AI需要多长时间才能取代人类员工？

最近，一家著名的银行 CEO 打电话给我，讨论生成式。 AI 前景。起初，我们会通过各种场景改进欺诈检测和客户服务，但随着最近一系列新闻的不断发布，显然他有了更大的欲望。和很多行业一样，银行业也存在劳动力问题:对熟练员工的需求与愿意回办公室、遵守疫情前规则的工人供应存在差距。

他认为生成式 AI 或许可以解决这个问题。这类新工具可以通过自动化来降低成本，但是它们还能解决人才短缺的问题吗？简而言之：AI 取代人类员工需要多长时间？

这次谈话与去年相呼应 11 到目前为止，我已经和许多企业高管进行了交谈。这些高管来自保险、制造、制药，甚至好莱坞电影公司——他们的编剧和演员现在正在罢工。它们都非常关心如何利用更少的人力资源创造更大的价值。这是因为，去年秋天， OpenAI 开发聊天机器人 ChatGPT 突然间爆红，显露出来 AI 能够独立生成电子邮件、论文、食谱、财务报表、文章和想法。高盛估计，未来十年， 一亿个职位将被淘汰或大幅减少。

动荡开始出现。“提醒工程师”（prompt engineers），即要求 ChatGPT 等待系统生成内容的人，这个职位的发布提供 30 一万美元或更高的年薪。OpenAI 的 GPT-4 通过了美国律师执照考试，并暗示在不久的将来，我们可能不需要律师来处理交易。事实上，沃尔玛正在制作一种生成模式 AI 系统原型(和 OpenAI 无关紧要)制定部分供应商合同；另外，75% 合同律师和采购人员表示，与人类同行相比，他们现在更喜欢和他们在一起。 AI 谈判。谷歌的 Med-PaLM 2 这是一种专门从事医学常识训练的模式，现在正以医生的专家水平回答医学检查问题。2023 年夏，合作伙伴将开始测试，可查看。 X 光线可以自动编写乳房 X 光学检查报告的应用程序，不需要人类医生参与。

这个领域的发展速度惊人，难怪这么多高管得出了同样的结论：短短几年，强大的 AI 在与人类劳动力相同(甚至更多)的水平下，系统将进行认知工作。受到 AI 可能性的诱惑，担心找到和留住合格的员工，因为最近的市场调整或者没有达到分析师的预期而感到不自信。商业领袖认为，未来的工作场所不会有今天这么多人。对我来说，这是一个很大的错误。

第一，现在想明确预测。 AI 未来还为时过早——尤其要考虑生成式 AI 它只是一个相互关联的小领域，而且每个领域都处于不同的开发阶段。AI 什么时候会被淘汰，还只是猜测而已。对一个人来说。 AI 就系统而言，仅仅执行一项任务是不够的；必须证明其结果是值得信赖的，并整合到当前的工作流程中，管理合规性、风险和监督问题。

第二，在R&D带来快速颠覆的阶段，领导者会过于关注眼前的收益，而非未来其价值网络将如何变化。随着 AI 发展，这就要求我们在充分了解未来之前，随时重新设想整个业务范围。还记得公共互联网和网页浏览器的发展初期吗？当时，它们仍然被视为娱乐。没有人能想到这两个根本性的变化会大规模爆发。当时，无法预测这将如何影响总统选举或创建世界上第一批10亿美元的企业。

毫无疑问，今天的高管必须在我见过的最复杂的运营环境中做出决定，从互联网时代初期开始。可以理解的是，担心错过下一波技术浪潮的领导者，在不知不觉中下注了公司未来的高风险。为了应对生成 AI 与人并存，未来将以未知的方式发展的不确定世界，领导者可采取以下步骤。

做好应对准备

这里有一个谬论:我们需要把劳动力当作一种生成方式。 AI 发展，而非被取代。劳动力需要发展，员工将不得不在多年的时间里反复学习新技能。领导者必须采取一种新的方法，最大限度地发挥组织中的作用。 AI 潜力，这需要以不同的方式跟踪。 AI 重要的发展是通过迭代过程培养准备就绪的员工。最重要的是创造一个有证据支持的未来场景，挑战组织内部的传统思维。

那领导能怎样处理这一时期呢？

第一，减少生成式 AI 能为业务做些什么，能期待什么？就历史而言，AI 经历了几个阶段，包括突破、资金激增和主流兴趣的短暂时刻，然后没有达到预期和资本减持。

1970 一年，有影响力的计算机科学家，AI 马文是创始人之一 · 明斯基（Marvin Minsky）告诉《生活》（Life）杂志，通用人工智能——一种思维能力和人是分不开的。 AI ——还有三年就会出现。20 世纪 70 时代，这种 AI 还没有必要的计算能力，超级计算机大多是理论上的。个人计算机也是如此。22000Datapoint 而Cpu最终成为我们后来所知道的个人计算机的重要基础。明斯基及其同事承诺的雄心壮志从未实现，资金和兴趣也至今缺乏。1987 2008年，这种情况再次发生，计算机科学家和企业再次对此 AI 时间表做出了大胆的承诺，但仍然碰壁。

尽管功能齐全，但今天主流的生成式 AI 工具，ChatGPT、Midjourney、DALL-E 二是还没有完成产品。不久，人们就会对他们的新奇感到不满，并意识到尽管 AI 可创建内容，但不足以实际应用。类似地，在特定的医学、气候和生命科学领域 AI 就工具而言，目前还处于起步阶段。为使生成式 AI 实现承诺的奇迹，即规模和成本效率，还有许多工作要做。记住，直到最近，这些工具仍然只是理论上的。

管理人员需要明确生成方式 AI 今日将在其组织中发挥具体作用。它们也应该务实地看待生成式。 AI 最后，我们刚刚踏上了一条漫长的道路，释放了机会和风险。据我观察，很少有领导者正在制定一个现实的策略，将今天的运营与明天的愿景联系起来，在运营团队中进行社会化，并相应地修订绩效指标。

最近，我和一家人都渴望生成。 AI 跨国快消品企业合作（CPG）公司高管见面。我告诉他们一个可能的场景:聊天工具回答了客户的几个关于他们喜好和目的的问题，并让在线购物车自动填满他们一周内需要的物品。可是，这个 CPG 购物车中没有出现的品牌——或者即使出现了，也不会在目录中排名第一。就像谷歌和亚马逊发明了一个新的系统和规则来优化搜索引擎一样，未来跨零售商和购物车应用平台的生成 AI，将为 CPG 企业带来了新的挑战，这些企业可能处于价值链下游，这涉及到关键决策。

第二，评估公司正在生成哪些数据，以及生成公式 AI 这些信息将在现在和将来如何使用。商业数据是无价的，因为一旦模型训练有素，将这些信息转移到另一个系统上可能非常昂贵，技术上也非常麻烦。现在新兴平台之间很难互相操作，设计也是如此。生成式 AI 这个平台正在转变为围墙花园，在那里，创造技术的企业掌握着他们生态系统的方方面面。最大的 AI 企业正在争夺市场份额，以及大量数据使其模型最具竞争力。他们希望通过向企业推销他们的平台来锁定他们和他们的数据。

今天 AI 该系统的创建使用了一种强化学习机制。（RHLF）的技术。实质上，AI 该系统需要持续的人工反馈，否则就会有学习和记忆错误信息的危险。输入的数据越多，需要的注释、标签和训练就越多。今日，这项工作已在肯尼亚和巴基斯坦等地实现自动化。随着 AI 成熟，对专家知识专家的需求也应运而生。我见过的许多商业领袖都没有计划好未来，包括一个内部。 RHLF 部门负责持续监控、审计和调整 AI 系统和工具。(没有领导会希望看到一个无人监督的人。 AI 该系统决定了如何进化自己。）

即使有训练有素的人参与其中，公司也必须不断制定计划，以暴露和生成。 AI 系统合作的风险，特别是由第三方操作的系统。由于 AI 该系统不是静态的；随着时间的推移，它们正在逐步改善。每个新的发展，都会发生新的潜在风险和机遇。如果没有迅速淘汰这些预测，就不可能提前消除所有潜在的负面结果。(目前还不能建立一种蒙特卡洛模拟，可以完全准确地预测未来。）相反，应该有一个专门的团队来监控生成式。 AI 系统学习，以及相关的网络安全挑战，他们应该开发一个简短的“假设”场景，想象可能出现的错误。

同样，随着 AI 随着发展，释放新增长的机会也将随之而来。这意味着企业也应该有一个专门的内部业务开发团队来开发最近或长期的场景，以提高新兴工具的生产力和质量，促进产品研发，刺激创新。

再次，涉及 AI 在这个时候，领导者的注意力必须从一线转移到高层。这种情况似乎违背了直觉，因为很多人认为生成式 AI 这是一种降低企业成本的方法。如今，智能聊天机器人能够同时解决不同的问题，并在多模态系统中实现不同的目标，从而使其位于多模态系统。想象一下，在一家财产保险公司里，每一个承保人都会和 AI 沟通。起初，承保人可能会要求 AI 评估与保险资产相关的风险；在对文本进行初步分析后，她可能会要求其使用检查报告的图像或与潜在被保险人的音频采访来改善结果。在收到保险公司和客户的最佳价格之前，她可能会来回使用不同的数据源。

有效利用多模态 AI 关键在于了解如何并将其委托给机器，以便人类和人类。 AI 你可以通过合作完成更多的工作。但是，分配是专业人士经常遇到的问题:要么分配太多，要么分配不足，要么分配错误的任务。多模式 AI 共同工作，需要员工掌握委派的艺术。

员工一旦知道如何正确分配任务，就会成为组织中的力量倍增器。团队可以通过构思和模拟新的收入来源，寻找和获得新的客户，寻找企业整体运营的各种改进，对增加公司收入有更大的野心。

它表明，我们将来需要不同的方法来提高能力。大多数员工不需要学习如何编码或者如何编写基本提醒。相反，他们需要学习如何利用多模态。 AI 做更多更好的工作。可参考每日被子 7.5 一亿名知识工作者使用 Excel。该软件包括 500 很多功能，但是大多数人只使用几十个，因为他们不完全理解怎么做。 Excel 大量的功能与日常的认知任务相匹配。想像一下，将来，AI，一个更复杂的软件，将无处不在。仅仅因为商业领袖过于狭隘地处理能力提高，还会留下多少效用？

把握不断变化的 AI 劳动力框架

劳动力变化是技术发展带来的不可避免的副作用。领导者需要以系统的方式对待组织生成。 AI 发展之后的样子。所以，这个简单的框架可以帮助领导者预测劳动力需要什么，什么时候改变，这样才能发挥作用。 AI 杠杆效应。这里的目标不是长期预测，而是让组织在这里。 AI 在不断进化的过程中充分准备(见" IDEA 框架图)。

组织能做的最好的事，就是在这个充满变化和不确定的阶段，有条不紊地规划未来。因此，我们需要了解生成式 AI 制定持续评价和优化文化的局限性和特点。领导者应抵制减少员工诱惑，运用战略远见创造未来。将来，高技能员工可以使用这一技能。 AI，人类和 AI 与各自独立工作相比，团队合作具有更高的生产力、想象力和效率。

艾米 · 韦伯（Amy Webb）| 文

艾米 · 韦伯是量化未来的学者，Future Today Institute 的 CEO、纽约大学斯特恩商学院战略前瞻教授。“信号在说话：为什么今天的边缘是明天的主流”（The Signals Are Talking: Why Today ’ s Fringe Is Tomorrow ’ s Mainstream）九巨头：科技巨头及其思维机器如何扭曲人类？（The Big Nine: How the Tech Titans and Their Thinking Machines Could Warp Humanity）还有《创世纪机器：我们在合成生物学时代重写生命探索》（The Genesis Machine: Our Quest to Rewrite Life in the Age of Synthetic Biology）的作者。

孙燕 | 编辑

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com