未来几十年，人工智能（AI）将取代发达经济体中人们目前从事的大约一半工作。一些专家如此认为，例如牛津马丁学院的专家。另一些人则认为，人工智能的影响会很显著，但不会那么巨大。比如，经济合作与发展组织（OECD）估计，目前有10%的工作岗位将被人工智能取代。
机器取代人类劳动既非新鲜事，也不值得惋惜。这一趋势的加速——也就是始于200年前的工业革命——正是我们如今繁荣的原因。机器取代的劳动力转而投入其他领域，总产出因此增加。
但这一次可能有所不同——至少在两个方面，会给员工和雇主带来风险。
人力资本贬值
工业革命以机械取代了大量体力劳动。被机器取代的劳动者通常技能较低，收入会因此减少。但这种情况通常只是暂时的，因为他们很快就能找到新技术或新增财富所创造的工作。
相比之下，人工智能革命预示着机器将取代需要专业技能的脑力劳动。考虑到掌握这些技能的成本，被取代劳动者所承受的打击可能要大得多。
例如，美国医学生毕业时往往背负30万美元的债务。这是获得医学技能的一笔巨额投资。如果人工智能让这些技能大幅贬值，怎么办？如果连接着血液检测设备和其他传感器、能够聆听和交谈的计算机，诊断能力甚至超过训练有素的医生，怎么办？试想，靠做瑜伽教练来偿还30万美元的债务！换言之，人工智能快速发展的前景，大幅增加了人力资本投资的风险。
接受培训的人面临的风险，也同样影响提供培训的一方。大学是否应该把资源从人工智能可能大幅涉足的学科（如医学、法律和工程学），转向人工智能不太可能涉足的领域（如文学批评）？企业是否应该放弃那些培训员工掌握可能变得多余的技能的项目？生产技术进步越快、被取代的技能越昂贵，受影响者面临的风险就越大。
选民不喜欢革命
大多数现代西方人几乎无法想象19世纪工业化带来的巨变。稳定了数百年的工作和社会安排，在短短几十年间就发生了转变。
当时民主制度有限，政府在经济中的作用微乎其微。政府既不试图管理宏观经济的起伏，也很少监管就业等经济安排。
自第一次世界大战，尤其是大萧条以来，这种放任自流的经济治理方式已在世界各地被摒弃。选民期待政府管理经济，并保护劳动者免受经济波动的影响。如果工业革命发生在今天，政客们的作用肯定会比19世纪的同行更大。
19世纪初，一群失业的英国手工织机织工——即所谓的卢德分子——砸毁了机械织机。如今，世界各地许多城市的政客禁止优步，以保护持牌出租车司机的工作，实际上替现代卢德分子做了他们的事。随着人工智能对经济和就业的影响日益显现，政府为尽量减少冲击而采取的措施可能会增加。
这些干预的性质和范围难以预料，为企业增添了另一层不确定性。政府可能会试图阻碍人工智能的应用，例如比尔·盖茨曾建议对机器人征税。企业也可能被要求承担更多责任，为被机器取代的员工提供再培训，或在裁员后继续向他们支付工资。
许多企业会尝试通过抢在立法者之前行动来管理这一风险，主动向员工作出承诺，避免政府强制要求他们履行这些承诺。然而，与任何要求采取此类措施的立法一样，这会让拥有大量可被人工智能取代员工的成熟企业，明显处于不利地位；新创企业则不受冗余员工的牵绊。归根结底，新技术及最有效运用它的企业不会被阻挡。
未来的员工队伍
人工智能可能改变众多行业，包括医疗、法律、会计、银行、保险、工程，甚至管理咨询。这些行业的企业管理者面临的最显而易见的挑战，是重新配置员工队伍。他们可能不仅需要更少的员工，也需要不同类型的员工。
企业所需的员工队伍类型，不仅取决于人工智能在相关领域的发展，也取决于消费者偏好。对于某些服务，即使机器能够胜任，人们仍会更愿意与真人打交道。究竟是哪些服务，并不总是显而易见。例如，事实证明，许多人宁愿让机器而非人类精神科医生诊断心理问题，因为他们觉得这样不那么尴尬，也更愿意说实话。消费者如何划定人工智能与人类之间的界线，以及这些界线如何变化，将在一定程度上决定企业需要什么样的员工队伍。
无论界线划在哪里，能够开发、维护和使用人工智能应用的人才需求都会增加（当然，除非人工智能也能取代他们！）。然而，这类人才的供给不太可能同样迅速增长。问题不仅在于培养这些技能需要时间，也在于西方人口正在老龄化。人工智能及其应用并非适合50岁以上人群的领域（见下图）。
印度和其他一些发展中国家的人口仍然年轻。但美国和欧洲的政治氛围日益排斥移民和业务外包。
无论人工智能带来的影响有多么难以预测，西方企业几乎肯定会面临“技能缺口”。事实上，这种情况已经存在。对人工智能发展有重大涉入的企业，需要尽可能广泛地获取现有人才。这意味着要超越传统的内部雇用模式，同时从合作企业、自由职业者和“众包”中获取人才。看似矛盾的是，人工智能的兴起可能使人力资源战略比以往任何时候都更加重要。
话又说回来……
如果人工智能的发展如许多人所预期，给企业带来的后果虽难以确定，却必然影响深远。错误地预期将发生巨变，代价可能不亚于未能预见变革。
对巨变保持一定程度的怀疑始终是合理的，尤其是越来越多的证据表明，科学和技术进步正变得愈发难以实现。例如，为维持摩尔定律——即计算机芯片的晶体管密度每两年翻一番——所需的研究人员数量自20世纪70年代初以来增加了78倍。
数字技术已经在改变企业所需的员工队伍，这些变化势必会继续推进。但变化会推进多远、速度有多快，仍不确定。值得注意的是，20世纪60年代末，多家制造商正在研发电动汽车原型，当时公众被告知：“未来几年里，有望看到数百万辆这样的汽车行驶在路上。”
无论人工智能最终如何发展，采取多元而灵活的员工队伍管理方式的企业都应能顺利应对。
