1707567250
1707567251
除了这种阶层之间的宏观不平等，还有一种微观的不平等，这种微观不平等直到不久前才进入我们的视野。这种分化不仅发生在上下阶层之间，而且也发生在水平方向上，也就是在那些同工但越来越不同酬的雇员之间。长期以来，经济学家用“工资差距”这个概念描述这种同类工作报酬之间的差距。人们原本预期相同的工作相同的报酬，但真实情况是：年龄、生产效率还有地理位置一直都导致工资产生差异。但是在过去，这种分化的程度维持在一个较低的水平，而现在情况正在改变：相同行业相同职位，工资的差距正在拉大，而且是在明显增大。
1707567252
1707567253
目前人们还不清楚导致这种现象发生的确切原因，但是很多人认为有三大原因。首先，即使在同一行业内，企业也在不断地两极分化为高工资企业和低工资企业。高工资企业给每一位雇员都发放丰厚的工资，而低工资企业给每一位雇员的工资都难以令人满意。两者之间的差距不断拉大，最终形成天壤之别。最开始收入丰厚的人，很少会跳槽；而最开始收入微薄的人，也很难转到高工资企业。这当中的一个核心因素就是数字化技术的运用。运用所谓的大数据技术的公司，通常能够显著提高效率，相应地，其雇员会挣到更多的钱。除此之外，那些依赖于智能技术的企业急需更加训练有素的雇员，因为整个工作组织的要求比以前更高了。
1707567254
1707567255
其次，发放高工资的更多的是那些1990年之后创立的企业。导致这种现象的原因可能是更高的生产效率和新技术的使用，或者是变化的管理实践，又或者这些企业较少受到关税限制——当然现在都还不清楚。
1707567256
1707567257
最后，造成这种工资差距的原因可能在于，企业能够越来越好地掌握雇员的个体绩效。虽然还没有像韦伯以及他的“社会测尺”那样精确，但是已经足够用来给雇员发放越来越微粒化的工资。工作绩效与工资的单体化绝对将成为下一个时代工作政策当中的一个重大议题：什么对于工作绩效的考核是允许的，什么不是，而雇员必须抗争的又是什么？
1707567258
1707567259
直到现在，我们的讨论围绕的都是那些依然在工作的人。但是如果微粒社会不仅不平等地分配工作并且单体化地发放报酬，还会将其中的很多人立刻解雇，又会发生什么呢？
1707567260
1707567261
[1]俄罗斯套娃是俄罗斯特产的木制玩具，一般由多个图案相同的空心木娃娃一个套一个组成，最多可达十多个，通常为圆柱形，底部平坦可以直立。这里是指这种收入的巨大差异就像套娃一样层层叠叠。——译者注
1707567262
1707567263
[2]SAP公司是一家德国软件公司，成立于1972年，总部位于沃尔多夫市，是全球最大的企业管理和协同化商务解决方案供应商，全球第三大独立软件供应商，全球第二大云公司。——译者注
1707567264
1707567265
1707567266
1707567267
1707567269
微粒社会：数字化时代的社会模式 未来的工作
1707567270
1707567271
设想一下，超过90%的工作职位都可能消失，因为机器承担了这些工作。一个可怕的问题是：我们人类将会怎样，我们将以何为生，我们要靠什么来打发时间？
1707567272
1707567273
我们知道答案，至少知道一个答案。因为这样的工作职位消失已经出现过一次了：工业革命将农业领域超过90%的工作职位都消灭了——那曾经是历史上最大规模的职业消亡。1800年，70%—80%的德国人都靠农业为生，今天这一数字只有大约1.5%。19世纪中叶，蒸汽驱动的脱粒机投入使用时，短期内它们就取代了大约30%的农业工作职位。
1707567274
1707567275
这种自动化发展如今威胁的是办公室职员、服务人员和学者吗？我们现在处于智能机器的制约下，要面临第二波裁员潮了吗？相当多的观察者都惧怕这样一种发展——害怕这样的发展如今不会带来工业革命之后那种完美的结局，工业革命虽然毁灭了很多的工作，但也创造了更多新的工作。在机器代替手工生产的时候，人们还可以选择从事服务业和认知性的工作。但是机器现在已经深入人类职场，我们又该去何处另辟蹊径呢？这或许是接下来数十年最重要、最令人不安和最具挑战性的问题了。
1707567276
1707567277
那些惧怕机器人的人应该认真听听菲利普·M.布里德拉夫的观点。布里德拉夫曾在美国空军负责无人机部队，执行在阿富汗、巴基斯坦以及其他国家的高风险飞行任务。其间，他共指挥了超过8 000架这种类型的飞行武器。人们或许认为，无人机会大幅减少空军的人员需求，毕竟它们不需要飞行员驾驶，但实际上远非如此。“我们的无人机最大的问题就是人员问题。”布里德拉夫如此描述说，“为保持一架无人机在空中24小时不间断飞行，需要几乎300个人员予以配合支持；相比之下，一架F–16战斗轰炸机的维护人员只有不到100人。”
1707567278
1707567279
那么，起作用的是这个等式：更多的自动化=更多的工作职位？
1707567280
1707567281
而那些对机器人的到来持欢迎态度的人应该去西班牙穆尔西亚省的圣哈维尔看看。埃尔·杜尔策的家族企业在那里种植生菜并利用机器人为其包装。机器将这些生菜倾倒在传送带上，传送带上的传感器会测量生菜的大小和密度。计算机在清楚了解其根部情况后会指挥切割刀具将其切除，然后这些生菜会被塑料缠裹起来完成打包。这条机器生产线每天能够处理40万颗生菜——也因此代替了大约400名辅助工人。这家企业的管理层之所以下定决心走这种昂贵的自动化道路，是因为他们在雇用足够多的工人这件事情上面临着越来越大的困难。而那些他们找到的雇员中，又会有人非常快速地放弃这样单调的工作。
1707567282
1707567283
同样的事情正在全世界范围内发生。中国生产苹果手机的代工企业巨头富士康不久前宣布，为节约成本，将购置100万台机器人。在日本，数码相机巨头佳能曾计划于2015年在一些工厂完全利用机器人完成相机的组装，人只需要监督生产过程。相同的事情在大部分纺织工厂中早就成为现实了，就像一则行业笑话讲的那样：“一家现代化的纺织工厂只雇用了一个人和一条狗。雇用这个人是为了饲养这条狗，而雇用这条狗，是为了使这个人远离机器。”
1707567284
1707567285
那么，起作用的是这个等式：更多的机器=更少的工作？
1707567286
1707567287
答案是：上述两个等式都不对。因为技术进步带来的工作消失极不规律，而其带来的新工作也极不规律。一种职业是否受人尊敬或者被认为是高要求的，如今已经没有人们设想的那么重要了——随着智能机器的不断普及，人们更不会在意这些了。
1707567288
1707567289
当前，甚至一些高薪的律师也在经历这种状况。他们的职业长期以来被视为可以与自动化对抗。他们的主要工作是审阅一千份甚至几千份文档，将它们整理成具有可信力并且可以在法庭上呈现的证据。这项工作可能持续数周，而律师的工时费是十分高昂的。现在，计算机正在阅读这些文档。在一个名为“预测性编码”的实验中，人们会找出一些标准的档案模式，然后让计算机程序从中学习一篇文章的哪些内容和特征是重要的。随后，计算机就可以独立地寻找合适的文档，然后由人做出评价，并且在必要的时候为机器提供进一步的学习材料用于更加精确的筛选。通过与一台计算机合作，一位优秀的法律专家可以在几天时间里“阅读”10万份文档，而这项工作之前需要大量律师一起完成。
1707567290
1707567291
同样的事情也发生在医生群体中。一家大型医疗技术集团正在推销一种能够在肠道反射镜检查中替代麻醉师的系统。医生们当然会抗议，但是这种麻醉机器人已经在美国获得了应用许可，而且可能很快就能明显降低此类检查的费用。那么会不会更加危险呢？目前尚不清楚。
1707567292
1707567293
我们过去一直秉承的信念，即认知性的、高要求的、高价值的职业将会经受住自动化的冲击，已被瓦解。2001年，科学家戴维·奥托带领团队撰写了一篇备受关注的论文，他们在论文中预测了哪些职业会成为自动化进程的牺牲品，哪些不会。他们具有说服力地将工作划分成例行性工作和非例行性工作，以及手工操作性工作和认知性工作。他们的预测结果有点令人意外：大部分例行性工作将会由计算机完成。
1707567294
1707567295
但是例行性工作与非例行性工作的边界正在以迅猛的速度移动。2003年，奥托写道：“驾驶汽车穿越城市或者识别支票上的笔迹，这些并不会被视作例行性工作。”应该说，当时还没有计算机会运算得如此迅速。然而，两年后谷歌公司就展示了他们研发的自动驾驶汽车。那么利用计算机自动识别字迹呢？也不再是问题了。位于德国威斯巴登市的一家名为Vitronic的公司生产的摄像头正在当地的邮政机构完全自动化地识读邮包、信件或者支票上的手写地址，虽然这些摄像头在工作时会发出类似自行车运行时的嗡嗡声。
1707567296
1707567297
来自牛津大学的两位研究人员卡尔·贝内迪克特·弗雷和迈克尔·奥斯博纳不久前回顾了自2003年上述研究以来技术进步如何改变了职业的未来前景。他们发现智能的语言识别程序可以精确到使呼叫中心用这些程序替换60%—80%的雇员；他们惊羡于机器人可以完全自主地攀爬到风车上，维护涡轮机；他们佩服那些医疗机器人，虽然它们还不能自己去做手术，但是对于外科医生而言它们的辅助意义非凡——下一代机器人或许就能做一些简单的操作，并且会比人类更加精准。他们还发现了用来写软件程序的软件程序，而且好用得足以使程序员们失业——程序员这个职业，是一个一直被认为不可替代的职业。
1707567298
1707567299
面对这些新型计算机智能，还有哪些工作是需要由人来做的呢？弗雷和奥斯博纳得出的结论是，在就业市场上，敏感的、有同情心且感觉细腻的人类是有未来的。那些机器人最后要学会的能力就是人类的“社会知觉”“谈判艺术”以及“论证能力”。人类的“创造性”以及“变通性”同样突出。但是被弗雷和奥斯博纳视为尤其重要的，是人类“帮助其他人以及为其他人服务”的愿望和天赋。这些品质将人类塑造成社会智能的专家以及改编创作能手，而不是思想者或工匠。
[
上一页 ]
[ :1.70756725e+09 ]
[
下一页 ]