預測工作的未來是出了名的冒險，因為顛覆性技術會像蝕刻素描一樣改變畫面。回顧過去的一兩年是很困難的，而預測10年后會發生什么也是非常不確定的。但是對于那些著眼于技術趨勢的人來說，一些廣泛的、共同的主題已經開始出現--這可以從人工智能和自動化的影響開始。

 

咨詢公司麥肯錫的一份題為《技能轉移：自動化與勞動力的未來》的研究報告稱:“未來10至15年，隨著人們與越來越智能的機器互動，以及對自動化和人工智能技術的采用將改變工作場所。到2030年，對創造力、批判性思維、決策和復雜信息處理等更高認知技能的需求將會得到增長。”

 

當工人和經理們絞盡腦汁地想知道自動化對他們的職業生涯意味著什么時--幾乎所有人都同意數據處理和輸入等工作將會被機器淘汰--而預言家們提出了一種更樂觀的觀點，認為人類會將更少的工作轉移到可以接管基本工作的機器上。因為雖然可以通過算法進行決策，但還不能與人類的情緒智力、解決問題和創業精神相匹配。

 

以下是IT未來學家對未來10年IT工作演進的看法 …

 

 

在對IT未來的展望中，研究公司Gartner發布了幾份關于到2035年IT將如何演變的報告。它的主要結論之一是，大多數工作將由獨立的、特設團隊完成，用自上而下的方法來滿足業務目標。

 

在其關于2028年工作場所的報告中，該公司描述了由擁有多種技能的高績效員工組成的自治團體。Gartner的分析人士認為，這些組織會根據需要增長或收縮，以應對工作量、時間框架和“密集的信息交換和協調”方面的變化。雖然這種模塊化的、即時的、可伸縮的工作團隊方法是否會像今天的云服務器工作負載那樣操作IT工作負載還有待觀察，但它確實強調了它正在向跨功能團隊轉變，將其作為了業務成功的公式。

 

 

Gartner最引人注目的預測或許是，未來對算法的依賴將大幅減少中層管理人員的數量，而剩下的人將承擔更狹隘的責任。這一預測與其對獨立團隊的看法有關。

 

Gartner研究部副總裁Helen Poitevin表示:“首先，這將成為在許多工作環境中提高效率和削減成本的一種方式。“我考慮的是零售行業的一些領域，物流、供應鏈和倉儲的自動化程度已經將前線經理推到了一個不同的角色。我想說的是，對于高度創造性的部門也是如此，在這些部門中，中層管理人員所扮演的監督角色過于嚴格，阻礙了團隊的創造力，以及團隊利用跨部門專業知識的能力。”

 

對機器老板的接受

 

如果覺得基于機器的管理者的想法有些牽強，那么考慮一下，當下數以百萬計的優步(Uber)和Lyft司機已經被算法管理了。2015年，一群在卡內基梅隆大學研究人機交互的計算機科學家探索了員工在電腦而不是中層管理人員下分配工作、設定價格和評估績效時的反應。

 

研究人員驚奇地發現，工人們很容易就接受了從算法中尋找方向的想法，而且他們很快就適應了與機器一起工作，從而使他們的工作更易于管理。例如，司機會關掉應用程序，讓他們控制自己的工作時間和地點，或者在長途旅行后休息一下。

 

卡內基梅隆大學計算機科學副教授Laura Dabbish是這項研究的參與者之一。他們無法選擇工作的某些方面，例如設置特定的取件位置，或者從可用的列表中選擇他們更喜歡的取件請求。“這可能是因為他們擁有的自由彌補了他們缺乏控制的不足，”Dabbish說。“這也可能是因為一些司機缺乏使用其他系統的經驗，比如人類的出租車調度員。”

 

隨著司機們對這款應用越來越有經驗，他們繼續調整了自己的工作策略。“我們認為，算法--通常是技術--將優化人類行為，但忽視了人們在面對技術時調整和適應自己行為的程度，”她說。

 

 

硅谷的投資者和顧問Zorawar Biri Singh表示，未來十年將是一個“共同認知時代”，這是由對認知技術的不斷采用、對人類注意力缺乏的持續關注以及對獨立的可信任仲裁者的需要所推動的，而對可信任仲裁者的需求還有待發展。

 

他說:“我們正處于下一個階段，本質上，人類將與機器、算法和系統、認知系統合作，共享人類認知，并訓練系統能夠卸載大量的工作。”

 

Singh寫了他所認為的6個演化階段，首先是大型機，然后是個人電腦和網絡，接著是網絡和服務器，虛擬化，移動和云，現在是人工智能，機器人技術，物聯網和邊緣計算的混合體--他認為下一個階段會進一步發展，可能還需要十年以上。

 

Forrester最近的一份報告還強調，未來10年，工作中的人和電腦將融合在一起，而不僅僅是自動化造成的人員流失。

 

報告稱，“我們完成工作的方式已發生了重大變化。未來的不同之處在于，那些以幾十年為單位來衡量的變化，現在將以年和月為單位來衡量。工作將取決于人與機器之間的共生關系。這不是一個由人來領導、由機器來完成的結構;相反，它將匹配機器人和人類的領導、決策和執行任務，從而最好地實現預期的結果。”

 

 

不管電腦是否會抹去大量低認知的工作，比如日常數據處理和敷衍了事的中層管理職能，對于能夠留給員工的任務，人們似乎已經達成了廣泛共識。

 

卡內基梅隆大學的Dabbish說:“機器智能還不能完成管理的許多方面。管理層需要有一個情感和關系方面的內容來與你的報告相關聯，以激勵他們并處理困難的情況。情商會在與員工交談的時候被需要，以了解他們在做什么，對什么感興趣和興奮，然后為他們的工作提供反饋。技術在感知人類情感狀態、理解人類自然語言以及進行某種形式的對話方面正變得越來越好，但還仍遠未能夠完成管理中更具關聯性的方面。而且，應用程序的獎勵和贊美不如直接的人際互動那么有意義。”

 

Singh指出，無論機器的計算能力如何，深度認知工作在未來的工作中仍將受到重視。而且，他指出，大多數組織將沒有足夠的資源和數據集來消除中層管理。

 

“在過去一年半的時間里，我接觸過的每一家大型企業都有大數據科學項目，以增強自己的機器學習能力，”Singh說。“大型平臺，如谷歌和亞馬遜，Facebook和微軟，能夠訪問大規模的計算集群和數據，已經能夠構建這個。但是一般的企業還不會很快地需要處理這種規模的數據。這有點像情節劇，每個人都在說:‘我最好坐起來，開始審視自己在中層管理崗位上的表現。我應該使用算法，對吧?為什么我不用算法呢?’”

 

Dabbish則指出了一些無法量化或測量的工作要素。她回顧了優步和Lyft的例子。在優步和Lyft的例子中，電腦可以輕松地管理一個評級系統，但在評估一個人可以如何處理自己的工作時，還有很多需要改進的地方。

 

“這些服務質量的數字指標并沒有描述司機所擅長的工作要素，也沒有為他們提供有助于他們隨著時間的推移而改進的反饋，”Dabbish說。“在我們的研究中，司機們感到了很大的壓力，要保持他們的評價等級，他們會對一個糟糕的評分有負面的情緒反應，這可能會不成比例地影響他們的總分。”

 

Citrix CTO Christian Reilly表示:“正如我們過去多次看到的那樣，技術在增強人類方面非常出色，但并沒有完全取代人類。但這是一種趨勢，我們將繼續看到價值更低、重復性更強的任務被軟件機器人所取代--并釋放出人力資本，去做如今人工智能做不好的事情--比如深度推理或戰略性思考。工作的概念將繼續被重新定義為計算資源的可用性、不斷下降的成本和機器學習的商品化的結合，以推動新的效率。下一代的全球業務將由新類型的應用程序及其相關數據驅動，能夠捕捉并識別這些數據中的趨勢的組織將獲得市場優勢。”

 

 

Gartner的另一項預測是，對技術的日益依賴將給那些感覺自己與工作始終相連的員工帶來壓力。該公司還表示，推動緊張局勢的因素還將來自于保持領先于最新技術的持續驅動力:“為了提升我們的技能，接受更大的任務組合，我們將承擔更多的工作，讓我們感覺自己好像是在全天候地工作。”

 

Forrester的報告指出，如今的工人已經開始擔心未來的自動化和工作場所的機器人，以及如何為自己創造一個不會被自動化取代的角色。“正如企業必須成為學習型機構一樣，員工也必須成為學習者--學習核心技能，適應新的工作模式，了解為未來做好準備和適應未來意味著什么。員工們已經在努力應對變化，不斷需要重新評估和培養新技能，以跟上市場的步伐。”

 

根據麥肯錫的報告，“到2030年，美國使用先進技術的時間將增加50%，歐洲將增加41%。我們預計，對先進IT和編程技能的需求增長最快，在2016年至2030年間，這一需求可能會增長90%。擁有這些技能的人將不可避免地成為少數。然而，每個人都有必要為自動化的新時代發展基本的數字化技能。”

 

那么，我們將如何應對這些由技術驅動的連接壓力和不斷提升的技能?Gartner的Poitevin建議，我們需要更廣泛地看待新技術，以評估其影響。

 

“首先，要注重適應性，”Poitevin說。“作為一個物種，人類的適應性很強。這種素質和學習能力是很重要的。其次，在評估技術的影響時，我們需要使用一個大的視圖鏡頭。我們需要致力于設計用例和使用技術的方法來改善我們的生活，而不是給我們的生活帶來危險。例如，在幫助人們方面，塑料并不都是不好的--比如在醫療保健、殘疾人、獲取食物等方面。但是，我們并沒有充分考慮環境影響，也沒有為整個塑料產品的生命周期建立足夠的基礎設施，包括重復使用性。這是我的看法，自動化不應該被我們視為與人類作對的東西。人類應該更傾向于通過自動化來尋找新的做事方式。我們作為一個物種已經這樣做了幾千年了。”