ChatGPTから始まり、最近では毎月のように新しいサービスが発表されている生成AI界隈ですが、普及に伴い、どのように生成AIを業務に利用していくか、試行錯誤、PoC的な案件も増えています。
具体的に「この業務は自動化できる？」といったものから、「そもそも何が出来て、どんな領域に向いてそうか？」といったトレンド調査レベルのものまで様々ですが、世間の関心の高さがうかがえます。

文章作成、評価、まとめなどの領域では素晴らしい成果を見せる一方で、なかなか有効な使い道が見当たらないといった声も聞きます。これはプロダクトの詳細仕様や社内情報などのクローズドな情報が学習対象に含まれていないため、これらの情報に精通したエキスパートシステムとして利用しようとすると、必要な情報を得られないとか、全くとんちんかんな回答を返してくるなど、業務では使いものにならないといった評価です。

改善するとなると、Fine-Tuning(対象ドメインのデータを用いた再学習）や、RAG(Getrieval-Augmented Generation：対象となる情報をプロンプトに含めるなど)などがあります。
また業界特化型の生成AIモデルを作成しようという動きもあるようです。

開発者向けではGithub CopilotやCodiumAIなど、多くのAI支援ツールが発表されています。
コードの提案・補完から、ソフトそのものの自動作成、テストコードの自動作成など、適用範囲がどんどん広がってきています。

セキュリティー関連でのAI利用のサービス例としては、Microsoft Sentinelなどが挙げられます。
様々なセキュリティーログなどを集めてインシデントの評価、自動対処などを行うためのプラットフォームです。

このように特にデジタルの領域では、どんどん仕事が自動化する方向で進んでいます。
特に生成AIに注目が向いていますが、それ以外の文脈でのAI利用（数値データの解析・評価・予測や画像認識など）でも様々な進展がみられます。

「AIに仕事が奪われる」という論もありますが、今の段階では自動化対象が満ち溢れているので、自動化する側のポジションに立てれば、食いっぱぐれることは当面なさそうですね。
ただ冒頭で申し上げた通り、日々、情報がアップデートされるので、チェックするだけでも大変ですよ。