24、智能机器时代的工作展望

智能机器时代的工作展望

应对人工智能局限与人类优势的策略

在需要判断力和评估能力的多个领域，人类目前仍优于人工智能。因此，如果人工智能要做出决策，至少在大多数情况下，人类应该能够推翻这些决策。组织可以像Stitch Fix那样，监测人类的推翻决策行为，评估其频率和有效性。

人工智能专家应与管理人员和员工交流，解释人工智能的能力边界。由于人工智能应用广泛，这些交流应针对具体应用场景展开。专家在构建人工智能系统前，需深入了解工作背景，以便明确可行的实施方案。专家和管理人员应逐步将人工智能系统引入工作，而非一蹴而就。

所有参与人工智能的人员，包括开发者、潜在用户及其管理者，都应认识到人工智能的实施是一项变革管理活动。他们需为变革管理评估和干预进行预算规划，确保团队具备必要技能。若引入人工智能可能导致人员失业，建议缓慢推进变革。同时，雇主应向员工透明地说明未来工作前景以及人工智能可能产生的影响，让员工做好准备，为人工智能增值或寻找其他就业机会。

关于未来工作的六大结论

结论1：人类工作不会消失

许多预言家认为人工智能和自动化会很快消除人类工作需求，这种观点大多是错误的。虽然这些技术可能会对特定领域的整体就业产生负面影响，但没有证据表明它们会在整个经济范围内导致大量岗位消失。案例研究中的公司没有因自动化或人工智能而裁员，而且一些新岗位因人工智能而产生。从宏观经济角度看，经济增长、人口结构和移民政策等因素，可能导致未来几十年内劳动力短缺，许多岗位无人填补。

人类应将关注点从担心被机器取代，转移到思考如何在与智能机器协作的工作中创造价值。创造价值的方式包括检查机器工作、改进机器逻辑或决策、向他人解释机器结果，以及执行机器无法或不应执行的任务。

结论2：变革缓慢且成本高昂

这一结论与Westerman的数字创新定律相符，即技术变化迅速，但组织变革缓慢。将新技术融入组织、改变工作方式并实现生产力提升是一个缓慢而复杂的过程。规划变革所需的专业知识协调工作就需要大量精力和时间，更不用说实际的系统创建、部署和改进工作了。

组织变革成本居高不下，不像半导体成本那样呈指数下降。重大流程变革，尤其是涉及人工智能系统的变革，成本高昂。提高生产能力不仅需要在技术的软硬件方面进行前期和持续投资，还需要对相关配套和调整进行投入。不过，在某些情况下，公司可以使用基于云的人工智能应用或其他标准化的人工智能解决方案，这些方案与现有技术和流程的集成度较低，实现生产力提升所需的时间和精力较少，但对公司生产能力的影响也相对较小。

案例研究中的公司在实现效率和效果提升之前，都经历了多年的努力。在引入人工智能系统前，公司需要进行大量的互补性投资和调整，这可能导致初期生产力下降，但随着时间推移，生产力会逐渐提高。这种变革类似于业务流程再造，例如DBS银行在人工智能金融交易监控项目中，不仅关注分析和人工智能技术，还对整个交易监控功能进行了端到端的变革，最终取得了显著成效。

一些大公司通过收购子公司来加速能力发展，但仍需花费多年时间将子公司的技术和工作方式融入整体生态系统。因此，公私部门的高级管理人员在投资人工智能和自动化项目时，应预计到所需的时间和成本，并做好应对生产力曲线初期下降的准备。

结论3：做好与人工智能合作的准备

有专家表示，在放射领域，只有拒绝与人工智能合作的放射科医生才会面临失业风险。可以预见，许多员工将被要求与智能机器合作，拒绝合作可能会影响他们的就业能力。

组织需要培养和更新员工技能，拓展员工能力，特别是发挥人类相对于机器的优势。在案例中，组织需要加强信息技术能力，拓展数字转型和数据科学/人工智能相关领域。一线系统用户要学习如何与系统协作，主管和一线经理要适应流程变化并学会在新环境中管理，技术人员要具备业务和领域知识，业务用户要掌握技术能力和数字思维，人们还需承担跨越业务和技术维度的新角色。

这可能对高学历员工来说相对容易，但也可能导致未来劳动力两极分化加剧。愿意且能够掌握数字和人工智能相关技能的员工，经济状况会越来越好；而无法获得所需技能的员工，将被排除在许多工作之外，只能从事低生产力、低报酬的工作。因此，加强毕业生在校期间的实践经验积累，以及员工在职培训至关重要。

以下是不同人员在与人工智能合作中需要提升的能力列表：
|人员类型|需要提升的能力|
| ---- | ---- |
|一线系统用户|学习如何与系统协作|
|主管和一线经理|适应流程变化，学会在新环境中管理|
|技术人员|具备业务和领域知识|
|业务用户|掌握技术能力和数字思维|
|全体人员|承担跨越业务和技术维度的新角色|

下面是一个简单的mermaid流程图，展示组织引入人工智能系统的大致流程：

graph LR
    A[了解工作背景] --> B[构建人工智能系统]
    B --> C[逐步引入系统]
    C --> D[员工培训与适应]
    D --> E[变革管理与评估]
    E --> F[实现生产力提升]

结论4：人工智能增强效果良好

我们聚焦于人工智能系统在工作场景中的成功应用案例，受访人员都已充分就业，积极参与工作中的技术和流程变革，并热衷于与人工智能系统协作或管理这些系统。他们认为自己的工作不会很快被智能机器取代，而且在与智能机器协作的过程中，需要运用更多的高级评估和判断技能，加强与他人的沟通和协调。

雇主也对这种协作模式感到满意。在实际案例中，人类与智能机器的协作能够提升业务能力。对于正在或计划进行人工智能变革管理的组织及其员工来说，这些成功案例具有借鉴意义。

结论5：更多自动化即将到来

我们认为，将智能机器与人类紧密结合的增强模式，是提高生产力的关键，也是解决就业两极分化和不平等问题的重要途径。

然而，许多任务和部分流程完全自动化处理效果更佳。例如，案例中的FarmWise数字除草机、斯坦福医疗保健的机器人药房运营、希捷的视觉检查和传感器数据集成以及快餐薯条烹饪等，都实现了近乎完全的自动化。即使在完全自动化的情况下，人类仍需监督这些任务或流程，支持其持续改进，处理特殊情况和干扰。

对于相对稳定、变化较少的工作场景，人工智能系统的不断改进将减少人类的参与。但人类比机器更具灵活性和情境感知能力，在动态变化的工作环境中，仍需要人类与机器的协作增强模式。适应性强的组织更具经济可行性，即使人工智能能力不断提升，广泛的增强模式仍将持续存在。对于工作环境变化缓慢、最终可能实现完全自动化的员工，我们希望他们能在自动化场景中为技术增值，或转移到重视人类能力的公司。

以下是不同工作场景下人类与机器协作模式的对比表格：
|工作场景特点|协作模式|人类角色|
| ---- | ---- | ---- |
|相对稳定、变化少|完全自动化为主，仍需人类监督|监督、支持改进、处理特殊情况|
|动态变化|人类 - 机器协作增强|发挥灵活性和情境感知能力，与机器紧密协作|

结论6：若奇点到来，一切未知

“奇点”指人工智能能够比人类更出色地完成所有任务的时刻。虽然这一时刻可能在几十年甚至更久之后才会到来，但一旦到来，人类可能不再需要从事大多数工作。

届时，社会可能需要找到将强大微处理器植入人类大脑的方法，或者为人类提供维持生计的工资，让他们从事社交和文化活动，如绘画或写诗。但目前和中期未来，这种大规模变革并非必要。当前，工作场所需要进行一些变革，加强对现有员工和新入职员工的教育和技能提升，这些都是虽具挑战性但十分重要的渐进式变革。

下面是一个mermaid流程图，展示未来工作场景中人类与机器协作模式的发展趋势：

graph LR
    A[当前工作场景] --> B{工作场景特点}
    B -->|相对稳定、变化少| C[完全自动化增加，人类监督]
    B -->|动态变化| D[人类 - 机器协作增强持续]
    C --> E{奇点是否到来}
    D --> E
    E -->|是| F[人类角色重大转变]
    E -->|否| G[现有协作模式持续发展]

总之，在智能机器时代，我们应正确认识人工智能的局限性和人类的优势，做好与人工智能合作的准备，积极应对工作场景的变化。通过人类与智能机器的有效协作，实现生产力的提升和就业的稳定发展。同时，我们也要关注技术发展的长远影响，为可能出现的重大变革做好准备。