研究表明,随着人机协作的进步,四种软技能正变得越来越有价值,包括复杂的推理、创造力、社交和情感智能以及感官知觉。人们纷纷通过增强自己的软技能,来抵御被人工智能替代的恐惧。
然而,关于机器人、算法和其他越来越智能的技术对于职场人来说究竟是福是祸,恐怕还难下定论。不管是为之欢呼还是瑟瑟发抖,人工智能已经在各行业落地生根,这是不争的事实。与其在不确定性中盲目猜测,迷失方向,倒不如正视眼前在发生的事情——人工智能已经通过创造新的就业机会改变着全球的就业形式。
埃森哲的研究人员经过两年半的时间,研究了1500家公司,发现并确定了三个由AI推动的新工作类别。在今天的文章中,参与项目的研究人员H. James Wilson、Paul Daugherty和我们分享了他们对AI创造的新工作角色的理解、帮助员工和企业适应新角色的三个关键,以及AI对全球就业形式的影响。
我们大约在两年半前开始了这个项目,研究了1500家公司如何使用人工智能,人工智能如何影响他们的业务和员工。结果发现,它肯定会减少一些工作岗位,但会创造更多新的就业机会。
我们可以运用自己特有的能力,让人工智能对我们的工作方式、生活方式和总体结果产生积极影响。
新工作角色的三个类别
一般来说,我们把人工智能创造的新工作角色划分为三个类别:培训者、解释者和支持者。
▨ 培训者
培训者通常在做数据科学工作,投入机器学习工程,积极构建人工智能系统。即使在同一家公司,培训者也可能有很多不同的类型。例如,特斯拉正在招聘具有机器人经验的流水线经理、机器人工程师和计算机视觉研究人员,以及深度学习科学家和机器学习系统专家。
团队中的技术专家很重要,但培训者不一定都是技术专家。比如一个具有市场营销背景或运营背景的人,可以与技术专家(如数据科学家)协作,一起识别并解决问题。
其中,有一种特殊工作是人工智能人格培训者,他们对聊天机器人和智能虚拟代理进行行为培训,目前很多公司都有这个岗位。公司可以将这些解决方案运用到与客户交流等方面。这就需要非技术人员与工程师合作,来帮助人工智能塑造合理而周全的行为方式。
▨ 解释者
解释者因人工智能被嵌入到非常复杂的系统和业务流程中而产生。所以重点是,解释者既要说明人工智能本身,解释它是如何工作的,还要更泛地去解释正在开发的系统将会产生的各种结果。
例如,在谈到自动驾驶时,人们不仅需要知道人工智能的部分,还需了解如环境条件、道路状况等,这样更有利于理解和调整系统,使其更有效地运行;银行和客户服务中心的数据分析师,也要回答客户关于算法决策的问题。 这些就需要解释者发挥作用。
一些特定情况下,解释者受监管政策影响很大。据估计,今年大约有75,000个新的解释者的工作机会与GDPR(欧盟的《通用数据保护条例》)有关。
解释者不仅连接公司与公众,也经常在公司内部与某些部门打交道。在医疗保健领域的大量案例中,我们看到解释者正在与医疗专业人士分享见解,比如解释为什么人工智能系统会给出特定的建议。
▨ 支持者
支持者是管理人工智能的人,确保不论技术、数据、形势、业务如何变化,它都能一直运行无误,以获得预期结果。支持者的角色是真正理解结果的人,这些结果需要不断改善以确保其可持续。
他们每天也会花很多时间思考人工智能系统带来的意外后果,以及这些后果最终会如何被公众接受。比如,峰时价格的问题,如何提出一个由算法驱动的、可持续的附加费定价模型?这些显然是Uber和Lyft等公司不得不处理的。再比如,带有偏见的算法、歧视性的面部识别系统,这些可能在刚开始时培训者还没有必要过多考虑,但现在支持者就必须根据情况提出建议,甚至可以在找到正确的解决方法之前,让人工智能系统停止运行。
支持者可以从事的岗位有很多。比如,在制造工厂配置、调整机器人以满足供应链和产品动态需求的技术人员,或者无人驾驶汽车后排坐着的安全员。
帮助员工和企业适应新角色的
三个关键
在这个日新月异的世界,我们会看到整个就业市场的发展正在加速。负责发展、管理AI系统的岗位会不断出现,AI会创造新的就业机会,而且还会改变旧的。
Facebook给了我们很大的启发,它创造了数以万计的就业机会,让更多人以一种更加负责任的方式,参与到管理算法、实现预期结果的过程中。因为算法并不能管理算法,需要人类来管理算法。
AI人才争夺战和大多数人一开始想的有很大的区别,第一,它涉及的范围更广;第二,这些角色的影响会随领域、顾客、制度体制而发生变化。
几年前,可能许多处于行业领先位置的AI企业只关注AI培训人员。但现在,他们也正在努力发展解释者、支持者这两种新角色。但我们在研究这些新的工作岗位时,发现企业面临的一个最根本的挑战是很多工作是全新的,没有人接受过类似的培训。如何帮助员工和企业适应这些新角色,通过跟踪调查和分析,我们发现有三件事情是必须做的:
▨ 更加关注经验学习
使用传统训练方法,一天之内人们就会忘记大约80%的所学内容。那怎么才能让人通过经验来学习呢?实习是一个非常重要的方法,因为在实习过程中可以通过亲身实践、从各个方面来学习。
我们曾在一家大型飞机制造厂进行过一次很有意思的培训学习,通过AI和混合现实技术,我们为工人带上特殊的头戴设备,帮助他们了解正在进行的工作、在整个过程中提供指导,让他们更快地完成高技能工作。
▨ 从个人学习转移到企业培训
每个企业都应把学习看作全新的核心竞争力。终生学习不仅是员工应该追求的,也应当是企业工作的核心。因为,未来根据具体的角色来聘请员工将会变得越来越难,而是要通过培训,让员工更加满足岗位需求。
我们曾与一家石油企业合作,研发一种新的钻井技术,使用可视化、AI、游戏等技术为技术人员创造各种钻井方式。在哪里可以请到能够熟练操作游戏和可视化技术的钻井工呢?
你要做的不是在市场上寻找具备这些技能的人,而是要培训现有的技术人员,让他们具备这些新的数字技能。这也就是为什么我们认为学习平台对企业来说是非常重要的部分,能够合理运用的企业必将脱颖而出。
▨ 降低构建或改进人工智能系统的障碍
推进人工智能民主化能够方便人们成为培训者、解释者和支持者。我们现在已经看到了许多即点即用的人工智能培训工具,但同时也要降低使用这些系统的障碍。
从社会和各利益相关方的角度出发,还应该研究如何让可能已经脱离数字世界的弱势群体,也就是没有正确掌握基本技能的人在这个环境下工作。
新工作的全球影响
这些新工作对企业的发展和人们的就业形式将会产生重大影响,必须从更广的范围来观察这一切。
在我们的研究中,未来约有10%的工作只有人类才能做,约35%的工作是可自动化的——这部分工作由机器、算法等自动完成,剩下超过一半的工作都是可以扩展的,这意味着自动化可以改进人类的工作方式,但在很大程度上还需要人类来完成。
最近七国集团会议的数据表明:由于对人工智能的投资,加拿大预计经济产出将增加160亿美元,并且将有1.6万个新增岗位。我们在世界各地都看到了类似的影响和趋势。
一些新的工作岗位将出现,一些旧的将被淘汰,大多数工作将以不同的方式转变,这是整个时代的背景。我们需要做的是,预测到人工智能和其他技术将给工作岗位带来的变化,并且让人们为这些变化做好准备。
如果你回顾一下以前的技术浪潮——二三十年前,人们不会预料到会有大量的员工受雇于搜索引擎、网页设计、电子商务、社交媒体等行业。与此类似,我们已经看到AI给就业带来的挑战和机会,我们需要做好准备,并随着时间的推移继续创新,继续探索。
推荐阅读
壹
贰
叁
肆
伍