跳到主要內容區塊

計資中心電子報C&INC E-paper

產業專欄

AI對未來工作的影響
  • 卷期:v0047
  • 出版日期:2018-12-20
  • 分類:產業專欄

作者: 本文轉載「CIO IT經理人」雜誌 2018年10月號 NO.88 Page08-09


機器人和AI 無法取代所有的工作類別,但在未來卻有助於讓工作更容易完成,並隨著自動化以提 高效率和安全性。

在大多數情況下,機器學習得以執行某 些「任務」,但無法執行某一特定職業 中的其它任務,完成所有「工作」。

AI、機器學習、深度學習(deep learning)和自動 化技術不再只是未來的科技,它們已經應用在企業 中。無論是整理資料、解析趨勢或使人的生活更簡 便,AI都有助於企業--如果我們允許它。

至少,這是今年五月在美國麻省理工學院舉行 2018年度「AI、機器學習和自動化世界」CIO座談會 的訊息。在這一天的活動裡,業界的領導者和教育 者聚集在一起討論IT演變的趨勢和影響。

美國麻省理工學 院的數位經濟創始 主任,也是美國麻省 理工學院斯隆(Sloan) 管理學院教授 E r i k Brynjolfsson 說,「無 庸至疑的是,當這些 技術進入每個公司、 每個行業、每個地區 時,在未來5至10年都會發生很多的騷動。但如果我 們更瞭解這些影響,且如果我們努力重新調整我們 的業務流程,我們將能利用這些技術為大眾創造許 多財富和更多利益。」

AI不會取代所有的工作類別 美國勞工處建立一組數據,叫「O*NET」,其 中包括964個職業類別說明。每個職業類別列出大約 20至32個工作,一共有18,000多個工作存在。

Brynjolfoss的團隊拿這組數據去評估每個專長類 別來決定哪些工作可以由AI做的更好,哪些由人類 操作較優。這個團隊發現,有許多工作AI可以做的 比人類好,但仍有很多工作人類做的比AI和機器學 習更好。

他說,「我們在很多職業類別中,發現一個模 式,那就是--很少職業只是只靠機器學習可以完成的。在大多數情況下,機器學習得以執行某些 「任務」,但無法執行某一特定職業中的其它任 務,完成所有「工作」。那意味著你組織中大多數 的工作將部分由機器學習執行,但需要人類繼續完 成。」

他繼續說,「這將需要協調,以幫助AI和人類 一起工作,但很少會由AI取代整個工作類別的。」

 

提高員工技能

那麼有關於「AI輔助機器人」 (AI-assisted)呢?其實,結論是一 樣的。在很多例子裡,在不讓員工 失去工作情況下,機器人可以減輕 繁瑣、耗時、粗重的工作,或甚至 費體力的工作。事實上,最有可能 見到的情況是人類和機器人一起工 作,有許多機器人的建構目的是能 進行協作,又稱「協作式機器人」 (co-bots)。

Brynjolfsson說,「我們離『人 工智慧』,也就是你可能在電影 中所看到的每個層面都自動化、機器人智取勝於人 類,但這仍究很遙遠。不過AI的確可以在企業中產 生很大的效用--尤其是這類企業累積足夠資料, 並能提供給AI進行分析判斷的任務。」

美國麻省理工學院政治經濟與都市規劃的助理 教授,也是小組成員的 Jason Jackson 用醫護人員 舉例。例如病患轉移和搬運的自動化執行任務,他 認為這有助於抒解員工部分體力上的負擔,同時也 保護病患及防止傷害。Jason補充說,它是一種需要 醫療從業人員力氣和精力的任務,所以在這種情況 下,某種技能自動化並不會取代醫護人員,自動化 將只幫助他們更有效率,同時還能提供工作人員和 病患更安全的環境。

根據美國麻省理工學院的工作小組成員,也是 未來工作專案組執行長 Elisabeth Reynolds 提到, 在汽車業和製造業也有一種類似的趨勢。她的論點 是協作式機器人可以協助讓員工向上成長、也創造 更多的機會,讓他們可以更自由地進行較複雜的任 務。並且,儘管有些行業可能面臨大幅度的員工裁 減,Reynolds說,「這是我們可看到的一項很小比例 的成長。」

 

擁有AI和機器學習數據

機器人和AI在未來不是沒有風險。如同以往的 技術,企業必須要放眼未來潛在的風險、問題和障 礙。其中一個可預期關注的關鍵領域便是和數據有關。

Reynolds說,「很多人都覺得社交媒體將連通性 和社群引導至美好未來,但在很多方面它並沒有, 而且它導致了一些功能非常失調的結果。那麼我們 如何管理風險,使AI和自動化不會有這些類似的意 外後果呢?」

她舉例,加拿大多倫多讓Google安裝感測器和 其它設備來收集街道上或社區的資料,去提供關 於這個城市有價值的資訊,並且發掘出基礎設施 新的靈感。但誰擁有這些數據?這些數據是屬於 Google,還是多倫多?

Reynolds問道,「顯然是這個城市所擁有,但 這個城市有足夠的資源或能力將這些數據善加運用 嗎?」這些都是企業將必須問自己的重要問題,因 為他們致力於抑賴數據,尤其是在我們的生活和工 作中融入更多的AI時。

當企業使用AI、機器人、機器學習和深度學習 時,他們將需要有明確的策略以利用該技術,並且 不會造成工作取代或跨越道德界線的恐慌。 Reynolds最後說,「主要的重點是肯定並堅持人 類未來的工作機會,我們面臨的挑戰是--要確保 這項工作是一種高品質的工作、是有意義的工作、 是無障礙的工作。」

 

全文轉載內容(PDF)