AI系統可以實現人機協作，從根本上改變工作性質，從而徹底顛覆企業運營和員工管理方式。埃森哲的研究表明，各大行業中，只有行業領軍企業成功抓住了這股由人機協作催生出的第三輪業務轉型浪潮所帶來的機遇，而他們的成功訣竅就是遵循五大關鍵組織原則：思維模式、實驗、領導力、數據和技能。
如今，隨著人工智能（Artificial Intelligence，簡稱AI）技術的迅猛發展，AI系統通過感知、理解、行動和學習等技能，極大拓展了人類的能力，助力重大商業轉型，邁向新時代。
正如我們在新書《人機協作：重新定義AI時代的工作》中所指出的那樣，如今，企業的運營規則可謂日新月異。AI系統不僅能夠推動流程自動化，提高工作效率；更重要的是實現人機協作，從根本上改變工作性質，從而徹底顛覆企業運營和員工管理方式。
很多人都存在這樣一種認識誤區，認為包括高級機器人和數字機器人在內的AI系統會逐步接管人類的工作。例如，無人駕駛汽車終有一天會取代出租車司機、快遞和卡車司機。對於某些工種，這一擔憂或許會成真。不過我們發現，AI技術更重要的影響還是賦能於人，從而推動重大商業轉型。
這一技術浪潮給各行各業帶來了嚴峻挑戰，各大公司正站在AI技術應用的十字路口上，亟須做出抉擇。在部署了AI系統（從機器學習到計算機視覺再到深度學習）的公司中，一些公司的生產效率短期內略有提高，還有一些公司的績效可能突飛猛進，後者的訣竅在於能夠充分理解並利用AI技術帶來的真正影響。
為了充分挖掘AI技術的潛力，行業領軍企業已經採用更具流動性、適應性的業務流程，並組建了人機協作團隊，人機協作推動了許多傳統流程的革新。
例如，在位於德國丁戈爾芬格(Dingolfing)的一家BMW裝配廠，工人和機器人共同完成汽車組裝工作。在工廠的一角，一位工人擺好了用於傳動裝置的齒輪箱，而一個可以感知周圍環境的輕量機械臂拿起了一個重達12磅的齒輪。這位工人隨後開始處理下一項任務，同時，這個機械臂將齒輪精確地放入齒輪箱，並拿起了另一個齒輪。在工廠的另一角，另一個輕型機械臂正在小型車窗的邊緣均勻塗抹黏稠的黑色黏合劑。一位工人在機械間走來走去，擦拭黏合劑噴嘴，放入新玻璃，並拿走已塗好的車窗，在這裡，人類和智能機器人真正實現了“和諧共舞”。
這些創新團隊能夠適應不斷湧現的新數據環境和多變的市場行情，幫助企業革新工作流程。
例如，在保險索賠處理過程中，AI不會取代人類的角色而是承擔繁瑣乏味的體力勞動、收集數據並進行初步分析，從而使索賠處理員能夠專注於處理複雜案件。換言之，機器承擔自己比較擅長的任務：完成重複性工作、分析海量數據集並處理常規案例。與此同時，人類則專注於他們最擅長的工作：處理存疑信息、針對複雜案件做出自己的判斷並與不滿意的客戶進行溝通。
第三輪浪潮：“被遺忘的中間帶”
日益密切的人機合作催生出第三輪業務轉型浪潮。第一輪浪潮是由亨利·福特（Henry Ford）引領的，主要標誌是標準化流程；第二輪浪潮是指二十世紀七十年代湧現出的流程自動化，隨著信息技術的進步，第二輪浪潮在二十世紀九十年代達到頂峰。
在第三輪浪潮中，人機協作推動企業績效實現指數級增長。我們將這一領域稱為“被遺忘的中間地帶”。所謂“被遺忘”是指幾乎沒有人提過這一領域，同時，只有一小部分企業正在試圖填補這一關鍵缺口。
在“被遺忘的中間地帶”，人類與智能機器各取所長。例如，人類可以開發、訓練和管理各類AI應用，從而確保AI系統真正成為人類的好幫手。同時，機器可以使人類突破自身極限，拓展自身能力，例如實時處理和分析來自不同來源的海量數據。換言之，機器能夠賦能於人。
在這一地帶，人類和機器不是“搶飯碗”的競爭對手，而是合作伙伴，通過共同探索各自最擅長的領域，助力彼此提升績效表現。公司可以變革業務流程，從而充分利用人機協作的諸多優勢。
要想充分挖掘AI技術潛力，公司必須填補“被遺忘的中間地帶”。這就要求公司設立新的崗位，構建嶄新的人機協作方式，變更傳統的管理理念，乃至徹底顛覆“工作”概念本身。這將催生出許多嶄新的工作崗位，需要有員工專門負責設計和培訓算法、解釋所使用的算法並進行維護。據我們研究，AI催生出的新業務和技術崗位主要可分為三大類型：培訓師、講解員和維護者。
- 培訓師旨在教授AI系統如何運作，幫助降低自然語言處理器和機器翻譯中的錯誤，並指導AI算法模仿人類行為。例如，在製造業中，用於輔助人類工作的輕型機器人需要事先接受編程和培訓，才能處理不同任務。只有擁有相應技能的員工才能進行此類培訓。而需要接受培訓的除了實體機器人之外，還包括AI軟件。培訓需要大量角色和工種。在簡單的情境下，培訓師幫助自然語言處理器和機器翻譯減少錯誤，而在複雜情境下，培訓師要訓練AI算法模仿人類行為。
- 講解員旨在幫助技術人員和商業領袖實現有效溝通，向非技術人員解釋複雜算法的工作原理。隨著AI系統的原理越發艱深，這些人才的重要性日益上升。講解員可以細分為三種：透明度分析師，負責解釋特定AI算法為何作為“黑盒子”運行；算法取證分析師，負責確保各個算法為其結果負責；戰略詮釋家，負責對各類AI技術最適用於何種應用進行主觀判斷。
- 維護者旨在確保AI系統按計劃運行，即作為一種輔助性工具，讓我們的工作和生活更便捷。維護人員可以細分為三種：背景設計師，留意商業環境、流程任務、用戶的獨特情況、文化問題和其他背景因素，從而確保複雜的機器人和其他AI系統在設計之初就考慮到上述因素；AI安全工程師，預測AI系統可能帶來的意外後果，分清輕重緩急，解決任何可能出現的有害情況；道德合規員，作為監管者和監察員，確保AI系統符合人類的價值觀和道德觀。
AI成功應用方程式
埃森哲的研究表明，各大行業中，只有領軍企業成功抓住了第三輪浪潮帶來的機遇，在我們調查的近1,500家機構中佔9%。這些企業最大限度地實現了自動化，並著手開發新一代流程和技能，從而充分利用人機協作的諸多優勢。它們成功的訣竅是什麼？訣竅就是遵循五大關鍵組織原則：思維模式、實驗、領導力、數據和技能。
思維模式
通過重新定義“中間地帶”的工作，打造截然不同的業務流程。人類與AI互相促進。如果只將AI用於現有流程的自動化，只能實現績效的小幅提升。重新定義工作則需要採用完全不同的思維模式，利用人機協作，實現許多傳統流程的革新。死板的裝配線將讓位於靈活的人機團隊，被機器賦能的人類與AI攜手共進，適應不斷湧現的新數據和新角色。
不過，要實現這些，企業首先要奠定堅實的基礎。因此，需要首先實現常規工作的自動化，充分挖掘員工的潛能，然後再專注於人機協作。這離不開以行動導向的思維模式，具體包括以下三個關鍵步驟：
- 探索與描述。必須瞭解傳統業務流程和新型AI解決方案之間的區別。例如，工作崗位不應僅限“人類專屬”和“機器專屬”，還應包括協作型崗位。
- 共同創造。發現流程轉型機遇是一回事，而抓住這些機遇又是另一回事：只有設想出新的工作模式，才能抓住這些機遇。要想培育關於工作方式的全新思維模式，公司高管們應當鼓勵利益相關者共同創造。
- 推廣與維護。重新定義流程的最後一步是擴大解決方案的適用範圍，並通過不斷改進進行維護。可能需要在員工內部對新系統進行測試，以便解決所有問題，隨後再應用於客戶。
實驗
積極觀察流程中各環節的情況，以測試並完善AI系統，同時從“中間地帶”的角度重新定義流程。標準業務流程的時代已經過去，單純複製行業領軍企業的最佳流程已然行不通。因此，實驗才是關鍵。為了提高競爭力，公司管理者必須制定符合自身公司特質的流程。這就要求不斷試錯，確定哪些工作可以交給人類，哪些工作最好由人類和機器合作完成，而後者就是我們所說的“被遺忘的中間地帶”。
不過，個性化流程需要管理者和領導者對企業員工和文化的深入瞭解，以便確定在何時以何種方式開展實驗。例如，若想讓員工接受實驗，領導者需要制定明確的目標，同時不能因錯誤或失誤而氣餒。畢竟，在科學領域，實驗結果即使無法支持假說，也談不上是一種失敗，而是貢獻了實驗數據。
例如，亞馬遜一直以實驗文化而著稱。一個例證就是其位於西雅圖的Amazon Go門店。客戶可以進入店內，從貨架上拿起商品，然後離開，無須在收銀員或自助結賬機處付款。當購物者從貨架上拿起商品時，攝像頭會監測購物者的動作，產品內置的傳感器會連接購物者的手機，在其亞馬遜賬戶中扣款。Amazon Go門店最終能否取得成功並在全球順利推廣並非重點，重點是亞馬遜在不斷開展各類實驗。亞馬遜CEO傑夫·貝索斯（Jeff Bezos）一直推崇實驗文化，因此擁有創新領域的一大秘密武器：大量願意在“被遺忘的中間地帶”工作的員工，以及眾多瞭解如何處理新領域未知情況的管理者。
領導力
從一開始就承諾負責任地使用AI。領導者必須時刻考慮到AI技術的倫理、道德和法律影響。 確保AI系統能夠交付可行的成果、提高算法的可靠度並消除偏差。正如父母在培養孩子時，希望其兼具責任感和高效的溝通能力那樣，企業在培育AI系統時也希望其能夠負責地為企業“代言”，遵守負責、公正、透明的商業和社會規範。
這意味著企業要改變對AI的定義：AI不是隻按照編程行事的系統，而是能夠不斷學習的系統。從這個角度來說，企業在“培育”AI時面臨的許多挑戰與人類教育下一代時面臨的挑戰類似：瞭解何為對錯以及負責任地行為、在傳授知識時摒棄偏見、自力更生並強調與他人合作和交流的重要性。
誠然，構建負責任AI的企業文化並非易事，因為許多人對技術有著本能的不信任，而工作崗位可能被AI取代的焦慮更是加劇了這種不信任。要想幫助員工更加適應與AI同事共同工作，管理者需要藉助雙方的角色和互動。培訓師、講解員和維護者的技能當然重要，但讓員工切實體驗到AI的賦能作用也很重要。必須讓員工意識到，AI旨在取代繁重任務和推動流程轉型，AI工具可以使員工的日常工作不再繁瑣，更具吸引力。
數據
構建數據“供應鏈”，為智能系統提供“燃料”。良好的數據是AI的基石，也是推動AI發展的動力。為了提供必要的動力，不妨將數據想象為一個端到端的供應鏈。這就要求我們以截然不同的方式定義數據：管理數據不是企業內部分散開展的靜態流程，而是在整個企業範圍內獲取、清洗、整合、甄選和存儲信息的動態活動。
由於機器學習、深度學習和其他AI應用都需要使用數據，數據必須又“好”（種類多、質量高、可用性強）又“多”（海量）。同時，AI系統是在反饋迴路中進行培訓的，數據的質和量均會影響算法的改進，AI系統的質量取決於培訓數據的質量。因此，公司必須將目光投向“被遺忘的中間地帶”中負責獲取並提供數據以供分析的崗位。這些崗位至關重要，因為數據中的偏差會造成嚴重的後果，導致結果有誤，誘使員工做出錯誤的決定。
技能
積極培養在“被遺忘的中間地帶”所需的八大“融合技能”。AI能從根本上改變人機關係，這就要求企業培養新的員工技能。在第二輪浪潮中，機器替代人類；然而，在第三輪浪潮中（即自適應式流程時代），人類比以往任何時候都更為重要。人類可以設計、開發和培訓AI系統，還能與AI系統進行合作，填補“被遺忘的中間地帶”，實現績效的跨越式增長。當然，與之前的人機互動不同，如今，機器與人類互相學習，良性循環，不斷推動流程績效增長。
通過研究，我們確定了員工所需的八大新技能，我們稱之為“融合技能”，從而創造出比機器或人類單打獨鬥更為出色的成果。
- 增加人類創造力時間：將更多時間分配給明顯需要人類的活動，例如革新後業務流程中的人際互動、創意活動或決策活動。如果員工在筋疲力盡的情況下開展工作，很少有人能發揮出最佳水平。因此，通過改變人機互動的本質，AI能夠重新分配時間，從而提升員工的工作效率和工作成效，進而改善員工福祉。人們能夠將更多時間花在需要人工處理的活動上，例如提高客戶滿意度、修理更為複雜的機器故障或者開展純興趣創意研究。
- 負責任的規範化：負責任地定義個人、企業和社會的人機互動目的和認知。當需要使用AI技術，但對其的接受度和理解仍然不足時，就需要運用規範化這一技能，負責任地定義人們對人機協作的理解和認知。當在道路、醫院、快餐店、學校和療養院等公共場所引入機器人時，這一技能往往至關重要。實現規範化也需要掌握其他技能，包括人文學科知識、STEM技能、企業家精神、公共關係方面的敏銳度以及對社會和社區問題的認識。
- 整合判斷：根據判斷，在機器無法確定該做什麼時採取行動的能力。當機器無法確定該做什麼，或者其推理模型中缺少必要的商業或道德背景知識時，人類必須意識到應在何時何地以何種方式進行干預。AI能夠正確處理很多問題，但它仍然無法準確分析局勢和人類的想法。因此，人類的判斷和行動一直是革新後流程的核心組成部分。
- 智能提問：瞭解如何以最佳方式詢問抽象問題，從而獲得所需的答案。應當如何探索極其複雜的系統或者預測各複雜數據層間的相互影響？人類無法獨立完成這一任務，因此必須藉助AI。根據埃森哲的研究，我們發現很多工作領域都會涉及智能提問，包括以下場景：優化鐵路運輸和船運組合、調查藥品化合物和分子間相互作用以及確定最佳零售價格。其中，確定零售價格尤其需要智能提問，因為銷售的成敗均涉及大量的複雜數據。
- 機器人賦能：與AI代理一起工作，以拓展您的能力，在業務流程和職業生涯中發揮超能力。機器人賦能使得人們可以藉助智能代理突破自身極限。如今，能夠幫助人們提高工作效率的機器人可謂多種多樣：Clara和x.ai能作為日程規劃代理；Standup Bot、Tatsu和Geekbot可以定期組織會議；Textio和IBM的Watson Tone Analyzer能夠改進寫作；Doli.io甚至能夠在社交媒體上發佈文字或圖片，進行個人品牌建設。
- 全面融合：開發可靠的AI代理模型，從而改進流程結果。儘管機器人極大改變了外科手術流程，但手術成功的關鍵仍然在於外科醫生以及他們操作機器人的能力。本質上，這就是“在機器內部施展自己的外科技術的能力”。在人機融合時代，全方位的身心融合變得越發重要。只有當人類創造出機器工作和學習時可用的思維模型，並確保機器能夠獲取用戶行為數據以改進互動時，才能全面實現業務流程轉型。
- 互相學習：①在AI代理身旁開展任務，便於其學習新技能；②員工接受在崗培訓，以便適應經由AI技術改進的流程。傳統的技術教育是單向的：人類學習如何使用機器。然而，在AI領域，機器和人類互相學習。互相學習意味著客戶服務代表或者任何與AI代理協作的員工均將作為機器的“榜樣”。在這一過程中，老師需要擁有足夠的專業技能，AI也應當具備一定的接受能力。當然，在互相融合的關係中，機器不是唯一需要接受培訓的成員。
- 源源不斷的重塑能力：定義新流程和業務模式，而非僅僅推動舊流程的自動化。最後同時也是最重要的一個融合技能是重新定義事物本質的能力。本質上，重新定義是一項基本技能，也是智能提問和機器人賦能等其他技能的基石。重新定義的能力使人們更容易適應日新月異的世界。在當今世界中，先進的AI技術不斷推動企業流程、業務模式和各行業的轉型。
閱讀更多 雲威人工智能 的文章
