麥肯錫的一項研究報告稱“未來十到十五年,自動化和人工智能技術将改變很多人的工作,人們越來越多地與智能設備進行互動;對創造力、批判性思維、決策制定和複雜信息處理等高級認知技能的需求将持續到2030年。”
随着工作者和管理者體會到自動化對他們崗位引發的變革,幾乎每個人都認為數據處理和機械性錄入等工作将會被機器取代。預測者提供了一種更樂觀的觀點,即人類将次要的工作轉移到機器上,這些機器通過算法進行決策,但還不具備人類的情商、解決問題的能力。
IT未來主義者是如何看待未來十年IT工作的演變的
獨立臨時團隊的崛起
在展望IT未來願景的人群中,研究公司Gartner發布了幾份關于到2035年IT将如何演變的報告。其中主要結論之一,就是大多數工作将由獨立的臨時團隊完成,脫離自上而下的方法來實現業務需求。
在Gartner關于2028年職場的報告中,描述了由多元化技能的高績效者組成的服務團體。Gartner分析師認為這些群體根據需要不斷增長和縮小,應對工作量、時間和“頻繁的信息交流與協調”。這種模塊化、及時、可擴展的工作團隊方法是否具備雲服務器負載這樣的可用性,還有待觀察,但它确實強調了IT向跨職能團隊轉變是業務成功的秘訣。
中層管理的衰敗
也許Gartner最引人注目的,并且與其獨立團隊觀點相關的預測,是未來對算法的依賴,這将極大地減少中層管理人員的數量– 将更有限的責任留給其他人。
“首先,這将在許多工作環境中成為提高效率和降低成本的一種方式,”Gartner研究副總裁Helen Poitevin表示,他專注于人力資本管理。“我認為在零售業的某些場景,如物流、供應鍊和倉儲的自動化程度已經将管理者推向了另一種角色。對于那些高度創造性場景同樣是這樣,中層管理人員監督的職能過重會妨礙團隊的創造力和借助企業其他部門跨學科專業知識的能力。“
接受來自矽谷的領導
如果你認為由機器替代管理者這種想法很牽強,那麼想想數百萬優步和Lyft司機已經被算法管理的事實。2015年,一群研究卡内基梅隆人機交互的計算機科學家探索了當計算機而不是中層管理人員分配工作,設定價格和評估績效時員工的反應。
研究人員驚訝地發現,員工們很容易接受算法的指示,以及他們快速适應與機器配合來使他們的工作更易于管理。例如,司機會關閉App以控制他們工作的時間和地點,或者在長時間工作後進行有效的休息。
卡内基梅隆大學計算機科學副教授,也是該研究的撰稿人Laura Dabbish表示,司機似乎并不介意缺乏選擇。他們無法選擇工作的某些方面,例如設置特定的接送地點,或從可用的列表中選擇他們喜歡的用車請求。“這可能是因為他們的自由彌補了控制的缺乏,”Dabbish說。“這也可能是因為一些司機缺乏使用其他系統的經驗,比如人工的出租車調度員。”
随着司機對App的熟練程度越來越高,他們繼續調整自己的工作策略。“我們認為算法,或者普遍的技術,将優化人類行為,但卻忽視了人們在面對技術時調整和适應行為的程度,”她說。
在決策和執行方面與AI合作
矽谷的投資人和顧問Zorawar Biri Singh表示,未來十年的IT将成為一個“共享認知的時代”,這是由于認知技術的日益普及,對人類注意力不足的持續擔憂,以及尚未發掘的對于仲裁者的需求。
“我們正處于下一階段,主要是人類将與機器、算法、認知系統以及人類認知和訓練系統合作,以便減少大量工作,”他說。
Singh描述了他認為IT演變的六個階段,從大型機開始,轉向PC和網絡,然後是網絡和服務器,虛拟化,移動和雲,在未來十年或更長時間内進一步發展的階段則是人工智能、機器人、物聯網和邊緣計算。
Forrester最近的一份報告還強調了未來十年人類和計算機在工作中的融合,而不僅僅是因自動化導緻的人員流失。
報告稱,“我們工作的方式已發生了重大變化”。“未來的差異是,以往用幾十年來衡量的變化将變得更短。工作将依賴于人與機器之間的共生關系。這不是一個以人主導機器的結構; 相反,它将匹配機器人和人類的領導力、決策和執行任務,從而最好地實現預期的結果。“
人類仍将提供的獨特價值
無論計算機是否消除了大量的低認知工作,例如常規數據處理和例行的中間管理功能,大家對留給人工的工作存有廣泛一緻的意見。
“有很多管理的方面機器智能還無法實現,”卡内基梅隆的Dabbish說。“與工作彙報、激勵和處理困難的情況還需要管理層情感和心裡溝通解決。與員工交談,了解他們的工作方式、他們感興趣的事情,并向他們提供有關工作的反饋需要情商。技術在感知人類情緒狀态,理解自然人類語言以及進行某種形式的對話方面變得越來越好,但我們仍不能取代管理層的很多關系方面的能力。來自機器人的獎勵和稱贊并不能形成真實有效的作用。“
Singh指出,無論機器的計算能力如何,深度認知工作是人類在未來職場仍然受到重視的地方。而且他指出,大多數企業都沒有資源和數據集來消除中層管理。
“在過去一年半的時間裡,我所談到的每一家大型企業都有大型數據科學項目來建立自己的機器學習能力,” Singh說。“谷歌、亞馬遜、Facebook和微軟這樣的大平台,可以訪問大規模計算集群、海量數據,才有能力構建這個平台;但是,普通企業在短期内不會處理這種規模的數據。'“
Dabbish指出了無法量化或衡量的工作要素。她回顧了優步和Lyft的例子,電腦可以輕松管理評級系統,但在評估一個人如何處理工作時還有很多不足之處。
“這些服務質量的數字指标并沒有描述司機擅長的工作要素,也沒有為他們提供有助于他們如何改進的反饋,”Dabbish說。“在我們的研究中,司機在維持評級上感到很大的壓力,不良評級可能對他們的整體評分有着不成比例地影響,他們對此會有負面情緒。”
Citrix的CTO Christian Reilly說:“正如我們過去多次看到的那樣,技術可增強,但并非完全取代人類。這是一種我們将繼續看到的趨勢,因為軟件機器人接管了低價值、重複性的任務,釋放人力資本來處理當前AI無法做得好的事情,例如深層推理或戰略思考。工作的概念将繼續被重新定義為計算資源可用性、成本下降和機器學習商品化以提高效率的結合。下一代全球業務将由新類型應用及其相關數據的推動,能夠捕獲和識别數據趨勢的企業才能獲得市場優勢。
技術引起的壓力
Gartner的另一項預測是,對技術的依賴程度越高,工人的壓力就會越來越大。這種緊張不斷推動對最新技術的掌握。該公司還表示:“為了推動我們的技能提升并接受更廣泛的任務,我們将承擔更多的工作,我們會覺得好像我們全年無休的在工作。“
Forrester的報告指出,如今的職場人士已經開始關注未來職場中的自動化和機器人技術,以及如何為自己創造一個不會被自動化替代的角色。“盡管公司必須成為學習機構,員工也必須成為學習者,學習核心技能,适應新的工作模式,并了解如何為未來做好準備。員工們已經在努力應對變化,需要不斷重新評估和學習新技能,以便跟上市場的變化。“
根據麥肯錫的報告,“到2030年,在美國使用高科技技術的時間将增加50%,在歐洲增加41%。我們預計對高級IT和編程技能的需求增長最快,2016年至2030年期間可能會增長90%。擁有這些技能的人将不可避免地成為少數。但是,每個人都需要為新的自動化時代掌握基本的數字技能。“
那麼,我們将如何應對這些技術驅動的連接性和不斷提升的壓力?Gartner的Poitevin建議我們以更廣擴的視角看待新技,以評估其帶來的影響。
“首先,關注适應性,”Poitevin說。“人類作為一個物種具有很強的适應性。這種素質和學習能力很重要。其次,在評估技術的影響時,我們需要從大局出發。我們應設計用例,找到使用技術來改善我們的生活的方法,而不是給我們的生活帶來危險。例如,塑料在醫療保健、殘疾人、食物獲取等方面對人類的影響并不全是負面的。但是,我們沒有充分考慮到環境影響并且沒有針對塑料産品的整個生命周期,包括重複使用建立足夠的基礎設施。這就是我所說的,我們不應将自動化看作對抗人類的東西。人們希望自動化可以帶來新的做事方式。
有話要說...