隨著人工智慧技術應用到標準化、重複性的機械自動化過程，銀行和保險等行業的後勤工作崗位不僅在數量上逐漸減少，而且在形式上也在發生改變。“半人馬智慧”（即人機合作智慧）在軟體程式設計等核心工作領域逐漸興起。它將人工智慧與人類能力相結合，形成一種共生關係，推動生產率的顯著提升。出於對人工智慧可能造成的大規模失業以及所帶來對監控行為的擔憂，業界日益興起關於組織部署人工智慧方式和原因的激烈的倫理性討論。員工希望得到商業巨頭及負責人作出“AI-for-good”（人工智慧向善）的承諾和保證。儘管從短期來看，人工智慧替代人類工作的趨勢有所加劇，但越來越多證據表明，人工智慧透過創造新的就業崗位和改善當前崗位現狀從而大幅提升生產率。 本文由機器之心經授權轉載自三思派（ID：Science-Pie），未經授權禁止二次轉載。
➤ 到2020年，20%的從事後勤工作的銀行員工在執行非例行性工作時將依靠人工智慧。
➤到2023年，人工智慧將與人類程式設計師結合，創造出能夠承擔50%傳統程式設計師工作任務的“半人馬智慧”（即人機合作）工作模式——效率達到單個程式設計師獨自工作效率的兩倍。
➤到2020年，在“AI-for-good”專案的企業中，員工留存率將提升20%，同時資料分析行業的就業人員數量將提升50%。
➤到2021年，70%的企業將整合人工智慧技術提高員工生產率，這將促使其中10%的企業將“數字騷擾政策”納入工作場所規章之中。
➤在2020年，人工智慧將實現工作機會數量的淨增長，雖然會淘汰180萬個就業崗位，但同時也會創造230萬個新的就業崗位。
到2020年，20%的從事後勤工作的銀行員工在執行非例行性工作時將依靠人工智慧。
金融機構操作型員工的主要工作是執行標準化、重複性的工作任務。但非例行性的後勤工作對企業的經濟影響和商業價值更大。與此同時，人工智慧技術有助於提高工作人員處理金融機構後勤非常規性任務的能力。這對需要人工干預的複雜工作（例如財務合同審查和交易發起）大有裨益，因為人工智慧可減少失誤並對下一步行動提出建議。
機器學習（ML）和自然語言處理（NLP）等人工智慧技術接管了越來越多的非例行性任務並實現相關工作自動化。使用人工智慧技術提高後勤工作效率將有助於提升員工工作量和提高員工（和客戶）滿意度。
人工智慧在銀行例行業務及其價值鏈方面的應用取得了極大的成功。在某些情況下，這會導致以縮減非必要職員為目的的裁員。這一事實使人們擔心後勤崗位將很快被機器取代。事實上，銀行機構後勤崗位的減少大都源於機器人流程自動化（RPA）。例如，據某新聞網站報導，南非的萊利銀行預計將用軟體機器人取代3000個工作崗位。
然而，也有很多非例行性後勤工作將從人工智慧應用中獲益。具體例子包括財務合同審查和交易形成：兩者本質上都需要人工參與，但人工智慧的普及能極大地提高工作效率。使用機器人程式和RPA可減少工作失誤並去除冗餘環節，從而提升後勤工作的價值。摩根大通的合同智慧（COIN）專案成功應用了NLP、大資料、機器人技術和雲基礎設施，以此減少批發合同中貸款業務條款的錯誤。
銀行對人工智慧工具的應用也有所增加。使用預測工具便是一個例子，相關領域的專家對工具的依賴度正變得越來越高。隨著此類工具慢慢滲透所有銀行價值鏈活動，業務人員將經常需要依靠人工智慧來提升工作效率和他們在企業和組織中的經濟價值。
在銀行業應用人工智慧技術方面，預測認為，人類應主動控制人工智慧工具，將其作為銀行工作的輔助。儘管預測結果較為樂觀，人們對這個行業的工作機會產生了高度的不安全感，對這個高收入、高學歷的行業就業保障不盡如人意。
到2023年，人工智慧將與人類程式設計師結合，創造出能夠承擔50%傳統程式設計師工作任務的“半人馬智慧”（即人機合作）工作模式——效率達到單個程式設計師獨自工作效率的兩倍。
數字經濟的發展不斷推動著軟體需求增長。開發、改進、修復和監測這些系統的軟體工程師的工作效率有限，且面臨著與日俱增的工作壓力——即不斷滿足日益增長的軟體需求。
計算能力極大地推動了基於機器學習和人工智慧的應用發展。機器學習專門處理異常檢測，傳遞推薦的觀點並預測行為和結果。反過來，基於機器學習的功能又有助於滿足對軟體工程人才和生產能力的需求。
人工智慧將為傳統軟體工程活動提供四個關鍵領域的支援：
➤ 系統開發
➤ 迭代需求
➤ 異常檢測
➤ 預測性和規範性監測
表1. 人工智慧將如何自動完成軟體開發的苦差事
任務 | 成果 |
系統開發 | 實現重複程式碼、軟體移植和軟體測試等開發任務的程式化。 |
迭代需求 | 取代應用程式中基於規則的傳統邏輯，為可推動軟體迭代的自主學習模型提供支援。 |
異常檢測 | 識別功能缺陷並自動排查故障。 |
預測性和規範性監測 | 實現監測以主動發現潛在故障和瓶頸，並推動實施解決方案，以避免打破例行程式。 |
此類程式設計活動將越來越多地由人類軟體工程師和人工智慧組成的“人機合作”模式完成，以應對工程需求量的增長。這些“人機合作”將透過人類工程師和基於人工智慧的機器的合作運作。
人機合作關係將存在多種形式，例如：
➤ 過渡——由軟體工程師劃分人與機器的軟體工作任務，並確定兩者之間的過渡工作。
➤ 協作——由軟體工程師對已確認的工作任務進行分類，不斷向機器傳輸常規問題的解決方案，並將非常規性任務交由工程師解決。
➤ 啟發——企業利用人工智慧發展軟體工程技能和人才。
➤ 創新——機器的能力將進一步提升，從而滿足已知的軟體工程需求。其結果將呈現給軟體工程師，以完成機器無法完成的工作，創新者和合作者共同取得更加重要和成熟的商業成果。
企業將利用“人機合作”模式滿足日益增長的複雜軟體和生產能力的需求。隨著人工智慧對大量例行工作或重複性任務實現自動化處理，軟體工程將更具創造性，取得令人滿意的成果。軟體工程將有機會參與架構設計、協作和創新，為日益複雜的新商業成果提供支援。
到2020年，在“AI-for-good”專案的企業中，員工留存率將提升20%，同時資料分析行業的就業人員數量將提升50%。
資料科學和人工智慧技能需求龐大，而相關人才仍然短缺。高德納公司相關分析結果顯示，僅在美國，就有超過23.6萬個資料和分析職位空缺，同比增長43％。超過一半的職位空缺需要半年以上的時間填補。據麥肯錫估計，到2024年，美國將有25萬個資料科學職位空缺。同樣的，歐盟委員會一份2015年報告估計，專業資料人員和專業分析員的職位空缺率達77％，且預計需求量還將增加160％。
教育經費的增加和薪酬待遇的提高是應對這種勞動力短缺的典型措施。不過，當前正出現了一個新的機遇，讓抓住機會的企業可以脫穎而出，從而吸引並留住資料和人工智慧人才。這個機遇就是“Data-for-good”（資料向善）專案，以及衍生而來的“AI-for-good”（人工智慧向善）。
資料和分析通常用於提升業務績效、完善客戶服務和提高運營效率。在公共部門和非營利性組織中，資料和分析可能用於衡量專案和服務的影響力，或用於確保資金使用的透明化。然而，這些組織的資料和分析發展滯後，而私營部門的成熟度更高，通常能吸引更多人才。“資料、人工智慧向善”的專案使私營組織能夠向具有社會影響力的專案提供資料、技能和技術等方面的支援。專案覆蓋範圍廣泛，包括：利用人工智慧演算法識別貧民中的領導者以改善HIV教育的成果；面部識別用於打擊販賣人口；自動影像標記幫助拯救野生動物；或在颶風或洪水等災難發生後利用人工智慧進行針對性救援。
“資料和人工智慧向善”運動使企業領導者能夠利用、調整企業文化，使其成為吸引員工的決定性競爭優勢。例如，將慈善事業作為工作核心的文化表達了企業奉獻全社會的承諾。顯然，這對員工和領導者的重要程度可能因地區而異，但“資料向善”應用顯然是一項全球性運動。剛畢業的大學生在選擇就業單位和企業時越來越重視社會責任因素。高德納公司和馬里蘭大學研究發現，女性學生學習資料和分析的首要原因之一，是希望為公司和世界做出貢獻。美世諮詢公司2018年的全球人才趨勢調查表明，最優秀的員工選擇具有強烈目標感的公司工作的可能性要高出三倍。但7600名調查物件中，只有13％表示自己工作的企業因“目標導向使命”而具有差異化優勢。
CEO和CIO們都明白實現數字化目標需要更新企業文化。透過支援“資料和人工智慧向善”的運動，他們可同時向員工和就業市場發出強烈的文化調整訊號。上榜《財富》雜誌“2018年50個最佳回饋社會企業”的50家美國上市公司中，有46家允許員工帶薪休假做志願者。圍繞資料和人工智慧向善的倡議也有助於促進規範道德行為的社會氛圍。這一點如今變得越來越重要，因為在過去的一年中，對資料科學和人工智慧有意及無意的濫用率都有所上升。
截至2018年，擁有“資料向善”專案的分析和商業智慧（BI）供應商比例達到三分之一，且數量持續增加。部分供應商已開始實施用於特定目標的專屬專案，如消滅瘧疾、癌症研究和聯合國可持續發展目標，而其它供應商則選擇與Data Kind等集團合作。供應商當前正著手製定捐贈專案和志願服務時間表，並推動部分專案基金的建立。
許多專業人工智慧與資料分析服務公司都開展了“資料向善”的應用專案。它們要求員工每年必須花費部分精力用在鞏固社群居民關係的專案上，並在招聘資料分析和人工智慧專家方面取得了競爭優勢。這些專案還可進一步提升員工在新技術和新興資料領域的專業知識（例如，利用影像識別和通話記錄減少販賣人口的犯罪率或對瀕危物種進行分析）。
到2021年，70%的企業將整合人工智慧技術提高員工生產率，這將促使其中10%的企業將“數字騷擾政策”納入工作場所規章之中。
數字化工作場所的引領者正在積極部署虛擬助手等基於人工智慧的技術、亞馬遜Alexa等“智慧音響”，或其他基於NLP的會話系統和機器人，以協助員工完成工作任務並提高工作量。
但據高德納稱，許多人工智慧技術已經達到預期過熱的頂峰。因此，在未來的幾年裡，它們無法再滿足公司管理層和員工的熱切期望。例如，智慧機器人和NLP需要5到10年的時間才能達到成熟期。支援客戶個人助理功能的無線音響（智慧音響）、機器人技術中的機器學習和虛擬助手則需要2-5年的額外時間。這一事實將使得技術無法很好地運用到工作場所中，部分人員會因此拒用這項技術。
在消費技術領域，大部分客戶在與人工智慧客服對話中顯得禮貌得體，但也有顧客出於娛樂或惡意的目的，以侮辱性語言測試人工智慧客服的回應。如果未對人工智慧進行測試設定，那麼人工智慧客服可能記憶並模仿使用者的網路欺凌行為，從而導致數字騷擾事件。部分數字騷擾是顯而易見的，因此相對容易被發現和喊停，但侮辱性語言有時可能比較隱晦，難以察覺。當侮辱被恭維用語掩蓋時，即使是人類也很難聽出其中諷刺和挖苦的含義。
許多企業將不會在工作場所出現數字騷擾的問題，它們也無需在工作規定中新添任何內容，用於規定員工與人工智慧客服以及其它機器人進行互動的步驟和過程。但部分人工智慧的運用將產生意想不到的後果。2016年，推特即時通訊人工智慧Tay給微軟帶來了一次災難性的經歷，整個人工智慧市場都能從此案例上汲取教訓。許多關於此次災難性實驗的新聞報導稱，該通訊機器人學到了推特使用者“種族主義、否認大屠殺、性別歧視”等內容並進行了應用。
人工智慧技術初期的表現令人失望。由於人工智慧未能以有效方式對人們進行回饋，人們大感失望，並口頭侮辱人工智慧系統的案例和玩笑比比皆是。由於人工智慧系統採用了新型互動方式，可能對此類侮辱性的話語採取不恰當的舉措，即對這些話語進行重複，並在與其他人工智慧系統和人類對話時進一步使用傳播。這將導致人們對人工智慧技術更加失望，給人們帶來更加糟糕的體驗。
同樣，當人們聽到他人辱罵人工智慧系統時，開始會認為這種行為可以被接受。1961年一項著名的社會心理學實驗——波波玩偶實驗，證明兒童能迅速模仿成年人身體攻擊和口頭謾罵等行為。在發現有人經常粗暴的對待人工智慧技術後，久而久之，員工也會認為這種行為是可被接受的。最近的一些實驗也表明，隨著人們對人工智慧技術的態度愈發惡劣，其對待身邊人類的態度也將變得惡劣起來。例如，Kate Darling在麻省理工學院媒體實驗室進行了一項研究，其中研究者藉助一臺會說話的玩具恐龍機器人證明了這種行為的存在。
針對由於人工智慧技術不成熟帶來的侮辱性行為的滾雪球效應，以及員工不良行為和侮辱性語言現象的日益頻繁所導致的工作環境狀況堪憂。員工參與度、鬥志和生產率都會因此而受到影響。這些惡習還會滲透到員工與客戶之間的互動中，從而影響公司品牌和聲譽。
在2020年，人工智慧將實現工作機會數量的淨增長，雖然會淘汰180萬個就業崗位，但同時也會創造230萬個新的就業崗位。
2020年將是人工智慧行業發展的關鍵一年：相比在2019年創造的工作，人工智慧將在這一年淘汰更多工作（主要為製造類工作崗位）。而自2020年開始，人工智慧創造就業崗位的局面將出現積極逆轉，到2025年工作崗位淨增長數量將達到200萬。
人工智慧影響就業崗位變化的數量因行業而異：醫療保健、公共部門及教育行業的就業需求將持續增長；而製造業將受到最嚴重的衝擊。
高德納對於人工智慧對就業的積極影響充滿信心。而促使實現淨工作崗位增加的主要因素是人工智慧技術的加強——人類與人工智慧結合，兩者相輔相成。人工智慧在全球範圍內對就業的影響尚處於初級階段。
我們能自信地預測到2025年為止的就業動態變化趨勢，但2025年後我們很難預測新出現的行業和工作崗位，正如我們之前也很難預測智慧手機、社交網路以及廣告技術。然而可以肯定的是，與人工智慧相關的就業崗位將自2020年起穩步增長。此外，研究結果表明，在2021年，人工智慧的加強將產生2.9萬億美元的商業價值，並減少62億小時的員工工作量，提升生產率。從長遠來看，人工智慧將降低人工成本在總收入的佔比。然而，這一收入的部分將持續轉化為新工作，儘管這些崗位與那些被淘汰的崗位相比工作性質遠遠不同，但工資水平卻更上一個臺階。
關於人工智慧對失業和就業的影響，絕非三言兩語可以說清道明。所有行業都將不同程度上獲得省力省時的效益。僅有少數行業將面臨整體失業的狀況；一些行業在幾年內就會面臨工作崗位淨減少；而大多數行業壓根不會遇到這種狀況。
如今，各行各業的公司均已開始推行人工智慧。供應商迅速抓住這一契機，在其現有產品中引入新的人工智慧功能。資本投資導致了人工智慧創業企業如雨後春筍般湧現。人工智慧的大力發展是一個新現象，但人工智慧本身並非如此。人工智慧的效用早已在異常檢測、網路安全、證券交易、醫療診斷、客戶滿意度、DNA序列劃分及其他諸多領域得到有效證明。儘管人工智慧的應用範圍十分廣泛，但大多數關於失業的危言聳聽的謠言都混淆了人工智慧與自動化。在過去200年的時間裡，自動化一直在推動生產率以及資本和勞動報酬的顯著提升。
不幸的是，關於自動化的爭論掩蓋了人工智慧的最大效益，即人類利用人工智慧實施決策的行為日益增多。個性化購物公司StichFix就是人類與人工智慧合作共存的一個例項。Stitch Fix運用人工智慧縮小市場上大量商品的選擇範圍，以適應客戶的偏好，並將最終的商品選擇和個人風格設定的許可權留給了人類設計師。透過此舉，Stitch Fix為65位資料科學家，以及數千名設計師創造了工作機會。公司在2016財年實現7.3億美元的收入。據《財富》雜誌報告，Stitch Fix在2017年進行的首次公開募股（IPO）價值達到30至40億美元。
人工智慧對工作就業的影響每一年都不相同。高德納公司研究表明，在2018年，人工智慧將帶來價值2000億美元的新收入以及76.8萬個新崗位。此外，同年，全球範圍內的工作時長也將減少28億小時。在大多數情況下，人工智慧的省時和高效意味著工作效率的提升。儘管工作量減少並非總意味著失業，但2018年仍將有94.3萬個工作崗位被淘汰。失業主要發生在需要中等技能的工作中，以須接受“在職”培訓的工作為代表。低階別和低技能要求的工作會面臨一定的衝擊，但情況最終會逐漸好轉。
人工智慧導致員工流失是一個新的現實問題。人工智慧最終將淘汰數百萬的中級和低階職位。但同時，人工智慧又將在各個層級創造數百萬的新職位，不僅限於高技能要求和管理層職位，還包括新的入門級和低技能要求工作。
去年對預測進行的分析得到了持續的人工智慧投資支援，這些投資主要集中於“自動化”而非“生產率”，因此導致了失業形式的裁員。而這在短期內仍是大勢所趨，然而到了2020年人工智慧創造的就業崗位數量將超過淘汰的數量。正如本文顯示，關於人工智慧對其他行業（如銀行業）和工作崗位（軟體開發師）等方面影響的分析中表明這一趨勢仍是主流。同時，這還將引發相關的道德爭論，並促進人工智慧應用於造福人類——例如如何應對失業和工作型別改變及其對個人、組織和社會的影響。
本文由上海市科學學研究所科技發展研究中心助理研究員張宇飛，實習生許楊博文根據Gartner相關報告編譯。文章觀點不代表主辦機構觀點。
本文由機器之心經授權轉載自三思派（ID：Science-Pie），未經授權禁止二次轉載。