业内人说：马云都要造机器人了，我们的饭碗怎么办？！

编者注：马云也要造机器人了，机器人来袭，人类该怎么办?!这一波自动化浪潮似乎比前几次更吓人，计算机开始无情地侵占知识型工作领域，人类就业前景无限黯淡……别怕，5大秘籍助你超越机器人!

牛津大学最近对高级自动化及其人工替代的潜力进行了研究。听闻研究结果，远在美国佛罗里达州塔拉哈西的舆梅·赫特(Yuh-Mei Hutt)写道：“现在的工作岗位将有一半消失，这改变了我对自己孩子未来的看法。”

似乎是突然间，各行各业的人们都开始关注自动化的发展。这是理所当然的：除非我们能给被机器取代的人安排其他工作，否则，经济衰退、青年失业以及个人身份认同危机等一切源自失业的社会及心理问题都将加剧。由于机器在对认知能力要求较低的岗位上取代了人，人类便退守至知识型工作这块高地。然而在可预见的未来，正如咨询公司Gartner分析师奈杰尔·雷纳(Nigel Rayner)所言，“现在管理层做的许多事情都将实现自动化。”

重构一下这个局面如何?不要问“目前由人类完成的哪些工作将会在不久后交由机器，以更省钱、更高效的方式完成”这个老问题，让我们提出一个新问题：在更好的智能机器协助下，人的技艺可以达到怎样的新境界?别把工作当成零和博弈，仿佛机器占了上风，人就必然受损;我们或许会发现，机器使用率提高，就业机会也随之增加。我们可以将自动化(automation)的威胁重构为增益(augmentation)的契机。

本文两位作者长期关注知识型工作者与机器必须相互合作、缺一不可的工作情形。面对自动化对职场的大举入侵，人们的应对方式多种多样，令人吃惊。传统观点认为，当机器威胁到人类生存时，为更胜一筹，人类就必须接受更高等级的正规教育。然而事实上，聪明人总有办法与智能机器和平相处，下文将讨论他们采用的5种方法。

一、主动升级保持竞争力的5剂药方

最佳策略大概就是主动提高自己的智能水平。宏观思考能力和抽象思维能力强于计算机的人总有工作可做。这种方法本质上与自动化挤占人类工作空间时的传统应对方法相同：让机器做低级工作，自己把握机会向更高层次的工作进发。

癌症研究员尼文·纳拉因(Niven Narain)就是一个很好的例子。2005年他在马萨诸塞州弗雷明汉与别人共同创立Berg公司，旨在运用人工智能发现新药。该公司拥有全天候运行的高吞吐量质谱测定仪，可从血液和组织分析中提取出不计其数的数据点，还有功能强大的计算机来搜寻有效分子模型。2015年3月，纳拉因在采访中说：“现在最不乐意干的就是找100个生物化学家来看这些数据，说，’啊，我挺喜欢这边这个分子。’”可他还是雇用了一百名生物化学家。他们的任务不是研究所有这些数据并就某种分子的潜力做假设，而是数据分析的后续工作——对机器已做出的假设，进行可行性试验。

纳拉因得以主动升级，是因为他发现了以新方法研制药品的契机。发现契机需要有丰富的经验、卓越的洞见以及迅速理解世界变化趋势的能力。同样，对于如今巨富的华尔街投资银行家和对冲基金巨头的成功，有一种解读就是他们主动升级，超越了自动交易和投资组合管理系统。

此方法对学历要求较高。硕士或博士学位会让你的求职简历更有分量。进入组织后，你一定要关注各方动向，发挥创新能力，努力参与组织中的创新和战略制定。若情况理想，你可以努力成为高级管理人员，把握住自己看到的机会。例如，在线旅游业公司Orbitz已将绝大多数知识型工作交由机器完成，对于仍然需人工的任务，公司CEO巴尼·哈福德(Barney Harford)寻找的是T型人才。他表示，Orbitz需要员工“扎实深入自己专业领域，同时涉猎广泛，对组织整体及其市场优势抱有好奇心。”想要主动升级的知识型工作者可以此为参考：开始进行更为综合全面的思考;设法借助机器去做那些耗费心力的工作，但要知道机器的运行机理。哈福德已经做到了这点，他运用“机器学习”来生成将消费者与理想行程相互匹配的算法。

二、另辟蹊径保持竞争力的5剂药方

这种方法或许只适用于一小部分人。许多脑力工作同样有价值且无法程序化。另辟蹊径意即利用并非全然属于理性认知的心智能力，也就是心理学家霍华德·加德纳(Howard Gardner)所说的“多元智能”。也许你可以专注于发展“人际”和“内省”力，了解如何与他人合作，并发现自己的兴趣、目标和才能。

传奇驯马师韦恩·卢卡斯(D. Wayne Lukas)无法准确解释自己能如何判断一岁马驹身上的潜力。苹果公司著名设计师乔纳森·艾夫(Jonathan Ive)无法将自己的品位传输到计算机上。英国笑星里基·热尔韦(Ricky Gervais)的“包袱”永远无法让机器理解。这些人在日常工作中都要用计算机吗?当然要用，毫无疑问。但他们已然发掘出自己身上难以言喻的独特才能，且尽可能地花时间施展那种才能。机器能够处理数不胜数的辅助任务，使专业人士得以尽情挥洒。

我们不想造成惟有艺术家能另辟蹊径的印象。举个例子，高级律师熟谙法律，却未必通晓所属事务所的各种细节。他们耗费大量精力赢得新的工作(这通常是他们得到晋升的主要原因)，在客户面前担当睿智的顾问。若借助机器处理法律文件、组织诉讼和论据，高级律师便有更多精力做好其他工作。这同样适用于许多专业人士，例如高级会计、建筑师、投资银行家和顾问。

若要选择另辟蹊径，你需要关注自己身上无法程序化的能力，先发现自己有何才能，而后着力加以培养。在此过程中，你应当发现其他对你所追求的这门才能十分精通的人，设法与他们合作共事或跟随他们学习。也许多年学校教育埋没了你身上超越智商的才能，现在你必须对这些才能予以高度重视。这些才能跟你做微积分的能力一样，并非生来就炉火纯青，但可以慢慢学习。

三、介入干预保持竞争力的5剂药方

1967年，彼得·德鲁克(Peter Drucker)目睹知识型工作自动化的第一波尝试后，称计算机“愚不可及”。虽然现在的计算机已不可同日而语，但其生硬的逻辑仍偶尔会得出一些远非完美的结论，无需天才便可对其加以改进。

2014年《纽约时报》的一篇文章中描述了一个刚刚换工作的人去申请转按揭的经历。此人从事稳定的政府工作8年，之前还任教达20余年，贷款申请却仍被拒绝。自动化系统对他的申请加以评估，计算出他的收入水平足以承担预计支付款项，但智能系统又聪明地识别出一个风险因素：他的新工作收入涉及许多变量，有着很大的不确定性。

聪明反被聪明误。上述这个人是美联储前主席本·伯南克(Ben Bernanke)，当时他刚签下超过100万美元的合同书，即将开始利润丰厚的巡回演讲。这个案例充分说明，为避免发生严重误判，计算机做决策时需要有人介入干涉。

有能力介入干涉的，是懂得如何对计算机工作进行监督调整的人。越来越多的税务工作由计算机完成，但有才能的会计师总是留意着程序及其他人类用户常犯的错误。数字营销中的广告购买在今天几乎全是自动完成，但只有少数人能察觉到自动购买会在何时对品牌造成损害，并对其逻辑进行相应调整。

看到这里你也许要问，究竟是机器协助人，还是人协助机器?在此我们要强调，增益中的支持是相互的。人要确保计算机工作顺利，并对其加以改进。所有提倡增强科学、技术、工程和数学(STEM)教育的人都提到过这一点。在他们的愿景中，绝大多数人类工作岗位属于介入干预型。若要选择这种方法，你还需要发展自己观察、解读以及让计算机工作符合人类需求的能力。

四、专精于业保持竞争力的5剂药方

这种方法是要你在自己专业领域内找一项经济上不适合自动化的专门工作。前不久一位记者在波士顿唐恩都乐甜甜圈(Dunkin’ Donuts)总部附近报道了“唐恩都乐经销之王的秘密世界”。其中一位经销之王加里·乔亚尔(Gary Joyal)开着劳斯莱斯，过得相当不错，他的工作就是联络唐恩都乐特许经营权的买方和卖方。据《波士顿环球报》报道，乔亚尔“深入了解加盟商家庭状况、资产收入和地产规划等诸多方面，借此使自己成为买卖双方不可或缺的伙伴”。迄今为止乔亚尔已参与促成了价值逾5亿美元的生意。

乔亚尔对加盟商的了解能编成软件吗?也许能吧。但这样的软件是无法让用户开上劳斯莱斯的，因为这种知识不具有普遍性。克莱尔·比斯塔雷(Claire Bustarret)的工作也同样。《约翰·霍普金斯杂志》报道称比斯塔雷“像其他法国人了解葡萄酒一样了解纸张，于是做成了一番事业”。比斯塔雷可以从纸张的质地、触感和纤维判断其制造时间和地点，这种能力对历史学家和艺术鉴定家而言极为宝贵。也许可以把她的知识输进数据库，将她的分析方法编为程序，但比斯塔雷自己仍在不断学习，机器赶不上她。

选择专精于业的人要找到这样的狭小利基领域，深深浸淫其中。若说主动升级的人是狐狸，那么他们便是刺猬(出自犹太裔观念史家以赛亚·伯林《狐狸与刺猬》，文中引古希腊残篇“狐狸多机巧，刺猬只一招”，将西方思想家分为狐狸型和刺猬型，前者博闻多识，后者一以贯之——译者注)。虽然其中大部分人受过正规教育，但他们赖以谋生的技艺乃是通过专精相应岗位培训而获得。若要选用此法，那就做个在方寸之地上深挖数尺的人，借此扬名。不是说你不能有别的兴趣，不过在职业技能上，你会拥有非常独特的个人品牌。机器如何为你增益?你要利用机器建立自己的数据库，跟上时代潮流，并与可将你的独特能力和他人技能相结合的系统保持联系。

五、顺势前行保持竞争力的5剂药方

最后一种方法是顺势前行，制造下一代计算机和人工智能工具。每一台伟大的机器背后都有一个人，此言非虚——事实上是有许多人。要有人来做判断，比如唐恩都乐无需投资制造特许经销优化器，投资将人工智能应用于抗癌药物研发则是个不错的主意;要有人研制下一个成功的自动保险承保解决方案;要有人去洞察人类需求，考虑如何改进系统;要有人识别可程序化的东西，要有人写代码，还要有人负责设计工具适用条件。

显而易见，该领域的知识型工作者需要掌握扎实的计算机、人工智能和分析技能。史蒂夫·洛尔(Steve Lohr)在《数据主义》(Data-ism)一书中讲述了几个从事这项工作的人的故事。例如，美国嘉露酒庄(E. & J. Gallo Winery)高管尼克·多科兹里安(Nick Dokoozlian)与IBM科研团队成员亨德里克·哈曼(Hendrik Hamann)协力寻求运用数据实现大规模“精细农业”(precision agriculture)之法。换言之，他们想把“恰到好处地给予每根葡萄藤茁壮成长所需的照料和养料”这项繁琐的工作变成自动程序。这不是业余爱好者的消遣活动。哈曼是物理学家，对IBM先进的网络化传感器运用技术了如指掌。多科兹里安则拥有植物生理学博士学位，据洛尔在书中介绍，他就读于葡萄酒学领域的麻省理工学院——加利福尼亚大学戴维斯分校，之后留校任教15年。我们忍不住又要说，这个团队就像某些法国人了解纸张一样了解葡萄酒。

顺势前行意味着引领机器的下一轮入侵，但其本身便涉及须有软件协助的工作。看看哈曼的领英(LinkedIn)页面就足够说明这一点：他被联络人“认可”的专业技能有模拟技术、算法、机器学习、数学建模等等。不过要想准确抓住下一个自动化的新机会，掌握技术手段还不够。如果想选这条路，你就要尽己所能在自己的领域达到巅峰，突破思维局限，察觉到现今计算机技术的不足之处，并且设想目前尚不存在的工具。也许有朝一日大部分软件开发工作也终将自动化，但正如比尔·盖茨最近说的，编程“现在还很安全”。

在这个创新时代，人类的优势必须得到强调。人类始终是下一代新创意的来源，是组织运营中最难被竞争者复制的独特元素。但是换个角度看，人类易变无常，难以预测，可能自私、乏味又缺乏忠诚，学习速度慢，还容易疲劳——这些缺点机器人都没有。但若能妥当实现增益，组织便可获得那些人类独有的积极品质。如果说计算机化能让一切都可以编程并成为手中的筹码，而人类特有的品质便是让组织脱颖而出的关键。

本文作者：托马斯·达文波特(Thomas H. Davenport) 朱莉娅·柯比(Julia Kirby)

蒋荟蓉 | 译　安健 | 校　钮键军 | 编辑本文有删节，原文参见《哈佛商业评论》