Paul Heltzel

自動化和人工智能即將顛覆IT。一些早期跡象表明，企業(yè)將更加重視跨職能部門，在人工智能和IT員工之間建立更深入的合作關系，并大幅度削減中層管理人員。

預測未來的工作是出了名的高風險，因為顛覆性技術就像“神奇畫板”一樣，將隨時改變我們的遠景。過去一兩年也是令人唏噓不已，預示著很難確定今后10年會發(fā)生什么。但是對于那些著眼于技術趨勢的人來說，開始出現(xiàn)了一些寬泛而且共同的主題——這源自人工智能和自動化所產(chǎn)生的影響。

麥肯錫咨詢公司（McKinsey & Co.）一項題為《技能轉移：自動化和勞動力的未來》的研究報告稱，“在未來10到15年里，隨著人們越來越多地與更智能的機器進行互動，自動化和人工智能技術的應用將給職場帶來變革。到2030年，對高級認知技能的需求將不斷增長，這包括創(chuàng)造力、批判性思維、決策和復雜的信息處理等。”

管理人員和員工們絞盡腦汁地想知道自動化對他們的職業(yè)生涯會產(chǎn)生什么影響，而幾乎所有人都同意數(shù)據(jù)處理和輸入等工作將完全交給機器，預言家們則提出了一種更樂觀的觀點，認為人類可以讓機器去完成一些工作，例如，通過算法實現(xiàn)基本的決策，但達不到人類具有的情緒智力、解決問題和創(chuàng)業(yè)精神的層面。

本文介紹IT未來學家怎樣看待IT在今后10年的發(fā)展。

獨立特設部門的興起

在對IT未來的展望中，Gartner發(fā)布了幾份關于IT到2035年將怎樣發(fā)展的報告。其主要結論之一是，大部分工作將由獨立的特設部門完成，他們的工作從自上而下的方法轉向怎樣實現(xiàn)業(yè)務目標。

在其2028年職場報告中，Gartner描述了由具有多種技能的高績效員工組成的自治部門。Gartner的分析師們認為，這些部門會根據(jù)需要擴張或者收縮，以應對工作負載、時間進度和“信息交換和協(xié)調”的劇烈變化。業(yè)務部門所采用的這種模塊化的、即時的、可擴展的方法能否像所展望的IT工作負載那樣運行（就像現(xiàn)在的云服務器工作負載），這一點仍有待觀察，但這確實突出說明了IT正在向跨職能部門轉變，將成為業(yè)務成功的典范。

中層管理的衰落

或許Gartner最引人注目的預測，也是與它對獨立部門的看法相關聯(lián)的預測，是未來對算法的依賴，這將大幅減少中層管理人員的數(shù)量，剩下的中層管理人員的職責也會變得很窄。

Gartner研究副總裁Helen Poitevin的工作主要是人力資本管理，他認為：“基本上，這將首先成為在很多工作環(huán)境中提高效率和降低成本的一種方法。我考慮的是零售行業(yè)的一些領域，高度自動化的物流、供應鏈和倉儲已經(jīng)把產(chǎn)品線管理人員推向了另一種角色。我想說的是，對于非常需要創(chuàng)意的部門也是如此，在這些部門中，中層管理人員扮演的監(jiān)督角色過于嚴格，阻礙了部門的創(chuàng)造力，以及部門發(fā)揮整個企業(yè)跨學科專業(yè)知識的能力。”

接受機器的管理

如果說基于機器的管理人員的想法似乎讓人感到有些牽強，那么不妨想一想，數(shù)以百萬計的優(yōu)步（Uber）和Lyft司機早已接受算法的管理了。2015年，一群在卡內基梅隆大學開展人機交互的計算機科學家研究了當計算機而不是中層管理人員分配工作、定價和評估績效時，員工們的反應。

研究人員驚訝地發(fā)現(xiàn)，員工們很容易接受由算法給出指導建議的想法，而且他們很快就適應了與機器一起工作，這樣，更易于管理他們的工作。而且，司機們能關閉應用程序，由他們控制自己的工作時間和地點，或者在長途旅行后休息一下。

卡內基梅隆大學計算機科學副教授Laura Dabbish對該項研究做出了很大貢獻，她指出，司機們似乎并不介意缺少某些選擇。他們無法選擇某些工作因素，例如，設置具體的載客地點，或者從可用的列表中選擇自己喜歡的載客請求。Dabbish說：“這可能是因為他們比較自由，從而彌補了缺乏控制的不足。這也可能是因為一些司機沒有其他系統(tǒng)的經(jīng)驗，例如，人類出租車調度員?！?/p>

隨著司機們使用這款應用程序的經(jīng)驗越來越豐富，他們會繼續(xù)調整自己的工作策略。她說：“我們有一種看法，即，算法——通常是技術上的，會讓人類行為越來越好，但忽視了人們在技術面前調整和適應行為的能力?！?/p>

在決策和執(zhí)行方面與人工智能合作

Zorawar Biri Singh是硅谷的投資者和顧問，他指出，IT未來10年將是一個“共享認知的時代”，這是由認知技術的廣泛應用、對人類注意力不足的持續(xù)關注，以及對獨立可信仲裁的需求所推動的，當然，可信仲裁還有待于開發(fā)。

他說：“我們正處于下一階段，基本上，人類將與機器、算法和系統(tǒng)、認知系統(tǒng)合作，共享人類認知，并訓練系統(tǒng)，從而減輕大量的工作?！?/p>

Singh闡述了他認為IT發(fā)展的6個階段，首先是大型機，然后是個人電腦和網(wǎng)絡，接著是網(wǎng)絡和服務器，虛擬化，移動和云，而現(xiàn)在是人工智能，機器人技術，物聯(lián)網(wǎng)和邊緣計算的融合——他認為今后10年會進一步深入發(fā)展。

Forrester最近的一份報告還強調，未來10年，人和計算機在工作中將融合在一起，而不僅僅是因為自動化而造成人員流失。

報告稱：“我們的工作方式已經(jīng)發(fā)生了重大變化。未來的不同之處在于，那些以幾十年為單位來衡量的變化，現(xiàn)在將以年和月為單位來衡量。工作將取決于人與機器之間的共生關系。這不是一個由人類領導、由機器來完成的結構;相反，它將匹配機器人和人類之間的領導、決策和執(zhí)行任務，從而最好地達到預期的結果?！?/p>

人類仍將提供獨特的價值

不管計算機是否會消除大量的低認知工作，例如，日常數(shù)據(jù)處理和泛泛的中層管理職能，人們似乎對什么任務應該留給員工有著廣泛的共識。

卡內基梅隆大學的Dabbish說：“機器智能還不能勝任管理的很多方面。針對個人報告，在管理上應該有情感和關系方面的內容，從而激勵員工，處理好困難的情形。需要通過情緒智能來與員工交談，了解他們是怎樣做的，他們對什么感興趣，對什么有激情，并向他們提供有關工作的反饋。技術在感知人類情緒狀態(tài)、理解自然的人類語言和進行某種形式的對話方面表現(xiàn)越來越出色，但還遠不能取代管理中的關系因素。而且，應用程序給出的獎勵和贊美不如更直接的人際互動那么親切?！?/p>

Singh指出，無論機器的計算能力怎樣發(fā)展，未來職場的深度認知工作仍然是以人類為主。而且，他指出，很多企業(yè)不具備消除中層管理的資源和數(shù)據(jù)集。

Singh說：“在過去一年半的時間里，我接觸過的每一家大型企業(yè)，都有大數(shù)據(jù)科學項目來加強自己的機器學習能力。谷歌、亞馬遜、臉書和微軟等大平臺已經(jīng)開展了這方面的工作，他們可以訪問海量的計算集群和海量數(shù)據(jù)。但是，一般的企業(yè)不具備快速處理這么大規(guī)模數(shù)據(jù)的能力。這有點像情節(jié)劇，每個人都在說：‘我最好坐起來，看看自己在中層管理崗位上的表現(xiàn)如何。我應該使用算法，對吧？我為什么不使用算法呢？”

Dabbish指出了無法量化或者評估的工作要素。她回顧了優(yōu)步和Lyft的例子，其中，計算機能夠很容易地管理一個評級系統(tǒng)，但在評估一個人怎樣處理自己的工作時，還有很多需要改進的地方。

Dabbish說：“服務質量的這些數(shù)字指標沒有描述司機擅長的工作要素，也沒有向他們提供反饋，這些反饋有助于他們隨著時間的推移不斷改進工作。在我們的研究中，司機們要維持他們的評價等級，在這方面感到壓力很大，對不好的評價會有負面的情緒反應，這可能會過分地影響他們的總體得分?！?/p>

Citrix首席技術官Christian Reilly說：“我們以前已經(jīng)見過很多次了，技術在提升人類能力方面非常出色，但并不能完全取代人類。這是一種趨勢，我們將繼續(xù)看到，價值較低、重復性的任務由軟件機器人接管——解放人力資源，讓其從事當今人工智能做不好的工作，例如，深度推理或者戰(zhàn)略思考等。工作的概念將繼續(xù)被重新定義為綜合考慮計算資源的可用性、不斷下降的成本和機器學習的商品化，目的是提高效率。下一代全球業(yè)務將由新類型的應用程序及其相關數(shù)據(jù)驅動，能夠得到這些數(shù)據(jù)并從中發(fā)現(xiàn)趨勢的企業(yè)將最終獲得市場優(yōu)勢?！?/p>

技術引起的壓力

Gartner的另一預測是，對技術的依賴程度越高，那些對工作崗位非常在意的員工的壓力就越大。讓人感到有壓力也會不斷激勵在最新技術上保持領先，該公司建議，“為促進我們的技能發(fā)展，有能力接受更多的各種任務，我們將承擔更多的工作，直到我們感覺到自己是在全天候工作?！?/p>

Forrester報告指出，如今的員工已經(jīng)開始關注自動化和機器人技術在職場的未來，以及怎樣為自己創(chuàng)造一個不會被自動化取代的角色?！罢缙髽I(yè)必須成為學習型機構一樣，員工也必須成為學習者——學習核心技能，適應新的工作模式，知道做好準備、適應未來意味著什么。員工已經(jīng)在努力應對變化，需要不斷重新評估和培養(yǎng)新技能，以跟上市場的步伐。”

據(jù)麥肯錫的報告，“到2030年，美國和歐洲使用先進技術型技能的時間將分別增加50%和41%。我們預計，對高級IT和編程技能的需求將以最快的速度增長，在2016年至2030年期間，這一增長率可能高達90%。擁有這些技能的人必然是少數(shù)。然而，在自動化的新時代，每個人都迫切需要發(fā)展基本的數(shù)字技能?！?/p>

那么，我們將怎樣應對這些技術傳導的壓力，不斷提升技能呢？Gartner的Poitevin建議，我們應更廣泛地研究新技術，以評估影響。

Poitevin說：“首先，關注適應能力。人類作為一個物種具有很強的適應能力。這種素質和學習能力是很重要的。其次，在評估技術的影響時，我們應高瞻遠矚。我們應致力于設計用例和使用技術的方法，這可以改善我們的生活，而不是給我們的生活帶來風險。例如，在幫助人類方面，塑料并不都是不好的（在醫(yī)療保健、殘疾人、獲得食物等方面）。但是，我們對環(huán)境影響的思考還不夠深入，沒有為塑料產(chǎn)品的整個生命周期建立足夠的基礎設施，包括重復使用。這就是我的觀點，不應該把自動化看成是與人類作對的。人類更傾向于利用自動化來發(fā)現(xiàn)新的做事方式。我們作為一個物種已經(jīng)這樣做了幾千年?！?/p>

Paul Heltzel是一名作家和編輯，曾在《新聞探索》、《國家地理》、NPR和《個人計算機世界》雜志上發(fā)表過文章。

原文網(wǎng)址

https：//www.cio.com/article/3410344/what-it-work-will-look-like-in-2030.html