MIT-IBM Watson AI实验室：机器人将接管您的部分工作，而不是全部

机器人革命不是工作，而是任务。麻省理工学院和IBM研究人员在分析了七年的1.7亿个工作岗位后就是这么想的。这个想法是要弄清工作职责是如何从人到算法以及在不同薪级的工人之间转移的。

MIT-IBM Watson AI实验室刚刚发布了“ 工作的未来：新技术如何转变任务”。
研究人员发现，随着任务转移到低薪和高薪工人，短期内处于薪资中间的人将受到最大的挤压。IBM首席经济学家，报告的主要作者马丁·弗莱明（Martin Fleming）表示，对自动化影响的更加细微的了解将有助于政府，公司和工人做好准备。

弗莱明说：“进行这类研究的好处是，我们能够看到正在发生的变化，这种变化将会持续并且将是一个预警信号。”

他说，从被销毁的工作角度考虑自动化是错误的方式，以查看即将发生的变化。

弗莱明说：“这更多的是关于工作方式的转变，而不是工作量或参与人数的转变。” “我们看到执行的任务和我们拥有的角色将会改变。”

研究人员分析了在早期采用技术的七年期间，职位角色要求的变化。他们正在寻找适合机器学习（SML）的任务。这些工作职责很可能是自动化的，包括凭证和计划之类的任务。

研究人员发现： 

• 大多数行业中的大多数职业至少都有一些SML任务。 

• 几乎没有任何职业可以完成所有SML任务。  

• 释放机器学习潜能将需要对职业的任务内容进行重大的重新设计，因为职业中的SML和非SML任务将被捆绑和重新捆绑。

报告作者还预测，各个工资水平的设计师都将有很高的需求。 

弗莱明说：“这实际上是一项包含许多不同技能的任务。”

身体的灵活性，常识，判断力，直觉，创造力和口语是公司仍然需要从人类那里获得的一些技能。 

不太可能实现自动化并且更可能获得高补偿的任务包括管理，设计，行业知识以及个人护理和服务任务。补偿不足的任务包括业务，人力资源和销售。

中产工人受到挤压

研究人员想了解工作职责在任务级别上是如何变化的：哪些任务是自动化的，哪些正在工人之间转移。分析发现，大约有四项任务正在从中等工资工人转移到低薪工人，一项任务是从中等工资工人转移到高薪工人。承担新任务的这两组人的工资都有所增加，但以中产工人为代价。该文件没有描述换班任务。

请参阅：如何处理工作压力：IT主管指南（免费PDF）

弗莱明说，劳动力的这种转变为美国政府和雇主提供了一个机会，可以改善再培训和教育计划，并赶上其他国家的其他技能提升工作。

弗莱明说：“通过不执行这些日常任务，工人可以集中精力于自己创造更多价值和赚取更多收入的地方。” “我们看到，不仅在美国，而且在世界范围内，对劳动力的需求也在持续增长。”

他说，再培训是保持中产阶级工资的关键。

弗莱明说：“从事中技能工作的工人面临着短期挑战。” “关键是根据任务要求的变化进行培训和再培训以及适应和调整。”

工作如何变化

弗莱明（Fleming）提供了一个示例，说明自动化趋势如何影响IBM的381,000名员工。该公司已开始使用机器学习来自动执行定价任务。他说，预测既能满足客户需求又能符合IBM财务目标的最优价格，对机器学习来说是一个很好的选择。这对过去用来计算这些数字的人意味着什么？

“对于销售角色的人来说，他们可以提高生产力，因为他们可以更好地满足客户的要求，”弗莱明说。“对于以手动方式完成定价工作的人员，他们可以腾出精力专注于更复杂的定价交易。”

IBM员工可以将精力集中在定制请求或对比其他法规要求更高的公司的投标上，而不必花时间在针对通用购买请求的标准投标上。

弗莱明说：“我们将看到自动化在按行业，按产品周期，按地理分布的方式上的差异。”
 
弗莱明说，自动化的下一阶段将不同于由机器人技术推动的第一波浪潮。

他说：“在汽车和电子产品生产中的许多重要部署已经完成，甚至还很遥远。” “在我们当前的环境中，服务业占活动的很大一部分，这是与制造业性质不同的工作。”

机器人技术接管了“先有先后”任务，而机器学习和人工智能是为需要学习，推理和理解的任务而设计的。

全自动化将创造更多新工作

布鲁金斯学会（Brookings Institution）经济研究项目的大卫·鲁宾斯坦（David M. Rubenstein）研究员马库斯·凯西（Marcus Casey）表示，下一阶段的研究应集中于这种向机器学习的过渡如何随业务类型而变化。Casey是芝加哥伊利诺伊大学经济学的助理教授，并在布鲁金斯大学指导自动化和中产阶级研究。他回顾了MIT-IBM团队的“工作的未来”一文。

凯西说，商业领袖和政府官员应注意另一位研究自动化的研究员卡尔·本尼迪克特·弗雷（Carl Benedikt Frey）的建议。弗雷（Frey）初步预测约47％的工作处于自动化高风险之中，并在MIT-IBM的研究中引用。正如Frey在其最初的自动化研究中所述，业务流程和技术投资，监管问题，政治压力和社会阻力将决定自动化如何影响工作和工资。

Frey的最新想法是，真正的关注点不是一般的自动化，而是革命还远远不够。技术改造的不完善将使工人陷入永久性的不平等收入分配中。如果企业仅在自动化方面走得那么远，将无法实现全部的生产力收益。

Casey说，目标是在机器学习革命中达到一个目标，在该革命中，技术为人们创造了新的任务和工作。

他说：“他们担心的是，我们将被困在一个没有足够变革性来创造新任务和创造新工作的地方。” “我们想要的是一种具有足够变革性的技术，该技术可以充分提高生产力，以便出现新任务。”