ข้อมูลค่าจ้างเป็นปัจจัยสำคัญในการตัดสินใจเรื่องอาชีพ ตั้งแต่การเลือกงาน การเจรจาต่อรอง ไปจนถึงการเลือกเส้นทางอาชีพ แต่การหาข้อมูลค่าตอบแทนของแรงงานนั้นทำได้ยาก โดยเฉพาะสำหรับผู้ที่เพิ่งเริ่มต้นอาชีพ หรือกำลังเปลี่ยนสายงานหรือสถานที่ทำงาน
แทนที่จะให้ผู้ใช้ต้องค้นหาข้อมูลจากหลายเว็บไซต์หรือตั้งคำถามที่มีความเสี่ยงทางสังคม โมเดลสามารถสังเคราะห์ข้อมูลค่าจ้างและให้ค่ามาตรฐานได้ในไม่กี่วินาที
จากการทดสอบ พบว่าคำถามที่เกี่ยวข้องกับการคำนวณค่าจ้างคิดเป็น 26% ของคำถามทั้งหมด รองลงมาคือคำถามเกี่ยวกับบทบาทเฉพาะ (19%) และการเป็นผู้ประกอบการ (18%) โดยพบว่าการค้นหาค่าจ้างมักมีความเข้มข้นในอาชีพที่ต้องใช้ทักษะสูงและมีความโปร่งใสน้อย เช่น สายสร้างสรรค์ การจัดการ และการแพทย์
โมเดลที่พัฒนาขึ้นมีความแม่นยำสูง โดยมีอัตราการครอบคลุมสูง และมีความลำเอียงต่ำ ซึ่งช่วยให้ผู้ใช้สามารถประเมินมูลค่าของงานและตัดสินใจเรื่องอาชีพได้ดีขึ้น
ศัพท์ที่ควรรู้
- Wage information – ข้อมูลเกี่ยวกับค่าจ้าง ซึ่งมีความสำคัญต่อการตัดสินใจในเส้นทางอาชีพ Benchmark – ค่ามาตรฐานที่โมเดลคำนวณขึ้น เพื่อให้ผู้ใช้เปรียบเทียบกับตลาดแรงงาน Synthesize – การที่โมเดลรวบรวมและประมวลข้อมูลค่าจ้างที่กระจัดกระจายให้เป็นหนึ่งเดียว Bias – ความลำเอียงของโมเดล ซึ่งในที่นี้คือความผิดพลาดในการประเมินค่าจ้าง
ที่มา: OpenAI