人机共生
未来,这样7种职业最容易被AI取代
  人们对机器侵蚀人类工作的担忧由来已久,虽然经济学家和技术供应商如此向我们保证,对人类来说,总能有更好的退守位置。然而,牛津大学的一项研究称,美国 47% 的工作在不远的未来都面临着因计算机化而消失的风险。毕竟这一次,我们要面临的情况发生了很大变化。—— 今天正在被AI取代的工作和过去的工作类型是不同的。

  历史上,机器对我们的工作构成过怎样的危机?

  我们可以根据机器挑战的工作类型,归纳出自动化的三个阶段。第一阶段,机器将人们从那些让人身心俱疲的工作中解脱出来。以富士康为例,这是一家为类似于苹果这样的全球性电子品牌代工的中国制造商。从 2011 年开始,该公司开始把机器人投入生产线来从事焊接、抛光这样的工作,且第一年就投入了 10 000 台。

  当机器接手了繁重的体力劳动之后,自动化又紧跟着工人们进入了他们所退守的高地,进而开始了自动化的第二阶段。从大体上来看,这个领域的工作已经不再属于那种脏、累、差且危险的范畴了,但“枯燥乏味”成了这类工作的代名词。想象一下 20 世纪 60 年代的秘书们,他们或在打字小组中埋头苦干,或在转录备忘录的潦草文字,因为他们需要把那些潦草的文字或者口头语改得清晰、严谨。有人可能会把这样的工作称为“知识性工作”,因为该工作需要的是大脑而不是肌肉。但是很明显,这种工作不涉及太多的决策。而在计算机被发明出来之后,机器很轻松便能胜任这类工作并具有更高的生产力。

  如此这般,我们便来到了第三阶段。这个阶段的自动化系统的智能程度与日俱增。现如今,计算机已经在多种背景下证明,它们能做出比人类更明智的决策。正如技术研究咨询公司高德纳所说,这会让接下来的 20年成为历史上最混乱的时代。而其中的一个原因就是计算机系统会“实现人们对于信息技术能力的最原始的一些幻想,它们能完成那些我们一度认为只有人类才能完成,而机器无法胜任的任务”。就像其他激动人心的科技进步一样,第三阶段既会带来希望也会带来危机。

  在未来,哪些工作将会被取代呢?

  1. 无需与人打交道的工作

  运维、仓储、图书管理员

  如果你的工作不需要亲自去与人接触,或者也不需要与顾客进行面对面接触才能完成,那么这个工作就更没有什么理由不被自动化了。如果你是放射科医生或病理学家,那就应该担心那些能够在乳房 X 光片和子宫颈抹片检查中读懂图像,并发现问题的计算机辅助检测系统。如果你是 IT 运维工程师,那就应该担心那些能辅助一位 Facebook 工程师独立运行 25 000 台服务器的系统。

  相较来说,酒店管理者和公关从业人员反倒是不容易被取代的,即便机器会读心,它们也很难完成与顾客高效的沟通交流。再比如,一位医生顾问除了专业知识,还需要懂“外交”。一份医学简报是这样来描述这个职位的要求的:“一位熟练的医生顾问必须知道如何通过影响力来管理团队,而非动用权力。这就需要他在面对相关问题时,在共治和强硬之间取得精确的平衡。同时,医生顾问还需要能够提出可行的替代方案,而非仅仅指出怎样做是不行的。”

  2. 简单的内容传递工作。

  教师、助理、秘书

  如果你的工作是要求你把已有的内容传递给其他人,那么你可能就有麻烦了。比如教师。他们首先需要弄明白学生需要学的内容是什么,然后基本上是通过手动的方式把内容传递给学生,如授课、演示等。但是 Amplify、麦格劳 · 希尔教育集团以及 Knewton 这样的公司已经生产出可以发现学生所需学习内容的系统,而且网上还建立了具有丰富教育资源的站点,比如可汗学院(KhanAcademy)。虽然在学校课堂环境中,有一些任务是计算机无法完成的,比如管理班级和维持纪律,但这些工作也不需要由知识工作者来完成。

  3. 直接的内容分析工作

  大部分初级助理工作

  从大量简单重复的文件中找到关键有效信息,是很多初级岗位的必备技能。但机器人已经开始将人从这种枯燥乏味的工作中解脱出来了。

  类似于 IBM 沃森这样的认知计算系统已经证明,它们可以出色地完成分析和“理解”内容的工作。但是仍需要人来为这些系统编程并且从事修改系统的工作,而分析大量内容的任务,比如药物研究者和医学诊断医生的工作,将会越来越多地交由机器处理。律师们也是危机重重,因为法律工作的绝大部分都涉及文件分析。现在,“电子取证”工具通过“技术辅助审查”和“预测编码”功能就能通读上千个文件,并从中查找关键词和关键短语,鉴定出需要人类审查的文件,甚至可以判断一个案子的成功率。

  

  4. 量化分析工作

  初级商业分析师,

  是的,你没有看错。有人可能会认为量化分析师在“分析时代”会免于失业,但是取代他们工作的技术也已经出现。很多量化分析师的工作将会被机器学习系统所取代或者工作量被大幅减少。机器学习最擅长的领域可能就是助力人类分析师,并且提高他们在分析和建模方面的生产力。但是在某些背景下,比如互联网广告,如果不应用机器学习方法,几乎就不可能构建出符合目标速度的模型。针对某位顾客和某种广告机会的模型的数量每周轻轻松松就能上千,而成功转化,也就是顾客在一周内购买该广告商品的概率顶多只有千分之一,也就是说不值得人类注意。通过机器学习方法来建立模型,是这个产业以及不断涌现出来的其他类似行业的唯一选择。当然,需要有量化分析师来设计这种机器学习方法,经过一段时间之后,这样一位分析师最终可以生成上百万个模型。如果你是一位理解机器学习的量化分析师,很有可能会保住工作。但如果你不懂机器学习的话,则很有可能会被它取代。

  5. 自动化系统能模拟虚拟任务

  培训行业

  对于教师和其他内容专家来说,这是另外一个问题。如果一个任务可以被模拟,那么传授该任务最好的方法就是让学生们去体验模拟。这个结论你只要去问问剩下的为数不多的飞行教练就能有所了解。现在甚至还有培训领导者的优秀模拟程序。也许商学院的教授和总裁教练的工作也危在旦夕了。 

  6. 基于数据的叙述工作

  理财经理、经纪人、保单核保等

  需要叙述性地描述数据和分析的工作曾经只有人类才能完成,但是自动化系统已经开始逐步拿下这些工作,比如股市简报。我们也已经知道,分析学和算法从数据中得出结论的能力比大多数人类都强。在新闻业中,像 Automated Insights 和Narrative Science 这样的公司已经开始创建数据密集型内容。体育和金融报道已经如履薄冰,但是到目前为止,针对这些领域的自动化仍旧只能在有限的范围内实现,比如小公司的收益报告。其他诸如 AnalytixInsight这样的公司利用自己的 CapitalCube 服务为超过 4 万家上市公司创建分析叙述。

  目前在很多情况下,金融服务中的资产管理是依赖计算机系统来为某类投资者决定理想投资组合的,但这还不够。今天的理财经理和经纪人经常把自动化系统提出的建议翻译成叙述性文字给顾客看。随着顾客变得越来越精明、对计算机越来越熟悉,这种翻译功能就会变得越来越没有必要。

  比如一家名为 Kensho 的科技公司已经制造出了一种叫作沃伦(Warren)的智能软件系统,这款软件已经能够回答类似这样的问题:“如果石油交易超过每桶 100 美元而中东最近又出现了政治动乱,能源公司的股价将会发生什么变化?”这家公司声明,在 2014 年年底,他们的软件能够回答 1 亿个截然不同的涉及复杂数据的金融问题。

  7. 易于被程序化的工作

  会计,审计,税务

  一旦人类的某种智能活动可以被拆解成一系列已知的应急事件和明确的规则步骤,它就不再专属于人类了。最容易被自动化的领域永远是那些具有清晰、一致的规则的工作,相较人类来说,在精确、规范和严谨是机器的优势。现在,基于规则的系统可以处理越来越复杂的问题。比如,如果你正在接受财务审计的职业培训,那你就应该担心了。现在已经有系统可以自动化完成一些审计的关键任务了。在税务申报中 , 这是一种完全基于遵循复杂规则来完成的工作,对于顾客和小公司来说,很多工作已经由一些系统来完成。

  计算机是始终如一的,这就是为什么它们已经在金融服务领域稳操胜券了。计算机也将会越来越多地进入在其他强调一致性的工作领域,比如保险索赔评定、金融压力测试。例如在保险索赔中,“自动裁定”可以自动评估和批准超过 75% 的索赔。只有那些最具有挑战性的案子才需要由人类理赔员来核准。

  今天,机器的能力变得如此惊人,以至于我们很难找到一处人们可以凭借自己更成熟的经验来生活的“高地”让众人退守。而正是这一点让很多聪明人伤透了脑筋。比如,《第二次机器革命》这本书中指出,人们所预期的劳动力市场复苏似乎早就应该出现,但却迟迟未来。西方经济体中持续的高失业率可能意味着,由最后一波技能偏向型技术变革所造成的混乱将不会消失。另一项针对美国市场对高技能劳动者的需求总量进行的研究表示,该需求在 2000 年时达到了顶峰,随后就一直在下降。而与此同时大学却依然向市场输出越来越多水平参差不齐的劳动力。

  我们将如何去应对这样一场危机呢?
连载精彩推荐
销售为先:打造不可复制的销售竞争力
----(美) 诺埃尔·凯普, (美) 加里·图布里迪, 郑毓煌 著
  当今时代,成功的企业无一不是以客户为驱动力的,销售部门需要和市场营销、产品研发以及其他部门共同识别客户需求,进而制订解决方案,满足客户需求。 许多行业领军企业很早就认识到销售部门的运行与其他所有关键业务部门一样,需要投入大量的知识资本和职业道德资本。 本书作者调查了从传统行业到前沿行业的很多企业,走访了思科、联邦快递、健赞、惠普、霍尼韦尔、强生、江森自控、万事达信用卡、甲骨文、必能宝、思爱普、索尼电子、汤森路透、惠而浦、 施乐等全球领先B2B企业的销售总裁,发现他们在打造以客户为驱动力的强大的销售团队上有惊人一致的原则与特点,并概括总结为以下五大要务......
读书会友
合作联系
  • 合作联系:蒋伟
  • 电话:010-85760688-819
  • QQ:1713194385
  • Email:pr@chinavalue.net
赞助商广告