါနဲ့၊ အလုပ်ခွင်မှာ ဝမ်းနည်းနေတဲ့ တခြားလူကို မလွှဲပေမဲ့၊

but hand it to a system that can do your rote tasks for you.

သင့်ရဲ့ ပုံမှန် တာဝန်တွေကို လုပ်ပေးနိုင်တဲ့ စနစ်ကို ပေးလိုက်ပါ။

Instead of perceiving AI as a complete replacement,

အေအိုင်ကို ပြီးပြည့်စုံတဲ့ အစားထိုးမှု တစ်ခုအဖြစ် မြင်မယ့်အစား၊

identify opportunities where you can use it

လုပ်သားတွေရဲ့ စွမ်းပကားနဲ့ ထုတ်လုပ်မှုကို

to enhance your employees' potential and productivity.

တိုးမြှင့်ဖို့ ဒါကို အသုံးပြုနိုင်တဲ့ အခွင့်အလမ်းတွေကို ဖော်ထုတ်ပါ။

Collaboratively with your team,

စက်တွေ လုပ်တာ သိပ်မကောင်းတဲ့၊

identify areas and tasks that can be automated,

ဝေဖန်တွေးတောမှု လိုအပ်တဲ့ ပိုတန်ဖိုးမြင့် လှုပ်ရှားမှုတွေအတွက်

carving out more room for higher-value activities

နေရာပို ဖော်ထုတ်ရင်း၊ အသင်းနဲ့ပူးပေါင်းလုပ်ဆောင်တဲ့

requiring critical thinking that machines just aren't very good at doing.

စက်အစားထိုးလုပ်ဆောင်နိုင်တဲ့ နယ်ပယ်တွေနဲ့ အလုပ်တွေကို ဖော်ထုတ်ပါ။

Let's put this into an example.

ဒါကို ဥပမာတစ်ခုထဲ ထည့်ကြည့်ရအောင်။

Recently, I completed a project with my team at work

မကြာခင်က အလုပ်ခွင်မှာ ကုမ္ပဏီကို အလုပ်ချိန် နာရီ ၁၂,၀၀၀ ကျော်

that's going to save our company over 12,000 working hours.

သက်သာစေမယ့် စီမံချက်တစ်ခုကို ကျွန်မရဲ့အသင်းနဲ့အတူ ပြီးစီးခဲ့တယ်။

အယ်ဂိုရီသမ် လေ့ကျင့်ရေးမှာ ပါဝင်သူတွေက ဝက်ဘ်ဆိုက်အနှံ့

The folks involved in training this algorithm

are the same subject matter experts that worked tirelessly last year

ပိုင်းခွဲထားတဲ့ အတွေ့အကြုံတွေကို အကောင်းဆုံးဖြစ်စေဖို့ ဒေတာတွေကို အသေအချာ

to hand-curate and research data to optimize segmented experiences

ကောက်ပြီးသုတေသနလုပ်ဖို့ လွန်ခဲ့တဲ့နှစ်က မမောမပန်း လုပ်ဆောင်ခဲ့တဲ့ အလားတူ

across our website.

အကြောင်းအရာ ကျွမ်းကျင်သူတွေပါ။

Now because of the sheer amount of time spent and the level of detail involved,

အချိန်အတော်များများ အကုန်ခံပြီး အသေးစိတ် အဆင့် ပါဝင်နေတာကြောင့်၊

I would have expected

ဒီလုပ်ငန်းစဉ် နောက်ကွယ်မှာ

that there was an immense amount of pride behind this workflow.

ဧရာမ ဂုဏ်ယူစရာတစ်ခုရှိမယ်လို့ ကျွန်မ မျှော်လင့်ခဲ့မှာပါ။

But to my surprise, as it turns out,

ဒါပေမဲ့၊ အံ့ဩမိတာက ဒီပုံစံကို တည်ဆောက်ခဲ့တဲ့

the subject matter experts who built this model

အကြောင်းအရာ ကျွမ်းကျင်သူတွေဟာ ဒီအလုပ်တွေကို

were actually excited to hand these tasks off to automation.

စက်အစားထိုးလုပ်ဆောင်တာဆီ လွဲပေးဖို့ စိတ်လှုပ်ရှားခဲ့ကြတာပါ။

There were things that they would have much rather spent their time on,

သူတို့က ကုန်ပစ္စည်း မျက်နှာပြင်တွေပေါ်မှာ ပိုကောင်းကောင်း

like in optimizing existing data to perform better on product surfaces

လုပ်ဆောင်ဖို့ လက်ရှိဒေတာတွေကို အကောင်းဆုံး လုပ်တာ၊ဒါမှမဟုတ် မော်ဒယ်လ်က

or even researching and developing new insights to augment

ကောင်းကောင်းမလုပ်တဲ့ နေရာအတွက် ထိုးထွင်းမှု အသစ်တွေကို

where the model just simply doesn't do as well.

သုတေသနလုပ်၊ တီထွင်တာမျိုးမှာ အချိန်သုံးဖို့ ပိုလိုလားကြတာတွေရှိတယ်။

Lastly, we must reskill in order to avoid replacement.

နောက်ဆုံးအနေနဲ့၊အစားထိုးမှုကို ရှောင်ဖို့ ကျွန်မတို့ ပြန်လည်လေ့ကျင့်ရမှာပါ။

Knowingly investing in the professional development

လုပ်သားအင်အားရဲ့ ကျွမ်းကျင်မှုဆိုင်ရာဖွံ့ဖြိုးမှုနဲ့

and well-being of our workforce

ကောင်းကျိုးအတွက် တမင် မြှုပ်နှံတာက

ensures that they are equipped with the skills and knowledge

သူတို့ဟာ အေအိုင်-စွမ်းအားသုံး အနာဂတ်မှာ ရှင်သန်ဖို့ လိုအပ်တဲ့

needed to thrive in an AI-powered future.

ကျွမ်းကျင်မှု၊အသိပညာတွေနဲ့ အသင့်ဖြစ်ဖို့သေချာစေတာပါ။

By providing opportunities for upskilling and reskilling,

စွမ်းရည်မြှင့်တာအတွက် အခွင့်လမ်းတွေကို ပံ့ပိုးပေးရင်း၊

we can empower our employees to rethink their roles as they exist today

လုပ်သားတွေကို ဒီနေ့ သူတို့ တည်ရှိနေစဉ် သူတို့ရဲ့ ကဏ္ဍတွေကို ပြန်သုံးသပ်ပြီး

and carve out new possibilities that align with their evolving expertise

ပြောင်းလဲလာတဲ့ ကျွမ်းကျင်မှုနဲ့ စိတ်ဝင်စားမှုတွေနဲ့ကိုက်ညီတဲ့ ဖြစ်နိုင်ခြေ

အသစ်တွေကို ဖော်ထုတ်နိုင်တယ်။

and interests.

So how does this work in practice?

ဒါဆို ဒီအလုပ်ကို လက်တွေ့မှာ ဘယ်လို လုပ်နိုင်လဲ။

When I started introducing AI as a way to accelerate my team's workflows,

အသင်းရဲ့အလုပ် စီးဆင်းမှု အရှိန်မြှင့်ဖို့ နည်းလမ်းအဖြစ် အေအိုင်ကို စမိတ်ဆက်တုန်းက၊

I used it as an opportunity to improve my team's technical literacy.

ဒါကို အသင်းရဲ့ နည်းပညာ တတ်မြောက်မှု တိုးတက်ဖို့ အခွင့်အလမ်းအဖြစ် သုံးခဲ့တယ်။

I worked with my team of engineers on a tool

မော်ဒယ်ရဲ့ ရလဒ်တွေပေါ်က ဒေတာရဲ့ သက်ရောက်မှုကို

that could transparently identify

ပွင့်လင်းစွာ ဖော်ထုတ်နိုင်တဲ့ ကိရိယာပေါ်မှာ

the impact of data on a model's outcomes.

အင်ဂျင်နီယာအဖွဲ့နဲ့ အလုပ် တွဲလုပ်ခဲ့တယ်။

I then went to my operations analyst,

ဒီနောက် အဲဒီတုန်းက နည်းပညာဆိုင်ရာ

who didn't have technical training at the time,

လေ့ကျင့်မှုမရှိတဲ့ လုပ်ငန်းဆန်းစစ်သူဆီ သွားပြီး

and they were able to quickly identify areas where the model was underperforming

သူတို့က မော်ဒယ်ရဲ့ မစွမ်းဆောင်နိုင်တဲ့ နေရာတွေကို အမြန် ရှာပြီး ဒီမော်ဒယ်တွေကို

and hand off direct suggestions to my data science team

နောက်တစ်ကြိမ် ပိုကောင်းဖို့ ဒေတာ သိပ္ပံ အဖွဲ့ဆီ

to make those models do better next time.

တိုက်ရိုက် အကြံပြုချက်တွေကို ကမ်းပေးနိုင်ခဲ့တယ်။

Fostering a culture of continuous learning

အဆက်မပြတ်သင်ယူတာ ပြန်လည်သင်ကြားရေး ယဉ်ကျေးမှုကို

and reskilling is paramount.

မြှင့်တင်တာက အလွန်အရေးကြီးပါတယ်။

It makes AI transformation a lot more exciting and a lot less scary.

ဒါက အေအိုင် ပြောင်းလဲမှုကို ပိုစိတ်လှုပ် ရှားစရာကောင်းစေပြီး ထိတ်လန့်စရာ နည်းစေတယ်။

We have reached a critical juncture

ကျွန်မတို့ဟာ အေအိုင် နည်းပညာ အမြန်ဖွံ့ဖြိုးမှုက

အခွင့်အလမ်းတွေနဲ့ စိန်ခေါ်မှု နှစ်ခုစလုံးကို ဖြစ်ပေါ်စေတဲ့

where the rapid development of AI technology

poses both opportunities and challenges.

အရေးပါတဲ့ လမ်းဆုံတစ်ခုကို ရောက်ရှိနေပါပြီ။

As managers and leaders,

မန်နေဂျာတွေနဲ့ ခေါင်းဆောင်တွေအနေနဲ့

it is imperative that we navigate this terrain

ဒီနယ်မြေကို အကင်းပါးမှု၊ မြော်မြင်မှု

with both sensitivity and foresight.

နှစ်ခုစလုံးနဲ့ လမ်းကြောင်းရှာဖို့ အရေးကြီးတယ်။

By embracing innovation,

ဆန်းသစ်တီထွင်မှုတွေကို လက်ခံရင်း၊

fostering a culture of adaptation,

အလိုက်သင့် ပြောင်းလဲရေး ယဉ်ကျေးမှုတစ်ခု၊

and ultimately intentionally investing in the professional development

နောက်ဆုံးမှာ ကျွန်မတို့ လုပ်သားအင်အားရဲ့ ကျွမ်းကျင်မှုနဲ့ ကောင်းကျိုးအတွက် တမင်

and well-being of our workforce,

ရင်းနှီးမြှုပ်နှံတာကို မြှင့်တင်ရင်း

we can ensure that we are preparing our team

အေအိုင်ကို မိတ်ဆက်တာရဲ့ ရှုပ်ထွေးမှုတွေကို

for the challenges that lie ahead

ကိုင်တွယ်နေစဉ် ရှေ့မှာ ရှိနေတဲ့

while addressing the complexities of introducing AI.

စိန်ခေါ်ချက်မှုတွေအတွက် အသင်းကို ပြင်ဆင်နေတာ သေချာစေနိုင်ပါတယ်။

Together, let's forge a future that harmoniously combines human ingenuity

အေအိုင်က လူသားကို အစားထိုးတယ်ဆိုတာထက် အလားအလာကို မြှင့်တင်ပေးတဲ့

and technological progress,

လူသား တီထွင်မှုနဲ့ နည်းပညာဆိုင်ရာ

where AI enhances human potential

တိုးတက်မှုကို ညီညွတ်စွာ ပေါင်းစပ်ထားတဲ့

rather than replacing it.

အနာဂတ်တစ်ခုဆီ အတူ တက်လှမ်းကြပါစို့။

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Applause)

(လက်ခုပ်သံများ)