人工智能浪潮下未來(lái)工作形態(tài)如何變革？

　　隨著(zhù)人工智能技術(shù)應用到標準化、重復性的機械自動(dòng)化過(guò)程，銀行和保險等行業(yè)的后勤工作崗位不僅在數量上逐漸減少，而且在形式上也在發(fā)生改變?！鞍肴笋R智能”(即人機合作智能)在軟件編程等核心工作領(lǐng)域逐漸興起。它將人工智能與人類(lèi)能力相結合，形成一種共生關(guān)系，推動(dòng)生產(chǎn)率的顯著(zhù)提升。

　　出于對人工智能可能造成的大規模失業(yè)以及所帶來(lái)對監控行為的擔憂(yōu)，業(yè)界日益興起關(guān)于組織部署人工智能方式和原因的激烈的倫理性討論。員工希望得到商業(yè)巨頭及負責人作出“AI-for-good”(人工智能向善)的承諾和保證。盡管從短期來(lái)看，人工智能替代人類(lèi)工作的趨勢有所加劇，但越來(lái)越多證據表明，人工智能通過(guò)創(chuàng )造新的就業(yè)崗位和改善當前崗位現狀從而大幅提升生產(chǎn)率。

　　到2020年，20%的從事后勤工作的銀行員工在執行非例行性工作時(shí)將依靠人工智能。

　　到2023年，人工智能將與人類(lèi)程序員結合，創(chuàng )造出能夠承擔50%傳統程序員工作任務(wù)的“半人馬智能”(即人機合作)工作模式——效率達到單個(gè)程序員獨自工作效率的兩倍。

　　到2020年，在“AI-for-good”項目的企業(yè)中，員工留存率將提升20%，同時(shí)數據分析行業(yè)的就業(yè)人員數量將提升50%。

　　到2021年，70%的企業(yè)將整合人工智能技術(shù)提高員工生產(chǎn)率，這將促使其中10%的企業(yè)將“數字騷擾政策”納入工作場(chǎng)所規章之中。

　　在2020年，人工智能將實(shí)現工作機會(huì )數量的凈增長(cháng)，雖然會(huì )淘汰180萬(wàn)個(gè)就業(yè)崗位，但同時(shí)也會(huì )創(chuàng )造230萬(wàn)個(gè)新的就業(yè)崗位。

　　到2020年，20%的從事后勤工作的銀行員工在執行非例行性工作時(shí)將依靠人工智能。

　　金融機構操作型員工的主要工作是執行標準化、重復性的工作任務(wù)。但非例行性的后勤工作對企業(yè)的經(jīng)濟影響和商業(yè)價(jià)值更大。與此同時(shí)，人工智能技術(shù)有助于提高工作人員處理金融機構后勤非常規性任務(wù)的能力。這對需要人工干預的復雜工作(例如財務(wù)合同審查和交易發(fā)起)大有裨益，因為人工智能可減少失誤并對下一步行動(dòng)提出建議。

　　機器學(xué)習(ML)和自然語(yǔ)言處理(NLP)等人工智能技術(shù)接管了越來(lái)越多的非例行性任務(wù)并實(shí)現相關(guān)工作自動(dòng)化。使用人工智能技術(shù)提高后勤工作效率將有助于提升員工工作量和提高員工(和客戶(hù))滿(mǎn)意度。

　　人工智能在銀行例行業(yè)務(wù)及其價(jià)值鏈方面的應用取得了極大的成功。在某些情況下，這會(huì )導致以縮減非必要職員為目的的裁員。這一事實(shí)使人們擔心后勤崗位將很快被機器取代。事實(shí)上，銀行機構后勤崗位的減少大都源于機器人流程自動(dòng)化(RPA)。例如，據某新聞網(wǎng)站報道，南非的萊利銀行預計將用軟件機器人取代3000個(gè)工作崗位。

　　然而，也有很多非例行性后勤工作將從人工智能應用中獲益。具體例子包括財務(wù)合同審查和交易形成：兩者本質(zhì)上都需要人工參與，但人工智能的普及能極大地提高工作效率。使用機器人程序和RPA可減少工作失誤并去除冗余環(huán)節，從而提升后勤工作的價(jià)值。摩根大通的合同智能(COIN)項目成功應用了NLP、大數據、機器人技術(shù)和云基礎設施，以此減少批發(fā)合同中貸款業(yè)務(wù)條款的錯誤。

　　銀行對人工智能工具的應用也有所增加。使用預測工具便是一個(gè)例子，相關(guān)領(lǐng)域的專(zhuān)家對工具的依賴(lài)度正變得越來(lái)越高。隨著(zhù)此類(lèi)工具慢慢滲透所有銀行價(jià)值鏈活動(dòng)，業(yè)務(wù)人員將經(jīng)常需要依靠人工智能來(lái)提升工作效率和他們在企業(yè)和組織中的經(jīng)濟價(jià)值。

　　在銀行業(yè)應用人工智能技術(shù)方面，預測認為，人類(lèi)應主動(dòng)控制人工智能工具，將其作為銀行工作的輔助。盡管預測結果較為樂(lè )觀(guān)，人們對這個(gè)行業(yè)的工作機會(huì )產(chǎn)生了高度的不安全感，對這個(gè)高收入、高學(xué)歷的行業(yè)就業(yè)保障不盡如人意。

　　到2023年，人工智能將與人類(lèi)程序員結合，創(chuàng )造出能夠承擔50%傳統程序員工作任務(wù)的“半人馬智能”(即人機合作)工作模式——效率達到單個(gè)程序員獨自工作效率的兩倍。

　　數字經(jīng)濟的發(fā)展不斷推動(dòng)著(zhù)軟件需求增長(cháng)。開(kāi)發(fā)、改進(jìn)、修復和監測這些系統的軟件工程師的工作效率有限，且面臨著(zhù)與日俱增的工作壓力——即不斷滿(mǎn)足日益增長(cháng)的軟件需求。

　　計算能力極大地推動(dòng)了基于機器學(xué)習和人工智能的應用發(fā)展。機器學(xué)習專(zhuān)門(mén)處理異常檢測，傳遞推薦的觀(guān)點(diǎn)并預測行為和結果。反過(guò)來(lái)，基于機器學(xué)習的功能又有助于滿(mǎn)足對軟件工程人才和生產(chǎn)能力的需求。

　　人工智能將為傳統軟件工程活動(dòng)提供四個(gè)關(guān)鍵領(lǐng)域的支持：

　　系統開(kāi)發(fā)

　　迭代需求

　　異常檢測

　　預測性和規范性監測

　　此類(lèi)編程活動(dòng)將越來(lái)越多地由人類(lèi)軟件工程師和人工智能組成的“人機合作”模式完成，以應對工程需求量的增長(cháng)。這些“人機合作”將通過(guò)人類(lèi)工程師和基于人工智能的機器的合作運作。

　　人機合作關(guān)系將存在多種形式，例如：

　　過(guò)渡——由軟件工程師劃分人與機器的軟件工作任務(wù)，并確定兩者之間的過(guò)渡工作。

　　協(xié)作——由軟件工程師對已確認的工作任務(wù)進(jìn)行分類(lèi)，不斷向機器傳輸常規問(wèn)題的解決方案，并將非常規性任務(wù)交由工程師解決。

　　啟發(fā)——企業(yè)利用人工智能發(fā)展軟件工程技能和人才。

　　創(chuàng )新——機器的能力將進(jìn)一步提升，從而滿(mǎn)足已知的軟件工程需求。其結果將呈現給軟件工程師，以完成機器無(wú)法完成的工作，創(chuàng )新者和合作者共同取得更加重要和成熟的商業(yè)成果。

　　企業(yè)將利用“人機合作”模式滿(mǎn)足日益增長(cháng)的復雜軟件和生產(chǎn)能力的需求。隨著(zhù)人工智能對大量例行工作或重復性任務(wù)實(shí)現自動(dòng)化處理，軟件工程將更具創(chuàng )造性，取得令人滿(mǎn)意的成果。軟件工程將有機會(huì )參與架構設計、協(xié)作和創(chuàng )新，為日益復雜的新商業(yè)成果提供支持。

　　到2020年，在“AI-for-good”項目的企業(yè)中，員工留存率將提升20%，同時(shí)數據分析行業(yè)的就業(yè)人員數量將提升50%。

　　數據科學(xué)和人工智能技能需求龐大，而相關(guān)人才仍然短缺。高德納公司相關(guān)分析結果顯示，僅在美國，就有超過(guò)23.6萬(wàn)個(gè)數據和分析職位空缺，同比增長(cháng)43%。超過(guò)一半的職位空缺需要半年以上的時(shí)間填補。據麥肯錫估計，到2024年，美國將有25萬(wàn)個(gè)數據科學(xué)職位空缺。同樣的，歐盟委員會(huì )一份2015年報告估計，專(zhuān)業(yè)數據人員和專(zhuān)業(yè)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(jīng)費的增加和薪酬待遇的提高是應對這種勞動(dòng)力短缺的典型措施。不過(guò)，當前正出現了一個(gè)新的機遇，讓抓住機會(huì )的企業(yè)可以脫穎而出，從而吸引并留住數據和人工智能人才。這個(gè)機遇就是“Data-for-good”(數據向善)項目，以及衍生而來(lái)的“AI-for-good”(人工智能向善)。

　　數據和分析通常用于提升業(yè)務(wù)績(jì)效、完善客戶(hù)服務(wù)和提高運營(yíng)效率。在公共部門(mén)和非營(yíng)利性組織中，數據和分析可能用于衡量項目和服務(wù)的影響力，或用于確保資金使用的透明化。然而，這些組織的數據和分析發(fā)展滯后，而私營(yíng)部門(mén)的成熟度更高，通常能吸引更多人才?！皵祿?、人工智能向善”的項目使私營(yíng)組織能夠向具有社會(huì )影響力的項目提供數據、技能和技術(shù)等方面的支持。項目覆蓋范圍廣泛，包括：利用人工智能算法識別貧民中的領(lǐng)導者以改善HIV教育的成果;面部識別用于打擊販賣(mài)人口;自動(dòng)圖像標記幫助拯救野生動(dòng)物;或在颶風(fēng)或洪水等災難發(fā)生后利用人工智能進(jìn)行針對性救援。

　　“數據和人工智能向善”運動(dòng)使企業(yè)領(lǐng)導者能夠利用、調整企業(yè)文化，使其成為吸引員工的決定性競爭優(yōu)勢。例如，將慈善事業(yè)作為工作核心的文化表達了企業(yè)奉獻全社會(huì )的承諾。顯然，這對員工和領(lǐng)導者的重要程度可能因地區而異，但“數據向善”應用顯然是一項全球性運動(dòng)。剛畢業(yè)的大學(xué)生在選擇就業(yè)單位和企業(yè)時(shí)越來(lái)越重視社會(huì )責任因素。高德納公司和馬里蘭大學(xué)研究發(fā)現，女性學(xué)生學(xué)習數據和分析的首要原因之一，是希望為公司和世界做出貢獻。美世咨詢(xún)公司2018年的全球人才趨勢調查表明，最優(yōu)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名調查對象中，只有13%表示自己工作的企業(yè)因“目標導向使命”而具有差異化優(yōu)勢。