1704608910
1704608911
技术引发了一系列关于未来工作的思考，有一点十分明确：企业取得成功的关键是具有适应能力。
1704608912
1704608913
在世界各地，不同年龄段的工人都感到恐慌、困惑，有时会害怕机器给他们的工作带来影响，特别是对其工作岗位造成的威胁。这些工人并不是个例，有些政府部门的公务员都开始担心自己的工作，除了日常工作外，还有哪些工作会“空心化”？机器是会减少，还是会增加工作岗位？影响是会马上就到来，还是会在未来几十年慢慢显现？被自动化吞噬的岗位会有新的替代者吗？如果有，这些新工作又有什么特点呢？
1704608914
1704608915
机器的进步让人瞠目结舌：自动驾驶汽车、谷歌的阿尔法狗打败了世界上最好的围棋选手、使用算法对求职者进行评估，或者针对公司的发展战略给出建议。机器似乎可以胜任任何人类可以做的事情。
1704608916
1704608917
过去7年，在我们主持FoW（未来工作研究协会）期间，我看到了各种机器对工作带来的影响。FoW聚集了来自全球不同行业超过90多家跨国公司的高管人员。通过研讨会、小组讨论以及年度调查，我们密切跟踪机器对工作的影响。要跟上人工智能、大数据、机器学习以及其他技术不断发展的步伐是很有挑战性的。随着这些技术的兴起，各种对这些技术发展及其对工作和社会的影响的解读纷纷涌现。这意味着目前不可能准确地预测每种技术在未来几十年带来的影响，但是我认为有一些问题已经到了必须面对的时候。
1704608918
1704608919
机器能解放我们的大脑吗
1704608920
1704608921
正在重塑工作的机器并不是与个人和社会无关、独自出现的中性工具。相反，它们的设计和使用，正好反映了我们如何选择工作，以及它们自身对工作和社会的影响。在机器的发展过程中，很清晰地可以看到它们的设计和使用都是旨在节省我们宝贵的时间。在20世纪六七十年代，各种家用电器（洗衣机、烘干机、吸尘器等）的出现把家庭妇女从家务劳动中解放出来，让她们可以加入社会工作。最近在智能手机中使用的各种技术，也是为了让大家的沟通更加方便、工作更有效率，让我们能更好地管理自己的生活。这些技术的出现能够让我们把时间投入到那些更有价值、更需要人类特有技能（如创造力、好奇心、创新等）的事情上。毫无疑问，机器确实提高了人们的工作效率：分析师可以用软件来扫描数据，而不需要手工去查找；GPS可以让供应链中的工作人员跟踪库存，比以前更准确，效率更高。
1704608922
1704608923
不过这里也存在一个悖论。确实有很多机器为我们节省了时间，但是这些技术同样占据了我们进行深度思考和创造的空间，这对人类毫无益处。无处不在的技术，特别是即时消息和通知的出现，带来了严重的技术过剩问题。人们不断地被各种信息打扰，分散了注意力，浪费了认知资源。所以我们的大脑比以往任何时候都忙碌，被各类真假难辨的消息、谣言等所谓的信息淹没了，而不能平静地思考一些有创新价值的事物。有相关的报告对我们每天的生活习惯进行研究指出，平均每人每天查看手机超过150次，平均每10.5分钟会被即时消息、微博以及其他通知打断，每次被打断之后，平均需要23分钟才能把注意力重新集中到工作上。
1704608924
1704608925
所以问题来了：未来每天真的会有300封电子邮件吗？唯一的出路是不是制造更聪明的机器？显然，关于未来技术和工作的一大挑战是，寻找有效的办法减少我们工作环境中的各种“噪声”，为人类最有价值的特质提供时间和空间，如创造力、判断力以及决策力。
1704608926
1704608927
机器能否决定一切
1704608928
1704608929
人类与其他生物的一个重要区别是能够做出复杂的决策。随着机器变得越来越复杂，人类这种独一无二的决策技能是否正受到越来越大的冲击？有确切的证据表明，在某些情况下，机器能够比人类做出更好的决策。例如，在员工流动和工作表现评估方面，程序能够比管理者预测得更为准确。有一项研究对候选人进行了17项评估，结果表明在挑选候选人方面，程序比人类的表现要好25%。我们是不是可以期待算法在决策和管理方面有更好的表现呢？
1704608930
1704608931
我们是否要开始准备迎接一个预测分析驱动工作的未来？这是2014年达沃斯世界经济论坛会议上探讨的一个问题。在这个会议上，我主持了一个关于“计算机能否比人类更好地做决策”的辩论。从辩论中可以清晰地看到，回答这个问题需要人们对未来人类将如何与机器共同工作有深刻的理解。例如，能否说服工人充分信任人工智能，并且冒着道德上的风险让机器替代他们来进行决策？计算机能否复制价值观和情感？
1704608932
1704608933
研究表明，很多工人和组织都不愿意把最后的决策权交给机器。无论是诊断病人，还是预测政治事件，相对于算法，人们还是一如既往地喜欢人为的判断。正如神经科学研究显示的那样，部分原因是，很多时候人们在做决定时感性多于理性。似乎大部分人都是依靠经验和本能来做决定的，这是前额叶皮层过去200万年来进化的结果。人类的这个特点很难被理解或者复制，所以不能编码到计算机里面。简单来说，关于机器能否从工具演变为决策者，现实比简单的预测要复杂得多，但是这也恰好凸显了人类的这种复杂的判断和决策能力的重要性和价值。
1704608934
1704608935
机器能否让权力扁平化
1704608936
1704608937
大量涌现的廉价机器，让通信、社交网络、众包等更加方便，也为分散在全球各地的人们快速搭建网络创造了机会。这些个人和团体能够跨越国界互相沟通、快速共享信息、吸引新成员、发动看似没有领导的行动。这种不断增加的点对点的连接会不会让权力从垂直层级结构变成水平网络结构？将来的机构会不会更像一个没有阶级的“平民社会”：不是依靠领导的权力和命令，而是通过平等的权力分配来运作。当技术让大家获得更多关于自己、他人以及世界的信息时，管理者这样的角色还会有用吗？领导阶层是不是会消失呢？
1704608938
1704608939
有趣的是，技术的这种潜在的扁平效应并没有实现，消除等级权力结构相关的实验并不是很顺利。看来把组织中的权力结构从垂直向水平迁移还是很困难的：垂直层级与权力似乎有很强的韧性。我们可以看看一个相关指标，自从1983年以来，美国雇用的经理人数几乎翻了一番。部分平权结构失败的原因在于，对于绝大部分的人来说，层级结构中的地位和形象对于他们来说十分重要，并且影响到他们如何决策、如何对待他人甚至他们整体的身心健康。机器也许能够带来扁平化，但是人们似乎更喜欢保持目前的这种层级机构。
1704608940
1704608941
这些问题很重要，说明我们需要仔细评估机器给工作带来的影响。但是，如果就此下结论说未来机器只会给工作带来很有限的影响，那就太天真了。当人工智能在数据分析、决策等方面变得更加复杂时，当机器人能够胜任日常工作时，当机器学习为专业能力最好、技术最好的工人的工作带来革命时，所有的岗位、人才和专业都将岌岌可危。虽然我们无法准确地预测未来会怎么样，但有一点我们是可以肯定的：适应能力将是一个成功企业的决定性因素。这个适应过程一直都是FoW研究的核心。我们认为领导者应该对其工作模式进行以下四个方面的改变：
1704608942
1704608943
•修补被破坏的职业阶梯。自动化让很多中等技能的工作岗位消失了，破坏了一直以来的职业阶梯。随着中等技能工作的缺失，初级岗位的从业者必须拼命找到一步到顶的通道。这种趋势似乎还在继续，虽然很难确定接下去是哪一个阶层的工作被破坏，但可以肯定的是，以后的工作阶梯不再是从下到上的线性路径。重新定义组织中的晋升路径对于应对这个挑战至关重要。意识到这些中等工作岗位不太可能再出现，意味着我们必须采取更加灵活的职业发展方式，人们可能需要进行横向发展，甚至离开企业过段时间再回来。在短期内，人才管理职能最重要的角色是辅导和指引人们度过这个转型阶段，帮助人们发现有价值的技能和职业发展机会。
1704608944
1704608945
•打造人才生态系统。自由职业平台的日益壮大和小型网上创业成本的降低，为有才华的人创造了无数的工作机会。例如，2014年的研究显示，美国有5300万人从事自由职业。这支自由职业大军会随着下一代劳动力的加入不断扩大。那些只关注全职员工的公司将会错失一些很有天赋的人才，特别是对于那些知识丰富型的企业来说尤其如此，因为它们主要的产品是创意和点子。确定在哪里以及如何找到合适的人才将至关重要，这需要对传统的招聘流程进行根本改变。企业必须加深了解哪些人是它们需要的，以及怎样激发他们的动力。企业还需对其人才生态系统以及建立超越传统雇主—员工的雇佣关系有更深刻的理解。
1704608946
1704608947
•这意味着我们应该把雇佣关系重新定位为一种长期的联盟关系。有能力的人会使用技术平台为自己创造价值。开始他们可能在一家公司工作，然后会离开公司自己创业，过段时间也许会成为原来公司的客户或者重新回到公司工作。所以，重点是建立一种比正式雇佣关系更长期的关系。在这种“联盟模式”中，员工和雇主都想为彼此创造价值，虽然他们的关系不是很稳定、忠诚度不太高、没有长期的培训投入。对于员工来说，他们看重的是公司的适应性和价值。对于企业来说，他们需要的是员工的能力和发展。
1704608948
1704608949
•鼓励终身学习。技术浪潮的破坏性将摧毁社会的整个工作结构，让某些工作技能毫无用处。因此，传统的那种前期教育加后期技能培训的模式将无法满足人们的需求。取代它的将是终身学习，这个需要公司加以支持，可以进行培训，也可以通过假期或者弹性工作时间让员工能够提高自己的生产力。毫无疑问，在线教育及其能力本位培训将扮演重要的角色。随着教学技术的进步，可以通过精准的培训课程来满足不同人的需求，这种课程的成本很低甚至免费。因此，相对于长期的标准化的学历教育，这种模块化的方法能构建个性化的学习路径。从企业的角度看，这能够让企业对员工的偏好、参与度、学习风格和积极性有更好的了解。
1704608950
1704608951
•与机器合作。关于机器将给工作带来的破坏性我们已经写了很多，但是对于很多员工来说，机器也能为其工作带来好处。对于他们而言，机器将成为他们工作中的伙伴。这在未来将改变我们的一些看法，从管理失业问题到如何提高和支持员工的日常工作。问题是：工人和他们的机器人同事一起合作将取得怎样伟大的成就呢？工人可以在哪些方面与机器合作完成哪些以前他们无法单独完成的任务？在机器的帮助下会创造哪些新工作呢？
1704608952
1704608953
这些新增加的工作模型需要企业重新构想对传统工作的描述，以及创造性地思考如何利用创新方法来提高工作效率，如何平衡人类与机器的关系。
1704608954
1704608955
毫无疑问，技术与工作的结合将带来更深层次的问题。在机器智能兴起的过程中，人类工作的价值何在？我们创造各种技术的目的是什么？我们想让机器替我们做决定吗？我们将如何与其他人一起生活和工作？
1704608956
1704608957
这些都不仅仅是生产力或者利润问题，更是社会、道德以及价值观问题。托马斯·莫尔曾经描写了一个想象中的岛屿社会——乌托邦，囊括了居民的婚嫁习俗、生老病死、生活方式等。他提供了一个比技术决定论更丰富、更有趣的视角。也许乌托邦之后500余年的今天，是时候重新更加全面地构想我们的未来了，而不仅仅是把技术发展作为主框架。
1704608958
1704608959
[1]本章作者琳达·格拉顿是伦敦商学院管理实践学教授，出版过关于转变中的世界对工作的影响方面的著作：《转变：未来工作在哪里》《钥匙：大公司如何打开通向光明未来的大门》，最近出版了《百岁人生：活到老，工作到老》一书（与安德鲁·斯科特合著）。
[
上一页 ]
[ :1.70460891e+09 ]
[
下一页 ]