世界經(jīng)濟論壇最新公布的《未來就業(yè)報告》討論了在未來五年人工智能、機器學習和大數(shù)據(jù)等技術發(fā)展會如何影響全世界人口的就業(yè)。該報告稱，人與機器之間工作的重新分配預計會取代 7,500 萬個職位，但同時也可能創(chuàng)造 1.33 億個新的職位。

對于堅信技術將威脅自身工作的人們而言，上述就業(yè)分配的重大變化可能并無法打消其顧慮。但真實情況是，更智慧的技術帶來的是絕佳的機遇，并幫助我們能夠?qū)Ｗ⒂谌绾螢槠髽I(yè)創(chuàng)造最大價值。創(chuàng)造力和策略性思考無疑還是人類的優(yōu)勢，而在結合機器的優(yōu)化處理能力后，我們應對未來保持更加樂觀的態(tài)度。

1

了解人與機器各自的優(yōu)勢

信賴機器通過以類似于人類的判斷和情境理解作出商業(yè)決策，我們距此還有很長的路要走。今天，我們可信賴機器在參數(shù)設置繁多和危險性最小的領域?qū)崿F(xiàn)自動處理任務和進行分析。在某些需要人類干預或監(jiān)督的情況下，我們會依靠機器的幫助，更深刻地認識情況并做出更自信的決策。

人類可從人工智能和機器學習中獲得很多益處。例如：

自動化操作任務— 在算法由非常具體化的重復任務驅(qū)動的應用程序方面，機器學習和人工智能已然取得了巨大的進步。例如針對相關內(nèi)容或產(chǎn)品提供“您可能會感興趣...”的建議的網(wǎng)站，甚至還有那些欺詐檢測程序。雖然在識別未經(jīng)授權付款時涉及的變量遠比圖書推薦復雜，但這些算法的共同點是它們針對某一任務高度定制，且擁有基于其卓越計算能力的驚人準確度。

更智能的出發(fā)點— 通過廣泛追蹤用戶行為，系統(tǒng)可提供更智能的默認設置、建議操作并隨著時間變化根據(jù)用戶的反響進行調(diào)整和個性化。我們當前在分析應用程序中就是這么做的，其可將成功的技術從一個數(shù)據(jù)集移用到具有類似特征的其他數(shù)據(jù)源，從而更快地得出見解。

使復雜分析變得可行— 分析平臺正在利用機器學習，為沒有數(shù)據(jù)科學背景的用戶提供高級分析能力。例如，依據(jù)哪種算法擁有最大的確定性，機器可挑選最佳的預測算法和聚類分析算法?？蓪灸Ｐ瓦M行公布和解釋，以維持透明度并提供按需調(diào)整模型的機會。

提供更全面的視角— 機器可以不眠不休，高質(zhì)量地執(zhí)行重復任務和計算。憑借執(zhí)行更全面的分析的能力，計算機可以有效地考慮所有因素。這種全面的視角可幫助我們在分析中避免確認偏誤。

2

保持人類參與

目前，在長期規(guī)劃、抽象或創(chuàng)造性思考，或做出需要特定領域的經(jīng)驗或背景的決策方面，計算機還不及人類。例如，機器制訂的流程可能會提醒您注意某流失的客戶。但該客戶的離開也許是一件好事，因為其未購買利潤足夠高的產(chǎn)品。在用多種角度看待客戶流失的思路方面，我們比機器做得好。

或者，根據(jù)從之前銷售工作獲得的經(jīng)驗，您的銷售人員可能會直接放棄銷售名單中的某個機會。養(yǎng)成這類直覺對于機器而言并不容易。機器可能會標記出錯過的機會，但銷售人員擁有經(jīng)驗，不會為此浪費時間。

對因果關系的充分理解也是人類的優(yōu)勢。雖然機器在有限的數(shù)據(jù)集中尋找隱藏關聯(lián)方面的表現(xiàn)得越來越好，但我們?nèi)砸揽咳祟惙直嬉蚬c巧合。預測分析能夠更為全面地探索“假設”情境，但仍然需要人類作出判斷，驗證機器過于程式化的行為。

3

關注即將出現(xiàn)的機遇

在結合和平衡人與機器的分析能力過程中，人類將可扮演眾多全新而重要的角色。數(shù)百萬個新興工作，包括世界經(jīng)濟論壇報告中預測的絕大部分工作均以數(shù)據(jù)為中心，這一點并不足為奇。隨著數(shù)據(jù)的使用案例增多，該范圍只會越來越大。

我們將需要人類的聰明才智來提出正確的問題，并優(yōu)化智能分析的結果。我們越來越需要人類監(jiān)督和維護人工智能與機器學習方面的倫理標準。其他企業(yè)將關注發(fā)展更高水平的數(shù)據(jù)素養(yǎng)，以使分析結果對各種技能水平的用戶可用且有用。

無論技術變得多么智能，我們都不能忘記分析的最終目的：為決策提供依據(jù)。一旦我們知道需要采取的行動，即可判斷可在哪些方面將決策交由機器作出，即知道哪些方面需要自動化，哪些地方需要人類進行監(jiān)督，哪些地方需要用到人類獨有的技能。最成功的企業(yè)不會是自動化處理大部分任務的企業(yè)，而是了解機器及數(shù)據(jù)如何能夠最好地幫助決策者的企業(yè)。