AI与工作
前言
`
当碳基与硅基两种智慧碰撞，如何摸索出新的协作模式，以提升整体效率？如果人机协同的工作任务“搞砸”了，人类和AI之间又如何界定责任？
数字经济时代，人的角色正在发生变化。当AI成为企业的新员工，人与AI的协同合作将逐渐成为生产过程中的常态。当碳基与硅基两种智慧碰撞，如何摸索出新的协作模式，以提升整体效率？
一、 与AI一起工作，需要最优匹配模式
如果要让人机协作的系统变得更好，组织管理可以做些什么？
该领域的研究尚处于初步阶段，大多数企业也仍在探索，成熟的相关研究较少。就目前笔者所了解的情况而言，人机协同中的组织管理可以归纳为三个主要方面：一是企业任务与人机系统的匹配管理；二是AI员工融入组织后，组织管理方式的调整；三是人和AI在系统中的责任管理。
首先需要考虑的是工作任务与人机合作模式之间的匹配管理。用户的异质性会影响人机协作的效果。而不同任务的性质也会对不同的人机协作模式，提出不同的要求。因此，组织需要根据任务的属性，调整人和AI在具体任务中的比重。
目前，大家普遍认可的任务匹配管理模式，主要包含可计算性、主观性及复杂性三个维度。
从可计算性维度看，如果任务本身需要大量计算，超出了人脑的处理能力，那么让AI来主导可能会更有效。举例来说，规划从地点A到地点B的路线时，人类可能有经验，但只能从几条已知路径中选择最优路线；AI则可以枚举所有可能路径，并从中找出最优解，效果更佳。
从主观性维度看，如果任务具有较强的主观性或需要灵活应变，如医疗服务或餐饮服务，人类可能更适合扮演主导角色。
从复杂性维度看，复杂的决策场景需要考虑更多因素，关系也更加复杂。例如，在外卖快递调度系统或空间模拟计算等复杂任务中，人类很容易忽视相关因素，从而影响决策质量，这时增加AI的比重可能会更有利。
举例来说，最近的一项研究发现，创意评价类任务，相对模糊和主观性更强，即使使用了具有理论支持的可解释性人工智能，机器也无法模仿人类专家的判断，特别是在筛选出特别优秀的创意方面。这样的任务更需要由人类来主导。
然而，如果所有的创意评价都由人类专家完成，可能会导致案例过多，使专家感到枯燥和疲倦，从而影响他们的客观判断能力。
因此，这项研究提出了一个解决方案：可以先让AI筛除那些低质量的创意，减少专家的工作负担和乏味感。这样，专家就可以将更多精力集中在评估和筛选优秀创意上。
复旦大学管理学院一位年轻老师也进行过一个有趣的相关研究。他发现，在任务结果主要依赖于运气时，比如选课、抽卡娱乐、盲盒消费等，人们更倾向于选择由人工智能提供服务。因为人们认为，AI的运气比人类更好，更有可能带来理想的结果。然而，在理财、医疗等需要一定能力完成的任务上，人们更倾向于选择由人类主导的系统来完成。
这一发现在一定程度上证实了，企业需要为不同类型的任务匹配不同的人机协作系统。
二、AI让工作技能提升还是丧失
随着AI的加入，企业员工的组成，从传统仅有社会人转变为社会人与AI机器人的组合。这种情况下，企业将面对新的管理挑战，包括如何管理AI员工，以及如何调整组织策略以适应AI员工的加入。目前已有不少研究发现，在与AI合作之后，员工对公平性的感知和情绪都会发生很大变化。
例如，智能审计的引入可能会导致员工感到焦虑和不安全，从而抑制其自主创新的意愿，进而影响员工的绩效。在这种背景下，许多组织行为学领域的学者开始研究，AI员工的引入如何影响员工的心理状态、团队协作、领导力，以及人力资源的计划、招聘、培养和管理过程。
在这里，我分享两项最新的研究成果。这篇最新发表的研究探索了员工在企业引入智能知识管理系统后，如何适应工作的变化。研究发现，员工在与AI支持系统合作时，存在两种适应机制。
**第一种是效益最大化机制，**员工会最大程度地利用AI来提高自己的认知能力，从而提高工作绩效。第二种是干扰最小化机制，AI破坏了员工原有的工作流程，导致员工感到角色冲突，进而使得他们的绩效受损。
研究进一步分析发现，采用效益最大化策略的新员工，其绩效提升速度最快；采用干扰最小化策略的老员工，其绩效相对也表现不错。
因此，前述建议企业在引入这样的AI系统之后，应该着力鼓励新员工更多地采用效益最大化的机制来应对AI系统。换言之，鼓励他们利用AI学习新知识，以提高工作绩效。对于那些已经熟悉原有工作流程的老员工，组织应该帮助他们通过AI来调整自己的工作框架和流程，从而降低角色冲突，缓解AI所带来的干扰。
与此相关的另一个话题是，在人机合作过程中，员工工作技能的变化管理问题。一旦AI接管了计算性强、重复性、结构化的任务，理论上的人类就可以转而从事一些更具有意义、更需要创造性的工作，以促进员工技能的提升。我们将这个现象称为“AI导致的技能提升”。
举例来说，对于程序员而言，在AI的辅助下，他们可以将更多时间用于思考程序的业务逻辑，而不是花费大部分时间在修复程序中的错误上。然而，对于某些知识型员工来说，AI并不一定会促进技能的提升，反而可能导致一种“去技能化”的趋势。
2023年一项研究显示，医生在使用诊断辅助系统后，其独立诊断的准确性明显下降，因此AI辅助诊断系统的使用，实际上导致了医生的“去技能化”。另一项研究也发现，手术机器人的引入大大减少了住院医师实际操作训练的需求，从而降低了医生的动手能力。
现在住院医生需要采取不同于以往的方式，来提高自己的动手能力。某位医生学者就提出过一个影子学习的方法，通过尽早专业化、抽象演练和监督实践的方法来培养医师的动手能力。
# 总结
对于打工人而言，提升自我，拥抱AI跟上时代的步伐,不至于被淘汰的太快