
作者 | Kathleen Walch編譯 | CDA數(shù)據(jù)分析師
當在工作環(huán)境中被引用時,人工智能帶來了混合的情感和觀點。如果您向同事,朋友或陌生人問“您認為人工智能會成為網(wǎng)絡(luò)殺手或網(wǎng)絡(luò)創(chuàng)造者嗎?”的問題,您必然會在此問題上獲得非常強烈的意見??梢钥隙ǖ氖?,您會聽到一系列有趣且相互矛盾的觀點,范圍從“人工智能將摧毀我們所知道的所有工作”到“人工智能將使我們能夠更好地工作并做我們從未能夠做的新事情”。
如果您查看各種經(jīng)濟和分析師預測,那么它們的評估無處不在,從大多數(shù)經(jīng)濟部門的巨大工作機會流失到由于工作生產(chǎn)率的顯著提高而帶來的大量就業(yè)增長。當然,與所有內(nèi)容一樣,真正的答案將在中間。毫無疑問,人工智能將消除對許多不同類別的許多不同種類工作的需求。但與此同時,人工智能將在我們已知的類別中創(chuàng)建新的工作,并且在尚未創(chuàng)建的類別中還會創(chuàng)建更多的工作。
蓋洛普(Gallup)從2018年開始的民意測驗顯示,許多人認為AI會破壞工作,但不會破壞他們的工作。實際上,在該民意調(diào)查中,超過73%的美國人認為AI將成為凈工作崗位破壞者,但在這些接受調(diào)查的成年人中,只有23%的人對此感到擔憂。您如何調(diào)和這兩個職位?在同一項調(diào)查中,超過90%的受訪者認為AI會摧毀至少一半的工作,但91%的受訪者認為這不會影響他們的就業(yè)。一般人的普遍共識是,人工智能將繼續(xù)推動自動化和技術(shù)的無阻礙發(fā)展,從而帶來更高水平的生產(chǎn)力。企業(yè)將能夠利用其現(xiàn)有資源做更多的事情,或者可能用更少的資源做更多的事情,這些資源主要是人工和與之相關(guān)的成本。
自動化已經(jīng)被公司采用了數(shù)十年,但是自動化并不是智能,并且毫無疑問,在公司使用的技術(shù)中增加更多的認知能力將使組織重新考慮其對人工勞動的使用方式中心運營,倉庫活動,卡車運輸,實體零售,甚至采礦,石油和天然氣活動。許多人認為,失業(yè)不會在薪資表的頂部或底部出現(xiàn),而是在中部出現(xiàn)。人將減少管理,而機器和AI同事將進行更多管理。這些中等收入工作在美國人口中所占的比例很高,因此無疑將對工作和勞動力產(chǎn)生影響。
勞工與統(tǒng)計局(Bureau of Labor&Statistics)于2017年發(fā)布的報告稱,大多數(shù)就業(yè)崗位是零售,專業(yè)服務(wù),醫(yī)療保健和政府部門。毫不奇怪,人工智能可能會減少零售,政府和專業(yè)服務(wù)工作的一部分。實際上,在需要人工勞動的地區(qū),將紙張或零碎的東西從一個地方移到另一個地方,已經(jīng)進行了勞動力調(diào)整。這些高度重復,監(jiān)管密集且容易出錯的流程作業(yè)已被計算機系統(tǒng)取代。當計算機能夠完成同樣出色的工作時,尤其是具有理解信息的含義和上下文的能力時,為什么人們會四處移動信息?此外,盡管我們?nèi)蕴幱谧詣玉{駛汽車的起步階段(甚至很危險),毫無疑問,運輸,倉庫和物流行業(yè)的未來方向正在迅速走向自治。在美國許多州,按類別劃分的雇傭人數(shù)最多的卡車駕駛者無疑將成為未來的危險職業(yè)。
從早期工業(yè)革命的自動織布機到當今的計算機,每一波技術(shù)的爭論都認為工作并沒有被破壞,而是隨著創(chuàng)造了全新的就業(yè)類別,就業(yè)從一個地方轉(zhuǎn)移到了另一個地方。路德主義者可能是為了抗議機器式自動化而破壞了工廠,但今天,這些工人將捍衛(wèi)制造業(yè)以防止這些工作的消失。實際上,如果您回頭看得很遠,您會發(fā)現(xiàn)從制造轉(zhuǎn)向?qū)I(yè)服務(wù)的趨勢是在第二次世界大戰(zhàn)之后以及全球化勢不可擋的情況下開始的。
1910年,制造業(yè),運輸業(yè),零售業(yè)和家庭服務(wù)業(yè)是主要的雇主。諸如洗衣機,洗碗機,微波爐和爐灶面/爐灶之類的發(fā)明終止了作為主要雇主的家庭服務(wù)。但是,美國并沒有經(jīng)歷過大規(guī)模的失業(yè)浪潮,因為我們在專業(yè)服務(wù)領(lǐng)域發(fā)明了整個經(jīng)濟新的主要部門,而在1910年幾乎沒有這個類別。同樣,從1978年開始,主要類別的主要雇主的發(fā)展也發(fā)生了重大變化,秘書是員工類型中最大的類別。隨之而來的是計算機,還有打字機,文件柜和負責管理人員調(diào)度的人員。
此外,即使是超級認知的AI系統(tǒng)也不會相對影響很多類別的就業(yè)。政府,醫(yī)療保健,教育,休閑和款待以及許多專業(yè)服務(wù)類別(尤其是房地產(chǎn))將繼續(xù)成為主要雇主,即使將AI添加到這些行業(yè)中,仍然需要人類,但他們只會做得更好,對其他人類的需求更敏感,而不是取代他們。畢竟,沒有什么比政府或在旅館里閑逛更人性化了。只要有人,我們就會有政府,老師,醫(yī)生和小屋。即使在機器人技術(shù)產(chǎn)生了重大影響的領(lǐng)域,我們也看到了令人困惑的矛盾。
真正的工作創(chuàng)造者將是我們甚至無法想到的全新的工作類別。如果您時光倒流20或30年,并告訴某人他們將擔任社交媒體營銷商,那么他們將不知道您在說什么。同樣,如果您前進20到30年,那么整個經(jīng)濟領(lǐng)域和主要雇主將是今天所無法實現(xiàn)的。昨天的制造商是今天的程序員。昨天的秘書是今天的數(shù)據(jù)庫管理員。昨天的擠奶者是今天的優(yōu)步司機。確實,并不是創(chuàng)造或破壞了工作,而是整個工作類別都消失了,而新的職位已經(jīng)取代了。
人們很難想象要出現(xiàn)什么樣的新工作和新領(lǐng)域。由于我們只能如實地預見明天會發(fā)生什么,而很難想象未來會發(fā)生什么,因此我們有限的人類思維使我們無法確定凈影響將是負面的。但是事實并非如此。
毫無疑問,將有新類別的工作直接與創(chuàng)建具有AI功能的功能相關(guān),無論是軟件形式還是硬件形式。但是,沒有人可以爭辯說,這些工作中的任何一個都可以彌補使用這些產(chǎn)品所導致的工人數(shù)量的減少。數(shù)據(jù)科學家,機器人工程師和ML程序員不會彌補卡車司機或呼叫中心工作人員的減少。相反,創(chuàng)造將是我們最不期望的地方。是否會有全新的專業(yè)服務(wù)類別,而如果不使用高級智能作為助手,這是不可能的?我們是否會看到由智能助手和第三方服務(wù)推動的大量自雇浪潮,這些人將個人變成了一家重要的大型公司?
毫無疑問,隨著我們從一個工業(yè)化時代轉(zhuǎn)移到另一個工業(yè)時代,世界經(jīng)濟正在發(fā)生革命性轉(zhuǎn)變,這一點在業(yè)內(nèi)被許多人稱為工業(yè)4.0。每個工業(yè)化浪潮之間的過渡不一定都是干凈的。如果在淘汰舊的工作類別之前未創(chuàng)建新的工作類別,則過渡可能會很麻煩。但是,很明顯,我們已經(jīng)開始進行過渡,現(xiàn)在拭目以待的是,隨著正在開發(fā)的新功能的發(fā)展,未來將如何發(fā)展。只有時間會告訴我們將出現(xiàn)哪些新工作,哪些將會消失。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10