保罗·多尔蒂
| 文
人工智能（AI）作为第四次工业革命最具颠覆性的通用技术，将从根本上改变工作性质。但这种颠覆并不能被简单理解为“机器换人”甚至全人类的就业危机。我们既不能高估AI掌握未来工作的实际能力，也不能低估人类在企业组织运营和员工管理方式上所做出的适应性调整。
埃森哲最新的研究表明，在全球各大行业中，都已经有领军企业成功驾驭了这股由“人机协作”催生的业务转型浪潮，而它们将不确定性转化为增长机遇的成功诀窍，就是在AI时代的组织管理中，从思维到技能都遵循“以人为本”的第一性原理。
未来将会有更多的机器人应用于生产线上。图/中新
我们认为，AI系统具备感知、理解、行动和学习等技能，极大拓展了人类的能力，在企业中应用的AI系统不仅能够推动流程自动化，提高工作效率，而且对人类员工的组织方式也带来了巨大改变。面对变革压力，很多人都存在这样一种认识误区，即包括高级机器人在内的AI系统会逐步接管人类的工作。例如，无人驾驶汽车终有一天会取代出租车司机、快递员和卡车司机。
对于某些具体工种，这一担忧或许会成真。不过我们发现，AI更重要的影响还是赋能于人，从而推动重大商业转型。在部署了AI系统（从机器学习到计算机视觉再到深度学习）的公司中，一些公司生产效率只是在短期内略有提高，但另一些公司的绩效可能突飞猛进——后者显然是这种转型的成功受益者，其诀窍在于能够充分理解并利用AI技术带来的真正影响，更在于它们为了充分挖掘AI的潜力，采用更有流动性、适应性的业务流程，组建了人机协作团队。
正是人机协作，减轻了AI接管人类的担忧，推动了许多传统流程的革新。
在位于德国丁戈尔芬格（Dingolfing）的一家BMW装配厂，工人和机器人共同完成汽车组装。在工厂一角，一位工人摆好了用于传动装置的齿轮箱，一个可以感知周围环境的轻量机械臂拿起了一个12磅重的齿轮，精确地放入齿轮箱，然后拿起另一个齿轮……这位工人则开始处理下一项任务。在工厂的另一角，另一个轻型机械臂正在小型车窗的边缘均匀涂抹黏稠的黑色黏合剂。一位工人在机械间走来走去，擦拭黏合剂喷嘴，放入新玻璃，并拿走已涂好的车窗。在这里，人类和机器人实现了“和谐共舞”。
这样的场景在当下已经很多，西门子的“Click2Make”自动化工厂项目利用人工智能（AI）推理工具，根据人类和机器人各自的技能分配任务，确保人机无缝合作。电商巨头京东开设了为期三个月的无人机培训课程，培养能够利用无人机送货的员工，这一岗位在数字化变革之前压根不存在。在保险索赔处理过程中，AI承担繁琐乏味的体力劳动、收集数据并进行初步分析，从而使理赔专员能够专注于处理复杂案件。
换言之，AI承担的是机器比较擅长的任务：完成重复性工作、分析海量数据集并处理常规案例。人类则专注于自己最擅长的工作：跟进处理存疑信息、针对复杂案件做出自己的判断，并与不满意的客户进行沟通。
这些创新型团队能够适应不断涌现的新数据环境和多变的市场行情，借助智能机器应用，帮助企业革新工作流程。
日益密切的人机协作，催生出第三轮业务转型浪潮。第一轮浪潮是由亨利·福特引领的，主要标志是标准化流程；第二轮浪潮是指20世纪70年代涌现出的流程自动化，随着信息技术的进步，第二轮浪潮在90年代达到顶峰。在第三轮浪潮中，人机协作开始推动少数优秀企业实现指数级的绩效增长。
但绝大部分企业依然在人类与机器之间留下了一个关键缺口，对于AI时代人机协作的“中间地带”该如何管理，许多企业感到困惑。例如，它们可以从智能机器人供应商或服务商较快地获得新型自动化生产设备和使用方法，却并未对现有员工队伍做出有具体针对性的组织规划与岗位设计，更不用说发挥人类员工原有的经验与潜能。
根据优秀企业经验，在这个被遗忘的“中间地带”，人类与智能机器完全能够各取所长。例如，人类可以开发、训练和管理各类AI应用，从而确保AI系统真正成为人类的帮手。同时，机器也可以使人类突破自身极限，拓展自身能力，例如实时处理和分析来自不同来源的海量数据。简言之，机器赋能于人。
在这一地带，人类和机器不是“抢饭碗”的竞争对手，而是合作伙伴，通过共同探索各自最擅长的领域，助力彼此提升绩效表现。通过新的战略规划，公司可以变革业务流程，从而充分利用人机协作的诸多优势。
在机器与人之间，公司必须努力填补“中间地带”。这就要求公司设立新的岗位，需要有员工专门负责设计和培训算法、解释所使用的算法并进行维护。据我们研究，AI催生出的新业务和技术岗位主要可分为三大类型：培训师、讲解员和维护者。
培训师能够教AI系统如何运作，帮助降低自然语言处理器和机器翻译中的错误，并指导AI算法模仿人类行为。例如，在制造业中，用于辅助人类工作的轻型机器人需要事先接受编程和培训，才能处理不同任务。只有拥有相应技能的员工才能进行此类培训。而需要接受培训的除了实体机器人之外，还包括AI软件。培训需要大量角色和工种。在简单的情境下，培训师帮助自然语言处理器和机器翻译减少错误，而在复杂情境下，培训师要训练AI算法模仿人类行为。
讲解员，能够帮助技术人员和企业领导者实现有效沟通，他们擅长向非技术人员解释复杂算法的工作原理。随着AI系统的原理越发艰深，这些人才的重要性日益上升。讲解员又可以细分为三种：透明度分析师，负责解释特定AI算法为何作为“黑盒子”运行；算法取证分析师，负责确保各个算法为其结果负责；策略顾问，负责对各类AI技术最适用于何种应用进行主观判断。
维护者，能够确保AI系统按计划运行，即作为一种辅助性工具，让我们的工作和生活更便捷。维护者也可以细分为三种：背景设计师，负责管理商业环境、流程任务、用户的独特情况、文化问题和其他背景因素，从而确保复杂的机器人和其他AI系统在设计之初就考虑到上述因素；AI安全工程师，预测AI系统可能带来的意外后果，分清轻重缓急，解决任何可能出现的有害情况；道德合规员，作为监管者和监察员，确保AI系统符合人类的价值观和道德观。
从更广的视角看，智能时代的企业在不断开拓创新的过程中，必定会创造大量对员工技术水平要求很高的全新岗位和角色。这些岗位和角色都会是人类技能和技术赋能叠加的复合型岗位，胜任这些岗位的人也将是对“人机协作”驾轻就熟，为企业创造出超额价值的“超级员工”。这些员工将成为各家企业争夺人才的焦点，而为了留住他们，企业需要规划、管理并支持更多样的职业发展道路，并借助新技术强化企业知识管理和技能培训的灵活性和有效性。目前，在吸引和保留“超级员工”方面，绝大部分企业尚未找到行之有效的方法。
埃森哲的研究表明，各大行业中，只有领军企业成功抓住了第三轮业务转型浪潮带来的机遇，它们在我们调查的全球近1500家大型企业中占9%。这些企业最大限度地实现了自动化，并着手开发新一代流程和技能，从而充分利用人机协作的诸多优势。 它们成功的诀窍是遵循五大关键组织原则：思维模式、实验、领导力、数据和技能。
首先是以行动为导向的思维模式，企业必须从中了解传统业务流程和新型AI解决方案之间的区别。
工作岗位不应仅限“人类专属”和“机器专属”，还应包括协作型岗位。这种前所未有的岗位如何设计？公司高管们应当鼓励现有员工等利益相关者共同创造，让试点解决方案不断扩大适用范围，先让员工对新系统进行内部测试，所有难题都化解后再应用于外部客户。
第二是针对公司自身特点进行实验，积极观察流程中各环节的情况，以测试并完善AI系统，同时从“中间地带”的角度重新定义个性化流程。
单纯复制其他领军企业的最佳流程已然行不通。只有现场不断试错，才能确定哪些工作可以交给人类，哪些工作最好由人类和机器合作完成。若想让员工接受实验，领导者需要制定明确的目标，同时不能因错误或失误而气馁。
第三是承诺负责任地使用AI的领导力，企业管理者必须时刻考虑到AI的伦理、道德和法律影响。
这意味着企业要改变对AI的定义：AI不是只按照编程行事的系统，而是能够不断学习的系统。从这个角度，企业在“培育”AI时面临的许多挑战与人类对下一代的教育类似：了解何为对错以及负责任的行为，在积累知识经验时摒弃偏见，既独立自主也保持与他人的合作和交流。人类对于工作岗位可能被AI取代的焦虑是一种主观认知，管理者务必要让员工切实体验到AI的赋能作用，AI存在的意义是取代繁重任务和推动流程转型，AI工具可以使员工的日常工作不再繁琐，更具吸引力。
第四是构建数据“供应链”，为AI系统提供“燃料”。
管理数据不是企业内部分散开展的静态流程，而是在整个企业范围内获取、清洗、整合、甄选和存储信息的动态活动。AI要求数据必须又“好”（种类多、质量高、可用性强）又“多”（海量）。因此，企业需要大力投入负责获取并提供数据以供分析的人类岗位。这些岗位至关重要，因为数据中的偏差会造成严重的消极后果。
第五，也是最重要的关键组织原则，是积极为员工培养在“中间地带”所需的八种融合技能。
