
Sign up to save your podcasts
Or


Numero ng Episode: L014
Pamagat: Deepfake Scam: Paano Ninakaw ang $25 Million sa Isang Video Call?
Isipin mo: Nakaupo ka sa isang video conference kasama ang iyong CFO at mga katrabaho. Mukhang totoo ang kanilang mga mukha at boses. Inutusan ka nilang maglipat ng pera para sa isang "secret transaction." Pero pagkatapos ng tawag, malalaman mong lahat sila—maliban sa iyo—ay mga AI-generated deepfakes lamang.,
Sa episod na ito ng ating podcast, hihimayin natin ang nakaka-alarmang kaso ng isang multinational firm sa Hong Kong (Arup) na nawalan ng $25.6 million dahil sa teknolohiyang ito., Pag-uusapan natin kung paano ginagamit ng mga cybercriminal ang Artificial Intelligence (AI) upang gumawa ng mga "digital shadows" na kayang manloko kahit ng mga beteranong empleyado.,
Ano ang matututunan mo sa episod na ito:
Ang Anatomy ng $25M Scam: Paano nagsimula ang lahat sa isang simpleng phishing email hanggang sa naging isang hyper-realistic na video call na nagresulta sa 15 transactions sa limang magkakaibang bank accounts.,
Deepfakes at Synthetic Identities: Ano ang pagkakaiba ng tradisyunal na identity theft sa pagbuo ng mga "phantom identities" o "Frankenstein IDs"?, Alamin kung bakit ang mga Social Security numbers ng mga bata ay 51 na beses na mas malamang gamitin sa ganitong uri ng panloloko.
Face Morphing sa Passports: Paano pinagsasama ng mga kriminal ang dalawang mukha sa isang litrato para makalusot sa mga border control at paliparan.,
Pagnanakaw sa Hiring Process: Ang pag-usbong ng mga AI-generated job candidates na gumagamit ng pekeng resume at deepfake faces para makapasok sa mga kumpanya at magnakaw ng sensitibong data.,
Investment Scams at mga Sikat na Personalidad: Bakit naglipana ang mga pekeng video nina Gal Gadot at Warren Buffett na nag-aalok ng mga "too-good-to-be-true" na investment.,
Paano Mapoprotektahan ang Inyong Negosyo at Sarili:
Hindi sapat ang simpleng pag-iingat. Tatalakayin natin ang mga estratehiya tulad ng Multi-channel Verification—kung saan dapat i-verify ang anumang malaking transaksyon sa ibang platform o personal na tawag., Pag-uusapan din natin ang Zero Trust models at ang paggamit ng AI-driven detection tools gaya ng "Clarity" at "secunet" na kayang makakita ng mga "biometric noise" o maliliit na pagkakamali sa video na hindi kaya ng mata ng tao.,,
Ang episod na ito ay mahalaga para sa mga business leaders, IT professionals, at kahit sa mga ordinaryong mamamayan sa Pilipinas upang hindi maging biktima ng makabagong teknolohiya. Sa panahon ngayon, ang "seeing is no longer believing."
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: Q014
Pamagat: Deepfake Scam: Paano Ninakaw ang $25 Million sa Isang Video Call?
Isipin mo: Nakaupo ka sa isang video conference kasama ang iyong CFO at mga katrabaho. Mukhang totoo ang kanilang mga mukha at boses. Inutusan ka nilang maglipat ng pera para sa isang "secret transaction." Pero pagkatapos ng tawag, malalaman mong lahat sila—maliban sa iyo—ay mga AI-generated deepfakes lamang.,
Sa episod na ito ng ating podcast, hihimayin natin ang nakaka-alarmang kaso ng isang multinational firm sa Hong Kong (Arup) na nawalan ng $25.6 million dahil sa teknolohiyang ito., Pag-uusapan natin kung paano ginagamit ng mga cybercriminal ang Artificial Intelligence (AI) upang gumawa ng mga "digital shadows" na kayang manloko kahit ng mga beteranong empleyado.,
Ano ang matututunan mo sa episod na ito:
Ang Anatomy ng $25M Scam: Paano nagsimula ang lahat sa isang simpleng phishing email hanggang sa naging isang hyper-realistic na video call na nagresulta sa 15 transactions sa limang magkakaibang bank accounts.,
Deepfakes at Synthetic Identities: Ano ang pagkakaiba ng tradisyunal na identity theft sa pagbuo ng mga "phantom identities" o "Frankenstein IDs"?, Alamin kung bakit ang mga Social Security numbers ng mga bata ay 51 na beses na mas malamang gamitin sa ganitong uri ng panloloko.
Face Morphing sa Passports: Paano pinagsasama ng mga kriminal ang dalawang mukha sa isang litrato para makalusot sa mga border control at paliparan.,
Pagnanakaw sa Hiring Process: Ang pag-usbong ng mga AI-generated job candidates na gumagamit ng pekeng resume at deepfake faces para makapasok sa mga kumpanya at magnakaw ng sensitibong data.,
Investment Scams at mga Sikat na Personalidad: Bakit naglipana ang mga pekeng video nina Gal Gadot at Warren Buffett na nag-aalok ng mga "too-good-to-be-true" na investment.,
Paano Mapoprotektahan ang Inyong Negosyo at Sarili:
Hindi sapat ang simpleng pag-iingat. Tatalakayin natin ang mga estratehiya tulad ng Multi-channel Verification—kung saan dapat i-verify ang anumang malaking transaksyon sa ibang platform o personal na tawag., Pag-uusapan din natin ang Zero Trust models at ang paggamit ng AI-driven detection tools gaya ng "Clarity" at "secunet" na kayang makakita ng mga "biometric noise" o maliliit na pagkakamali sa video na hindi kaya ng mata ng tao.,,
Ang episod na ito ay mahalaga para sa mga business leaders, IT professionals, at kahit sa mga ordinaryong mamamayan sa Pilipinas upang hindi maging biktima ng makabagong teknolohiya. Sa panahon ngayon, ang "seeing is no longer believing."
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: L013
Pamagat: AI sa Pilipinas: Bakit Hirap ang ChatGPT sa Filipino?
Napapansin mo ba na kapag kinausap mo ang AI sa Tagalog, parang masyadong pormal, "baluktot," o parang Google Translate lang ang sagot? Hindi ka nag-iisa. Sa episode na ito, sisisirin natin ang bagong pag-aaral na naglalayong baguhin ang future ng Artificial Intelligence sa ating bansa.
Pag-uusapan natin ang "Batayan" — ang kauna-unahang holistic benchmark na gawa ng mga mananaliksik mula sa AI Singapore, UP, Ateneo, at Cambridge para sukatin kung gaano ba talaga katalino ang mga LLMs (Large Language Models) sa wikang Filipino.
🎧 Sa episode na ito, malalaman mo:
Ang Problema sa "Translationese": Bakit karamihan sa mga AI models ngayon ay tunog "textbook"? Aalamin natin kung bakit hirap ang mga foreign models sa Karaniwang Ayos (natural na salita) kumpara sa Di-Karaniwang Ayos (tulad ng "Ang bata ay kumain" vs. "Kumain ang bata").
Tagalog vs. Taglish: Paano tinetest ng Batayan ang code-switching? Tatalakayin natin kung bakit mahalaga na naiintindihan ng AI ang halo ng English at Filipino, lalo na sa Sentiment Analysis at Toxicity Detection sa social media.
David vs. Goliath: Ang nakakagulat na resulta kung saan tinalo ng Gemma-SEA-LION (v3) — isang model na sinanay specifically para sa Southeast Asia — ang mga higanteng models pagdating sa Causal Reasoning at pag-unawa sa kulturang Pilipino.
Ang Hamon ng Morpolohiya: Bakit "magastos" sa token ang wikang Filipino? Pag-uusapan natin kung bakit ang mga panlapi (affixes) natin ay nagpapahirap sa mga western models at kung paano ito sosolusyunan.
Native Speaker Quality: Bakit hindi sapat ang machine translation? Alamin kung paano gumamit ang Batayan ng mga totoong tao para siguraduhin na ang data ay "swak" sa pandinig ng mga Pinoy.
🔍 Para kanino ang episode na ito? Para ito sa mga tech enthusiasts, developers, students, at sinumang gustong makakita ng AI na tunay na nakakaintindi sa atin — hindi lang sa salita, kundi pati sa kultura.
Mga Nabanggit na Pag-aaral at Sources:
Batayan: A Filipino NLP benchmark for evaluating Large Language Models (Montalan et al.)
Performance ng Gemma-SEA-LION at Llama models sa Filipino tasks.
Huwag magpahuli sa tech revolution ng Pilipinas! Mag-subscribe at i-share ang episode na ito. ⭐⭐⭐⭐⭐
#AIPh #FilipinoAI #TechNewsPH #LLM #PinoyTech #MachineLearning #DataSciencePH #TagalogNLP #BatayanBenchmark #SEALION #ArtificialIntelligence #PodcastPH
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: Q013
Pamagat: AI sa Pilipinas: Bakit Hirap ang ChatGPT sa Filipino?
Napapansin mo ba na kapag kinausap mo ang AI sa Tagalog, parang masyadong pormal, "baluktot," o parang Google Translate lang ang sagot? Hindi ka nag-iisa. Sa episode na ito, sisisirin natin ang bagong pag-aaral na naglalayong baguhin ang future ng Artificial Intelligence sa ating bansa.
Pag-uusapan natin ang "Batayan" — ang kauna-unahang holistic benchmark na gawa ng mga mananaliksik mula sa AI Singapore, UP, Ateneo, at Cambridge para sukatin kung gaano ba talaga katalino ang mga LLMs (Large Language Models) sa wikang Filipino.
🎧 Sa episode na ito, malalaman mo:
Ang Problema sa "Translationese": Bakit karamihan sa mga AI models ngayon ay tunog "textbook"? Aalamin natin kung bakit hirap ang mga foreign models sa Karaniwang Ayos (natural na salita) kumpara sa Di-Karaniwang Ayos (tulad ng "Ang bata ay kumain" vs. "Kumain ang bata").
Tagalog vs. Taglish: Paano tinetest ng Batayan ang code-switching? Tatalakayin natin kung bakit mahalaga na naiintindihan ng AI ang halo ng English at Filipino, lalo na sa Sentiment Analysis at Toxicity Detection sa social media.
David vs. Goliath: Ang nakakagulat na resulta kung saan tinalo ng Gemma-SEA-LION (v3) — isang model na sinanay specifically para sa Southeast Asia — ang mga higanteng models pagdating sa Causal Reasoning at pag-unawa sa kulturang Pilipino.
Ang Hamon ng Morpolohiya: Bakit "magastos" sa token ang wikang Filipino? Pag-uusapan natin kung bakit ang mga panlapi (affixes) natin ay nagpapahirap sa mga western models at kung paano ito sosolusyunan.
Native Speaker Quality: Bakit hindi sapat ang machine translation? Alamin kung paano gumamit ang Batayan ng mga totoong tao para siguraduhin na ang data ay "swak" sa pandinig ng mga Pinoy.
🔍 Para kanino ang episode na ito? Para ito sa mga tech enthusiasts, developers, students, at sinumang gustong makakita ng AI na tunay na nakakaintindi sa atin — hindi lang sa salita, kundi pati sa kultura.
Mga Nabanggit na Pag-aaral at Sources:
Batayan: A Filipino NLP benchmark for evaluating Large Language Models (Montalan et al.)
Performance ng Gemma-SEA-LION at Llama models sa Filipino tasks.
Huwag magpahuli sa tech revolution ng Pilipinas! Mag-subscribe at i-share ang episode na ito. ⭐⭐⭐⭐⭐
#AIPh #FilipinoAI #TechNewsPH #LLM #PinoyTech #MachineLearning #DataSciencePH #TagalogNLP #BatayanBenchmark #SEALION #ArtificialIntelligence #PodcastPH
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: L012
Pamagat: Wakas ng Smartphone? Kapag ang Alahas ay Nakikinig
Tapos na ba ang panahon ng smartphones? Maligayang pagdating sa era ng "Invisible Tech."
Sa episode na ito ng "AI-Affairs," tatalakayin natin ang kinabukasan kung saan ang teknolohiya ay nawawala sa ating mga kamay at direktang kumakabit sa ating katawan. Pumapasok na tayo sa mundo ng Ambient Computing, kung saan ang Smart Jewelry at Earables ay hindi lang nagbibilang ng steps—alam na nila ang lahat tungkol sa iyong biology at mga pribadong usapan.
Hihimayin nina Helmut at Nichalia ang mga makabagong imbensyon at ang mga nakatagong panganib ng paparating na 6G network.
Sa episode na ito, pag-uusapan natin:
Ang Pag-angat ng Earables: Paano sinusubaybayan ng Lumia 2 smart earring ang daloy ng dugo sa iyong utak at bakit ang tainga ang bagong pulso para sa health monitoring.
Medical-Grade Jewelry: Ang ebolusyon ng Smart Rings na sumusukat ng blood pressure gamit ang bioimpedance nang walang cuff.
Ang "Memory" Necklace: Sinusuri namin ang mga AI Pendants (gaya ng Rewind Pendant) na nagre-record at nagta-transcribe ng bawat usapan mo. Ito ba ay productivity booster o isang "privacy nightmare"?.
Ang 6G Revolution: Bakit ang 6G ay hindi lang tungkol sa bilis—ito ay tungkol sa paggawa sa network bilang isang "global sensor" na lumilikha ng digital twins ng ating realidad.
Ang Katapusan ng Anonymity: Ipinapakita ng bagong pananaliksik na ang biometric data (gaya ng tibok ng puso o lakad) ay pwedeng gamitin para makilala ka (re-identify) nang may halos 100% accuracy, kahit sa mga "anonymous" na dataset.
Handa ka na bang isuot ang mga accessories na nakikinig, nanonood, at nag-aanalisa sa iyo 24/7? Makinig para sa isang kritikal na pagsusuri sa hinaharap ng wearable AI.
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: Q012
Pamagat: Wakas ng Smartphone? Kapag ang Alahas ay Nakikinig
Tapos na ba ang panahon ng smartphones? Maligayang pagdating sa era ng "Invisible Tech."
Sa episode na ito ng "AI-Affairs," tatalakayin natin ang kinabukasan kung saan ang teknolohiya ay nawawala sa ating mga kamay at direktang kumakabit sa ating katawan. Pumapasok na tayo sa mundo ng Ambient Computing, kung saan ang Smart Jewelry at Earables ay hindi lang nagbibilang ng steps—alam na nila ang lahat tungkol sa iyong biology at mga pribadong usapan.
Hihimayin nina Helmut at Nichalia ang mga makabagong imbensyon at ang mga nakatagong panganib ng paparating na 6G network.
Sa episode na ito, pag-uusapan natin:
Ang Pag-angat ng Earables: Paano sinusubaybayan ng Lumia 2 smart earring ang daloy ng dugo sa iyong utak at bakit ang tainga ang bagong pulso para sa health monitoring.
Medical-Grade Jewelry: Ang ebolusyon ng Smart Rings na sumusukat ng blood pressure gamit ang bioimpedance nang walang cuff.
Ang "Memory" Necklace: Sinusuri namin ang mga AI Pendants (gaya ng Rewind Pendant) na nagre-record at nagta-transcribe ng bawat usapan mo. Ito ba ay productivity booster o isang "privacy nightmare"?.
Ang 6G Revolution: Bakit ang 6G ay hindi lang tungkol sa bilis—ito ay tungkol sa paggawa sa network bilang isang "global sensor" na lumilikha ng digital twins ng ating realidad.
Ang Katapusan ng Anonymity: Ipinapakita ng bagong pananaliksik na ang biometric data (gaya ng tibok ng puso o lakad) ay pwedeng gamitin para makilala ka (re-identify) nang may halos 100% accuracy, kahit sa mga "anonymous" na dataset.
Handa ka na bang isuot ang mga accessories na nakikinig, nanonood, at nag-aanalisa sa iyo 24/7? Makinig para sa isang kritikal na pagsusuri sa hinaharap ng wearable AI.
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: L011
Pamagat: Mga Yugto ng AGI: Mula sa Narrow AI patungo sa Superintelligence
Ang pag-unlad ng Artificial Intelligence (AI) ay mabilis na sumusulong, kung saan ang Artificial General Intelligence (AGI)—na tinukoy bilang mga kakayahan sa pag-iisip na katumbas o higit pa sa katalinuhan ng tao—ay lalong nagiging sentro ng atensyon. Ngunit paano masusukat at mapamamahalaan nang obhetibo ang pag-unlad tungo sa katalinuhang ito na kahalintulad ng tao o higit pa sa tao?
Sa episode na ito, tatalakayin natin ang isang bagong, detalyadong balangkas (framework) na iminungkahi ng mga nangungunang mananaliksik sa AI, na nagtatakda ng malinaw na mga yugto ng AGI. Hindi tinitingnan ng modelong ito ang AGI bilang isang binaryong konsepto, kundi bilang isang tuloy-tuloy na landas (continuous path) ng mga antas ng pagganap (performance) at heneralidad (generality).
Ang mga Pangunahing Konsepto ng AGI Framework:
Pagganap at Heneralidad: Inuri ng balangkas ang mga sistema ng AI batay sa lalim ng kanilang mga kakayahan (Performance) at lawak ng kanilang mga larangan ng aplikasyon (Generality). Ang saklaw ay mula sa Level 1: Emerging (Umusbong/Nagsisimula) hanggang Level 5: Superhuman (Higit sa Tao).
Kasalukuyang Kalagayan: Ang mga kasalukuyang modelo ng wika na lubos na nabuo tulad ng ChatGPT ay inuri sa loob ng balangkas na ito bilang Level 1 General AI (Emerging AGI). Ito ay dahil sa kasalukuyan ay kulang pa sila sa pare-parehong pagganap sa mas malawak na hanay ng mga gawain na kinakailangan para sa mas mataas na pag-uuri. Sa pangkalahatan, karamihan sa mga kasalukuyang aplikasyon ay napapabilang sa Weak AI (ANI) o Artificial Narrow Intelligence, na espesyalista sa mga partikular at paunang tinukoy na gawain (hal., mga voice assistant o pagkilala sa imahe).
Autonomy at Interaksyon: Bilang karagdagan sa mga kakayahan, tinutukoy din ng modelo ang anim na Antas ng Autonomy (mula sa AI bilang isang tool hanggang sa AI bilang isang ahente), na nagiging teknikal na posible sa pagtaas ng mga antas ng AGI. Ang sinasadyang disenyo ng interaksyon ng tao at AI ay mahalaga para sa responsableng paggamit.
Pamamahala sa Panganib: Ang pagtukoy sa AGI sa mga yugto ay nagbibigay-daan sa pagtukoy ng mga tiyak na panganib at pagkakataon para sa bawat yugto ng pag-unlad. Habang ang mga sistemang "Emerging AGI" ay pangunahing nagpapakita ng mga panganib tulad ng maling impormasyon (misinformation) o may depektong pagpapatupad, ang mas matataas na yugto ay lalong tumutuon sa mga existential na panganib (X-risks).
Konteksto ng Regulasyon at ang Kinabukasan:
Kasabay ng teknolohikal na pagsulong, sumusulong din ang regulasyon. Ang EU AI Act, ang unang komprehensibong batas sa AI sa mundo, na nagtatakda ng mga kongkretong pagbabawal simula Pebrero 2025 laban sa mga sistemang may mataas na peligro (tulad ng social scoring), ay nagtatatag ng isang nagbubuklod na balangkas para sa AI na nakasentro sa tao at mapagkakatiwalaan.
Ang pag-unawa sa mga yugto ng AGI ay nagsisilbing isang mahalagang compass upang mai-navigate ang pagiging kumplikado ng pag-unlad ng AI, magtakda ng makatotohanang mga inaasahan para sa kasalukuyang mga sistema, at magtatag ng isang kurso tungo sa isang ligtas at responsableng kinabukasan ng pag-iral ng tao at AI.
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: Q011
Pamagat: Mga Yugto ng AGI: Mula sa Narrow AI patungo sa Superintelligence
Ang pag-unlad ng Artificial Intelligence (AI) ay mabilis na sumusulong, kung saan ang Artificial General Intelligence (AGI)—na tinukoy bilang mga kakayahan sa pag-iisip na katumbas o higit pa sa katalinuhan ng tao—ay lalong nagiging sentro ng atensyon. Ngunit paano masusukat at mapamamahalaan nang obhetibo ang pag-unlad tungo sa katalinuhang ito na kahalintulad ng tao o higit pa sa tao?
Sa episode na ito, tatalakayin natin ang isang bagong, detalyadong balangkas (framework) na iminungkahi ng mga nangungunang mananaliksik sa AI, na nagtatakda ng malinaw na mga yugto ng AGI. Hindi tinitingnan ng modelong ito ang AGI bilang isang binaryong konsepto, kundi bilang isang tuloy-tuloy na landas (continuous path) ng mga antas ng pagganap (performance) at heneralidad (generality).
Ang mga Pangunahing Konsepto ng AGI Framework:
Pagganap at Heneralidad: Inuri ng balangkas ang mga sistema ng AI batay sa lalim ng kanilang mga kakayahan (Performance) at lawak ng kanilang mga larangan ng aplikasyon (Generality). Ang saklaw ay mula sa Level 1: Emerging (Umusbong/Nagsisimula) hanggang Level 5: Superhuman (Higit sa Tao).
Kasalukuyang Kalagayan: Ang mga kasalukuyang modelo ng wika na lubos na nabuo tulad ng ChatGPT ay inuri sa loob ng balangkas na ito bilang Level 1 General AI (Emerging AGI). Ito ay dahil sa kasalukuyan ay kulang pa sila sa pare-parehong pagganap sa mas malawak na hanay ng mga gawain na kinakailangan para sa mas mataas na pag-uuri. Sa pangkalahatan, karamihan sa mga kasalukuyang aplikasyon ay napapabilang sa Weak AI (ANI) o Artificial Narrow Intelligence, na espesyalista sa mga partikular at paunang tinukoy na gawain (hal., mga voice assistant o pagkilala sa imahe).
Autonomy at Interaksyon: Bilang karagdagan sa mga kakayahan, tinutukoy din ng modelo ang anim na Antas ng Autonomy (mula sa AI bilang isang tool hanggang sa AI bilang isang ahente), na nagiging teknikal na posible sa pagtaas ng mga antas ng AGI. Ang sinasadyang disenyo ng interaksyon ng tao at AI ay mahalaga para sa responsableng paggamit.
Pamamahala sa Panganib: Ang pagtukoy sa AGI sa mga yugto ay nagbibigay-daan sa pagtukoy ng mga tiyak na panganib at pagkakataon para sa bawat yugto ng pag-unlad. Habang ang mga sistemang "Emerging AGI" ay pangunahing nagpapakita ng mga panganib tulad ng maling impormasyon (misinformation) o may depektong pagpapatupad, ang mas matataas na yugto ay lalong tumutuon sa mga existential na panganib (X-risks).
Konteksto ng Regulasyon at ang Kinabukasan:
Kasabay ng teknolohikal na pagsulong, sumusulong din ang regulasyon. Ang EU AI Act, ang unang komprehensibong batas sa AI sa mundo, na nagtatakda ng mga kongkretong pagbabawal simula Pebrero 2025 laban sa mga sistemang may mataas na peligro (tulad ng social scoring), ay nagtatatag ng isang nagbubuklod na balangkas para sa AI na nakasentro sa tao at mapagkakatiwalaan.
Ang pag-unawa sa mga yugto ng AGI ay nagsisilbing isang mahalagang compass upang mai-navigate ang pagiging kumplikado ng pag-unlad ng AI, magtakda ng makatotohanang mga inaasahan para sa kasalukuyang mga sistema, at magtatag ng isang kurso tungo sa isang ligtas at responsableng kinabukasan ng pag-iral ng tao at AI.
(Tandaan: Ang episode na ito ng podcast ay ginawa sa tulong at pagbubuo mula sa Google's NotebookLM.)
Numero ng Episode: L010
Pamagat: Guguho Ba ang Career Ladder? Awtomasyon ng AI, Mga Bagong Nagtatrabaho, at ang Kapangyarihan ng Pagsasanay
Drastikong binabago ng Generative AI ang merkado ng paggawa at malubhang tinatamaan nito lalo na ang mga bagong nagtatrabaho (entry-level) sa mga posisyong mataas ang exposure. Isang bagong pag-aaral, batay sa milyun-milyong ADP payroll records sa US hanggang Hulyo 2025, ang nakatuklas na ang mga nakababatang manggagawa na may edad 22 hanggang 25 taong gulang sa mga trabahong pinakamataas ang AI exposure ay nakaranas ng relatibong pagbaba sa employment ng 13 porsyento. Sa kabaligtaran, ang mga nakatatandang manggagawa sa parehong trabaho ay nanatiling stable o nagtala pa ng paglago.
Ayon sa mga mananaliksik, ang shock sa labor market ay nakatuon sa mga role kung saan inaawtomatiko (automates) ng AI ang mga gawain at hindi lang dinadagdagan (augments) ang mga ito. Ang mga gawaing madaling i-codify at isailalim sa pagsasanay, na madalas ginagawa bilang mga unang hakbang ng mga junior employee, ay mas madaling palitan ng AI. Samantala, ang 'tacit knowledge' (tahimik na kaalaman) na nakuha ng mga may karanasan nang manggagawa sa paglipas ng mga taon ay nag-aalok ng resilience o katatagan.
Ang pag-unlad na ito ay may malawak na implikasyon: Ipinapalagay na ang "pinakamababang baitang ay nawawala" sa tradisyonal na career ladder. Ang pagkawala ng mga entry-level position na ito (tulad ng sa software development o customer service) ay sumisira sa tradisyonal na mga landas ng pag-unlad ng kasanayan, dahil ang mga learning ladder para sa mga bagong empleyado ay nagiging mas manipis. Kaya naman, hinaharap ng mga kumpanya ang hamon na muling idisenyo ang mga programa ng pagsasanay upang bigyang-priyoridad ang mga gawaing nagtuturo ng tacit knowledge at kritikal na pagpapasya.
Dahil sa mga hamong ito, ang target na pagsasanay at adopsyon ay nagiging mahalagang salik. Ipinakita ng pilot program ng Google na "AI Works" sa UK na ang ilang oras lamang ng training ay maaaring doblehin o triplehin ang pang-araw-araw na paggamit ng AI ng mga manggagawa. Ang mga interbensyon na ito ay susi sa pagsasara ng AI adoption gap, lalo na sa mga kababaihan at matatandang manggagawa.
Binago ng mga pagsasanay ang pananaw ng mga kalahok: Habang marami ang sa simula ay itinuturing na hindi-relevant ang AI, iniulat ng mga gumagamit matapos ang training na ang mga tool ng AI ay nagbigay sa kanila ng average na savings na mahigit 122 oras bawat taon—mas mataas ito sa mga naunang inasahang estimates. Ang mas mataas na paggamit at mas mahusay na pag-unawa sa mga benepisyo ng application ay humahantong sa pagpalit ng paunang takot sa AI ng optimism, dahil natututo ang mga manggagawa na gamitin ang teknolohiya bilang isang makapangyarihang tool para sa augmentation na lumilikha ng espasyo para sa mas malikhain at estratehikong mga gawain.
Sa episode na ito, tatalakayin namin kung paano muling binibigyan ng kahulugan ng AI revolution ang entry-level na trabaho, bakit kritikal ang pagkilala sa pagkakaiba ng automation at augmentation, at ano ang ginagampanan ng continuing education sa pagbibigay sa mga manggagawa ng mga kinakailangang kasanayan para sa "bagong pinakamababang baitang".
(Paalala: Ang episode na ito ng podcast ay nilikha sa tulong at pagkakabalangkas ng NotebookLM ng Google.)
Numero ng Episode: L010
Pamagat: Guguho Ba ang Career Ladder? Awtomasyon ng AI, Mga Bagong Nagtatrabaho, at ang Kapangyarihan ng Pagsasanay
Drastikong binabago ng Generative AI ang merkado ng paggawa at malubhang tinatamaan nito lalo na ang mga bagong nagtatrabaho (entry-level) sa mga posisyong mataas ang exposure. Isang bagong pag-aaral, batay sa milyun-milyong ADP payroll records sa US hanggang Hulyo 2025, ang nakatuklas na ang mga nakababatang manggagawa na may edad 22 hanggang 25 taong gulang sa mga trabahong pinakamataas ang AI exposure ay nakaranas ng relatibong pagbaba sa employment ng 13 porsyento. Sa kabaligtaran, ang mga nakatatandang manggagawa sa parehong trabaho ay nanatiling stable o nagtala pa ng paglago.
Ayon sa mga mananaliksik, ang shock sa labor market ay nakatuon sa mga role kung saan inaawtomatiko (automates) ng AI ang mga gawain at hindi lang dinadagdagan (augments) ang mga ito. Ang mga gawaing madaling i-codify at isailalim sa pagsasanay, na madalas ginagawa bilang mga unang hakbang ng mga junior employee, ay mas madaling palitan ng AI. Samantala, ang 'tacit knowledge' (tahimik na kaalaman) na nakuha ng mga may karanasan nang manggagawa sa paglipas ng mga taon ay nag-aalok ng resilience o katatagan.
Ang pag-unlad na ito ay may malawak na implikasyon: Ipinapalagay na ang "pinakamababang baitang ay nawawala" sa tradisyonal na career ladder. Ang pagkawala ng mga entry-level position na ito (tulad ng sa software development o customer service) ay sumisira sa tradisyonal na mga landas ng pag-unlad ng kasanayan, dahil ang mga learning ladder para sa mga bagong empleyado ay nagiging mas manipis. Kaya naman, hinaharap ng mga kumpanya ang hamon na muling idisenyo ang mga programa ng pagsasanay upang bigyang-priyoridad ang mga gawaing nagtuturo ng tacit knowledge at kritikal na pagpapasya.
Dahil sa mga hamong ito, ang target na pagsasanay at adopsyon ay nagiging mahalagang salik. Ipinakita ng pilot program ng Google na "AI Works" sa UK na ang ilang oras lamang ng training ay maaaring doblehin o triplehin ang pang-araw-araw na paggamit ng AI ng mga manggagawa. Ang mga interbensyon na ito ay susi sa pagsasara ng AI adoption gap, lalo na sa mga kababaihan at matatandang manggagawa.
Binago ng mga pagsasanay ang pananaw ng mga kalahok: Habang marami ang sa simula ay itinuturing na hindi-relevant ang AI, iniulat ng mga gumagamit matapos ang training na ang mga tool ng AI ay nagbigay sa kanila ng average na savings na mahigit 122 oras bawat taon—mas mataas ito sa mga naunang inasahang estimates. Ang mas mataas na paggamit at mas mahusay na pag-unawa sa mga benepisyo ng application ay humahantong sa pagpalit ng paunang takot sa AI ng optimism, dahil natututo ang mga manggagawa na gamitin ang teknolohiya bilang isang makapangyarihang tool para sa augmentation na lumilikha ng espasyo para sa mas malikhain at estratehikong mga gawain.
Sa episode na ito, tatalakayin namin kung paano muling binibigyan ng kahulugan ng AI revolution ang entry-level na trabaho, bakit kritikal ang pagkilala sa pagkakaiba ng automation at augmentation, at ano ang ginagampanan ng continuing education sa pagbibigay sa mga manggagawa ng mga kinakailangang kasanayan para sa "bagong pinakamababang baitang".
(Paalala: Ang episode na ito ng podcast ay nilikha sa tulong at pagkakabalangkas ng NotebookLM ng Google.)
From the publisher's feed