人工智能（AI）和机器学习在很多方面都为公司创造了价值。它们扩大了公司的营收增长，优化了工作流程，同时提高了员工参与度和客户满意度。但是在创造价值的同时，也必须解决AI和机器学习的局限性，包括数据问题、隐私问题，甚至是与人类的伦理冲突问题等。AI发展大势所趋，它在今天以及将来，对于人类的工作领域是一种替代还是协作？

正在发生着什么

在21世纪人类和计算机争夺工作岗位的战斗中，计算机似乎正在走向胜利，看起来人类转败为胜的机会并不大。随着技术进步，那些原本人们觉得不太容易自动化的工作，失守的可能性也增大了。

麦肯锡全球研究所（McKinsey Global Institute）在2017年1月的一份报告中估计，目前人类的工作职责中有一半可能在2055年实现自动化，最早2035年，最迟2075年。

从某种程度上来说，这不是什么新鲜事。自从车轮发明以来，技术就一直在取代人力劳动。现在机器已经在逐步取代那些低技能、低工资、重复度高的工作。而较少被取代的工作如影视业、治疗师、医学领域成员、社会工作者、教师和管理者等，因为在人际互动和定制决策等方面，计算机似乎还比不上人类。

但是这种情况正在发生变化。由于人工智能、自然语言处理的发展，以及计算能力的成本变得越来越低廉，人们曾经觉得不适合自动化的一些工作，突然显现出了自动化的前景。

例如在10年前，研究人员曾认为，让汽车绕过障碍物并在车流中穿行，这项任务的复杂性超出了计算机的能力范围，但现在几乎所有的汽车制造商（以及像“苹果”这样跨界而来的企业）似乎都在研制无人驾驶汽车。

大量的创新企业正在使用基于机器学习的工具使其决策过程自动化，并在数字化转换方面开始试验AI更高级的使用方法。粗略统计，全球企业在AI上的投资在2017年已经翻了三番，预计到2025年将达到1000亿美元。2016年，机器学习方面的风险投资就达到了50亿美元。这无疑会对我们产生深远的影响。

人工智能优化工作流程

个性化的客户服务。AI具有在降低成本的同时改善客户服务的潜力，这也使其成为最令人振奋的优势之一。客户可以在提出问题后获得高质量的答案，这些答案的背后是历史客户服务数据、自然语言处理以及从互动中不断学习提升的算法的结合。并且算法可以通过学习客服处理意外情况时的做法来自我升级，知道下一次遇到特殊情况该怎么做。

提高客户忠诚度和保留度。公司可以挖掘有关客户行动、交易和社会情感的数据，以确定哪些客户最有可能离开，再结合盈利能力的数据，就可以优化其“下一次行动的最佳方法”策略。例如，父母常常为孩子“包办”手机话费套餐，而当孩子逐渐长大了，由于需求的个性化，经常会抛弃过去父母选择的电信运营商。运营商可以利用机器学习预见到这种行为，并根据个体的使用模式，在年轻人转向竞争对手之前为其提供定制化的建议。

雇用合适的人。公司的每个空缺职位平均能收到约250份简历，而超过一半的受访招聘人员表示，筛选出符合要求的候选人是他们工作中最困难的部分。软件可以快速阅览成千上万的工作申请，并给出筛选后的候选人名单，这些候选人都是最有可能在公司里成功的人。在过去，招聘人员必须提醒自己不要盲从于任何偏见，而AI自身可以通过在职务描述中自动标记带有偏好的语言来抵制人的偏好性，同时检测出由于不符合传统期望而被忽视的高素质候选人。

金融自动化。AI可以在很多财务流程中加快“异常情况处理”。例如，当收到付款却没有订单号碼时，工作人员必须确认该款项对应哪个订单、如何处理超额或不足。AI则通过监控现有流程、学习识别不同情况，显著增强自动匹配的数量，这样可以让组织减少外包给服务中心的工作量，使得财务人员能够把工作重点放到战略性的任务上。

测量品牌曝光率。自动程序可以识别出产品、人员、logo等。例如，篮球赛等体育赛事的录像片段中会出现品牌的logo，高级图像识别技术就可以追踪到logo的位置。通过详细分析数量、logo出现的持续时间和logo的位置，企业赞助商就可以了解到其赞助的投资回报率。

检测欺诈行为。统计显示，企业平均每年因欺诈会损失5%的收入。机器学习算法通过构建基于历史交易、社会网络信息和其他外部数据源的模型，使用模式识别来发现反常现象、特殊情况并计算异常值。这有助于实时监测、防止欺诈性交易，即使是以前未知的欺诈类型也可以被监测到并加以预防。例如，银行可以使用历史交易数据来构建可以识别欺诈行为的算法。银行还能够注意到可疑的付款模式，发现具有重复的联系人之间的转移交易。

预见性维护。如果火车轴温度异常，则其在接下来的几个小时内会停车待修。机器学习可以监测到这一点，在故障出现之前就提醒将车轴送去维修，避免了以上情况的发生。

更平稳的供应链。机器学习能够对物流数据进行情景分析，以预测和降低供应链风险。算法可以通过对公共社交数据和各种新闻的筛选，进行监测。例如，一家位置偏僻的工厂生产对汽车变速器非常重要的滚珠轴承，若其发生火灾，算法通过新闻筛选就可以监测到，并立即提醒下游企业采取应对措施。

除了上述已应用的领域，不久之后可以被普遍使用的领域还包括：

职业规划。AI可以帮助员工选择实现高绩效、高满意度和长久的职业发展道路。如果一位工程学士希望成为管理部门人员，那么他们应该接受怎样的附加教育、获得什么样的工作经验呢？这二者的顺序又是什么呢？AI能给出清晰的建议。

基于无人机和卫星的资产管理。配备摄像机的无人机可以对商业结构（如桥梁或飞机）进行定期的外部检查，运用图像自动分析、检测物体表面是否有新的裂纹或变化。

零售货架分析。运动饮料公司可以使用机器智能，加上机器视觉，来察看其商品的店内展示是否在商店所承诺的位置，商品是否被正确地放在了货架上，商品标签是否朝外等。endprint

机器学习使得公司能够利用数字智能重新设计端到端的业务流程。它有着巨大的潜力。这也是软件供应商正大力投资将AI添加到现有应用程序里，利用AI创建全新的解决方案的原因。

但是现在还有一些障碍需要克服。首先是要获得大量可用于训练算法的高质量数据。在许多组织中，数据并不集中，或不是可用的类型，或数据有偏差，会导致决策失误。

其次是优先次序。选择太多会让人很难决定从哪里开始，为了减轻这种负担，软件提供商开始提供预定义解决方案，使用最先进的可立即使用的机器学习就能实现。许多组织也正在建设人工智能基地，以便与业务部门密切合作。

最后是不要低估文化障碍。很多员工都担心这些技术会影响到他们的角色。虽然大多数情况下，这是减少繁琐任务、完成更多工作的机会，不过这需要激励员工来保证他们能主动应用新的机器学习。

令人乐观的消息

麦肯锡估计，目前60%的工作中或多或少部分可以进行自动化。在医学、法律和银行等领域已经出现了这种情况。例如， IBM 的沃森可以帮助医生诊断患者病情，并分析核磁共振成像图片。eDiscovery和Kroll Ontrack这样的电子发现平台可以帮助律師在几个小时内筛选出数千份文件。Future Advisor或Wealthfront这些AI驱动的服务可帮助顾客作出投资决策，这样一来，财务顾问就可以把时间腾出来去为高净值客户工作。

因此，乐观的预测是大多数高技能职位工人，可能会和计算机一起工作，而不是全部都被计算机取代。

今天的研究表明，在机器人占主导的工作场所中，人类有五种方式可以与它们共存。（1）在组织链中向上移动，成为计算机的监督者。（2）成为高层决策者，决定对哪些工作进行自动化。（3）把精力放在工作中计算机并不擅长的内容上。（4）找到一个计算机不擅长的新工作。（5）最后一个方法是，成为自动化技术的研发者。

辛辛那提大学经济学助理教授Michael Jones认为，工作被计算机抢走这个问题可以通过教育和培训来解决——尽管现在还不清楚工人应该获得哪些培训。没有人知道10年或20年后的工作是什么样子，就像没有人在20世纪90年代就能够预测到会有“无人机修理技工”这样的工种一样。

调研公司Forrester的副总裁兼首席分析师JP Gownder表示，尽管在自动化比较容易实现的领域，工作机会将日益减少，但它们可能不会彻底消失。“我相信人类劳动会受到珍视，它可能会成为一种奢侈品。”

如果你碰巧是被算法抢走工作的数百万失业大军中的一员，想要去找工作，那么招聘机器人（如Entelo或Gild）可能会帮助你找到一份新工作。

（作者为价值中国智库创办人、价值中国网创办人）endprint