李开复博士上周在纽约时报发表了一篇文章，表达了自己对人工智能会给未来社会带来何种影响的担忧，描绘出一幅贫富分化严重加剧、国际间竞争格局剧变、不可避免的全民失业潮这一系列直接的社会危机。警示大众，人工智能的确有效提升了人类的生产力，但相比之下那些次生危机也需要人们严肃面对。
李博士的看法绝非小众，从比尔盖茨到扎克伯格无一不在对人工智能可能导致的失业浪潮做出预警。去年岁末白宫发出预警，预计在未来20年，美国近一半的工作岗位将被人工智能直接取代。尽管未来的世界让人充满向往，但显然不少人认为这种美好更像是朵朵带刺玫瑰，美丽之下暗藏的是流血的危机。
贝伯森学院院长，在大数据领域位高权重的泰斗级人物托马斯.达文波特对此类悲观预测似乎不以为然，相反他认为人们实际可以避免被取代的命运，一切都以变的尽在掌握之中，在接下来的文字中我们将为您展现这一独特认知。
而对于当下，关于人工智能的探讨已有无数。在2015年牛津大学发表一份研究报告，探讨自动化的进程将如何取代人力。常年居住在佛罗里达州的胡瑜美听闻之后就写道：「现在的工作未来有一半可能会消失，这个观念让我对孩子的未来彻底改观。」胡女士不但是个母亲，也是一家企业的总裁，并偶尔公开发表一些关于新兴科技的文章。她熟知计算机自动化的好处，同时也的的确确的感受到了随之而来的巨大威胁。「我的孩子如何与人工智能竞争？当竞争对手更资深、更有经验，而工作职位又变得更少，他们如何胜出？」她问道。
突然之间，各行各业的人们都开始关注自动化的发展。这并非杞人忧天。当许多工作被机器取代，除非我们有办法创造出更多人力岗位，否则经济衰退、年轻人失业、个人身分认同危机等，各种由失业引发的社会和心理冲击，将层出不穷。尤其值得警觉的是，自动化已经由人工智能延伸到了知识工作的领域，对知识工作宽泛的定义是：需要心智多于劳力的工作。它的任务包括做出重要决策，在传统意义上需要大学教育。在今日成熟的经济形态中，知识工作占有很大比例。当机器取代了较不具认知挑战性的工作，知识工作便是人们仍守住的堡垒。但在我们清楚可见的未来，正如顾能（Gartner）顾问公司分析师奈杰尔．雷纳（Nigel Rayner）说的：「今天高级主管们做的事都会被自动化。」
如果我们换个角度来看待上述情况呢？如果我们不问传统的问题（现在人们的工作哪些即将被更便宜且更快速的机器取代？），而是问新的问题：当人们拥有更善于思考的机器来提供协助，还能有哪些新的成就出现？与其视职场为机器不断取代人力的零和游戏，何不从中发掘更多的职场可能性？我们可以把「自动化」（automation）的威胁，看作为「强化」（augmentation）的机会。
知识工作者与机器的配合来提升工作效率的事情从来没有停止过。如今任何一方都无法单独完成的工作。当机器逐渐攻占职场，这些知识工作者展现了灵活多变的因应之道。传统观念认为，当机器威胁人们的生计，人们就得投注更高级的教育水准来保持领先。其实，聪明的人采取五个步骤来和机器和平共存。
麻省理工学院（MIT）经济学家大卫．奥托（David Autor）长期关注自动化对劳动市场的影响，他常抱怨：「记者和评论者夸大机器取代人力的程度，而忽略了两者之间强大的互补性。这一互补性可以增加生产力、提高盈余，并扩大对技术人力的需求。」他指出，把机器运用在需要弹性、判断和常识的工作，是一项重大的挑战。接着，他进一步写道：「无法以电脑取代的工作，通常以电脑来补强。这点非常重要，却常被忽略。」
什么是强化？
寻找奥托说的互补性，便是达文波特所谓「强化」策略的核心。这和过去企业为了提高效率而加强自动化的策略呈现截然不同的对比。自动化是以人们目前的工作为基准点，一旦写出能够取而代之的电脑程序，便一步一步地删除人力。追求自动化固然可望节省成本，但也让我们的思考受限在既有工作的框架之中。
相反地，强化是从人们目前的工作出发，思考如何加强使用机器来深化那些工作，而非将之取代。关于这点，有些知识工作者非常了解，例如，康果斯（Gongos）执行长卡蜜儿．尼基塔（Camille Nicita）。该公司位于底特律，主要业务是帮助企业分析客户。有些人认为这项业务饱受威胁，因为「大数据」已能够掌握购买行为。尼基塔承认，根据巨量资料进行精密的决策分析，确实可以发现新的重要信息。但她认为，公司可借此更深入研究，提供客户「场景化、人性化、大数据表现背后的原因」。她的公司将「超越分析，进一步诠释资料。透过综合概述的能力，帮客户做出决策」。还好电脑并不擅长这些工作。
尼基塔认为，智能机器并不会抢走人们的饭碗，更不会让人们沦为听命于机器的奴才。这正是强化策略的核心概念。在某些情况，这些机器的确取代了一些工作，让人们得以去做其他更精细、更有意义、更符合自己专长的工作。在其他情况下，人们负责做电脑不擅长的事情。但几乎在所有的情况下，由人负责的工作都不会是程序化和标准化的，否则早就由电脑接手了。
我们提议，员工和雇主都要改变心态，从追求自动化改为追求强化，心态改变了，结果就会不同。这看似简单的词汇转化，却对组织管理及个人成就，都具有深远的影响。知识工作者将会视人工智能为合作伙伴，共同运用创意解决问题。
这个新的心态可能改变未来。
考虑五个步骤
我们假设电脑即将入侵你的工作领域。其实，软件将要取代大部分人们目前看重的认知性工作。而且，在公司的主要日常营运中，电脑的决策品质不亚于、甚至优于90％目前负责相关决策的员工。你必须采取什么策略才能守住工作？从强化的观点来看，人们可考虑五个步骤，来重新定义自己和机器的关系，以及重新定位自己的价值。
向上走
在达文波特眼里，你的最佳策略可能是追求更高的知识水准。只要能思考得比电脑更全面宏观，抽象概念的层次也更高的话，一定会有工作等待着你。其实，这就是自动化侵蚀人们工作以来，一直不变的忠告：让机器做比你低下的工作，并把握机会更上一层楼。
癌症研究者尼文．纳拉因（Niven Narain）是个好例子。他在2005 年与人共同创办伯格（Berg）这家位于麻州（美国马赛诸塞州）的初创公司，主要业务是运用人工智能来开发新药。伯格公司24 小时运作的高通量质谱仪，分析血液和组织之后产生的数兆大小的资料，再以高性能电脑搜寻模式，来判断特定分子是否有效。纳拉因曾在2015的一次采访中告诉记者：「这时你最不想要的，就是找来一百位生物化学家，看过这些资料之后说：『喔，我有点喜欢这里的这个数字。』」不过，他的确聘请了一百位生物化学家，他们的工作不是计算所有的数字，然后提出关于某个分子潜力的假设，而是等到数学计算完成，且机器推算出一个假设之后，生物化学家接手开始探究它的可行性。
纳拉因采取向上走的步骤，看见开发药品的新方法。这需要许多经验、洞察力，以及快速了解世界如何改变的能力。同样的道理，今天华尔街投资银行家和避险基金巨擘成功原因之一，便是他们向上走，超越自动化交易和投资组合管理系统。
如果你选择向上走，或许需要接受长时间的教育，硕士或博士学位会为你的求职加分项。一旦进入公司，你的目标应是广泛吸收信息，并展现创意，成为公司创新和策略团队的一员。理想的状况是，你将晋升为资深经理人，得以掌握你自己发展机会。线上旅游公司Orbitz 是裁去知识工作者职位最多的公司之一，听听它的执行长巴尼．哈福德（BarneyHartford）怎么说，公司某些职位仍需由人来担任，哈福德寻找的是「T 型」人才。他说：「这些人才在专业领域能深入钻研，同时具有宽广的视野，对整体组织充满好奇，并能思考自己在组织中的角色。」对选择向上走的知识工作者，这段话提供很好的方向：全面性的综合思考；而这其实是传统的概念。你必须找到方法，让机器为你完成基础的知识工作，而你能掌握机器的运作。哈福德的方法是，运用「机器学习」产生一套演算法，将客户和理想旅游费用加以配对。
向旁边走
能选择向上走的知识工作者，可能只是少数。但还有许多脑力工作同样具有价值，而且同样无法程序化。向旁边走意思是，运用纯粹理性知识以外的心理力量，也就是心理学家霍华德．嘉纳（Howard Gardner）说的「多元智能」（multipleintelligences）。例如，你可能擅长「人际」和「自省」，知道如何和他人合作，并了解自己的兴趣、目标和专长。
赛马驯马师韦恩．卢卡斯（D.Wayne Lucas）是一位传奇人物，他能看出幼马未来的潜力，但说不出为什么。受人尊敬的苹果电脑设计师乔纳森．伊夫（Jonathan Ive）， 他的品味能力也是无法言传。喜剧演员瑞吉．葛文（RickyGervais）的搞笑功力，是任何机器都无法做到的。这些人日常工作中是否使用电脑？当然会使用。但他们的天才，来自于发现自己难以言喻的才华，然后尽可能投入最多时间加以发挥。机器可以帮忙处理许多工作，让他们有更多时间做自己最擅长的事。
达文波特并不想让人认为，向旁边走只适用于艺术家。例如，律师对法律的了解相当彻底通透，但在公司中很少负责深入钻研每个小细节。他们投入许多时间来争取新的委任工作（这通常是晋升的主要理由），以及提供客户专业咨询服务。机器可帮忙消化法律文件，以及建议采取的行动和论点，这样资深律师就能更专注做好其他的工作。其他专业人士也是如此，例如，资深会计师、建筑师、投资银行家，以及顾问。
以老年看护为例，机器制造商认为该领域有庞大的自动化潜在商机，而一般也不认为这一行需要高度细致或知识的人力。因此，老师、教练和博客作家海瑟．普莱特（Heather Plett）最近的一篇文章，让我们感到惊讶。她描述的，是提供她妈妈晚年看护的人员：「她为我们保留空间（hold space）。什么是为别人保留空间？意思是说，我们愿意陪伴别人，度过他们人生的旅程，而不去判断他们、让他们觉得不舒服、试图修正他们，或是试图改变结果。当我们为别人保留空间，便打开了心房、提供无条件的支持，并屏弃主观判断和控制欲望。」的确，晚年看护是一个需要人性化工作的极端例子。但只要是在有客户、伙伴或雇主的工作环境，同理心便是一项宝贵的资产。
如果向旁边走是你的求职策略，你需要专注在开发无法程序化的能力。首先，发现自己的能力，然后努力地加强。在过程中，你应该会找到自己目标行业中的佼佼者，设法跟随他们工作，当他们的伙伴或学徒都行。你或许需要学习更欣赏自己在IQ 以外的智能，因为十几年的学校教育，可能贬低了那些能力的价值。其实，这类智慧也可以刻意强化精进，它们就和微积分一样，都是优秀的天赋才能。
向里面走
1967年， 彼得．德鲁克在见证知识工作的首次自动化之后认为：「电脑完全是白痴。」现在，电脑当然不再是白痴，不过，它严格遵行逻辑的特性，有时仍会做出糟糕的决策，不需要天才，一般人就能轻易改进那些决策。
或许你读过《纽约时报》2014 年的一篇报导，一个刚换工作的人向银行申请再融资。虽然这个人之前在政府单位工作八年，再之前则担任教师二十多年，都是稳定的工作，但他的贷款仍遭到拒绝。负责评估贷款申请案的自动化系统，虽然肯定预估还款金额仍在他的收入水准之内，但它聪明地辨识出一个风险因素：他的新工作有相当大的变动性，以及收入的不确定性。
或者， 也许这个系统并不那么聪明。申请贷款的人是班．柏南奇，前美国联邦理事会主席，他刚签了出书合约，进帐一百多万美元，正要开始巡回演讲赚大钱。这个有名的例子说明，当电脑做决策时，总是需要有人参与其中，才能避免出错。
选择向里面走的知识工作者，需要知道如何监控和调整电脑的工作。报税的工作已逐渐由电脑来完成，但聪明的会计师，会注意自动化程序和使用者常犯的错误。在数字营销的过程中，购买广告几乎完全自动化，但只有人才能判断哪些广告其实会伤害品牌，以及应如何调整广告背后的逻辑。
你或许会问：在这个情况下，到底是谁强化谁（或强化什么）？达文波特强调，在强化的环境里，支持是互相的。人可以确保电脑运作良好，并让它做得更好。这一点是所有提倡「科学（S）、技术（T）、工程（E）、数学（M）」这种STEM 教育的人都赞同的，他们预见的工作世界，大部分都是向里面走的职位。但如果你要采取这种策略，就也应该培养观察力、转化力和人际连结。
向窄门走
达文波特认为采取这个步骤的知识工作者，必须找出行业中某个特殊专长，而这项特殊专长的自动化是不符合经济效益的。在波士顿唐恩都乐总公司附近，一位记者窥探了「唐恩都乐加盟连锁王国的秘密世界」。其中，盖瑞．裘伊尔（Gary Joyal）靠着中介加盟店的买方和卖方，过着舒服的生活，我们从他的劳斯莱斯座车就可以看得出来。 《波士顿环球报》（Boston Globe ）指出：「裘伊尔是一部加盟店主的百科全书，对业者的家庭状况、收入来源和资产计划，全部了如指掌指掌，不管是买方或卖方都缺他不可。」到目前为止，他促成的交易价值已高达五亿美元。
裘伊尔百科全书般的知识是否可以程序化？可能可以，但这样就没有人赚得到够买劳斯莱斯的钱了，因为这个领域太狭小了。另一个类似的例子是克莱儿．巴斯塔雷特（Claire Bustarret）。 《约翰霍普金斯杂志》（Johns HopkinsMagazine ）曾报导：「巴斯塔雷特了解纸，就像其他法国人了解酒一样，她把纸当成事业。」她可从一张纸的质地、触感和纤维，判断它在何时何地制造，这个能力对历史学家和艺术鉴定家来说非常有价值。或许她的知识可做成资料库，她的分析技巧也都可以自动化，但在同时，她可能已经又学到更多。
选择向窄门走的知识工作者，必须找到自己的特殊利基，埋头深入钻研。在众多通才之中，他们是专注在单一领域的少数偏才。虽然他们大都接受正规教育，但可用来赚钱的专业，却是从在职训练及专注力而来。如果这是你的策略，那么就要开始建立自我形象，成为对很狭窄领域有很深入了解的人。这不表示你不能有其他兴趣，但在专业上要有鲜明的形象。如何运用机器来强化能力？你可以建立自己的资料库，养成吸收新知的习惯，并连结到一些能够结合你与其他人专业的系统。
向前走
最后，达文波特指出办法是向前走，意思是建构新一代的电脑和人工智能工具。每部机器的背后还是人，这是事实，而且是很多人。有人决定唐恩都乐的授权加盟最佳化工具（Franchise Optimizer）不值得投资，但将人工智能运用于开发癌症药物是值得投资的。必须有人建立新的自动承保解决方案。有人直觉的想到需要更好的系统；然后有人辨别哪些部分可以程序化；有人撰写程序；又有人设计运用程序的条件。
显而易见地，选择这个策略的知识工作者，需要擅长电脑、人工智能和分析。史蒂夫．洛尔（Steve Lohr）在他的书《资料主义》（Data-ism ）之中，写到一些类似的人物。其中之一是嘉露酒庄（E.&J. Gallo Winery）的主管尼克．多库里恩（NickDokoozlian）， 他与IBM 的研究人员亨德里克．哈曼（Hendrik Hamann）搭挡，研究如何掌控精密农业（precisionagriculture）所需的资料。换句话说，精准给每一棵葡萄树所需的照料，使其成长，将这件辛苦的工作自动化，是他们的目标。他们都不是业余玩家，哈曼是个物理学家，对IBM 的网络感应器应用一清二楚。多库里恩是加州大学戴维斯校区（Universityof California at Davis）植物生理学博士，并在那里任教15 年。洛尔形容这个学校，是酒界的麻省理工学院。我们可以说，他们两人对酒，就像某些法国人对纸一样了解。
向前走意味着推动机器更进一步侵占职场，但其中有些工作是要用软件来大幅强化的。从哈曼的LinkedIn 社交网页便可得知，他的联络人纷纷推荐他精通运用模拟（simulation）、演算法（algorithm）、机器学习，和数学模型等等。但要正确看出自动化的下一个机会，不能只靠片段的技术能力。如果你选择向前走的策略，就必须跳出常规的思考、看到目前电脑的不足之处，并想像尚未存在的工具，这样一来，你将成为领域中的顶尖人物。或许有一天，连软件开发都可以自动化，不过就像比尔．盖兹（Bill Gates）的观察：程序设计目前「暂时安全」。
为何雇主喜欢或应该强化
达文波特与各种领域的专业人士对话，包括：放射线研究者、财务顾问、老师、建筑师、记者、律师、会计师、营销专家等，的结果显示，无论哪个领域，这五个步骤都是可行的。并非每个步骤都适用某个人，不过，只要找出哪个步骤适合你，你便能朝向强化策略迈进。
然而，如果在你的领域中，雇主不注重强化，那么你便无法完全采用强化策略。毕竟，全世界都走向自动化，这个趋势影响了人们的心态。经理人总是对人类员工的弱点充满警觉，以科技界人士粗俗的话来说，人脑就是「湿体」（wetware，指相对于软件、硬件之外的人类神经系统）。在此引用亨利．福特（HenryFord）著名的一段话：「为什么我每次只要找一双手，却总是附带一个脑袋？」
强化有效的前提是，雇主必须相信，人和电脑结合，胜过分开各自工作。当大家越来越了解，企业要成功，不断创新的重要性远超过成本效益，雇主也会领悟人必须和电脑相结合。过去，雇主多半视机器与人力为彼此取代的存在，如果一个比较贵，就理所当然地改用另一个。但只有当状况一成不变，可以放心假设明天的工作和今天一模一样时，这个想法才会合理。小型居家照明公司，在自动化的帮助下让营运更具效率，但这代表获利比以往更加依赖赖员工的创意。设计师必须了解室内设计和照明科技的潮流，并以创新的方法将二者结合。销售人员使用客户关系管理软件（CRM），但他们的竞争优势，来自和零售客户的互动。
事实上在达文波认为，身处于创新的时代，我们必须强调人力的优势。人永远是下一个时代构想的来源，也是竞争对手最难以复制的营运要素。如果你认为现在的员工缺乏忠诚度，那么便还没注意到竞争对手软件更新得多么快速。是的，人充满变数、难以预测，容易陷于自私、无聊和欺瞒，有时好不容易教会却又很快厌烦；而机器都没有这些问题。但许多正面特质仍然非人不可，强化策略可让这些特质发挥最大功效。在计算机时代，所有可以程序化的事物都只是基本配置，只有人的特质能发展为独特的优势。
赢一场不一样的比赛
当然，达文波特也认为许多知识工作者现在的工作，很快就会被自动化。例如，未来人将扮演怎样的财务顾问角色，还无法清楚预测，但可以确定，人的主要功能，不会是建议股票和债券的最佳投资组合。戴文波特描述了一位财务顾问的担忧：「他们的工作尚未完全自动化，但感觉上似乎越来越像是机器产出的。提供客户建议时越来越需要采用固定的稿子，而且公司强烈鼓励他们让客户使用这些线上工具。」他直接说出财务顾问最大的恐惧，「他想有一天，他们会被淘汰。」但戴文波特接下来，便点出拯救饭碗的方法，「阅读固定的稿子，电脑就做得到，但说服客户投资更多钱，就需要更多技巧。现在他们已不只是股票经纪人，更像是心理医生。」
这不是向下沉沦，它至少是向旁边走，而且可能是向上走。上述遭遇的财务顾问，只需要以这样的思考为基础，再加以发展。在可预见的未来，带领储蓄者和投资者做出更好的财务选择，不会是一项自动化的工作。
长远来看，对雇主和员工都有助益的策略，是视聪明的机器为知识工作的合作伙伴。藉由强调强化，我们可以去除自动化的威胁，把人和机器之间的比赛，从冲刺赛变成接力赛。能顺利从电脑接棒和交棒给电脑的人，将是赢家。
