일의 미래는 어린이 침실에서 형성되고 있습니다.

이 게시물은 Faiā의 전무 이사 인 George Siosi Samuels의 손님 기여입니다. Faiā가 기술 발전의 최전선에 머무르는 방법을보십시오.

If you've watched a kid interact with artificial intelligence (AI) lately, you've seen the future of work taking shape. Whether it's a 10-year-old calmly explaining to a chatbot why its answer needs more debugging or a teen tweaking an algorithm to brainstorm a school project, there's a new kind of thinking taking hold.

최근에 아이가 인공 지능 (AI)과 상호 작용하는 것을 보았다면, 일의 미래가 형성되는 것을 보았습니다. 10 살짜리 아이가 챗봇에 침착하게 설명하든, 왜 답변이 더 많은 디버깅이 필요한지 또는 십대가 학교 프로젝트를 브레인 스토밍하기 위해 알고리즘을 조정하는 10 대이든, 새로운 종류의 사고가 취해집니다.

As someone building products with AI at a company like Faiā, I'm noticing interesting patterns. They go deeper than just tech adoption—we're seeing the next generation of talent completely redefine what the workplace will be. What's happening at kitchen tables today is a sneak peek into the cubicles, boardrooms and remote dashboards of tomorrow. Here's what we can learn and how it'll ripple through enterprise.

Faiā와 같은 회사에서 AI로 제품을 구축하는 사람으로서 흥미로운 패턴을 주목하고 있습니다. 그들은 단순한 기술 채택보다 더 깊어집니다. 우리는 차세대 인재가 직장이 무엇인지 완전히 재정의하는 것을보고 있습니다. 오늘날 주방 테이블에서 일어나는 일은 내일의 칸막이, 회의실 및 원격 대시 보드를 엿볼 수 있습니다. 우리가 배울 수있는 것과 기업을 통해 어떻게 파급 될 것인지는 다음과 같습니다.

Steering AI with smarter inputs

더 똑똑한 입력으로 AI를 조향합니다

Let's start with the basics: AI doesn't run itself—it thrives on human input. Kids are already masters of sharper questions getting sharper results. Ask a generic "What's blockchain?" and you'll get a textbook dump; ask "How could blockchain cut supply chain costs by 20%?" and you've got something actionable.

기본 사항부터 시작하겠습니다. AI는 자체적으로 실행되지 않습니다. 인간의 입력에서 번성합니다. 아이들은 이미 더 예리한 결과를 얻는 것이 더 선명한 질문의 주인입니다. 일반적인 "블록 체인은 무엇입니까?" 그리고 당신은 교과서 덤프를 얻을 수 있습니다; "블록 체인이 공급망 비용을 어떻게 20%줄일 수 있습니까?" 그리고 당신은 실행 가능한 것을 가지고 있습니다.

Now, that's not just a kid skill—it's a workforce superpower. A 2023 study from the Massachusetts Institute of Technology (MIT) found that professionals who purposely refine their prompts improve AI output accuracy by up to 40%. The employees of 2035 won't be the ones who can withstand the most data—they'll be the ones who know how to steer AI toward signal, not noise.

자, 그것은 단순한 어린이 기술이 아니라 인력의 초강대국입니다. MASS (Massachusetts Institute of Technology)의 2023 년 연구에 따르면 의도적으로 프롬프트를 개선하는 전문가들은 AI 출력 정확도를 최대 40%까지 향상시킵니다. 2035 년의 직원은 가장 많은 데이터를 견딜 수있는 직원이 아닙니다. 그들은 소음이 아닌 신호를 향해 AI를 조종하는 방법을 아는 사람들이 될 것입니다.

Enterprises that spot this early can build teams that don't just use tools—they optimize them. They'll integrate best practices for getting the most out of every query. It's a level of agility we'll need as tech evolves even faster.

이 초기에 발견되는 기업은 도구를 사용하지 않는 팀을 구축 할 수 있습니다. 그들은 모든 쿼리를 최대한 활용하기위한 모범 사례를 통합합니다. 기술이 더 빨리 발전함에 따라 우리가 필요로하는 민첩성 수준입니다.

AI as a workforce copilot

인력으로서의 AI

Then there's the partnership angle. Children aren't treating AI like a glorified calculator—they're turning it into a collaborator. A middle-schooler might use it to quickly mock up a business pitch idea, then add an image and have the bot suggest improvements in real-time as they type.

그런 다음 파트너십 각도가 있습니다. 아이들은 AI를 영광스러운 계산기처럼 취급하지 않습니다. 그들은 그것을 공동 작업자로 바꾸고 있습니다. 중학교는이를 사용하여 비즈니스 피치 아이디어를 신속하게 조롱 한 다음 이미지를 추가하고 봇이 입력 할 때 실시간 개선을 제안하도록 할 수 있습니다.

Sound familiar? It's the same dynamic we're chasing in agile teams: rapid iteration, creative problem-solving, human-machine synergy. Now, institutions like Gartner are predicting that by 2027, 70% of enterprises will rely on AI as a “copilot” for decision-making, boosting productivity by 25%.

친숙한 소리? 우리가 민첩한 팀에서 쫓는 것과 같은 역동적 인 것입니다 : 빠른 반복, 창의적인 문제 해결, 인간-기계 시너지. 이제 Gartner와 같은 기관은 2027 년까지 기업의 70%가 AI에 의사 결정을위한 "사본"으로 의존하여 생산성을 25% 증가시킬 것으로 예측하고 있습니다.

The difference is, these kids see AI as a partner, not a crutch. For businesses, that mindset translates to workers who don't outsource thinking—they amplify it. Imagine a junior analyst who pairs AI's market analysis with their own instinct to spot a key trend faster than a legacy system ever could. That's the multiplier effect we're seeking.

차이점은,이 아이들은 AI를 목발이 아닌 파트너로 본다는 것입니다. 기업의 경우, 그 사고 방식은 사고를 아웃소싱하지 않는 근로자에게 해석됩니다. AI의 시장 분석을 자신의 본능과 짝을 이루는 주니어 분석가를 상상해보십시오. 레거시 시스템보다 핵심 추세를 더 빨리 발견하십시오. 그것이 우리가 찾고있는 승수 효과입니다.

Expertise as an efficiency edge

효율성 에지로서의 전문 지식

Here's a trend worth noting: expertise cuts through the clutter. A kid who's obsessed with coding can ask AI a question like, "How do I optimize this smart contract for minimal gas fees on PoS chains?" and get there in one shot, while a newbie will burn 30 minutes cycling through basics. It's efficiency in action, and in technical terms, it's about reducing token spend for optimal throughput.

주목할 가치가있는 트렌드는 다음과 같습니다. 전문 지식은 혼란을 겪습니다. 코딩에 집착하는 아이는 AI와 같은 질문을 할 수 있습니다. 그리고 초보자는 기본을 통해 30 분 사이에 30 분을 태울 것입니다. 그것은 행동의 효율성이며 기술적 인 측면에서 최적의 처리량을 위해 토큰 지출을 줄이는 것입니다.

A 2024 study by Stanford showed that domain experts use 50% fewer queries to achieve the same results as novices when working with large language models. On a large scale, that generation will value deep knowledge in blockchain, biotech or any field as a competitive edge. The blockchain architect who can code a protocol in three prompts will outpace the one who fumbles through ten. Expertise isn't dying—it's the fuel for smarter automation.

Stanford의 2024 년 연구에 따르면 도메인 전문가는 큰 언어 모델로 작업 할 때 초보자와 동일한 결과를 얻기 위해 50% 적은 쿼리를 사용하는 것으로 나타났습니다. 대규모로, 그 세대는 블록 체인, 생명 공학 또는 모든 분야에서 경쟁 우위로 깊은 지식을 소중히 여길 것입니다. 3 개의 프롬프트로 프로토콜을 코딩 할 수있는 블록 체인 아키텍트는 10 명을 넘어서는 사람을 능가합니다. 전문 지식은 죽어가는 것이 아닙니다. 그것은 더 똑똑한 자동화를위한 연료입니다.

Setting boundaries for better outcomes

더 나은 결과를 위해 경계를 설정합니다

And finally, it’s all about questions. Kids today aren't busy memorizing encyclopedias—they're asking "Why?" and "What if?" to get the bot thinking. It's not trivia hunting; it's strategic thinking.

그리고 마지막으로, 그것은 질문에 관한 것입니다. 오늘날 아이들은 백과 사전을 암기하는 바쁘지 않습니다. 그들은 "왜?" 그리고 "만약 그렇다면?" 봇 생각을 얻으려면. 퀴즈 사냥이 아닙니다. 그것은 전략적 사고입니다.

Now, the future workforce won’t be judged by what they know—AI will have that part covered. But they’ll be assessed by the questions they can ask to generate new value. Picture a supply chain manager asking, "What's the bottleneck in our Southeast Asia node?" versus "How do we cut container delays by 20% using real-time data from Southeast Asia to optimize routing and factor in seasonality for bulk cargo?" The second question drives value.

이제 미래의 인력은 그들이 알고있는 것에 의해 판단되지 않을 것입니다. 그러나 그들은 새로운 가치를 창출하도록 요청할 수있는 질문에 의해 평가 될 것입니다. 공급망 관리자에게 "동남아시아 노드의 병목 현상은 무엇입니까?" "동남아시아의 실시간 데이터를 사용하여 컨테이너 지연을 20% 줄이기 위해 컨테이너 지연을 어떻게 20% 줄일 수 있습니까? 두 번째 질문은 가치를 유발합니다.

A recent McKinsey report forecasts that by 2030, 80% of new job growth will favor skills like critical questioning over rote knowledge. So, the enterprises that foster that curiosity now—through specialized training programs, internal culture or even

최근의 맥킨지 보고서에 따르면 2030 년까지 새로운 직업 성장의 80%가 Rote 지식에 대한 비판적 의문과 같은 기술을 선호 할 것이라고 예측했습니다. 따라서 전문 교육 프로그램, 내부 문화 또는 심지어