認知技術時代來臨，我們的工作將會如何被重塑？

長期以來，人工智慧研究者都在開發旨在提升計算機效能的技術，這些技術能讓計算機完成非常廣泛的任務，而這些任務在過去被認為只有人才能完成，包括玩遊戲、識別人臉和語音，在不確定的情況下做出決策、學習和翻譯語言。為了將人工智慧領域中衍生出來的技術與AI領域進行區分，我們將這些技術稱為「認知技術」（cognitive technologies）。通常使用的認知技術包括機器學習、計算機視覺、語音識別、自然語言處理和機器人學。

在接下來的3到5年中，認知技術有可能會給職業、工人和公司帶來深遠的影響。這些技術可以，並且即將消除人類的工作。但它們也有可能被用來重新定義人類的工作、為工人創造出新的機會、為商業公司和客戶帶來更高的價值。公司的領導者們應該理解4個主要的自動化選擇，以及我們所描述的成本和價值策略。他們也應該調整人才管理工作，來吸引和改進員工的職業技能，包括創造性和情商——這些技能在認知技術時代會變得更加重要。

最近，牛津大學研究者做了一個被廣泛引用的分析，正是上述爭論中「黑暗」一方的一個例子。這項研究估測道，美國的就業人員中，有47%正因接下來10年或20年的計算機化而「處在風險中」。資訊科技研究機構Gartner也持相似的觀點，預言「到2025年，有1/3的工作將被軟體或機器人所取代。」三個Gartner的分析師甚至做出更徹底的「戰略性計劃假設」：「到2030年，今天我們所熟知的90%的工作都將被智慧機器取代。」

並不是所有人都相信，公司應該開始為一個沒有僱員的未來早作打算。David Autor是一個傑出的經濟學家，他在麻省理工學院（MIT）研究技術與就業之間的相互作用，是這方面的權威。他寫道：「機器要取代人類，亟需適應性、常識和創造性，這些需求的缺口還非常大。」他認為，人們未能足夠重視機器與人力之間的互補性，這種互補性將會「提升生產力、增加收入、增大對熟練工種的需求。」Rodney Brooks是兩家著名機器人公司的專家和創始人，他相信，人們應當正確地看待機器人這樣的技術，因為它們能夠「讓人們擺脫那些折磨人的愚蠢工作」，而不是讓人們失業。

對未來，我們更喜歡積極的預期。認知技術正在較窄的領域中取得好的進展，而取代整個流程或職業卻很罕見，不太可能在短期內變得很普遍。更有可能的是，尤其是在接下來的3到5年內，工作的一部分會被認知技術自動化。員工（包括知識性的員工）將與自動化的智慧機器打交道，就像今天的飛行員和先進工廠內的工人所做的工作一樣。由於這個原因，公司領導者應當進一步考察認知技術為工作、員工和公司所帶來的影響，這是一件非常重要的事。

圖1

產品類應用將認知技術嵌入到產品內，來實現智慧行為、自然交流（比如說和看）以及自動化。該類應用對工人的影響從沒有影響（機器人玩具或智慧溫控器）到有些影響（能承擔家居清潔工作的掃地機器人）再到影響重大：自動駕駛汽車正取代採礦卡車司機和火車駕駛員，某天它們將會取代計程車或貨車司機的工作；機器人還會取代泥瓦匠和磚瓦工。下一步，公司就可以將使用認知技術的產品部署到各個業務流程中。

自動化企業工作

流程類應用使用認知技術來提高、擴大或自動化業務流程。比如自動化資料輸入、自動化手寫識別、使用演算法的自主規劃與調整以及使用語音識別、自然語言處理和問答技術的自動化客戶服務。通過定義流程類應用會讓工人的工作實現全自動或半自動化。如下所示，自動化會對企業產生挑戰，而且並不總能達到預期效果。

自動分析

分析類應用使用認知技術來揭示模式、做出預測以及指導更有效的行動。如，英特爾採用機器學習向其銷售團隊展示客戶的進一步需求以及他們該向客戶提供什麼。某些分析類應用可以看作自動化的形式：接下來做什麼是基於特定情境由機器而不是人所做出的決定。其他分析類應用是改善而不是自動化現有決策流程，或者進行之前不能做的分析。有時，他們將機器學習與其他認知技術（比如計算機視覺或自然語言處理）相結合。例如，一家初創公司將計算機資料與機器學習演算法相結合通過零售商場停車場的衛星影像來判斷其營業狀況。

自動化意想不到的後果

自動化的歷史可以追溯到數百年前，包含了製造業（工業自動化）、航空和文職工作（辦公自動化）。如今，認知技術將自動化擴充到新的領域，比如過去那些需要人類感知和認知能力的任務。雖然自動化極具價值，但是，數十年的研究編碼自動化並不總是有益的，也帶來了意想不到的後果。隨著商業和技術領導人考慮使用認知技術來自動化工作，他們會從自動化的歷史中學到很多，來避免重複錯誤。

引入自動化以彌補人類能力不足的想法似乎很令人信服。但是，自動化系統也會有缺陷。離開人類操作員，只讓機器自主完成任務會有問題。比如，沒有人類監控的自動化程式會產生錯誤，然後程式會忽略這些錯誤繼續執行任務。研究表明，即使是幹勁十足的工人，他關注不變的資訊源的時間也不會超過半小時。

如果人們不經常訓練，他們會失去某技能。這就導致了頗具諷刺意味的情況發生，人們會需要一個自動化系統來執行他們不擅長的任務，比如自動駕駛。有時會產生悲劇後果。研究人員發現，過度設計或設計不佳的自動化，不僅沒有實現去技術化，還會降低人們在某些任務中的表現。研究表明，駕駛中有太多的自動化，比如採用巡航控制系統會讓司機（特別是新手）疏於警惕，還會降低表現，比如緊急制動。其他研究發現，自動化系統（就像壞老闆）會降低工人的積極性、產生疏離感、降低滿意度、生產力和創造力以及離間員工。

技術評論家Nicholas Carr認為，拙劣的自動化策略對效率和安全性會產生負面影響，還會破壞我們的個性和自我價值。

企業面臨自動化選擇

認識到關於自動化的潛在問題，研究人員們便嘗試尋找一些確立系統有哪些功能，要實現什麼程度自動化的客觀方式。為解決這一問題，Parasuraman等人發展出一項分析自動化選項的體制。他們提出自動化須應用於以下四大類功能：1)資訊獲取；2)資訊分析；3)決策和行動選擇；4)行動實施（見圖2）。在每一類中，自動化被應用的程度是一個從低到高的連續等級，即從完全人工化到完全自動化（見圖3）。

圖2

他們覺得一款自動化設計的評估標準應該首先是它對人類工作效率的影響，其次是諸如自動化可靠性，和行動與決策結果的成本。這一被廣泛引用的工作是指導自動化設計決策領域的諸多嘗試之一。

從替換到增強：一款天才科技模型

為補充自動化設計方面的學術工作，研究者提出一個框架，即強調自動化對員工的影響以及評估各種自動化選擇對業務的影響。這一框架對正考慮自動化自動化對創造性和知識工作影響的領導者極為有用。

根據自動化對於工人的影響和自動化程度對工作完成度的影響，我們確立了應對自動化的四種主要方式，總結在圖4中。

遵循哪一種方式，不由工作型別或採用的技術決定，而是系統設計者，乃至領導者和決策制定者所決定。通過對一項職業——翻譯員，和一項認知技術——機器翻譯的分析，讓我們來闡明這四種自動化選項是怎樣起作用的。四種選擇都要以不同的方式應用自動翻譯技術，會對翻譯人員產生不同影響。

圖3

採用替代方法，像翻譯技術手冊這種過去人為翻譯的工作，連同翻譯員本身，都將被淘汰。在切分/自動化的方法中，儘管現有的機器翻譯表現得並不完美，大量的翻譯工作被首先交給機器，這之後專業的譯者會編輯已自動翻譯好的文段，即後期編輯。許多專業譯者認為這是「語言維護工作」：這貶低了他們的一技之長。一個緩解方法是把低價值又無趣的工作交給機器，而把更具挑戰性的，對質量要求更高的像營銷文案的材料，交給夠格的專業翻譯人員。最後，在增強的方法中，譯者可以使用自動翻譯工具來加速或改善他們的工作，比如自動翻譯器會在翻譯一條短語時提出幾個選項，供譯者自由選擇。這在提升生產力和質量的同時，也使譯者可以把控整個創作過程，負責審美判斷。

圖4

當涉及到勞動力的使用和影響時，企業需要做的可不只是根據上述列出的四種方法來歸類工作。要正確評估其選擇，企業需要在成本戰略和價值戰略之間進行考量。

• 成本戰略是通過應用技術降低成本，尤其是勞動力成本。
• 而價值戰略則旨在以技術彌補人工的同時，分配工人做價值更高的工作來增值。

以下是四種自動化選擇如何在這兩種戰略下分別發揮作用：

替換的方法。在成本戰略下，企業以擁有認知能力的計算系統取代人工執行相同的任務。這一選擇所帶來的經濟效益很明顯，然而卻受限於所耗的成本。而在價值戰略下，企業可通過重新分配工人的角色以及擴充其角色的功能來創造更大價值；或通過部署認知系統，在替代人工工作的同時提高工作效率或質量。

切分/自動化的方法。通過自動化降低人工成本是成本戰略的一個例子。但正如我們所見，自動化使擁有創造力的人或技藝精湛的工匠感到黔驢技窮和被邊緣化。而價值戰略可用這種方法來創造新的低成本產品以服務於新細分市場的需求。比方說，翻譯服務供應商可以提供一系列根據自動化使用程度不同而質量、價格不同的服務，並僱傭經驗不足的翻譯人員進行後期編輯。

減輕的方法。一個能通過減少人數來提高效率的成本策略。舉一個例子，呼叫中心通過將第一層顧客支援自動化來減少需要聘用的員工。在另一方面，這是一個價值策略，能讓員工更專注於更高價值的任務。比如說，當一個新的自動化功能計劃系統讓香港地鐵系統專家級工程師每週工作量減少兩天後，他們能把時間花在需要人類互動和協商這一類更難的問題上。

授權的方法。認知系統能讓技術級別比較低的員工勝任先前由高技術級別員工完成的任務。這是一個成本策略的例子。價值策略則會採用一個不光向低技術級別員工授權，還會對其進行培訓來使其獲得技能的系統。也許同時還會設計成能改善高技術級別員工表現的系統。

需要注意的是，認知自動化，即使用於旨在授權員工的系統中，也會遇到抵制。英特爾公司就發生過這樣的事，他們曾試著像我們前文中提到的那樣，通過開發一套認知系統來提高銷售產量。這套系統使用了機器學習來對顧客進行分類並且指導銷售員工對不同顧客銷售哪種產品。

銷售團隊的部分員工起初拒絕使用機器學習系統所提供的建議，也許是因為他們不服氣自己的銷售技能被排在了機器認知的後面。但是，當一些銷售員工最先適應了這個系統並且見證他們的銷售量得到顯著提高後，組內餘下的銷售人員也趕緊也用上了這個系統。如果一個銷售人員工作的精髓在於建立及維護與客戶的關係，通過一些自動化協助來將顧客的來電排序及推薦產品也許就是對科技使用的一種授權。

四種自動化的選擇如何在兩種不同的策略下運作的例子請參見圖5。

圖5

他們必須重新審視在其工作場景中需要用到哪種技能。隨著越來越多的常規任務被認知和其他技術取代時，完成這些工作的技能會越來越缺乏價值。然而，需要常識、一般智力、應變力和創造力這類技能以及那些需要人與人之間互動的，比如說情商和同理心的技能會變得相對更有價值。經濟學家David Autor說這是因為「不能被計算機替代的任務通常由計算機補足。」科技提高了生產力，增加了收入，同時對有技能的勞動力需求更大。比如說，懂得如何使用電子製表軟體（譯者注：excel、numbers等）的員工很有可能比只會使用鉛筆和紙的員工收入高。會使用電動工具和複雜機器的建築工人會比不會這些的單純人力勞動者收入更高。

上文提到的經濟學家Autor鑑定了幾種計算機暫時無法取代的任務所擁有的技能。比如說解決問題的能力、直覺、創造力、說服力——這些是完成所謂「抽象」任務所需要的；還有對場景的適應力、視覺和語言認知力、及人與人之間的互動，即「純人力任務」所需要的。

雖然要找到一些被成功自動化的這類任務的例子並不難。思考以下這個例子：谷歌地圖解決了導航問題，IBM的Watson電腦編寫了新菜譜，Amazon網站上的「猜你會買」；還有零售商Lowe’s的機器人店員。像這樣狹義的自動化比廣義的（範圍較大的）自動化容易實現得多。儘管自動導航和編排、同步日程都已經實現，解決問題的自動化卻依舊任重道遠。相比使用認知技術的狹義自動化任務，諸如批判性思維、通用問題解決能力、對不明確事物的容忍度、駕駛以及智謀等能擴大範圍並且實現廣義任務的必須技能和品質，都會變得更有價值。

變通力、創造力、批判性思維和情商

產品設計、服務、娛樂、或者構建使人高興的環境這些工作都不會在短期內被計算機取代。因此完成這類任務需要的技能，很有可能會相對更有價值。現在有能使這些創新變得更可靠的工具，比如說管理學說中的最佳實踐，市場調查，A/B測試等。但是，創造某種新奇的、美麗或者讓人感到愉快事物的中心任務需要的不只是技術上遵循產品設計或者電腦製作具體原則的技能，還需要同理心、對偶然性的開放心態等人性特有的技能。擁有這些技能並用來了解人類顧客和讓顧客感覺愉快的公司都能獨樹一幟且持續發展。

另一個依舊會由人完成的工作是提供高客戶服務體驗的質量。儘管認知技術可以實現更加高質量和個性化的自動化服務，但是，目前為止它還無法取代由有高情商、精神飽滿和高度同理心的訓練有素、裝備精良的人提供的高質量體驗。那些想要面對挑剔客戶、發展並維持高價值的客戶關係的行當則繼續依賴於人際接觸來完成關係管理和服務。

創造性技能將會變得越來越有價值。如上所述，我們見證了一些能稱得上創造性的計算機行為的演示，比如IBM的Watson會推薦新奇的食材組合。但機器的創造性需要人類作為指導。即便是Watson 也需要人類廚師來決定如何準備它挑選的食材。認知技術將會作為人類的創造性補充，而非取代。

隨著認知技術能逐漸模擬其他技能，批判性思維技能相對而言也可能變得更有價值。相比於提問，計算機更擅長回答。但洞察力始於提出一些重要的新問題。質疑機器的行動和決策對用它們來解放我們而非約束我們是至關重要的。

商業、人才和技術領袖應共同努力，分析認知技術帶來的挑戰和機遇，提出前進的道路。有效的方法應當包括如下因素：

• 預測。技術領袖對現有的認知技術進行評估，並且以發展的眼光預測未來五到十年的發展。
• 分析影響。商業和人才領袖分析競爭對手和其他領域的龍頭企業對認知技術的採用情況，並分析其對工種設計和勞動力需求的影響。
• 制定備選方案。業務和技術團隊聯合起來發展出一些備選方案，將這些技術應用於現在和將來的業務活動中，從而創造商業價值，包括運營價值和戰略價值。
• 情境構建。基於上述應用，人才領袖利用這裡提到的人才技術模型來設計一些情境，重新設計工作內容，重構勞動力。除了其他因素以外，情境要考慮，提高生產率量如何削減對某些特定勞動力的需求，如何使得一些技能變得相對而言更為重要，而其他技能變得不那麼重要。
• 試點。在一個或多個領域發展應用這些認知應用，人才領袖則研究研究人力資本的影響、機遇和挑戰。
• 培養技能。人才領袖應當招聘並培養那些會變得更為重要的人才和技能，包括創造性、靈活性、同理心和批判性思維。

隨著認知技術不斷髮展並不斷演化出新應用，它們往往被用來配合工作，幫助工人提高生產效率並得到更好的結果。領袖們應當想辦法讓人類參與其中，而不是想當然地認為最好的認知技術應用是完全消除人類勞動力。他們也應當發掘一些能彌補技能短缺的認知技術能。如前所述，他們需要考慮成本和價值策略。

戰略性人力資源規劃需要跳出以人才為核心的路子，必須考慮人才、技術、工作及企業設計的互動影響。傳統的人力資源模型為資訊科技適用的工種界定了邊界。隨著認知技術的強力發展，企業必須在人力資源規劃和工作設計中發揮更多的創造性。最大的挑戰可能在於如何對認知技術和工作的整合有更好的理解。

採用認知技術將改變未來的就業前景，它不可避免地會讓某些工種消失。它也會帶來職業的重新設計以及引入一些新的工作。那些藉由認知技術技能得到補充的人會更有發展，而那些技能被智慧機器取代的人日子就不好過了。

領導們面臨著如何應用認知技術的抉擇。這些選擇將決定著他們的員工是被邊緣化還是被增強，決定著他們的企業是創造價值還是僅僅是削減成本。沒有一套正確的選擇。當領導們準備將認知技術引入企業時，他們應當考慮哪些自動化的選擇會最適合於他們的人才和競爭策略。

via：機器之心原創編譯