认知技术是人工智能领域的一个产品，有可能将取代人类的工作。但是，公司的管理层面临着「如何使用认知技术」的选择，这将决定工人是被边缘化还是被增强，以及这家公司是在创造价值还是仅仅只是降低成本。
人工智能（AI）领域的快速发展，将对社会带来重大的影响，这引发了许多激烈的争论。一些人认为，它将驱动经济增长，为改善生活质量带来数不清的机会。尽管我们相信那些最深的恐惧其实是夸大其词的，但认知技术这一AI产品却不容忽视。它们是商业竞争优势的新兴源头，并走在一条通往「无处不在」的道路上，即将充斥我们的生活和工作。
长期以来，人工智能研究者都在开发旨在提升计算机性能的技术，这些技术能让计算机完成非常广泛的任务，而这些任务在过去被认为只有人才能完成，包括玩游戏、识别人脸和语音，在不确定的情况下做出决策、学习和翻译语言。为了将人工智能领域中衍生出来的技术与AI领域进行区分，我们将这些技术称为「认知技术」（cognitive technologies）。通常使用的认知技术包括机器学习、计算机视觉、语音识别、自然语言处理和机器人学。
在接下来的3～5年中，认知技术有可能会给职业、工人和公司带来深远的影响。这些技术可以，并且即将消除人类的工作。但它们也有可能被用来重新定义人类的工作、为工人创造出新的机会、为商业公司和客户带来更高的价值。公司的领导者们应该理解4个主要的自动化选择，以及我们所描述的成本和价值策略。他们也应该调整人才管理工作，来吸引和改进员工的职业技能，包括创造性和情商——这些技能在认知技术时代会变得更加重要。
冲突的观念
关于认知技术会对就业带来什么影响，这一问题正在处在活跃、甚至是危言耸听的争议当中。争论的一方预言道，当过去由人来做的工作被这些技术所取代后，将极大提高失业率。而另一方的预言则认为，我们对技术变革所带来的历史规律已经很熟悉了——新技术提升了生产力，从而增加了社会财富，驱动经济增长，对拥有新技能的就业者创造出新的需求。
最近，牛津大学研究者做了一个被广泛引用的分析，正是上述争论中「黑暗」一方的一个例子。这项研究估测道，美国的就业人员中，有47%正因接下来10年或20年的计算机化而「处在风险中」。信息技术研究机构Gartner也持相似的观点，预言「到2025年，有1/3的工作将被软件或机器人所取代。」三个Gartner的分析师甚至做出更彻底的「战略性计划假设」：「到2030年，今天我们所熟知的90%的工作都将被智能机器取代。」
并不是所有人都相信，公司应该开始为一个没有雇员的未来早作打算。David Autor是一个杰出的经济学家，他在麻省理工学院（MIT）研究技术与就业之间的相互作用，是这方面的权威。他写道：「机器要取代人类，亟需适应性、常识和创造性，这些需求的缺口还非常大。」他认为，人们未能足够重视机器与人力之间的互补性，这种互补性将会「提升生产力、增加收入、增大对熟练工种的需求。」Rodney Brooks是两家著名机器人公司的专家和创始人，他相信，人们应当正确地看待机器人这样的技术，因为它们能够「让人们摆脱那些折磨人的愚蠢工作」，而不是让人们失业。
对未来，我们更喜欢积极的预期。认知技术正在较窄的领域中取得好的进展，而取代整个流程或职业却很罕见，不太可能在短期内变得很普遍。更有可能的是，尤其是在接下来的3～5年内，工作的一部分会被认知技术自动化。员工（包括知识性的员工）将与自动化的智能机器打交道，就像今天的飞行员和先进工厂内的工人所做的工作一样。由于这个原因，公司领导者应当进一步考察认知技术为工作、员工和公司所带来的影响，这是一件非常重要的事。
认知技术和工作自动化
在以往的工作中，David与其他同事分析了100多个认知技术的应用，并将这些应用分为三大类：产品类、流程类和分析类。每类应用都对工作和工人产生了深远影响。
[caption id="attachment_9503" align="aligncenter" width="1000"]
图1：认知技术的三种应用。[/caption]
产品类应用将认知技术嵌入到产品内，来实现智能行为、自然交流（比如说和看）以及自动化。该类应用对工人的影响从没有影响（机器人玩具或智能温控器）到有些影响（能承担家居清洁工作的扫地机器人）再到影响重大：自动驾驶汽车正取代采矿卡车司机和火车驾驶员，某天它们将会取代出租车或货车司机的工作；机器人还会取代泥瓦匠和砖瓦工。下一步，公司就可以将使用认知技术的产品部署到各个业务流程中。
自动化企业工作
流程类应用使用认知技术来提高、扩大或自动化业务流程。比如自动化数据输入、自动化手写识别、使用算法的自主规划与调整以及使用语音识别、自然语言处理和问答技术的自动化客户服务。通过定义流程类应用会让工人的工作实现全自动或半自动化。如下所示，自动化会对企业产生挑战，而且并不总能达到预期效果。
自动分析
分析类应用使用认知技术来揭示模式、做出预测以及指导更有效的行动。例如，英特尔采用机器学习向其销售团队展示客户的进一步需求以及他们该向客户提供什么。某些分析类应用可以看作自动化的形式：接下来做什么是基于特定情境由机器而不是人所做出的决定。其他分析类应用是改善而不是自动化现有决策流程，或者进行之前不能做的分析。有时他们将机器学习与其他认知技术（比如计算机视觉或自然语言处理）相结合。例如，一家初创公司将计算机数据与机器学习算法相结合通过零售商场停车场的卫星图像来判断其营业状况。
自动化意想不到的后果
自动化的历史可以追溯到数百年前，包含了制造业（工业自动化）、航空和文职工作（办公自动化）。如今，认知技术将自动化拓展到新的领域，比如传统需要人类感知和认知能力的任务。虽然自动化极具价值，但是数十年的研究编码自动化并不总是有益的，也带来了意想不到的后果。随着商业和技术领导人考虑使用认知技术来自动化工作，他们会从自动化的历史中学到很多，来避免重复错误。
引入自动化以弥补人类能力不足的想法似乎很令人信服。但是，自动化系统也会有缺陷。离开人类操作员，只让机器自主完成任务会有问题。比如，没有人类监控的自动化进程会产生错误，然后程序会忽略这些错误继续执行任务。研究表明，即使一个干劲十足的工人也不可能对几乎不变的信息源集中精力半个小时以上。
如果人们不经常训练，他们会失去某技能。这就导致了颇具讽刺意味的情况发生，人们会需要一个自动化系统来执行他们不擅长的任务，比如自动驾驶。有时这也会产生悲剧后果。即使没有简化，研究人员发现过度设计或设计不佳的自动化会降低人们在某些任务中的表现。研究表明，驾驶中有太多的自动化，比如采用巡航控制系统会让司机（特别是新手）变得不警惕，降低诸如紧急制动性等表现。其他研究发现自动化系统（就像坏老板）会降低工人的积极性、产生疏离感、降低满意度、生产力和创造力以及离间员工。
技术评论家Nicholas Carr认为拙劣的自动化策略对效率和安全性会产生负面影响，还会破坏我们的个性和自我价值。
企业面临着自动化选择
认识到关于自动化的潜在问题，研究人员们便尝试寻找一些客观的方式以确立系统有哪些功能，要实现什么程度的自动化。为解决这一问题，Parasuraman等人发展出一项分析自动化选项的体制。他们提出自动化须应用于以下四大类功能：1)信息获取；2)信息分析；3)决策和行动选择；4)行动实施（见图2）。在每一类中，自动化被应用的程度是一个从低到高的连续等级，即从完全人工化到完全自动化（见图3）。
[caption id="attachment_9504" align="aligncenter" width="640"]
图2：人类认知处理的4种模型。[/caption]
他们觉得一款自动化设计的评估标准应该首先是它对人类工作效率的影响，其次是诸如自动化可靠性，和行动与决策结果的成本。这一被广泛引用的工作是指导自动化设计决策领域的诸多尝试之一。
从替换到增强：一款天才科技模型
为补充自动化设计方面的学术工作，研究者提出一个框架，即强调自动化对员工的影响以及评估各种自动化选择对业务的影响。这一框架对正考虑自动化自动化对创造性和知识工作影响的领导者极为有用。
根据自动化对于工人的影响和自动化程度对工作完成度的影响，我们确立了应对自动化的四种主要方式，总结在图4中。
遵循哪一种方式，不由工作类型或采用的技术决定，而是系统设计者，乃至领导者和决策制定者所决定。通过对一项职业——翻译员，和一项认知技术——机器翻译的分析，让我们来阐明这四种自动化选项是怎样起作用的。四种选择都要以不同的方式应用自动翻译技术，对于翻译人员会产生不同的影响。
[caption id="attachment_9505" align="aligncenter" width="640"]
图3：决策和行动选择的自动化等级。[/caption]
采用替代方法，像翻译技术手册这种过去人为翻译的工作，连同翻译员本身，都将被淘汰。在切分/自动化的方法中，尽管现有的机器翻译表现得并不完美，大量的翻译工作被首先交给机器，这之后专业的译者会编辑已自动翻译好的文段，即后期编辑。许多专业译者认为这是「语言维护工作」：这贬低了他们的一技之长。一个缓解方法是把低价值又无趣的工作交给机器，而把更具挑战性的，对质量要求更高的像营销文案的材料，交给够格的专业翻译人员。最后，在增强的方法中，译者可以使用自动翻译工具来加速或改善他们的工作，比如自动翻译器会在翻译一条短语时提出几个选项，供译者自由选择。这在提升生产力和质量的同时，也使译者可以把控整个创作过程，负责审美判断。
[caption id="attachment_9506" align="aligncenter" width="640"]
图4：自动化的4中方法。[/caption]
最大限度提高工人和机器的价值
当涉及到劳动力的使用和影响时，企业需要做的可不只是根据上述列出的四种方法来归类工作。要正确评估其选择，企业需要在成本战略和价值战略之间进行考量。
成本战略是通过应用技术降低成本，尤其是劳动力成本。
价值战略则旨在以技术弥补人工的同时，分配工人做价值更高的工作来增值。
以下是四种自动化选择如何在这两种战略下分别发挥作用：
替换的方法。在成本战略下，企业以拥有认知能力的计算系统取代人工执行相同的任务。这一选择所带来的经济效益很明显，然而却受限于所耗的成本。而在价值战略下，企业可通过重新分配工人的角色以及扩充其角色的功能来创造更大价值；或通过部署认知系统，在替代人工工作的同时提高工作效率或质量。
切分/自动化的方法。通过自动化降低人工成本是成本战略的一个例子。但正如我们所见，自动化使拥有创造力的人或技艺精湛的工匠感到黔驴技穷和被边缘化。而价值战略可用这种方法来创造新的低成本产品以服务于新细分市场的需求。比方说，翻译服务供应商可以提供一系列根据自动化使用程度不同而质量、价格不同的服务，并雇佣经验不足的翻译人员进行后期编辑。
减轻的方法。一个能通过减少人数来提高效率的成本策略。举一个例子，呼叫中心通过将第一层顾客支持自动化来减少需要聘用的员工。在另一方面，这是一个价值策略，能让员工更专注于更高价值的任务。比如说，当一个新的自动化功能计划系统让香港地铁系统专家级工程师每周工作量减少两天后，他们能把时间花在需要人类互动和协商这一类更难的问题上。
授权的方法。认知系统能让技术级别比较低的员工胜任先前由高技术级别员工完成的做工。这是一个成本策略的例子。价值策略则会采用一个不光向低技术级别员工授权，还会对其进行培训来使其获得技能的系统。也许同时还会设计成能改善高技术级别员工表现的系统。
需要注意的是，认知自动化，即使用于旨在授权员工的系统中，也会遇到抵制。英特尔公司就发生过这样的事，他们曾试着像我们前文中提到的那样，通过开发一套认知系统来提高销售产量。这套系统使用了机器学习来对顾客进行分类并且指导销售员工对不同的顾客销售哪种产品。
销售团队的部分员工起初拒绝使用机器学习系统所提供的建议，也许是因为他们不服气自己的销售技能被排在了机器认知的后面。但是当一些销售员工最先适应了这个系统并且见证他们的销售量得到显著提高后，组内余下的销售人员也赶紧也用上了这个系统。如果一个销售人员工作的精髓在于创建及维护与客户的关系，通过一些自动化协助来将顾客的来电排序及推荐产品也许就是对科技使用的一种授权。
四种自动化的选择如何在两种不同的策略下运作的例子请参见图5。
[caption id="attachment_9507" align="aligncenter" width="1000"]
图5：成本和价值策略下的自动化选择。[/caption]
某些技能会变得更有价值
当公司运用认知科技时，他们必须考虑比把什么自动化，要达到何等自动化程度及使用成本策略或是价值策略更多的问题。
他们必须重新审视在其工作场景中需要用到哪种技能。随着越来越多的常规任务被认知和其他技术取代时，完成这些工作的技能会越来越缺乏价值。然而，需要常识、一般智力、应变力和创造力这类技能以及那些需要人与人之间互动的，比如说情商和同理心的技能会变得相对更有价值。经济学家David Autor说这是因为「不能被计算机替代的任务通常由计算机补足。」科技提高了生产力，增加了收入，同时对有技能的劳动力需求更大。比如说，懂得如何使用电子制表软件（译者注：excel、numbers等）的员工很有可能比只会使用铅笔和纸的员工收入高。会使用电动工具和复杂机器的建筑工人会比不会这些的单纯人力劳动者收入更高。
上文提到的经济学家Autor鉴定了几种计算机暂时无法取代的任务所拥有的技能。比如说解决问题的能力、直觉、创造力、说服力——这些是完成所谓「抽象」任务所需要的；还有对场景的适应力、视觉和语言认知力、及人与人之间的互动，即「纯人力任务」所需要的。
虽然要找到一些被成功自动化的这类任务的例子并不难。思考以下这个例子：谷歌地图解决了导航问题，IBM的Watson电脑编写了新菜谱，Amazon网站上的「猜你会买」；还有零售商Lowe’s的机器人店员。像这样狭义的自动化比广义的（范围较大的）自动化容易实现得多。尽管自动导航和编排、同步日程都已经实现，解决问题的自动化却依旧任重道远。相比使用认知技术的狭义自动化任务，诸如批判性思维、通用问题解决能力、对不明确事物的容忍度、驾驶以及智谋等能扩大范围并且实现广义任务的必须技能和品质，都会变得更有价值。
变通力、创造力、批判性思维和情商
产品设计、服务、娱乐、或者构建使人高兴的环境这些工作都不会在短期内被计算机取代。因此完成这类任务需要的技能，很有可能会相对更有价值。现在有能使这些创新变得更可靠的工具，比如说管理学说中的最佳实践，市场调研，A/B测试等。但是创造某种新奇的、美丽或者让人感到愉快事物的中心任务需要的不只是技术上遵循产品设计或者电脑制作具体原则的技能，还需要同理心、对偶然性的开放心态等人性特有的技能。拥有这些技能并用来了解人类顾客和让顾客感觉愉快的公司都能独树一帜且持续发展。
另一个依旧会由人完成的工作是提供高客户服务体验的质量。尽管认知技术可以实现更加高质量和个性化的自动化服务，但是目前为止它还无法取代由有高情商、精神饱满和高度同理心的训练有素、装备精良的人提供的高质量体验。那些想要面对挑剔客户、发展并维持高价值的客户关系的行当则继续依赖于人际接触来完成关系管理和服务。
相比提问，计算机更擅长回答。但提出一些重要的新问题，也意味着洞察力的开始。质疑机器的行动和决策对用它们来解放我们而非约束我们是至关重要的。
创造性技能将会变得越来越有价值。如上所述，我们见证了一些能称得上创造性的计算机行为的演示，比如IBM的Watson会推荐新奇的食材组合。但机器的创造性需要人类作为指导。即便是Watson 也需要人类厨师来决定如何准备它挑选的食材。认知技术将会作为人类的创造性补充，而非取代。
随着认知技术能逐渐模拟其他技能，批判性思维技能相对而言也可能变得更有价值。相比于提问，计算机更擅长回答。但洞察力始于提出一些重要的新问题。质疑机器的行动和决策对用它们来解放我们而非约束我们是至关重要的。
认知技术时代的领导力和战略人力资源规划
在工作场所引入技术总会对工人和企业产生一些影响。认知技术将信息技术的魔力拓展到新工作中，从而以新的方式影响工作和工人。这提出了一些挑战，需要跨学科的解决方案。但对数十个首席人力资源官的调查显示，现有公司鲜有对策来应对这些挑战。
商业、人才和技术领袖应共同努力，分析认知技术带来的挑战和机遇，提出前进的道路。有效的方法应当包括如下因素：
预测。技术领袖对现有的认知技术进行评估，并且以发展的眼光预测未来五到十年的发展。
分析影响。商业和人才领袖分析竞争对手和其他领域的龙头企业对认知技术的采用情况，并分析其对工种设计和劳动力需求的影响。
制定备选方案。业务和技术团队联合起来发展出一些备选方案，将这些技术应用于现在和将来的业务活动中，从而创造商业价值，包括运营价值和战略价值。
情境构建。基于上述应用，人才领袖利用这里提到的人才技术模型来设计一些情境，重新设计工作内容，重构劳动力。除了其他因素以外，情境要考虑，提高生产率量如何削减对某些特定劳动力的需求，如何使得一些技能变得相对而言更为重要，而其他技能变得不那么重要。
试点。在一个或多个领域发展应用这些认知应用，人才领袖则研究研究人力资本的影响、机遇和挑战。
培养技能。人才领袖应当招聘并培养那些会变得更为重要的人才和技能，包括创造性、灵活性、同理心和批判性思维。
随着认知技术不断发展并不断演化出新应用，它们往往被用来配合工作，帮助工人提高生产效率并得到更好的结果。领袖们应当想办法让人类参与其中，而不是想当然地认为最好的认知技术应用是完全消除人类劳动力。他们也应当发掘一些能弥补技能短缺的认知技术能。如前所述，他们需要考虑成本和价值策略。
战略性人力资源规划需要跳出以人才为核心的路子，必须考虑人才、技术、工作及企业设计的交互影响。传统的人力资源模型为信息技术适用的工种界定了边界。随着认知技术的强力发展，企业必须在人力资源规划和工作设计中发挥更多的创造性。最大的挑战可能在于如何对认知技术和工作的整合有更好的理解。
没有正确答案
采用认知技术将改变未来的就业前景，它不可避免地会让某些工种消失。它也会带来职业的重新设计以及引入一些新的工作。那些借由认知技术技能得到补充的人会更有发展，而那些技能被智能机器取代的人日子就不好过了。
领导们面临着如何应用认知技术的抉择。这些选择将决定着他们的员工是被边缘化还是被增强，决定着他们的企业是创造价值还是仅仅是削减成本。没有一套正确的选择。当领导们准备将认知技术引入企业时，他们应当考虑哪些自动化的选择会最适合于他们的人才和竞争策略。
本文选自dupress，作者：David Schatsky & Jeff Schwartz。机器之心编译出品，参与成员：汪汪、孟婷、范娜fiona、Kara、电子羊。
