AI需要多长时间才能取代人类员工？

最近，一家知名银行的首席执行官打电话给我，讨论了生成式AI的前景。起初，我们会通过各种场景来改善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给存在差距。

他认为生成AI可能会解决这个问题。这些新工具可以通过自动化来降低成本，但它们也能解决人才短缺的问题吗？简单来说:人工智能多长时间可以取代人类员工？

这次谈话呼应了我从去年11月开始与许多企业高管的谈话。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。这个问题是因为，去年秋天OpenAI开发的聊天机器人ChatGPT突然走红，显示了AI自主生成电子邮件、论文、食谱、财务报表、文章和想法的能力。高盛估计，未来十年，3亿岗位将被淘汰或大幅减少。

动荡开始出现。“提醒工程师”（prompt engineers），也就是说，要求ChatGPT等系统生成内容的人，这个职位的发布将提供30万美元或更高的年薪。OpenAIGPT-四是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，沃尔玛正在制定一些供应商合同，原型是生成式AI系统(与OpenAI无关)；另一方面，75%的合同律师和采购人员表示，他们现在更喜欢与AI谈判，而不是人类同行。谷歌Med-PaLM 二是专门训练医学常识模型，现在正以医生的专家水平回答医学检查问题。2023年夏天，合作伙伴将开始检查X光可以自动编写乳腺X光检查报告的应用程序，而无需人类医生参与。

这个领域的发展速度惊人。难怪这么多高管得出同样的结论:短短几年时间，强大的AI系统将在与人类劳动力相同(甚至更多)的水平上进行认知工作。受AI可能性的诱惑，我担心找到并留住合格的员工，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，现在想要明确预测AI的未来还为时过早。——特别是考虑到生成式AI只是相互关联领域的一个小领域，每个领域都处于不同的开发阶段。AI什么时候会被淘汰，只是猜测。对于一个AI系统来说，仅仅执行一项任务是不够的；必须证明其结果是可靠的，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。随着人工智能的发展，我们需要在充分了解未来之前，随时再次想象整个业务范围。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，我们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。领导者可以采取以下步骤来应对生成式AI与人力并存、未来未知发展的不确定世界。

做好应对准备

这是一个谬论：我们需要把劳动力看作是随着生成式AI的发展，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。领导者必须采取新的方法，最大限度地发挥组织中人工智能的潜力，这需要用不同的方式跟踪人工智能的关键发展，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，降低对生成式AI的期望，以及将为业务做些什么。从历史上看，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。

马文·明斯基是1970年有影响力的计算机科学家和AI的创始人之一。（Marvin Minsky）告诉《生活》（Life）杂志，通用人工智能-AI-一种思维能力与人不可分割的AI-将在三年内出现。在20世纪70年代，这种AI所需的计算能力仍然不存在，超级计算机大多是理论上的。个人计算机也是如此。Datapoint2200及其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。一九八七年，这一情况再次发生，计算机科学家和企业再一次大胆地承诺了AI时间表，但仍然碰壁。

尽管功能齐全，但是目前主流的生成AI工具，ChatGPT、Midjourney、DALL-E 二是还没有完成产品。不久，人们就会对自己的新奇感到不满，并且意识到AI虽然能创建内容，但是还不够实际应用。类似地，特定的AI工具在医学、气候和生命科学领域仍处于起步阶段。为使生成式AI实现被承诺的奇迹，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。

高管们需要明确生成AI今天将在其组织中发挥的具体功能。他们还应该务实地看待生成AI最终释放的机会和风险。我们刚刚踏上了漫长的道路。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，我和一家渴望与生成型AI企业合作的跨国快速消费品（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。但是，这个CPG品牌并没有出现在购物车里——或者即使出现了，也没有在目录中排名第一。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公司带来新的挑战，这些公司可能会处于价值链的下游，这涉及到关键决策。

第二，评估公司正在生成哪些数据，以及生成式AI现在和将来将如何使用这些信息。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AI平台正在转变为围墙花园，在这里，创造技术的企业掌握着生态系统的方方面面。最具竞争力的AI公司正在争夺市场份额，以及大量使其模型最具竞争力的数据。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。

今日AI系统的创建，采用了一种强化学习机制。（RHLF）的技术。AI系统本质上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。伴随着AI的成熟，对专家知识专家的需求也应运而生。许多我见过的商业领袖也没有计划将来包括一个内部RHLF部门，负责AI系统和工具的持续监控、审计和调整。(没有领导者会希望看到一个无人监督的AI系统决定如何进化自己。）

即使有训练有素的人参与其中，公司也必须不断制定计划，以暴露与生成式AI系统合作的风险，特别是由第三方运营的系统。因为AI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系统学习和相关的网络安全挑战。他们应该开发一个简短的“假设”场景来想象可能出现的错误。

同样，随着AI的发展，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，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。

第三，当涉及到AI时，领导者的注意力必须从一线转移到高层。因为很多人认为生成式AI是一种降低企业成本的方法，所以这似乎违背了直觉。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，每一个承保人都会与AI进行沟通。起初，被保险人可能会要求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。

高效使用多模态AI的关键在于了解如何将什么委托给机器，这样人类和AI就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，要么分配任务错误。员工需要掌握分配的艺术，才能与多模态AI一起工作。

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，他们需要学会如何利用多模态AI来做更多更好的工作。Excel可以参考每天被7.5亿知识工作者使用的信息。该软件包含500多个功能，但大多数人只使用几十个，因为他们不完全理解如何将Excel提供的大量功能与日常认知任务相匹配。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？

掌握AI劳动力不断变化的框架

劳动力变化是技术发展带来的不可避免的副作用，领导者在生成式AI发展后需要系统地对待组织。因此，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，从而发挥AI的杠杆作用。这里的目标不是做长期预测，而是让组织在AI不断进化的过程中做好充分的准备(见“IDEA框架”图)。

在这个充满变化和不确定性的阶段，组织能做的最好的事情就是有条不紊地规划未来。这就要求我们了解生成AI的局限性和特点，并制定持续评价和优化的文化。领导者应抵制减少员工诱惑，用战略眼光创造未来。在这个未来，高技能员工可以使用AI，人类和AI团队的合作比独立工作更有生产力、想象力和效率。

作者简介：

艾米·韦伯是量化未来的学者，Future Today InstituteCEO、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。

本文来自微信微信官方账号“哈佛商业评论”。作者:艾米·韦伯（Amy Webb），编辑：孙燕，36氪经授权发布。

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