
大数据时代哪些工作将被人工智能取代
美国麻省独立研究机构Forrester发布研究报告称,未来五年,人类有6%的工作职位将被人工智能取代,其中包括客服、租车服务行业等职位。
报告指出,在2021年,机器人将能更好地理解人类语言,改善学习能力,并能应对更复杂的情况,因此替代人类的能力大大提高。
英国杂志《经济学人》之前的报道也显示,在一项覆盖702个工种的调查中,美国有47%的工作在未来都有被自动化的可能,包括电话营销员、会计审计、零售人员等职位很有可能由人工智能来代替。
而我想说的是,人工智能取代人工,可能用不了五年。人工智能在企业的应用,已经开始了!
案例一:智能出行——被取代员工:驾驶员、助理、内审、财务出纳等
最近在一次互联网 会议上,一家创新出行公司针对企业用车提出了一个耳目一新的方案。简单地说,这个提案就是一款类似滴滴打车的软件,但只针对企业员工使用。该公司号称拥有注册车辆及专业司机百万,可以保证客户呼叫后平均30秒内就有车辆应答,并在5分钟之内供车给客户使用。也就是说,理想的话,你的企业一辆车也不用养了。
车辆使用,在每家企业都是很大的支出,公司高层以及销售业务员的用车每个月成本都很高。高管在公司的用车都是专车专用,但是高管们业务繁忙,频繁出差,实际上一辆车的公务使用率很低,养车养司机,基本都是给高管太太们在接送孩子和买菜。而针对员工用车,现在企业通行的做法有两种:要么给销售直接发放用车补贴,要么是根据使用情况实报实销,可是这两者都有很大弊病。前者补贴金额一般都远大于实际支出,对一线员工来说,这笔钱被当成一种福利收入;而后者的真实性一直令企业头疼,虽然企业现在都要求员工在报销的时候写清楚使用目的,乃至具体路线,可是这要靠员工自觉,等同于没有约束。一张小小的发票,根本无法反映实际车辆使用情况,员工是不是去拜访客户企业根本不知道,对成本也无法控制。
那么使用这个软件后呢?公司人员的每次用车就都有后台的人工智能在管理了,当然,说得不好听就是监控。比如,通过车辆定位这个功能,基本就可以杜绝公车私用的情况了。甚至,通过行车路线的数据分析,可以看出重点客户在区域内的分布,以及员工对客户的拜访频率,供业务总结和改善流程使用。
再看使用智能出行对员工岗位的影响。首先,司机不用养了,实际上现在很多企业的司机,已经去开专车了。等到自动驾驶再成熟,驾驶员就彻底成为一个字典上的名词解释了。
而助理们,不必再去订车了,耗时耗力贴车费发票报销这个环节也不存在了,因为公司对公司的结算可以按月或者按照季度来。
紧接着,查核单据、检验发票、报销付款这些流程也都没有了。
想想看,是不是公司很多人都可以走人了?
案例二:智能比价——被取代员工:采购
在企业中,采购的重要性不言而喻。大小公司,一分钱都恨不得掰开花,所以公司采购员的KPI(核心考核指标)都是看能为公司省多少钱。
有了人工智能,我们还需要采购吗?
现在,在一些欧美公司,供应商参与竞标,已经被要求使用智能比价系统。以前一轮轮比价,一封封邮件,不断地填写Rate Card(比价平衡记分卡),甚至双方当面锣对面鼓,或者在饭桌前后谈价格的时代,即将过去了。
这种比价系统,可以根据每个项目的需要,要求参与竞标的供应商在一定的时间内,在网络上或者其他终端填写服务的内容,并且给出最后报价。而比价过程,为半开放状态。报价方虽然看不到自己的对手的价格,可是可以看到其他公司什么时候出的价,和出价后的综合排名。这个时候,为了拿到业务,供应商就不得不考虑在限期内,是不是要出最后的底价了。
人工智能可能有很多缺点,但是胜于人类的一点,就是它没有情感,因为毕竟是机器。
出于对供应商公平起见,系统设定不给任何人第二次机会,限时比价,计算机不会给谁多一个小时,也不会像人一样加班等报价。任何人给出了底价,过了期限,就没有再次更改的空间。
尽管很多供应商有底气说,我们从不用低价格作为项目投标策略(实际上公司大多时候也不愿意用价格最低的供应商),可是当看到自己的位置在综合排名靠后的时候,一不耐心就对人工智能妥协了,给出最低底价。这种竞标过程,就不是供应商对客户熟悉不熟悉,或者对采购负责人熟悉不熟悉能左右的了。
一边,是公司的使用部门填写采购需求,另一边,是供应商报价。游戏的规则是人定的,但是裁判是人工智能,省时省力。中间的公司采购员,就可以卷铺盖回家了。
案例三:智能项目管理——被取代员工:项目经理、数据分析员
今年9月9日,《经济参考报》报道,国家食品药品监督局启动药物临床试验数据自查一年来,发现超八成新药临床数据涉假。报道说:“监管环节层层失守,药企、医生等相关主体违规问题突出。”
药物临床数据造假,直接后果就是可能无效药物甚至假药获批。
应对这种情况,国际公司是怎么做的呢?答案还是人工智能!
早在2013年,一家跨国制药公司研究团队就发现,部分参与临床的中国患者提供的数据有问题。该试验使用数据卡,让患者自己填写记录每天的服药后数据。正常来说,同一监测指标每天数据应有波动,甚至早晚也应有变化。但是,在部分患者提交的记录中,超过五天都是同样的数值。
虽然这些受到质疑的数据只占所有记录的很小一部分,并不会影响到整体的数据质量。但后来,该公司还是决定将数据记录升级为电子系统,全程智能监控数据,取代以往的纸质记录方式。
使用电子数据系统取代患者手填数值,首先,数据精确度将得到提升;再者,研究团队可以实时获取数据,根据数据质量情况立即生成报告并采取相应的行动,这样就会基本杜绝患者在一段时间后凭记忆补填数据的违规现象。总而言之,采用智能电子系统能显著提升数据质量和准确性。
当然,这么做无疑成本大大提高了。可是,中间很多项目管理人员,数据录入分析员,他们的工作就不需要了,养一个人也不便宜,这么算,成本也没高多少。
更为重要的是,这种涉及药品的管理项目,成本往往不是衡量项目成功与否的唯一标准。用高成本的人工智能确保了数据的真实和药物的可靠,确保了每个数据可追溯,大大避免了人工管理失误而造成贻误病情、乃至危害生命,这无疑是值得的,因此这种智能管理模式在行业内在近年得到了很大推广。
当然,上面三个例子只是众多人工智能取代人力的一部分案例,人工智能替代人的例子也不是在每个行业、每个公司都会实现。飞机自动驾驶早就有了,但是应对复杂天气、地形、起降过程控制还是需要飞行员的经验。根据医学检测化验结果可以给出诊断的机器医生Watson,IBM早就开发了,但离达到“常常去帮助,总是去安慰”的医学伦理还有很大距离。足球场上虽然错误判罚很多,可是人还是裁判,因为大多数人觉得错判本来就是足球的一部分。
但毫无疑问,智能代替人工的时代,已经开启了。这不是狼来了,这是比Alpha狗战胜世界围棋冠军还需要让我们认真对待的事情。
作为企业,我们要拥抱未来,抱着开放的心态看人工智能并且考虑如何加以利用,分析未来的岗位需求,更合理设置分工。而员工自己,要不断学习,从事更有战略性以及创造性地工作,否则哪天我们就真被替代了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10