从工业革命的重型机械到数字化的计算机时代，再到最近人工智能的飞速发展，技术进步常常引起人们对失业的担心。而专家们认为，除了取代工作岗位，人工智能系统还将增强人们的工作能力，把更艰巨的任务交给智能算法来完成，从而提高效率，减轻人们的负担。
这意味着人类与人工智能直接进行合作和互动。研究公司Forrester的副总裁兼首席分析师J.P.Gownder说：“对于我们这些不会因为自动化而丢掉工作的人来说，我们将会与越来越智能的软件并肩工作。这将适用于几乎所有你能想象到的业务流程。”
结合了云计算的力量和机器学习方面的进步，其想法是人工智能助理可以承担人类工作者的一些认知工作，这样，人类就可以专注于他们更擅长的任务。
这种情况已经在很多企业发生了：2020年德勤对1300名首席信息官和高级技术领导人进行的一项调查发现，只有12%的企业使用人工智能来取代员工，60%的企业则使用人工智能来协助员工。
协同设计
以生成式设计为例。长期以来，在制造业等领域，设计师和工程师一直依赖计算机辅助设计(CAD)工具来绘制零部件或者产品的三维“图纸”。采用生成式设计，用户将材料类型、性能标准和围绕成本的要求等参数输入到算法中，然后算法会创建出大量可供设计师和工程师选择的替代模型——无论是机器零部件还是家具。
结果可能是不寻常的、有机的设计，虽然不符合人们通常的预期审美，但符合规范，而且有时效率会更高。
Autodesk生成式设计和机器学习产品战略发展经理Seth Hindman指出，实际上，设计过程有很多繁琐的工作，需要设计师和工程师进行多次迭代。这反过来解放了用户，使他们能够腾出精力专注于自己角色中更高价值的方面。
他说：“生成式设计作为工程师的协作工具而备受赞誉，因为工程师没有时间，甚至没有意愿去研究整个设计空间。这增强了工程师实际开展工程工作的能力，使其工作更聚焦。”
Autodesk围绕生成式设计的工作始于其研发部门开发的试验平台项Dreamcatcher。这项技术已经在空客等工业公司开展试点，他们利用该技术来制造轻型飞机部件，而著名建筑师和设计师Philippe Starck则在椅子设计项目中使用了生成式设计平台。
这项技术后来被用在Autodesk的商用Fusion 360产品中，该产品被加州圣何塞市的电动摩托车制造商Lightning Motorkes等企业所采用。该公司首席执行官兼创始人Richard Hatfield表示，设计人员能够更快速、更高效地开发新零件，从而使公司实现了突破。
他说，以前，Lightning的设计部门会设计一个零件，然后围绕强度和其他规格进行分析，随后再进行修改——这是一个非常耗时的过程。Hatfield说：“采用了生成式设计软件后，它能够进行数百万次这样的迭代和模拟，与手工操作相比，速度有了巨大的提高。这就好比是试图用笔和纸来绘制零部件，而不是使用软件进行迭代。这是一个巨大的飞跃。”
奥地利设计工作室Edera Safety生产脊柱保护带等个人安全设备，对于该公司产品设计师Alexandre Martin来说，实际使用Fusion 360生成式设计工具后，其日常工作节省了大量的时间。
他说：“生成式设计将我的设计过程加快了十倍。这就像是让一个超高效的创意团队做几个月的工作，然后由我挑选出最有效的结果。”
Martin说，与人工智能的合作开辟了全新设计的可能，而这些新设计看起来似乎是违反直觉的。他说：“人工智能向我展示了我可能认为不合逻辑或者很容易被忽视的迭代，它确实感觉像是设计过程中的一个逻辑组成。”
已经投入工作的人类人工智能合作伙伴
从在办公软件中获得即时翻译，到在电子邮件中使用预先准备好的回复建议，很多工作人员已经以非常微妙的方式与人工智能进行交互，但通常没有意识到这一点。与此同时，与人工智能助理的互动也变得越来越复杂。我们个人生活中熟悉的语音助理，例如Alexa、谷歌助理、Siri和Cortana等，已经开始应用于工作场所——比如帮助用户查找信息或者预订会议室。
这意味着人类与人工智能更直接地进行互动。借助谷歌和亚马逊网络服务(AWS)等公司在呼叫中心软件方面的最新进展，呼叫中心坐席能够与人工智能助理进行互动，指导他们完成每一次与客户的交流——显示出支持性注释和信息，识别客户情绪并提出回应建议，所有这些都是实时的。人工智能并不像聊天机器人那样把工作完全自动化，而是帮助呼叫中心坐席提供更好的服务，提高客户满意度，从而增加销售。
Forrester的Gownder说：“在这一应用情形中，呼叫中心的人员并没有被人工智能所取代，而是使用人工智能一起来更好地处理与客户的交互。这种情形虽然并不普遍，但已经开始出现了。”
员工与人工智能不仅仅是在办公室里进行互动。协作机器人(cobot)在工厂中越来越普遍，它们被装备成与工程师们一起操作，把重物或者工具放到适当的地方;在仓库中，例如亚马逊的大型设施，机器人帮助人类工人挑选货物并打好包，以便送货。
Julie Shahsh是麻省理工学院航空航天系副教授，也是计算机科学与人工智能实验室(CSAIL)交互式机器人组的负责人，他认为，开发出能够以自然和可靠的方式与人类互动的人工智能系统意味着能够预测并适应人类工作者的需求，或者换句话说，学习成为一名优秀的团队合作者。
Shah说：“人工智能有着巨大的潜力，我们不是让人工智能来承担非常具有挑战性的工作(在这些工作中，是由人类来解析模糊和不确定的信息)，而是让它去理解我们是怎样做到的并提供支持，让它提供正确的信息，提出建议，以便让人类能够有更多的精力去从事更具挑战性的工作。”
她的研究集中在人工智能机器人怎样更有效地与人类工人互动——无论是寻找方法确保汽车生产线上的机器人在正确时间提供正确的材料，还是开发智能支持系统，以帮助人类完成很有挑战性的决策任务。
她说：“我在实验室的所有工作都集中在开发能够像拼图一样整合在一起的人工智能，目的是增强人类的能力，而不是取代人类的工作。这背后的关键技术是能够推断出一个人在想什么?他们的精神状态?并预测他们下一步会做什么，在适当的时候参与进来，并提供正确的信息或者正确的物料。”
这意味着要模仿人类擅长执行的复杂过程，例如，开发能够预测工人运动的算法。
Shah说：“我的大部分工作都集中在‘怎样在正确的时间按照正确的顺序提供正确的信息?在装配线上怎样在正确的时间按照正确的顺序提供正确的零件?’这些是任务分配调度问题，这就是让我们的世界运转起来的动因。”
麻省理工学院CSAIL在贝斯以色列妇科医疗中心(Beth Israel Deaconess Medical Center)进行的一个研究项目调查了人类在工作场所信任人工智能的意愿。该项目涉及到使用托管在一个人形Nao机器人上的人工智能系统，其为医院产房提供排程建议，在这种环境下，需要连续不断地即时做出决策来协调护理工作。
负责人是护士长，她的任务是同时协调由10名护士和20名病人组成的团队，还要安排好20个房间。排程有很多可变因素，护士长要尝试预测一些因素，比如产妇什么时候分娩，分娩持续多久，等等。
Shah说：“她们基本上是在医院各个楼层扮演空中交通管制员的角色，决定哪些病人去哪个房间，哪些护士分配给哪些病人。”
人工智能系统被训练成复制护士长执行的排程工作，能够预测房间分配，建议把哪些护士分配给哪台手术。护士可以询问机器人，机器人通过文本语音转换软件给出建议。
在现场试点演示中，护士90%的时间都会接受人工智能的建议，同时也会以同样的比例拒绝“低质量”的建议。来自护士的反馈是积极的，参与人员强调了培训新员工和分担工作量的好处。
我们信任人工智能吗?
随着越来越多的员工在工作中与人工智能交互，员工及其企业都可能会提出疑问，什么时候适合依赖算法来做出重大决策，而什么时候人类的背景知识更有价值。
每一种选择都有其相对的优势，而人工智能系统可以避免一些人类可能没有意识到的偏见。Athey说：“算法能够整合那些人类收集起来成本过高的信息”，他列举了从求职者中筛选简历的例子。
Athey说：“一个人在看简历时，可能会因为少数人的原因而对某所大学整体上有成见，但人工智能能够阅读同样的信息，更准确地评估这所大学究竟怎样。也许算法知道这是一所较弱的州立大学，但工程项目实际上是高度选择性的，而人类不会花时间去收集这些信息。”
同时，人工智能算法也是容易出错的，程序中可能编写了一些意想不到的偏差，因此透明性对于保证人类知道某个算法有多可信非常重要。
Athey说：“你不希望一个算法总是推翻人类的决定，而人类是不会同意的：这是与环境相关的。你需要建立一种能传达足够信息的算法，让人类能够理解他们是应该听算法的，还是应该听自己的，以及他们应怎样整合算法中的信息。”
Shah指出，让一个系统可信并不等于让它值得信赖。例如，在航空工业中，由于飞行员信任不完善的驾驶舱自动化系统，导致了许多事故。
她说：“我们知道，比较容易在一个系统中建立不适当的信任。你可以做一些小事：如果让它更拟人化，如果让它跟你说话，而不是把指令中的文本读出来，那么，人们就很有可能遵从系统的建议并信任它。
使这些系统可信，帮助一个人适当地校准他们对系统的信任，这并不是问题;重要的是知道这些系统什么时候是在其能力范围内作出决定，什么时候超出了能力范围，这样，人们便能够进一步增强机器的能力。”
她补充道：“我们经常问，‘人们信任系统的意愿有多强?’这个问题问错了。正确的问题是：‘这个系统值得信赖吗?’有可信的系统，还有值得信赖的系统。”
为什么不把工作完全自动化呢?
为什么人类需要与人工智能合作?为什么不把工作批量自动化呢?一个答案是，至少目前在大多数情况下，技术上是不可能实现的。研究人员称，人类在某些任务上的表现要明显好很多。
人类相对于人工智能的一个关键优势是能够通过直觉，利用各种来源的信息，来解决以前从未遇到过的问题。
换句话说，我们可以运用我们的常识。斯坦福大学商学院技术经济学教授、斯坦福大学以人为中心人工智能研究所副所长Susan Athey说：“人类能够很好地推断出他们以前没见过的情形，因为我们有很多常识。人工智能和人类各有不同的优势。人类能保证自己的预测不会太离谱，而人工智能只对它自己的数据做出响应。”
另一方面，人工智能在处理人类大脑难以应付的大量数据方面更胜一筹。Athey说：“人工智能可以查看更多的数据;关于某种情形的更多数据，与人类在自己的个人经历中遇到的结果相比，人工智能可能会得出更多的结果。”
虽然人工智能经过训练能够执行更多的任务，但这项技术目前在没有人类输入的情况下作用是有限的。
即使在选择把哪些数据提供给机器时，我们也是在对世界进行结构化处理。当针对某些图像来训练人工智能系统时，仍然是由人类拍摄照片，并将感兴趣的物体框起来。麻省理工学院的Shah说：“当机器人在自由导航的情况下，而图像没有被我们的眼睛框起来时，把物体从环境中识别出来是一个非常不同的问题。”
Shah说：“作为人类，我们确实拥有一种独特的能力，这是人工智能在可预见的未来不会拥有的，即处理非结构化问题并将其结构化的能力。一旦我们把一个问题结构化，那么人工智能就能发挥其价值所在，并且表现得相当好，但我认为我们常常低估了目前为了人工智能而把问题结构化所付出的努力。”
德勤咨询公司总经理、智能自动化业务主管Gina Schaefer指出：“有一种错误的认识，认为人工智能可以像人类一样。”
Schaefer说：“像人类一样的人工智能对我来讲还遥不可及。它可以做一些基础性的事情，做一些令人惊奇的事情，但它也缺乏当今五岁儿童可能具备的能力，比如理解环境和其他类型的事情。这就是互动的美妙之处。被忽视的一点是，你可以利用一些人工智能技术取代人类，好处是人类能够在自己的工作中发挥人类的所长。”
为人工智能工作团队做好准备
如果实施得当，人工智能对用人单位和员工来说都是好事，员工们可以从重复性的工作中解放出来。
Forrester的Gownder说：“在理想情况下，这些技术有助于做出更好的决策，提供更深刻的见解，帮助人们自动地执行某些任务，或者实现流程的自动化，而这些流程显然不是员工们想参与的。”
虽然企业认识到了员工与人工智能交互的优势，但这需要培训和技能的转变，在工作适应过程中更重视创造力和复杂的推理。
Gownder强调说，用人单位要多鼓励员工与人工智能更频繁地互动，这一点非常重要。他说：“员工们是否具备相应的文化和技能，更愿意与越来越智能的软件一起工作吗?很多人可能不想这样做，或者可能不具备这方面的技能——他们可能被技术吓倒了。”
对很多企业而言，实现转型需要进行重大调整：德勤的研究显示，59%的企业认为，在未来12~18个月重新设计工作岗位以整合人工智能是很重要的，但只有7%的企业表示他们已经做好了准备。只有一小部分受访者(17%)在提升技能方面有较大的投入。
Gownder提醒说：“通过投资人工智能和自动化技术，很有可能创造出更好的员工体验，但也有可能做错事，就像任何事情都会出错一样。”
显而易见的是，人工智能将在未来几年对各种工作产生密切影响。
Gownder说：“尽管这对很多人来说是前沿行为，但很快将变得极其重要。未来10年，我们都将看到智能软件和自动化技术怎样改变我们的工作，我们需要开始为此做好准备了。”
