牛津大學最近對高級自動化及其人工替代的潛力進行了研究。聽聞研究結果，遠在美國佛羅里達州塔拉哈西的輿梅·赫特（Yuh-Mei Hutt）寫道：“現在的工作崗位將有一半消失，這改變了我對自己孩子未來的看法。”
似乎是突然間，各行各業的人們都開始關注自動化的發展。這是理所當然的：除非我們能給被機器人取代的人安排其他工作，否則，經濟衰退、青年失業以及個人身份認同危機等一切源自失業的社會及心理問題都將加劇。由于機器在對認知能力要求較低的崗位上取代了人，人類便退守至知識型工作這塊高地。然而在可預見的未來，正如咨詢公司Gartner分析師奈杰爾·雷納（Nigel Rayner）所言，“現在管理層做的許多事情都將實現自動化。”
重構一下這個局面如何？不要問“目前由人類完成的哪些工作將會在不久后交由機器，以更省錢、更高效的方式完成”這個老問題，讓我們提出一個新問題：在更好的智能機器協助下，人的技藝可以達到怎樣的新境界？別把工作當成零和博弈，仿佛機器占了上風，人就必然受損；我們或許會發現，機器使用率提高，就業機會也隨之增加。我們可以將自動化(automation）的威脅重構為增益（augmentation）的契機。
本文兩位作者長期關注知識型工作者與機器必須相互合作、缺一不可的工作情形。面對自動化對職場的大舉入侵，人們的應對方式多種多樣，令人吃驚。傳統觀點認為，當機器威脅到人類生存時，為更勝一籌，人類就必須接受更高等級的正規教育。然而事實上，聰明人總有辦法與智能機器和平相處，下文將討論他們采用的5種方法。
1 主動升級
最佳策略大概就是主動提高自己的智能水平。宏觀思考能力和抽象思維能力強于計算機的人總有工作可做。這種方法本質上與自動化擠占人類工作空間時的傳統應對方法相同：讓機器做低級工作，自己把握機會向更高層次的工作進發。
癌癥研究員尼文·納拉因（Niven Narain）就是一個很好的例子。2005年他在馬薩諸塞州弗雷明漢與別人共同創立Berg公司，旨在運用人工智能發現新藥。該公司擁有全天候運行的高吞吐量質譜測定儀，可從血液和組織分析中提取出不計其數的數據點，還有功能強大的計算機來搜尋有效分子模型。2015年3月，納拉因在采訪中說：“現在最不樂意干的就是找100個生物化學家來看這些數據，說，’啊，我挺喜歡這邊這個分子。’”可他還是雇用了一百名生物化學家。他們的任務不是研究所有這些數據并就某種分子的潛力做假設，而是數據分析的后續工作——對機器已做出的假設，進行可行性試驗。
納拉因得以主動升級，是因為他發現了以新方法研制藥品的契機。發現契機需要有豐富的經驗、卓越的洞見以及迅速理解世界變化趨勢的能力。同樣，對于如今巨富的華爾街投資銀行家和對沖基金巨頭的成功，有一種解讀就是他們主動升級，超越了自動交易和投資組合管理系統。
此方法對學歷要求較高。碩士或博士學位會讓你的求職簡歷更有分量。進入組織后，你一定要關注各方動向，發揮創新能力，努力參與組織中的創新和戰略制定。若情況理想，你可以努力成為高級管理人員，把握住自己看到的機會。例如，在線旅游業公司Orbitz已將絕大多數知識型工作交由機器完成，對于仍然需人工的任務，公司CEO巴尼·哈福德（Barney Harford）尋找的是T型人才。他表示，Orbitz需要員工“扎實深入自己專業領域，同時涉獵廣泛，對組織整體及其市場優勢抱有好奇心。”想要主動升級的知識型工作者可以此為參考：開始進行更為綜合全面的思考；設法借助機器去做那些耗費心力的工作，但要知道機器的運行機理。哈福德已經做到了這點，他運用“機器學習”來生成將消費者與理想行程相互匹配的算法。
2 另辟蹊徑
這種方法或許只適用于一小部分人。許多腦力工作同樣有價值且無法程序化。另辟蹊徑意即利用并非全然屬于理性認知的心智能力，也就是心理學家霍華德·加德納（Howard Gardner）所說的“多元智能”。也許你可以專注于發展“人際”和“內省”力，了解如何與他人合作，并發現自己的興趣、目標和才能。
傳奇馴馬師韋恩·盧卡斯（D. Wayne Lukas）無法準確解釋自己能如何判斷一歲馬駒身上的潛力。蘋果公司著名設計師喬納森·艾夫（Jonathan Ive）無法將自己的品位傳輸到計算機上。英國笑星里基·熱爾韋（Ricky Gervais）的“包袱”永遠無法讓機器理解。這些人在日常工作中都要用計算機嗎？當然要用，毫無疑問。但他們已然發掘出自己身上難以言喻的獨特才能，且盡可能地花時間施展那種才能。機器能夠處理數不勝數的輔助任務，使專業人士得以盡情揮灑。
我們不想造成惟有藝術家能另辟蹊徑的印象。舉個例子，高級律師熟諳法律，卻未必通曉所屬事務所的各種細節。他們耗費大量精力贏得新的工作（這通常是他們得到晉升的主要原因），在客戶面前擔當睿智的顧問。若借助機器處理法律文件、組織訴訟和論據，高級律師便有更多精力做好其他工作。這同樣適用于許多專業人士，例如高級會計、建筑師、投資銀行家和顧問。
若要選擇另辟蹊徑，你需要關注自己身上無法程序化的能力，先發現自己有何才能，而后著力加以培養。在此過程中，你應當發現其他對你所追求的這門才能十分精通的人，設法與他們合作共事或跟隨他們學習。也許多年學校教育埋沒了你身上超越智商的才能，現在你必須對這些才能予以高度重視。這些才能跟你做微積分的能力一樣，并非生來就爐火純青，但可以慢慢學習。
3 介入干預
1967年，彼得·德魯克（Peter Drucker）目睹知識型工作自動化的第一波嘗試后，稱計算機“愚不可及”。雖然現在的計算機已不可同日而語，但其生硬的邏輯仍偶爾會得出一些遠非完美的結論，無需天才便可對其加以改進。
2014年《紐約時報》的一篇文章中描述了一個剛剛換工作的人去申請轉按揭的經歷。此人從事穩定的政府工作8年，之前還任教達20余年，貸款申請卻仍被拒絕。自動化系統對他的申請加以評估，計算出他的收入水平足以承擔預計支付款項，但智能系統又聰明地識別出一個風險因素：他的新工作收入涉及許多變量，有著很大的不確定性。
聰明反被聰明誤。上述這個人是美聯儲前主席本·伯南克（Ben Bernanke），當時他剛簽下超過100萬美元的合同書，即將開始利潤豐厚的巡回演講。這個案例充分說明，為避免發生嚴重誤判，計算機做決策時需要有人介入干涉。
有能力介入干涉的，是懂得如何對計算機工作進行監督調整的人。越來越多的稅務工作由計算機完成，但有才能的會計師總是留意著程序及其他人類用戶常犯的錯誤。數字營銷中的廣告購買在今天幾乎全是自動完成，但只有少數人能察覺到自動購買會在何時對品牌造成損害，并對其邏輯進行相應調整。
看到這里你也許要問，究竟是機器協助人，還是人協助機器？在此我們要強調，增益中的支持是相互的。人要確保計算機工作順利，并對其加以改進。所有提倡增強科學、技術、工程和數學（STEM）教育的人都提到過這一點。在他們的愿景中，絕大多數人類工作崗位屬于介入干預型。若要選擇這種方法，你還需要發展自己觀察、解讀以及讓計算機工作符合人類需求的能力。
4 專精于業
這種方法是要你在自己專業領域內找一項經濟上不適合自動化的專門工作。前不久一位記者在波士頓唐恩都樂甜甜圈（Dunkin’ Donuts）總部附近報道了“唐恩都樂經銷之王的秘密世界”。其中一位經銷之王加里·喬亞爾（Gary Joyal）開著勞斯萊斯，過得相當不錯，他的工作就是聯絡唐恩都樂特許經營權的買方和賣方。據《波士頓環球報》報道，喬亞爾“深入了解加盟商家庭狀況、資產收入和地產規劃等諸多方面，借此使自己成為買賣雙方不可或缺的伙伴”。迄今為止喬亞爾已參與促成了價值逾5億美元的生意。
喬亞爾對加盟商的了解能編成軟件嗎？也許能吧。但這樣的軟件是無法讓用戶開上勞斯萊斯的，因為這種知識不具有普遍性。克萊爾·比斯塔雷（Claire Bustarret）的工作也同樣。《約翰·霍普金斯雜志》報道稱比斯塔雷“像其他法國人了解葡萄酒一樣了解紙張，于是做成了一番事業”。比斯塔雷可以從紙張的質地、觸感和纖維判斷其制造時間和地點，這種能力對歷史學家和藝術鑒定家而言極為寶貴。也許可以把她的知識輸進數據庫，將她的分析方法編為程序，但比斯塔雷自己仍在不斷學習，機器趕不上她。
選擇專精于業的人要找到這樣的狹小利基領域，深深浸淫其中。若說主動升級的人是狐貍，那么他們便是刺猬（出自猶太裔觀念史家以賽亞·伯林《狐貍與刺猬》，文中引古希臘殘篇“狐貍多機巧，刺猬只一招”，將西方思想家分為狐貍型和刺猬型，前者博聞多識，后者一以貫之——譯者注）。雖然其中大部分人受過正規教育，但他們賴以謀生的技藝乃是通過專精相應崗位培訓而獲得。若要選用此法，那就做個在方寸之地上深挖數尺的人，借此揚名。不是說你不能有別的興趣，不過在職業技能上，你會擁有非常獨特的個人品牌。機器如何為你增益？你要利用機器建立自己的數據庫，跟上時代潮流，并與可將你的獨特能力和他人技能相結合的系統保持聯系。
5 順勢前行
最后一種方法是順勢前行，制造下一代計算機和人工智能工具。每一臺偉大的機器背后都有一個人，此言非虛——事實上是有許多人。要有人來做判斷，比如唐恩都樂無需投資制造特許經銷優化器，投資將人工智能應用于抗癌藥物研發則是個不錯的主意；要有人研制下一個成功的自動保險承保解決方案；要有人去洞察人類需求，考慮如何改進系統；要有人識別可程序化的東西，要有人寫代碼，還要有人負責設計工具適用條件。
顯而易見，該領域的知識型工作者需要掌握扎實的計算機、人工智能和分析技能。史蒂夫·洛爾（Steve Lohr）在《數據主義》（Data-ism）一書中講述了幾個從事這項工作的人的故事。例如，美國嘉露酒莊（E. & J. Gallo Winery）高管尼克·多科茲里安（Nick Dokoozlian）與IBM科研團隊成員亨德里克·哈曼（Hendrik Hamann）協力尋求運用數據實現大規模“精細農業”（precision agriculture）之法。換言之，他們想把“恰到好處地給予每根葡萄藤茁壯成長所需的照料和養料”這項繁瑣的工作變成自動程序。這不是業余愛好者的消遣活動。哈曼是物理學家，對IBM先進的網絡化傳感器運用技術了如指掌。多科茲里安則擁有植物生理學博士學位，據洛爾在書中介紹，他就讀于葡萄酒學領域的麻省理工學院——加利福尼亞大學戴維斯分校，之后留校任教15年。我們忍不住又要說，這個團隊就像某些法國人了解紙張一樣了解葡萄酒。
順勢前行意味著引領機器的下一輪入侵，但其本身便涉及須有軟件協助的工作。看看哈曼的領英（LinkedIn）頁面就足夠說明這一點：他被聯絡人“認可”的專業技能有模擬技術、算法、機器學習、數學建模等等。不過要想準確抓住下一個自動化的新機會，掌握技術手段還不夠。如果想選這條路，你就要盡己所能在自己的領域達到巔峰，突破思維局限，察覺到現今計算機技術的不足之處，并且設想目前尚不存在的工具。也許有朝一日大部分軟件開發工作也終將自動化，但正如比爾·蓋茨最近說的，編程“現在還很安全”。
在這個創新時代，人類的優勢必須得到強調。人類始終是下一代新創意的來源，是組織運營中最難被競爭者復制的獨特元素。但是換個角度看，人類易變無常，難以預測，可能自私、乏味又缺乏忠誠，學習速度慢，還容易疲勞——這些缺點機器人都沒有。但若能妥當實現增益，組織便可獲得那些人類獨有的積極品質。如果說計算機化能讓一切都可以編程并成為手中的籌碼，而人類特有的品質便是讓組織脫穎而出的關鍵。
