不可否認的是，人工智慧軟體正在從根本上改變我們與技術互動的方式。到目前為止，大多數技術系統界面本質上都是命令式的：點擊、導航等等，但ChatGPT不同，其本質上是聲明性的，用戶通過向其提出詢問並得到結果，但複雜的計算過程將真正交由給人工智慧進行處理。
與2000年代大多數界面數字化的方式類似，人工智慧最終可能成為大多數人類交互的新界面。之所以提出這樣的觀點，是因為它比其他替代方案更好、更快、更便宜。只要用戶下達指令，系統就會自動做到。
這種跨時代性的變革類似於2008年iPhone問世時的情況，大多數人在那時無法意識到智慧型手機會取代現金、卡、鑰匙、手錶和iPod。同樣，多數人也無法想像原來十年後人工智慧可能會變得如此先進，以至於它可以取代知識工作者，讓我們更高效地做事。
此處有幾個可能潛在的結果：
人工智慧取代部分無法使用現代化技術軟體的人類：如今，大多數白領工作都要求專業人員能夠使用智慧型手機或知道如何發送電子郵件。同樣，就業市場將嚴重轉向懂得如何使用人工智慧工具的人才。這是因為大多數工作角色都包含日常認知任務，例如理解自然語言、溝通或執行任務。這就是大型語言模型的優勢所在，可以幫助人們在各種任務上提高工作效率。
無處不在的人工智慧藉口與終端：隨著人工智慧的垂直化，較新的人工智慧模型能夠承擔鏈接並執行這些工作的人員之間的主要接口任務。例如，Github與程式設計師之間，他們說這幾乎使開發人員的生產力提高了一倍。因此，部署電腦代理而不是人員作為第一線勞動者，此舉不僅符合發展的可能，也符合公司的經濟利益。
人類處理特殊情況：隨著大多數工作中重複的部分通過專門的人工智慧模型實現自動化，處理異常情況將留給人類。例如，儘管98%的飛行是自動化的，我們仍然需要飛行員，而飛行員需要了解飛行人工智慧的工作原理，否則就會失業。
利用私有化數據更好的使用人工智慧
正如《財富》雜誌指出的那樣，短期內人工智慧可能無法取代員工，但使用人工智慧的人可以。從根本上說，工作將不再是執行任務，而主要是監督整個過程。
為了構建這些特定於流程的AI模型，Mosaic ML等公司正在構建基礎設施。隨著這些技術的成本下降，其規模將會增加，這可能會導致兩個主要後果：
人工智慧變得個性化：大量產品可以完成我們生活中的任務。例如Grammarly成為使用者的寫作助手，希望技術能夠幫助使用者以定義的「更好」的方式成為自己。
人工智慧對使用者的了解更多：個性化推薦並不是什麼新鮮事，幾十年來，谷歌亞馬遜等一直致力於個性化搜索，和個性化產品推薦。但未來更多人可以通過一個單一的界面（比如手機）實時被一台機器通過記錄和分辨你的聲音、表情、情緒和想法來提供私人服務。比如它可以通過調用其他應用程序，如「檢查日曆並找到周四晚上吃晚餐的合適地點」之類的請求，並根據這些資訊採取行動。
讓企業為人工智慧世界做好準備
隨著人工智慧更深入地滲透到軟體中，商業模式和創造價值的工作流程將不斷發展。作為企業，以下幾個步驟可以幫助為這一變化做好準備：
數據結構化。雖然大多數公司都有結構化資訊的資料庫，但至少80%的企業數據是非結構化的。改變這些數據不僅可以搜索，還可以為訓練個性化人工智慧模型提供基礎，從而提供直接價值。很顯然在未來如果沒有這一點就無法在自己的領域獲得優勢。
了解人工智慧的局限性。很多時候，最新的技術和產品對企業而言，可能不是最合適的投資，好的領導者能夠了解技術可以做什麼、對業務最大的價值在哪裡，然後迅速採取行動。
尋求合作。與網路繁榮類似，企業需要尋找該領域最好的合作夥伴，同時至少擁有一些內部開發人員，以便真正能夠將產品投入運營。隨著模型、數據和計算的商品化，我們看到了ChatGPT和其他基礎模型已經能夠推理、解決問題、抽象思考、理解複雜的想法並實時學習。這項技術尚未實質性發展的軸心之一是規劃。
隨著這些系統被輸入更多的私人數據，它們將變得更加準確，錯誤資訊也會更少，不過其所帶來的後續影響目前尚不清楚。比如說在每個人都擁有帶有GPS和網際網路連接的智慧型手機之前，Uber的發展是很難預測的。
簡而言之，現實世界的變化需要時間，但它們總是伴隨著每一次技術轉變而發生。但可以肯定的是，下一個十年將我們的世界將於此前完全不同。
