我們處在的時代中一再被告知人工智能和自動化將會破壞人類的工作。與此同時，大部分西方世界卻面對極低的生產力水平而努力掙扎。

斯坦福大學最近的一項研究表明，人工智能投資難以實現更高的生產力，可能要歸結為公司獲取數據的經濟模型。這表明，我們免費輸送給Google、Facebook數據但是卻沒有得到回報，這往往會導致質量較差的數據，因此難以從中獲得有用的價值。我們都希望實現數據變現的愿望，但目前來說，很難看到有哪些因素可以鼓勵我們在Facebook上分享更準確的數據。

埃森哲最近的一篇文章提供了另一種說法。文章稱，越來越多的角色將需要我們與人工智能有效地展開合作，而不是被人工智能取代。

與以前的工作一樣，報告預測將出現一系列新的工作，包括與基于人工智能的工具密切合作。他們將這些角色分為三種主要類型：

培訓師 - 幫助電腦學習，變得更聰明。

解釋者 - 解釋計算機產生的結果，以提高決策的透明度和問責性。

維持者 - 確保人工智能系統保持原來的目的，不會陷入不道德的境地。

采取系統化的方法

該報告還稱，企業組織需要采取系統性的方法來確保人與機器之間的交互是順利的。"原則是，在讓員工準備必要的技能之前，把焦點從工作崗位轉移到工作本質上。"

他們主張通過三個主要步驟來做到這一點：

1、評估任務和技能：企業組織通常可以很好地理解內部的工作角色，但是他們很少理解這些工作中的各項任務和所需技能。這是至關重要的，因為未來需要執行新的任務來充分發揮人工智能的作用。

2、創建新的角色：隨著人工智能的發展，它將讓員工去承擔更高價值的工作。這將需要新的角色，更多的是洞察力和策略，而不是單一的技能、重復性的工作。工作也有可能會變得更加專業化，因為我們想要掌控大數據，這項能力讓我們坑購為客戶提供個性化的服務。

3、將技能映射到新角色：最后一步是將企業組織所需的新技能，與上一步中創建的新定義角色映射到組織擁有的技能。有時這個技能差距可以通過短期承包商來解決，有時則需要向員工提供培訓計劃。

"然而，越來越清楚的是，隨著人們和智能機器以全新的方式展開合作，企業領導者將不得不一次又一次的重新調整自己的員工隊伍。第二次、同時也是真正變革性的轉變可能不到十年時間就會發生。同時，企業領導者必須更加直接地發揮重要作用，充分利用人機協作帶來的機遇，為未來全新的發展機遇和市場動蕩創造跳板。"該報告總結說。

新的技能

記者之前寫過關于幫助人們發展與自主工具共同進步所需的技能時存在的固有挑戰，在新平臺試圖接近那些最受益的群體時，雇主也在減少培訓支出。

埃森哲呼吁各企業組織重新強調培訓的重要性，以彌補差距，只有3％的公司管理人員計劃增加培訓支出，盡管其中大約一半的受訪者面臨技能短缺的問題。

他們主張在先前進行的"技能審計"基礎上確定特定技能的優先級，然后針對不同的技能水平和不同層次的人員進行有針對性的培訓。

公司對工作的未來以及人工智能對人類工作的影響大體上持樂觀態度。雖然這項技術將從根本上改變價值創造的本質，但是當人們接受培訓，與機器配合高效工作的時候，它將會發揮最大作用。事實上，這篇論文稱，在交談中大多數員工都非常期待有新的人工智能驅動工具來幫助他們更有效地完成工作。