21、AI时代:智能系统对就业的影响与机遇

AI时代:智能系统对就业的影响与机遇

1. AI模型可解释性的重要性

AI模型的可解释性在基于AI的案例管理系统(CMS)以及更广泛的各类AI应用中都至关重要。它不仅对CMS或其他AI应用的直接用户很重要,对那些受基于AI系统输出的建议实施影响的人同样重要。例如在北卡罗来纳州威尔明顿警察局和远程医疗的案例中,这种重要性就十分明显。

2. 智能案例管理系统使用相关问题
  • 工作灵活性优势 :在线CMS的一个优势是一线员工及其主管可以随时随地工作,完成工作所需的所有资源都存在于在线应用程序中。在2020 - 2021年及之后的新冠疫情期间,这种优势尤为明显,因为它适应了工作场所的限制。
  • 计件工资问题 :随着CMS的改进和在家工作趋势的增加,出现了雇主是否会更多采用“计件工作”薪酬方式的问题。这种方式有其历史和优缺点。我们提出两点建议:
    • 薪酬方案不应抑制员工执行重要的团队或流程改进任务,特别是不能让员工因短期追求更多产出的金钱激励而忽视对AI系统建议或决策输出的监控。否则,人机增强的优势将大大降低或完全消除。
    • 员工需要适应工作被软件调解和监控的事实。虽然我们采访的人对此担忧程度适中,但使用智能CMS的人表示工作有了更高的生产力,但也有人抱怨感觉“被电脑束缚”或“工作永无止境”。因此,雇主应将此类工作与涉及人际互动和非电脑工作的其他类型工作相结合,以避免员工在线工作倦怠。
3. 入门级员工就业机会情况

我们观察到与AI系统使用相关的五种就业机会情况:
| 情况类型 | 描述 |
| ---- | ---- |
| 负面情况 | 导致入门级工作机会减少 |
| 正面情况 | 带来更多入门级工作机会 |
| 双重影响情况 | 系统在不增加人员的情况下提高产出,实现业务扩张,同时也能支持新员工(包括入门级员工) |
| 正面情况(岗位扩展) | 系统使现有员工的工作角色得到扩展 |
| 正面情况(特殊群体) | 系统为能力处于劣势的人群提供更多就业机会 |

4. 导致入门级工作机会减少的负面情况
  • 保险和医疗编码行业 :在保险承保和医疗记录编码行业,由于AI自动化了一些较简单的任务,公司更需要有经验的员工来审查系统输出和处理复杂情况,导致入门级员工机会减少。例如Haven Life/MassMutual案例和医疗记录编码案例。
  • 物理自动化系统 :像斯坦福药房运营、FarmWise机器人除草、快餐店的油炸和汉堡翻转机器人以及希捷的重复视觉检查任务自动化等,都明显减少了涉及常规手动工作的入门级岗位。
5. 带来更多入门级工作机会的正面情况

AI支持的增强现实(AR)技术用于培训新员工是个例外。在PBC Linear机械车间案例中,AR技术降低了工作所需的专业水平,使无经验的入门级员工和专业水平较低的员工能够执行需要身体灵巧性和机器知识的复杂任务。这种技术不仅有助于公司入职新员工,还能吸引他们,因为新员工觉得使用AR工作很有趣且会在岗位上停留更久。

不过,AR技术不太可能在纯信息导向、无需与物理实体交互的知识工作环境中广泛应用,因此不太会为这类环境中的入门级员工创造机会。

graph LR
    A[AI系统使用情况] --> B[负面情况:入门级工作机会减少]
    A --> C[正面情况:入门级工作机会增加]
    A --> D[双重影响情况:正负并存]
    A --> E[正面情况:岗位扩展]
    A --> F[正面情况:特殊群体就业机会增加]
    B --> B1[保险行业]
    B --> B2[医疗编码行业]
    B --> B3[物理自动化系统相关行业]
    C --> C1[AR技术应用行业]
6. 双重影响情况:提高生产力和业务扩张
  • 生产力提升与“隐形裁员”担忧 :使用AI支持系统提高了工作场所的生产能力,能在不增加人员的情况下扩大产出,这支持了之前关于“隐形裁员”及其对入门级员工影响的担忧。但在我们的采访中,没有公司表示会减少总员工人数,相反,一些公司因业务增长机会增加了员工总数。
  • 具体案例分析
    • ChowNow案例 :销售发展代表使用ringDNA系统提高了每个员工的生产能力,减少了额外招聘(包括入门级招聘)的需求,但也使入门级员工更容易上手。该系统还提高了现有经理监督和指导员工的能力,缩短了新员工达到高绩效水平的时间,从而使公司能够增加新员工。
    • Lilt Labs案例 :其AI支持的语言翻译系统使有一定多语言能力但无专业翻译经验的人更容易成为专业翻译。Lilt积极招聘入门级员工和实习生,因为其平台能让翻译员工快速达到专业水平。
7. 系统使现有员工工作角色扩展的正面情况
  • Kroger数据科学子公司84.51° :使用AutoML工具使有业务领域知识但缺乏机器学习技术培训的人成为“洞察专家”,即“公民数据科学家”,并使更多业务专家能够扩展其业务或行政职能角色。
  • Dentsu美国媒体购买机构Carat :两名员工通过培训成为“公民RPA开发人员”,减少了手动或电子表格密集型操作工作,将超过一半的时间用于自动化项目。
  • PBC Linear机械车间 :工程师Sam Aluko使用AR应用程序扩展了其支持的机器范围,公司鼓励操作员和工程师了解整个车间的运营,帮助他们扩展可操作的机器类型。

在这些案例中,员工工作范围和专业领域的扩展有助于公司的自动化工作,但同一系统在公司内部可能对不同人产生不同影响,既可能为一些人提供扩展机会,也可能减少另一些人的机会。

综上所述,AI技术通过增强和自动化的结合提高了人类用户的生产能力,它既可能通过提高生产力减少入门级员工的机会,也可能通过增强培训、指导和绩效支持来扩大入门级工作机会。同时,有效使用这些支持系统有助于提高公司的业务绩效和竞争力,从而创造包括入门级在内的各级员工的就业需求。

AI时代:智能系统对就业的影响与机遇

8. 不同情况对就业市场的综合影响

不同类型的AI应用对就业市场产生了多样化的影响。我们可以通过以下表格来总结不同情况对入门级员工和现有员工的具体影响:
| 情况类型 | 对入门级员工的影响 | 对现有员工的影响 |
| ---- | ---- | ---- |
| 负面情况 | 机会减少,相关行业更倾向有经验员工 | 可能因公司对经验的需求而更受重视 |
| 正面情况(AR技术) | 机会增加,能从事原本较复杂工作 | 可能提升工作效率和满意度 |
| 双重影响情况 | 有减少招聘需求,但入职后易上手 | 提升生产能力,便于管理和指导 |
| 正面情况(岗位扩展) | 可能有更多学习和成长路径 | 扩展工作范围和专业领域 |
| 正面情况(特殊群体) | - | - |

从这个表格可以看出,AI系统对就业的影响是复杂的,既有挑战也有机遇。对于入门级员工来说,虽然部分行业机会减少,但在一些新兴技术应用领域有了新的可能;对于现有员工,更多的是在工作内容和职业发展上有了新的变化。

graph LR
    A[AI系统影响] --> B[就业市场变化]
    B --> C[入门级员工情况]
    B --> D[现有员工情况]
    C --> C1[机会减少行业]
    C --> C2[机会增加行业]
    D --> D1[工作角色扩展]
    D --> D2[生产能力提升]
9. 应对AI时代就业变化的建议
  • 对于雇主
    • 多元化工作安排 :如前文所述,将依赖软件的工作与涉及人际互动和非电脑工作相结合,避免员工在线工作倦怠,提高工作的满意度和成就感。
    • 注重员工培训和发展 :在引入AI系统时,为员工提供相关的培训,使他们能够适应新的工作模式和技术。例如在使用AutoML、RPA等工具时,帮助员工掌握相应技能,实现角色的转变和扩展。
    • 合理制定薪酬方案 :确保薪酬方案不会抑制员工进行团队合作和流程改进等重要任务,鼓励员工积极参与系统的评估和反馈,充分发挥人机协作的优势。
  • 对于入门级员工
    • 提升自身技能 :关注新兴技术,如AR技术、AI相关知识等,增加自己在就业市场上的竞争力。
    • 培养学习能力和适应能力 :由于工作环境和技术变化较快,具备快速学习和适应新工作内容的能力至关重要。
    • 寻找有发展潜力的行业和岗位 :如AR技术应用、AI支持的翻译等领域,这些领域可能为入门级员工提供更多的机会。
10. 未来AI就业趋势展望

随着AI技术的不断发展,其对就业市场的影响将持续深化。
- 新兴岗位的出现 :除了现有的一些岗位扩展和新兴技术应用带来的机会外,未来可能会出现更多与AI相关的新兴岗位,如AI系统的维护和优化人员、AI伦理审查员等。
- 技能需求的变化 :对员工的技能要求将更加多元化,不仅需要专业的技术知识,还需要具备良好的沟通能力、团队协作能力和创新思维。
- 行业结构的调整 :一些传统行业可能会因AI技术的应用而发生重大变革,部分岗位可能会消失,但同时也会带动相关产业链的发展,创造新的就业机会。

11. 结论

AI时代智能系统的发展给就业市场带来了巨大的变化。虽然存在入门级工作机会减少的负面情况,但也有许多积极的方面,如新兴技术创造的就业机会、现有员工工作角色的扩展等。无论是雇主还是员工,都需要积极应对这些变化。雇主应合理利用AI技术,注重员工的发展和工作体验;员工则应不断提升自己的技能和适应能力,以在AI时代的就业市场中找到自己的位置。通过双方的共同努力,实现人机协作的最佳效果,推动就业市场的健康发展和经济的持续增长。

在这个充满机遇和挑战的时代,我们需要以开放的心态和积极的行动来迎接AI带来的变化,充分发挥AI技术的优势,为就业市场和社会发展创造更多的价值。

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值