李杉 编译自 Quartz
量子位 出品 | 公众号 QbitAI
△ 德勤CEO Cathy Engelbert
作者：德勤CEO Cathy Engelbert，德勤MD Scott Corwin
随着自动化技术的发展，劳动者因此面临的影响似乎成为了热门话题，而且往往引发焦虑。这完全可以理解。科技和社会变革通常都会对工作内容和工作方式的方方面面产生影响。
当我们谈论“机器人抢饭碗”话题时，除了兴奋之外，很多读者可能也会感到深深的焦虑。
对于大家的担忧之情，我们有两方面看法：
首先，细节很重要。虽然所有行业都会受到影响，但这些影响的特征却有很大差异。为了理解今后可能发生的事情，我们必须明白一项工作究竟由哪些任务组成，了解具体行业和地区的人口因素，以及监管或其他可能阻碍自动化技术发展的外部“制动器”（尤其是社会态度）。全盘概括的观点所造成的误导必然超过它所带来的启示。
其次，有必要提前面对这些问题。回避问题无法阻止科技进步。所以，关键是要依据事实规划方法，而不能感情用事。盲目乐观和盲目悲观都不可取。
我们来看一个具体案例。
当媒体提到有可能因为自动化技术而减少的职业时，最常看到的就是与人和物品的移动有关的职业，例如卡车、出租车、专车等。这通常能写出很好的标题，所有人也都会很快“理解”。但真正的前景非常复杂而微妙，未必会像媒体描绘得那么极端。
这些工作之所以意义重大，一方面是因为其数量庞大——不包括专车司机在内，全美约有400万职业司机，另一方面则是因为其中的一部分人将此作为一项过渡性的经济来源。出租车曾经是移民迈入工薪阶层的主要入口（纽约多达94%的出租车司机在海外出生），但出租车司机的中位数收入不到全美整体收入的一半。
随着专车服务在美国及全球不断扩张，全职和兼职司机的机会正在增加——短期内还有可能继续增加。然而，这种劳动力的扩张不太可能持续。很多人预计，无人驾驶共享汽车将在2020年推出，从而在2025年左右对这些依赖驾驶员的领域产生实质性的影响。
这便引发了一个重要问题：这些人未来可以从事什么工作？他们需要什么样的培训和技能？
与很多新的技术进步一样，新的机动性——包括无人驾驶汽车——都会提升效率和生产力，从而降低单位运输成本。这会令消费者拥有更多剩余收入，从而花费到其他的商品和服务上。
这些收入会花到什么地方？与之匹配的工作又是什么？
当人口趋势与新的机动性相碰撞，可以想象逐渐变老的婴儿潮一代需要外界的协助来就医和跑腿——尽管“开车”不再是这项工作的一部分。
旅行和休闲可能继续增长。整体来看，围绕流动性管理服务的市场规模将会不断扩张，从而带来更多职业。还会出现一些新的企业，通过数字方式让乘客和产品运输的规划及损耗变得更高效、更有趣、更多产、更安全、更干净、更便宜。这可能引出维护车队和远程监控等一系列工作。这些都是周边领域。（随着可再生能源逐步替代化石燃料成为雇主来源，能源领域已经发生了类似的职业分布和职业增长。）
移动和智能城市的结合也可以带来更为广泛的利益，例如提供易于获得的医疗服务、高效的能源和不同的工作。
即便常被认为最容易抢司机饭碗的无人驾驶卡车，也会给当今的驾驶员带来福音。拥有商业执照的驾驶员在卡车行业始终都很短缺，而大型行业团体预计，美国未来10年大约需要近90万名新的卡车司机。该行业的离职率也很高，年轻人对这类职业的兴趣很低。
现在可以考虑不久的将来可能出现的一种情形：无人驾驶卡车在高速公路上行驶，而驾驶舱内则由人类负责“监督”，他可以针对市中心等较为复杂的路况提供帮助，并确保商品安全送达。由于这类汽车可以超长距离行驶，所以驾驶员的需求会减少，从而缓解短缺现状。
卡车驾驶员的疲劳程度也会降低，离家的时间也可以缩短（这同样是因为无人驾驶卡车可以不停行驶）。当然，这在很大程度上取决于技术和监管的进步程度。但我们或许可以发现，随着目前的卡车司机逐渐老去、无人驾驶系统渐渐成熟、普及范围逐步扩大，未来会实现软着陆。
较为平衡的做法是承认城市里的专车司机可能会发生职业变动，面临职业压力。长途卡车司机同样会面临这一状况，但时间会延后，速度也会放慢。
不过同时也要意识到，价值更高的新工作也可能涌现，而且这些变化会给全社会带来利益。问题在于，这些新工作是否足以给未来的劳动者带来足够的岗位？
纵观历史，自动化往往会提高劳动生产力，让劳动者专注于工作中价值更高的元素。就像工厂自动化减少了很多令人筋疲力尽的任务，转而强调技能要求较高的机器操作。类似地，如果能够帮助驾驶员完成转型，我们为什么不希望驾驶员做一些更有价值、生产力更高的工作呢？
我们最终需要帮助司机和工人等当今社会的劳动者，找到5年到10年内出现的工作会需要哪些技能，帮助他们获得足够的技术和经验来完成这些工作。从历史上看，大批量的就业再培训一直都难以扩大规模，但变革总是无情的，这就要求我们努力帮助他们在一个数字化程度更高的世界里具备更高的生产力。
我们已经出现了技能缺口：需要找到一种方法，通过数字化方法武装这些劳动者，使之具备足够的技能来满足现有职位的需求。我们需要从现在就秉承一种辩证思维，从而为所有人都创造意义深远且富有成效的机会。
8月9日(周三)晚，量子位邀请三角兽首席科学家王宝勋，分享基于对抗学习的生成式对话模型，欢迎扫码报名 ▼
量子位还有自动驾驶、NLP、CV、机器学习等专业讨论群，仅接纳相应领域的一线工程师、研究人员等。
请添加小助手qbitbot2为微信好友，提交相应说明，符合条件将被邀请入群。（审核较严，敬请谅解）
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
