最近，一家知名銀行的CEO給我打電話，討論了生成式AI的前景。我們最初會通過各種場景改善欺詐檢測和客戶服務(wù)，但隨著最近一系列新聞的不斷發(fā)布，很明顯他有更大野心。和許多行業(yè)一樣，銀行業(yè)也存在勞動力問題：對熟練員工的需求，與愿意回到辦公室并遵守疫情前規(guī)則的工人供應(yīng)之間存在著差距。 他認(rèn)為生成式AI也許能解決這個(gè)問題。這些新工具可以通過自動化降本增效，但它們是否也能解決人才短缺問題？簡單地說：

AI多久能取代人類員工？

這個(gè)對話呼應(yīng)了去年11月以來我與許多企業(yè)高管的談話，這些高管來自保險(xiǎn)、制造、制藥，甚至好萊塢的電影公司——他們的編劇和演員現(xiàn)在正在罷工。他們都想知道如何用更少的人力資源創(chuàng)造更大價(jià)值。這么問是因?yàn)椋ツ昵锾霴penAI開發(fā)的聊天機(jī)器人ChatGPT突然走紅，展示了AI自主生成電子郵件、論文、食譜、財(cái)務(wù)報(bào)告、文章和想法的能力。高盛估計(jì)，在未來十年內(nèi)，3億工作崗位將會被淘汰或大量減少。 動蕩開始出現(xiàn)?！疤崾竟こ處煛保╬rompt engineers），即要求ChatGPT等系統(tǒng)生成內(nèi)容的人，這一職位的發(fā)布上提供了30萬美元或更高的年薪。OpenAI的GPT-4通過了美國律師執(zhí)照考試，并暗示了在不久的將來，我們可能就不需要律師來處理交易工作了。事實(shí)上，沃爾瑪正在制作一個(gè)生成式AI系統(tǒng)的原型（與OpenAI無關(guān)）來制定部分供應(yīng)商合同；另一方面，75%的合同律師和采購人員表示，比起人類同行，他們現(xiàn)在更喜歡與AI談判。谷歌的Med-PaLM 2是一種專門訓(xùn)練醫(yī)學(xué)知識的模型，現(xiàn)在正以醫(yī)生的專家水平回答醫(yī)學(xué)檢查問題。2023年夏天，合作伙伴將開始測試可以查看X光并自動撰寫乳腺X光檢查報(bào)告的應(yīng)用程序，且無需人類醫(yī)生參與。 這一領(lǐng)域的發(fā)展速度驚人，難怪這么多高管得出了同樣結(jié)論：短短幾年內(nèi)，強(qiáng)大的AI系統(tǒng)將在與人類勞動力相同（甚至更高）的水平上執(zhí)行認(rèn)知工作。受到AI可能性的誘惑，擔(dān)憂尋找和留住合格員工，并因最近的市場調(diào)整或未達(dá)到分析師預(yù)期而感到不自信，商業(yè)領(lǐng)袖們設(shè)想，未來的工作場所中不會有今天這么多人。在我看來，這是一個(gè)巨大誤判。

首先，現(xiàn)在想明確預(yù)測AI的未來還為時(shí)過早

——特別考慮到生成式AI只是相互關(guān)聯(lián)領(lǐng)域中的一個(gè)小領(lǐng)域，而每個(gè)領(lǐng)域都處于不同的開發(fā)階段。AI將會以及何時(shí)淘汰哪些工作，還都只是猜測。對于一個(gè)AI系統(tǒng)來說，僅僅執(zhí)行一項(xiàng)任務(wù)是不夠的；其成果必須被證明是值得信賴的，集成到現(xiàn)有工作流程中，并針對合規(guī)性、風(fēng)險(xiǎn)和監(jiān)管問題進(jìn)行了管理。

其次，在技術(shù)帶來快速顛覆的時(shí)期，領(lǐng)導(dǎo)者會過于關(guān)注眼前收益，而不是其價(jià)值網(wǎng)絡(luò)在未來將如何轉(zhuǎn)變。

隨著AI的發(fā)展，它將需要我們在完全了解未來之前，隨時(shí)重新構(gòu)想整個(gè)業(yè)務(wù)領(lǐng)域。還記得公共互聯(lián)網(wǎng)和網(wǎng)絡(luò)瀏覽器的發(fā)展初期嗎，那時(shí)它們還被視為娛樂。沒有人能想到這兩個(gè)根本性轉(zhuǎn)變都會大規(guī)模爆發(fā)。那時(shí)根本無法預(yù)測它將如何影響總統(tǒng)選舉或世界上第一批萬億美元級別公司的創(chuàng)建。 可以肯定的是，今天的高管必須在自互聯(lián)網(wǎng)時(shí)代早期以來，我見過的最復(fù)雜的運(yùn)營環(huán)境中做出決策?？梢岳斫獾氖?，擔(dān)心錯(cuò)過下一波技術(shù)浪潮的領(lǐng)導(dǎo)者，正在不知不覺地對公司的未來進(jìn)行高風(fēng)險(xiǎn)押注。為應(yīng)對生成式AI和人力共存、未來將以未知方式發(fā)展的不確定世界，領(lǐng)導(dǎo)者可以采取以下步驟。

做好應(yīng)對準(zhǔn)備

這里有一個(gè)悖論：我們需要把勞動力看作是隨著生成式AI發(fā)展，而不是被取代。勞動力需要發(fā)展，員工將不得不在多年的時(shí)間里反復(fù)學(xué)習(xí)新技能。領(lǐng)導(dǎo)者必須采取一種新方法，最大限度發(fā)揮組織中AI的潛力，這需要以不同的方式跟蹤AI的關(guān)鍵發(fā)展，用迭代過程培養(yǎng)出準(zhǔn)備就緒的員工隊(duì)伍，最重要的是，創(chuàng)造有證據(jù)支持的未來情景，挑戰(zhàn)組織內(nèi)部的傳統(tǒng)思維。 那么領(lǐng)導(dǎo)者可以怎樣應(yīng)對這個(gè)時(shí)期？

首先，降低對生成式AI能夠以及將會為業(yè)務(wù)做什么的期望。

從歷史上看，AI經(jīng)歷了幾個(gè)階段，包括突破、資金激增和主流興趣的短暫時(shí)刻，然后是未達(dá)到預(yù)期和資本減持。 1970年，有影響力的計(jì)算機(jī)科學(xué)家、AI的創(chuàng)始人之一馬文·明斯基（Marvin Minsky）告訴《生活》（

Life

）雜志，通用人工智能——一種認(rèn)知能力與人難分上下的AI——再有三年就會出現(xiàn)。20世紀(jì)70年代，這種AI所需的計(jì)算能力還不存在，超級計(jì)算機(jī)大多是理論上的。個(gè)人電腦也是如此。Datapoint2200及其處理器最終成為了我們后來所知的個(gè)人電腦的重要基礎(chǔ)。明斯基和其同事承諾的宏偉抱負(fù)從未實(shí)現(xiàn)，資金和興趣也至此枯竭。1987年，這種情況再次發(fā)生，計(jì)算機(jī)科學(xué)家和企業(yè)再次對AI的時(shí)間表做出了大膽承諾，卻依然碰壁。 盡管功能強(qiáng)大，但今天主流的生成式AI工具，ChatGPT、Midjourney、DALL-E 2，還不是完成品。很快，人們就會對它們的新穎感到不滿，并意識到雖然AI可以創(chuàng)建內(nèi)容，但還不足以實(shí)際應(yīng)用。同樣，在醫(yī)學(xué)、氣候和生命科學(xué)領(lǐng)域的特定AI工具方面，現(xiàn)在還處于早期階段。為了讓生成式AI實(shí)現(xiàn)被承諾的奇跡，即規(guī)模和成本效益，要做的工作還有很多。記住，這些工具直到最近都還只是理論上的。 高管需要明確生成式AI今天將在其組織中發(fā)揮的實(shí)際功能。他們還應(yīng)務(wù)實(shí)地看待生成式AI最終將釋放的機(jī)遇和風(fēng)險(xiǎn)，我們才剛踏上一條漫漫長路。根據(jù)我的觀察，很少有領(lǐng)導(dǎo)者正在制定一個(gè)將今天的運(yùn)營與明天的愿景聯(lián)系起來的現(xiàn)實(shí)戰(zhàn)略，在管理的團(tuán)隊(duì)中進(jìn)行社會化，相應(yīng)修訂績效指標(biāo)。 最近，我與一家渴望與生成式AI公司合作的跨國快消品（CPG）公司的高管見了面。我和他們講了一個(gè)很可能出現(xiàn)的場景：聊天工具回答了顧客幾個(gè)關(guān)于他們偏好和目的的問題，并讓線上購物車自動裝滿了他們一周所需的物品。但是，這個(gè)CPG的品牌沒有出現(xiàn)在購物車中——或者即使出現(xiàn)，也不在列表的第一位。正如谷歌和亞馬遜等發(fā)明了新的機(jī)制和規(guī)則優(yōu)化搜索引擎一樣，未來，跨零售商和購物車應(yīng)用程序等平臺的生成式AI，將為CPG公司帶來新挑戰(zhàn)，這些公司可能會處于涉及關(guān)鍵決策的價(jià)值鏈的下游。

其次，評估公司正在生成哪些數(shù)據(jù)，以及生成式AI現(xiàn)在和將來會如何使用這些數(shù)據(jù)。

商業(yè)數(shù)據(jù)是無價(jià)的，因?yàn)橐坏┠Ｐ徒?jīng)過訓(xùn)練，將這些數(shù)據(jù)轉(zhuǎn)移到另一個(gè)系統(tǒng)就可能非常昂貴，技術(shù)上也很麻煩。目前新興的平臺間很難互相操作，設(shè)計(jì)就是如此。生成式AI平臺正在演變成圍墻花園，在那里，創(chuàng)造技術(shù)的公司控制著他們生態(tài)系統(tǒng)的各個(gè)方面。最大的AI公司正在爭奪市場份額，以及使他們的模型最具競爭力所需的大量數(shù)據(jù)。通過向公司推銷他們的平臺，他們希望鎖定它們，與他們的數(shù)據(jù)。 今天AI系統(tǒng)的創(chuàng)建，使用的是一種被稱為強(qiáng)化學(xué)習(xí)機(jī)制（RHLF）的技術(shù)。本質(zhì)上，AI系統(tǒng)需要持續(xù)的人為反饋，否則就會有學(xué)習(xí)和記憶錯(cuò)誤信息的風(fēng)險(xiǎn)。數(shù)據(jù)輸入越多，需要的注釋、標(biāo)簽和訓(xùn)練就越多。今天，在肯尼亞和巴基斯坦等地，這項(xiàng)工作已經(jīng)實(shí)現(xiàn)了自動化。隨著AI的成熟，對有專家知識專家的需求也在出現(xiàn)。我見過的許多商業(yè)領(lǐng)袖都沒有計(jì)劃未來包括一個(gè)內(nèi)部RHLF部門，負(fù)責(zé)持續(xù)監(jiān)控、審計(jì)和調(diào)整AI系統(tǒng)和工具。（沒有領(lǐng)導(dǎo)者會希望看到一個(gè)無人監(jiān)督的AI系統(tǒng)決定如何自我進(jìn)化。） 即使有訓(xùn)練有素的人參與其中，企業(yè)也必須不斷制定方案，以暴露與生成式AI系統(tǒng)合作的風(fēng)險(xiǎn)，特別是由第三方運(yùn)營的系統(tǒng)。因?yàn)锳I系統(tǒng)不是靜態(tài)的；隨著時(shí)間推移，它們正在逐步改進(jìn)。每有一個(gè)新發(fā)展，新的潛在風(fēng)險(xiǎn)和機(jī)遇都會出現(xiàn)。如果沒有快速淘汰這些預(yù)測，就不可能提前排除所有潛在的負(fù)面結(jié)果。（現(xiàn)在還無法建立一個(gè)可以完全準(zhǔn)確預(yù)測未來的蒙特卡洛模擬。）相反，應(yīng)該有一個(gè)專門團(tuán)隊(duì)負(fù)責(zé)監(jiān)控生成式AI系統(tǒng)的學(xué)習(xí)，以及相關(guān)的網(wǎng)絡(luò)安全挑戰(zhàn)，他們應(yīng)該開發(fā)簡短的“假設(shè)”情景，想象可能會出現(xiàn)的錯(cuò)誤。 同樣，隨著AI的發(fā)展，釋放新增長的機(jī)會也會隨之而來。這意味著企業(yè)還應(yīng)該有一個(gè)專門的內(nèi)部業(yè)務(wù)開發(fā)團(tuán)隊(duì)，為新興工具提高生產(chǎn)力和效率、促進(jìn)產(chǎn)品開發(fā)、刺激創(chuàng)新等多種方式，開發(fā)近期和長期情景。

再次，涉及AI時(shí)，領(lǐng)導(dǎo)者的關(guān)注點(diǎn)必須從一線轉(zhuǎn)移到高層。

這似乎違反直覺，因?yàn)樵S多人都認(rèn)為生成式AI是降低運(yùn)營成本的方法。今天的智能聊天機(jī)器人很快就會讓位于多模態(tài)系統(tǒng)，這些人工智能可以同時(shí)解決不同問題，并實(shí)現(xiàn)不同的目標(biāo)。想象一下，一家財(cái)產(chǎn)保險(xiǎn)公司中，每個(gè)承保人會都與AI溝通。最初，承保人可能會要求AI評估與保險(xiǎn)財(cái)產(chǎn)相關(guān)的風(fēng)險(xiǎn)；在對文本進(jìn)行初步分析后，她可能會要求它使用檢查報(bào)告的圖像或與潛在投保人的音頻訪談來完善結(jié)果。她可能會來回使用不同的數(shù)據(jù)源，直到收到保險(xiǎn)公司和客戶的最佳報(bào)價(jià)。 高效利用多模態(tài)AI的關(guān)鍵在于理解如何以及將什么委托給機(jī)器，這樣人類和AI就可以通過協(xié)作完成更多工作。然而，委派是專業(yè)人士經(jīng)常遇到的問題：要么分配太多，要么分配不足，要么分配的任務(wù)不對。與多模態(tài)AI一起工作，需要員工掌握委派的藝術(shù)。 一旦員工了解如何正確對其委派任務(wù)，它將成為組織內(nèi)的力量倍增器。通過構(gòu)思和模擬新的收入來源、尋找和獲取新客戶，以及尋求公司整體運(yùn)營的各種改進(jìn)，團(tuán)隊(duì)對于增加公司收入可以有更大雄心。 這預(yù)示著，我們未來需要一種不同的技能提升方法。大多數(shù)員工不需要學(xué)習(xí)如何編碼或如何編寫基本提示。相反，他們需要學(xué)習(xí)如何利用多模態(tài)AI做更多、更好的工作。可以參考每天被7.5億知識工作者使用的Excel。這個(gè)軟件包括500多個(gè)功能，但絕大多數(shù)人只會使用幾十個(gè)，因?yàn)樗麄儾煌耆斫馊绾螌xcel提供的大量功能與日常認(rèn)知任務(wù)匹配起來。想象一下，未來，AI，一種更加復(fù)雜的軟件，將會無處不在。僅僅因?yàn)樯虡I(yè)領(lǐng)袖過于狹隘地處理技能提升，留下的效用還會有多少？

掌握不斷變化的AI勞動力的框架

勞動力變化是技術(shù)發(fā)展帶來的不可避免的副作用，領(lǐng)導(dǎo)者需要一種系統(tǒng)化的方式看待組織在生成式AI發(fā)展后的樣子。為此，這個(gè)簡單的框架可以幫助領(lǐng)導(dǎo)者預(yù)測勞動力需要如何以及何時(shí)進(jìn)行變革，才能發(fā)揮AI的杠桿作用。這里的目標(biāo)不是做出長期預(yù)測，而是讓組織在AI不斷進(jìn)化的過程中做好準(zhǔn)備（見“IDEA框架”圖）。

在這個(gè)充滿變革和不確定的時(shí)期，組織能做的最好的事情，就是有條不紊地規(guī)劃未來。這就需要我們了解生成式AI的局限和優(yōu)勢，并采取持續(xù)評估和改進(jìn)的文化。領(lǐng)導(dǎo)者應(yīng)該抵制減少員工的誘惑，利用戰(zhàn)略遠(yuǎn)見創(chuàng)造未來。在這個(gè)未來中，高技能的員工可以利用AI，人類和AI團(tuán)隊(duì)合作會比各自單獨(dú)工作，有更高的生產(chǎn)力、創(chuàng)造力和效率。 艾米·韋伯是量化未來學(xué)家、Future Today Institute的CEO、紐約大學(xué)斯特恩商學(xué)院戰(zhàn)略前瞻教授。她是《信號在說話：為什么今天的邊緣是明天的主流》（

The Signals Are Talking: Why Today’s Fringe Is Tomorrow’s Mainstream

）《九巨頭：科技巨頭及其思維機(jī)器如何扭曲人類》（

The Big Nine: How the Tech Titans and Their Thinking Machines Could Warp Humanity

）和《創(chuàng)世紀(jì)機(jī)器：我們在合成生物學(xué)時(shí)代重寫生活的探索》（

The Genesis Machine: Our Quest to Rewrite Life in the Age of Synthetic Biology

）的作者。 孫燕 | 編輯