AI時代的新工作機會

文 | 保羅·多爾蒂

人工智能（AI）作為第四次工業革命最具顛覆性的通用技術，將從根本上改變工作性質。但這種顛覆並不能被簡單理解為“機器換人”甚至全人類的就業危機。我們既不能高估AI掌握未來工作的實際能力，也不能低估人類在企業組織運營和員工管理方式上所做出的適應性調整。

埃森哲最新的研究表明，在全球各大行業中，都已經有領軍企業成功駕馭了這股由“人機協作”催生的業務轉型浪潮，而它們將不確定性轉化為增長機遇的成功訣竅，就是在AI時代的組織管理中，從思維到技能都遵循“以人為本”的第一性原理。

從“機器換人”轉向“人機協作”

我們認為，AI系統具備感知、理解、行動和學習等技能，極大拓展了人類的能力，在企業中應用的AI系統不僅能夠推動流程自動化，提高工作效率，而且對人類員工的組織方式也帶來了巨大改變。面對變革壓力，很多人都存在這樣一種認識誤區，即包括高級機器人在內的AI系統會逐步接管人類的工作。例如，無人駕駛汽車終有一天會取代計程車司機、快遞員和卡車司機。

對於某些具體工種，這一擔憂或許會成真。不過我們發現，AI更重要的影響還是賦能於人，從而推動重大商業轉型。在部署了AI系統（從機器學習到計算機視覺再到深度學習）的公司中，一些公司生產效率只是在短期內略有提高，但另一些公司的績效可能突飛猛進——後者顯然是這種轉型的成功受益者，其訣竅在於能夠充分理解並利用AI技術帶來的真正影響，更在於它們為了充分挖掘AI的潛力，採用更有流動性、適應性的業務流程，組建了人機協作團隊。

正是人機協作，減輕了AI接管人類的擔憂，推動了許多傳統流程的革新。

在位於德國丁戈爾芬格（Dingolfing）的一家BMW裝配廠，工人和機器人共同完成汽車組裝。在工廠一角，一位工人擺好了用於傳動裝置的齒輪箱，一個可以感知周圍環境的輕量機械臂拿起了一個12磅重的齒輪，精確地放入齒輪箱，然後拿起另一個齒輪……這位工人則開始處理下一項任務。在工廠的另一角，另一個輕型機械臂正在小型車窗的邊緣均勻塗抹黏稠的黑色黏合劑。一位工人在機械間走來走去，擦拭黏合劑噴嘴，放入新玻璃，並拿走已塗好的車窗。在這裡，人類和機器人實現了“和諧共舞”。

這樣的場景在當下已經很多，西門子的“Click2Make”自動化工廠項目利用人工智能（AI）推理工具，根據人類和機器人各自的技能分配任務，確保人機無縫合作。電商巨頭京東開設了為期三個月的無人機培訓課程，培養能夠利用無人機送貨的員工，這一崗位在數字化變革之前壓根不存在。在保險索賠處理過程中，AI承擔繁瑣乏味的體力勞動、收集數據並進行初步分析，從而使理賠專員能夠專注於處理複雜案件。

換言之，AI承擔的是機器比較擅長的任務：完成重複性工作、分析海量數據集並處理常規案例。人類則專注於自己最擅長的工作：跟進處理存疑信息、針對複雜案件做出自己的判斷，並與不滿意的客戶進行溝通。

這些創新型團隊能夠適應不斷湧現的新數據環境和多變的市場行情，借助智能機器應用，幫助企業革新工作流程。

（未來將會有更多的機器人應用於生產線上。圖/中新）

新型工作崗位彌合“中間地帶”

日益密切的人機協作，催生出第三輪業務轉型浪潮。第一輪浪潮是由亨利·福特引領的，主要標誌是標準化流程；第二輪浪潮是指20世紀70年代湧現出的流程自動化，隨著信息技術的進步，第二輪浪潮在90年代達到頂峰。在第三輪浪潮中，人機協作開始推動少數優秀企業實現指數級的績效增長。

但絕大部分企業依然在人類與機器之間留下了一個關鍵缺口，對於AI時代人機協作的“中間地帶”該如何管理，許多企業感到困惑。例如，它們可以從智能機器人供應商或服務商較快地獲得新型自動化生產設備和使用方法，卻並未對現有員工隊伍做出有具體針對性的組織規劃與崗位設計，更不用說發揮人類員工原有的經驗與潛能。

根據優秀企業經驗，在這個被遺忘的“中間地帶”，人類與智能機器完全能夠各取所長。例如，人類可以開發、訓練和管理各類AI應用，從而確保AI系統真正成為人類的幫手。同時，機器也可以使人類突破自身極限，拓展自身能力，例如實時處理和分析來自不同來源的海量數據。簡言之，機器賦能於人。

在這一地帶，人類和機器不是“搶飯碗”的競爭對手，而是合作夥伴，通過共同探索各自最擅長的領域，助力彼此提升績效表現。通過新的戰略規劃，公司可以變革業務流程，從而充分利用人機協作的諸多優勢。

在機器與人之間，公司必須努力填補“中間地帶”。這就要求公司設立新的崗位，需要有員工專門負責設計和培訓算法、解釋所使用的算法並進行維護。據我們研究，AI催生出的新業務和技術崗位主要可分為三大類型：培訓師、講解員和維護者。

培訓師能夠教AI系統如何運作，幫助降低自然語言處理器和機器翻譯中的錯誤，並指導AI算法模仿人類行為。例如，在製造業中，用於輔助人類工作的輕型機器人需要事先接受編程和培訓，才能處理不同任務。只有擁有相應技能的員工才能進行此類培訓。而需要接受培訓的除了實體機器人之外，還包括AI軟體。培訓需要大量角色和工種。在簡單的情境下，培訓師幫助自然語言處理器和機器翻譯減少錯誤，而在複雜情境下，培訓師要訓練AI算法模仿人類行為。

講解員，能夠幫助技術人員和企業領導者實現有效溝通，他們擅長向非技術人員解釋複雜算法的工作原理。隨著AI系統的原理越發艱深，這些人才的重要性日益上升。講解員又可以細分為三種：透明度分析師，負責解釋特定AI算法為何作為“黑盒子”運行；算法取證分析師，負責確保各個算法為其結果負責；策略顧問，負責對各類AI技術最適用於何種應用進行主觀判斷。

維護者，能夠確保AI系統按計劃運行，即作為一種輔助性工具，讓我們的工作和生活更便捷。維護者也可以細分為三種：背景設計師，負責管理商業環境、流程任務、用戶的獨特情況、文化問題和其他背景因素，從而確保複雜的機器人和其他AI系統在設計之初就考慮到上述因素；AI安全工程師，預測AI系統可能帶來的意外後果，分清輕重緩急，解決任何可能出現的有害情況；道德合規員，作為監管者和監察員，確保AI系統符合人類的價值觀和道德觀。

從更廣的視角看，智能時代的企業在不斷開拓創新的過程中，必定會創造大量對員工技術水準要求很高的全新崗位和角色。這些崗位和角色都會是人類技能和技術賦能疊加的複合型崗位，勝任這些崗位的人也將是對“人機協作”駕輕就熟，為企業創造出超額價值的“超級員工”。這些員工將成為各家企業爭奪人才的焦點，而為了留住他們，企業需要規劃、管理並支持更多樣的職業發展道路，並借助新技術強化企業知識管理和技能培訓的靈活性和有效性。目前，在吸引和保留“超級員工”方面，絕大部分企業尚未找到行之有效的方法。

AI讓企業成功，也讓員工成功

埃森哲的研究表明，各大行業中，只有領軍企業成功抓住了第三輪業務轉型浪潮帶來的機遇，它們在我們調查的全球近1500家大型企業中佔9%。這些企業最大限度地實現了自動化，並著手開發新一代流程和技能，從而充分利用人機協作的諸多優勢。 它們成功的訣竅是遵循五大關鍵組織原則：思維模式、實驗、領導力、數據和技能。

首先是以行動為導向的思維模式，企業必須從中了解傳統業務流程和新型AI解決方案之間的區別。工作崗位不應僅限“人類專屬”和“機器專屬”，還應包括協作型崗位。這種前所未有的崗位如何設計？公司高管們應當鼓勵現有員工等利益相關者共同創造，讓試點解決方案不斷擴大適用範圍，先讓員工對新系統進行內部測試，所有難題都化解後再應用於外部客戶。

第二是針對公司自身特點進行實驗，積極觀察流程中各環節的情況，以測試並完善AI系統，同時從“中間地帶”的角度重新定義個性化流程。單純複製其他領軍企業的最佳流程已然行不通。只有現場不斷試錯，才能確定哪些工作可以交給人類，哪些工作最好由人類和機器合作完成。若想讓員工接受實驗，領導者需要制定明確的目標，同時不能因錯誤或失誤而氣餒。

第三是承諾負責任地使用AI的領導力，企業管理者必須時刻考慮到AI的倫理、道德和法律影響。這意味著企業要改變對AI的定義：AI不是隻按照編程行事的系統，而是能夠不斷學習的系統。從這個角度，企業在“培育”AI時面臨的許多挑戰與人類對下一代的教育類似：了解何為對錯以及負責任的行為，在積累知識經驗時摒棄偏見，既獨立自主也保持與他人的合作和交流。人類對於工作崗位可能被AI取代的焦慮是一種主觀認知，管理者務必要讓員工切實體驗到AI的賦能作用，AI存在的意義是取代繁重任務和推動流程轉型，AI工具可以使員工的日常工作不再繁瑣，更具吸引力。

第四是構建數據“供應鏈”，為AI系統提供“燃料”。管理數據不是企業內部分散開展的靜態流程，而是在整個企業範圍內獲取、清洗、整合、甄選和存儲信息的動態活動。AI要求數據必須又“好”（種類多、質量高、可用性強）又“多”（海量）。因此，企業需要大力投入負責獲取並提供數據以供分析的人類崗位。這些崗位至關重要，因為數據中的偏差會造成嚴重的消極後果。

第五，也是最重要的關鍵組織原則，是積極為員工培養在“中間地帶”所需的八種融合技能。

增加人類創造力時間：將更多時間分配給明顯需要人類的活動，例如革新後業務流程中的人際互動、創意活動或決策活動。這樣不僅提升員工的工作效率和工作成效，還能改善員工福祉並提高客戶滿意度（畢竟客戶更喜歡與人類員工深入溝通）。

負責任的規範化：當需要使用AI、但人們對其接受度不足時，就需要運用規範化這一技能，負責任地補充人們的認知。當在道路、醫院、快餐店、學校和療養院等公共場所引入機器人時，人類的這種闡釋技能至關重要。人類員工的人文學科知識、STEM技能、企業家精神、公共關係方面的敏銳度，都能幫助人類用戶善用而非濫用AI。

整合判斷：人類要根據判斷，在機器無法確定該做什麽時，有能力直接采取行動。AI能夠正確處理很多問題，但它仍然無法準確分析局勢和人類想法。因此即便在組織流程革新後，也要確保人類判斷力和行動力依然處於系統核心。

智能提問：人類要懂得如何以最佳方式向AI詢問抽象問題，從而獲得所需的答案。很多工作領域都會涉及智能提問，例如優化鐵路運輸和船運組合、調查藥品化合物和分子間相互作用以及確定最佳零售價格。其中，確定零售價尤其需要智能提問，因為銷售的成敗均涉及大量的複雜數據。

機器人賦能：AI代理可以拓展人類能力，在業務流程和職業生涯中突破自身極限。在日程規劃、組織會議、寫作編輯、內容發布等方面，人類已經能夠放手讓AI承擔工作，從而為自己節省出處理關鍵任務的時間。

全面融合：開發可靠的AI代理模型，從而改進流程結果。比如，機器人極大改變了外科手術流程，但手術成功仍然取決於外科醫生以及他們操作機器人的能力。在人機協作時代，這種全方位的身心融合，會令人類創造出機器學習可用的思維模型，讓機器獲取用戶行為數據並改進與人的互動。

互相學習：人類員工既可以在AI身旁開展任務，便於其學習新技能，也可以接受在崗培訓，以便適應經由AI技術改進的流程。傳統的專業技術教育是單向的，即人類學習如何使用機器。然而在AI領域，機器和人類互相學習，在這一過程中，老師需要擁有足夠的專業技能，AI也應當具備一定的接受能力。

重構能力：讓人類員工定義新流程和業務模式，而非僅僅推動舊流程的自動化。這是一種重新定義事物本質的能力，也是智能提問和機器人賦能等其他技能的基石。重新定義的能力，可以讓員工擺脫技術飛速進步帶來的焦慮和不安，並通過業務流程、業務模式的重構，帶來新的職業滿足感。

AI變革已成燎原之勢。在這場變革中，為讓整個企業充分利用AI技術、增強人類能力，企業各職能部門的流程都會被重新定義。人類的重要性在這一過程反而更為突出。AI技術能夠為人類提供有力工具，使人類擁有“超能力”，並重新分配工作時間——讓員工有更多時間發揮自身優勢，而不是把時間浪費在機器可以替代的機械性工作上。

在AI時代，工作機會並不是“保留”下來的，而是“定義”出來的。在定義和設計全新工作機會的機遇前，企業家和監管者分擔著史詩級的重大責任，但企業對人才所負的責任顯然更直接也更巨大。據我們估計，未來十年是AI大規模應用的時代，獲勝者與失敗者之間會呈現天壤之別。兩者差距不在於一個國家、一家企業是否應用了AI技術，而在於如何應用它才能為人類發展造福。

作者保羅·多爾蒂（Paul R. Daugherty）為埃森哲首席技術與創新官；編輯：馬克

本文首刊於2019年5月27日出版的《財經》雜誌