57%的首席执行官和首席财务官计划增加企业中AI和自动化的使用。
这让各行各业的从业者深感担忧。
然而，生成式AI的真正优势在于辅助人类专家的工作，而非取代他们。
自2022年11月OpenAI推出OpenAI的 GPT-3 大语言模型以及随后发布的GPT-4以来，人们对生成式AI的这些进展将对未来工作意味着什么感到极度焦虑。
但生成式AI的影响并不仅限于GPT在文本生成方面的应用，以及其对记者和作家工作可能产生的后果。它还包括DALL-E-2对图像生成、CODEX对编程以及MegaMoIBART对药物研发的影响，仅举几例。
生成式AI的能力主要基于以下三个要素：
海量记忆与模式识别能力，能够连接遥远的概念或想法并进行推断。
低代码或无代码要求，大幅降低了编程技能的溢价。
缺乏逻辑性，因为它基于海量训练数据进行预测——这对其在工作中的应用产生了重大影响。
近期一项Mercer调查显示，57%的首席执行官和首席财务官计划增加AI和自动化的使用；近三分之一的企业正在重新设计工作，以减少其组织对人力的依赖。
在Mercer《2022年全球人才趋势研究》中，表示自动化将显著改变其工作方式的员工比例在过去两年中从44%跃升至71%。与以往主要影响重复性、基于规则工作的自动化迭代不同，生成式AI还将影响低频次、高度多变的工作，从而催生了某些人所称的“创造力的民主化”。包括作家、研究人员、律师在内的众多职业的工作都将受到显著冲击。
例如，生成式AI可以在数秒内以极高的准确度概括一份法律文件，而律师助理可能需要花费数小时完成同一任务。
但其真正的优势在于辅助员工工作，而非取代员工工作。
驾驭工作“新常态”的框架
在著作《重塑工作：应用自动化于工作的四步法》中，约翰·布德罗和我论证了，以工作而非技术为导向的企业以工作而非技术为主导，更能确保人与自动化的最优组合。这些企业能够看清：自动化在哪些方面最能替代高度重复、基于规则的工作；在哪些方面它可以辅助人类的创造力、批判性思维和同理心；以及在哪些方面它可以创造新的人类工作。
任何一类工作都存在四种截然不同的潜在结果：
消除错误——以航空飞行员的部分工作为例——在这类工作中，失误的后果十分严重，偏离可接受的绩效水平可能给组织带来巨大的负价值。
降低波动——例如交易处理类工作——在这类工作中，超过目标水平的绩效提升不再带来价值。
提升生产力——例如销售人员的工作——在这类工作中，绩效的提升将带来组织价值的相应提升。
实现突破——以高度创造性的工作为例，如数据科学——在这类工作中，绩效的微小提升可能带来价值的指数级影响。
成熟的自动化技术，如机器人流程自动化（RPA），可在旨在降低波动且对风险容忍度较高的工作中替代人力。可考虑应用RPA来降低高度重复、基于规则的财务数据分析与综合工作在执行中的波动。
长期以来，AI一直被用于辅助分析性工作，其目标是提升生产力或实现突破。可以参考肿瘤学家如何利用在大量特定数据和图像上训练的机器学习，以指数级提高癌症检测的准确性——不是取代技能，而是增强能力，并提高对经验和专业知识的溢价。然而，在涉及消除错误时，我们常看到自动化最初通过辅助、随后在特定数据集、逻辑和新的防护机制建立后通过替代，来降低人为错误的可能性。
鉴于生成式AI缺乏底层逻辑，目前仍处于初级阶段，且容易出错。在风险高、风险容忍度低的情况下，这一问题更为突出：我们对人为错误的容忍度往往高于对机器错误的容忍度。在这一发展阶段，领导者必须理解何时应依赖——以及何时不应依赖——这些技术，并明确它们在人类工作中应承担的具体角色：替代、辅助或创造。生成式AI在通过辅助实现知识和创造力的民主化方面最为有用，能够降低许多创造性任务传统上所需的技能溢价，适用于以提升生产力为目标、并在风险容忍度较高的领域寻求突破的场景。
同样重要的是，要理解其应用对人才模式产生的影响。鉴于许多职业都建立在学徒制模式之上，你将如何抵制以AI替代初级人才工作的诱惑？这种做法可能会使下一代创造者、领导者和管理者的培养受到影响。
生成式AI时代的一套新防护准则
随着我们迈入这一新的自动化时代，企业在将这项前景广阔的技术整合到工作流程中时，应考虑以下几点。
工作模式
你将如何构建一种工作运营模式，配备相应的工具和规范，以分析工作，并可持续、负责任地应用新兴的AI和自动化技术？
人才模式
即使你在工作中逐步应用更多AI，你能否构建一种人才模式，确保技能储备的持续充足？
培养未来技能
随着AI的普及，确保员工从事有意义且可持续的工作至关重要。在确保员工无缝实现技能提升与再培训，以适应下一阶段工作需求的同时，你将如何寻找自动化任务的机会，并腾出时间用于新的、创造价值的活动？
思维方式与企业文化
随着AI持续降低创造力的溢价并推动机会的民主化，你将如何确保业务模式和员工队伍的持续革新？
另外，可阅读世界经济论坛《2023年未来就业报告》。
