未來你會為機器人打工嗎？這個小程序會給你答案！

編者按：AI正在蠶食一切。很多人開始擔心將來自己的工作會被機器替代。這一天未必到來的那麼快。但是機器當你的老闆的可能性卻會越來越高。《機器人是老闆》的作者、連續創業者Artur Kiulian探討了這方面的可能性，並開發了一個評估這種可能性的工具，想知道你將來會不會有個機器人老闆嗎？去評估一下看看吧。小工具地址在文末。

人工智慧軟體和機器人在模式識別、預測性分析、重負載計算以及處理重複作業方面很強。正因為有了這些能力，機器在很多職業和活動方面正在逐漸替代人類，引發了自動化對工作市場的影響的日益擔憂。

目前大量有價值的工作都是由人來完成的——比如檢查安保視頻尋找嫌疑行為，確定車輛是否即將撞上行人，查找和排除網上罵人的帖子——這些事情人在不到一秒鐘之內就能完成。這些任務準備可以自動化了。然而，這些任務往往要放在一個更大的業務流程背景下才適合；找出它們跟業務其他部分的關聯也很重要

——吳恩達，最近剛剛推出了1.5億美元的面向AI的風投機構

AI的威力無可爭議，問題是自動化能走多遠，它對員工、組織以及商業流程又會產生什麼影響。一個主要問題是——AI會不會變成絕大多數員工的下一位老闆？

大多數專家都同意在不久的將來絕大部分的工作都會部分或完全被自動化。實際上，這意味著員工要麼完全被機器替代，要麼開始跟機器合作，充當後者的助手、培訓師或者下級。AI專家做出的部分預測是相當激進的。

比方說，麥肯錫得出結論說目前現有的AI技術可以對今天大家執行的45%活動進行自動化。這家諮詢機構還預測未來10年約60種職業將會經歷至少30%的自動化。

自動化場景

自動化的範圍取決於技術可行性（員工在可以自動化的活動上所花費的時間佔比），監管是否到位以及社會的接受度、經濟利益和自動化的成本。

麥肯錫認為，管理別人和運用專業知識是最不容易受到自動化影響的活動。而更容易受到影響的任務包括利益攸關者互動、無法預測的體力工作（如建築工、林業）。最後，最容易受到自動化影響的是可預測的手工作業，數據收集以及數據處理工作。

直覺上看，如果你保持受雇的話機器人會成為你的下一個老闆。因此，在這種氛圍下，就像無人駕駛或者自動交易那樣，機器會成為自己的老闆。比方說，在無人駕駛方面，卡車車隊的活動會通過可在緊急情況下即時發送軟體更新和安全補丁的空中系統（OTA）進行同步。顯然，此類系統並不需要太多的人類干預也能順暢工作。

人機通信的新形式，包括有AI引導的管理等，在AI與員工被結合到統籌商業流程的混合型公司中將變得更加可行。

第一個場景是機器承擔了面向客戶界面的角色，這種角色可以促進客戶支持或商業分析等企業運營工作。執行廉潔消費者與人類顧問這一特殊任務的面向垂直領域的機器人就是這種模式的典型例子。

許多初創企業僱傭了所謂的聊天機器人訓練師來評估聊天機器人的表現，並在出問題的時候插手干預。在這種模式下，人類員工對AI軟體的作用是增強和輔助，後者利用其自然語言處理、分析、圖像識別或其他機器學習功能來運行業務流程並作出重要決定。不過到最後還是由人類經理和員工說了算。

那麼，機器人什麼時候才會變成你的老闆呢？

在決策嚴重依賴演算法解決方案或者只要機器參與到管理員工和績效評估的公司，AI很可能就會變成機器老闆。據Gartner，到2018年全球將會由300萬人由機器人監管。

機器老闆已經在許多數據驅動型公司執行著重要任務。比方說，全球最大的對沖基金，監管著1600以美元資金的Bridgewater Associates（橋水聯合基金）正在開發PriOS演算法管理系統，他們要用這套系統來控制所有的基礎業務流程和運作。這套系統負責了若干的關聯任務，比如招聘和解僱員工，或者或相反看法進行打分，以解決團隊的爭端和分歧。這套AI系統背後的合理之處在於它完全排除了在投資決策當中感情和情緒的任何影響。

在銀行和貸款經紀方面AI軟體也有著良好的發展勢頭，他們利用機器來決定哪些客戶有資格獲得貸款。如果沒有這類軟體，抵押經紀就得把90%的時間花在審核申請上面。

而機器做這件事情可以更加高效，從而為經紀人向客戶的諮詢和建議工作騰出了時間。然而，大家日益擔憂信用評估軟體裡面的機器學習演算法會受到歧視性偏見的侵蝕。

公司還在借複雜圖像識別軟體之力，在人類主無法恰當衡量情況下來自動評估員工的表現。

比方說，機器老闆可以跟蹤Uber司機選擇的輪偏轉角來評估這位司機的駕駛技能和風格。類似地，在服務領域機器學習演算法可以用來評估服務員的工作做得如何，辦法是跟蹤這些服務員在VIP客戶面前笑容的燦爛程度如何。

演算法已經在管理人了

並且我們還沒怎麼注意到這一點。

在許多構成所謂的零工經濟的按需機動和送貨服務中，AI軟體負責重要的商業決策，規劃以及績效評估。在總部位於倫敦的食品外賣公司Deliveroo，大多數外賣員的行動都是由管理演算法嚴格控制的。

如果某位外賣員拒絕訂單，嚴格的演算法就會懲罰他們。Deliveroo的演算法系統仔細的監視著外賣員的表現，它會計算其平均「接單時間」，「行駛時間」以及「未分配訂單數」。如果該外賣員的表現達不到服務水平協議，就有可能被系統屏蔽。

全球領先的共享打車服務Uber也採用了類似的演算法過程。在Uber那裡，一旦司機登錄進系統，其接受打車請求的時間就只有10到20秒。如果連續錯過3次訂單，司機就會自動被踢出系統幾分鐘。如果頻繁違背Uber的演算法性政策，這位司機的賬戶可能就會被撤銷。

在這些演算法當中，Uber司機對Uber的Dynamic Pricing Model（動態定價模型）發生了抱怨。該模型會自動根據對Uber服務的總需求情況設置資費。因此，Uber司機的收入也會高度不穩定。Uber不公平的價格設定政策導致2016年司機加入了一場名為「Fight for $15」的示威遊行，要求自己的服務要得到公平的報酬以及工會權利和社會福利。

正如這些例子說明那樣，機器在以來於數據驅動系統、自動化分析以及演算法性決策的企業是有可能成為老闆的。當公司把決策的責任交給機器學習演算法時，機器就自動變成了老闆。

但與此同時，有些地方還不會受到機器人老闆的影響——那就是錯誤決定會產生危險影響的領域。

醫療保健就是這樣，因為保健專業人士的日常活動需要人類的專業知識以及跟病人的直接接觸。儘管AI做出的醫療診斷可以為醫生提供有價值的洞察分析，但最後的決定還得由保健專家來做，因為後者需要對機器的結論進行驗證，確保其符合所有的道德規範和政策。

小工具

想知道你的工作由演算法進行管理的可能性有多高嗎？你可以來試試我開發的這個工具，它利用了公開的工作活動和職業數據，以及牛津大學的計算化研究：http://www.willrobotbemyboss.com/

（36氪編譯組出品，未經允許嚴禁轉載。編輯：郝鵬程）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！