
作者 | Kathleen Walch编译 | CDA数据分析师
当在工作环境中被引用时,人工智能带来了混合的情感和观点。如果您向同事,朋友或陌生人问“您认为人工智能会成为网络杀手或网络创造者吗?”的问题,您必然会在此问题上获得非常强烈的意见。可以肯定的是,您会听到一系列有趣且相互矛盾的观点,范围从“人工智能将摧毁我们所知道的所有工作”到“人工智能将使我们能够更好地工作并做我们从未能够做的新事情”。
如果您查看各种经济和分析师预测,那么它们的评估无处不在,从大多数经济部门的巨大工作机会流失到由于工作生产率的显着提高而带来的大量就业增长。当然,与所有内容一样,真正的答案将在中间。毫无疑问,人工智能将消除对许多不同类别的许多不同种类工作的需求。但与此同时,人工智能将在我们已知的类别中创建新的工作,并且在尚未创建的类别中还会创建更多的工作。
盖洛普(Gallup)从2018年开始的民意测验显示,许多人认为AI会破坏工作,但不会破坏他们的工作。实际上,在该民意调查中,超过73%的美国人认为AI将成为净工作岗位破坏者,但在这些接受调查的成年人中,只有23%的人对此感到担忧。您如何调和这两个职位?在同一项调查中,超过90%的受访者认为AI会摧毁至少一半的工作,但91%的受访者认为这不会影响他们的就业。一般人的普遍共识是,人工智能将继续推动自动化和技术的无阻碍发展,从而带来更高水平的生产力。企业将能够利用其现有资源做更多的事情,或者可能用更少的资源做更多的事情,这些资源主要是人工和与之相关的成本。
自动化已经被公司采用了数十年,但是自动化并不是智能,并且毫无疑问,在公司使用的技术中增加更多的认知能力将使组织重新考虑其对人工劳动的使用方式中心运营,仓库活动,卡车运输,实体零售,甚至采矿,石油和天然气活动。许多人认为,失业不会在薪资表的顶部或底部出现,而是在中部出现。人将减少管理,而机器和AI同事将进行更多管理。这些中等收入工作在美国人口中所占的比例很高,因此无疑将对工作和劳动力产生影响。
劳工与统计局(Bureau of Labor&Statistics)于2017年发布的报告称,大多数就业岗位是零售,专业服务,医疗保健和政府部门。毫不奇怪,人工智能可能会减少零售,政府和专业服务工作的一部分。实际上,在需要人工劳动的地区,将纸张或零碎的东西从一个地方移到另一个地方,已经进行了劳动力调整。这些高度重复,监管密集且容易出错的流程作业已被计算机系统取代。当计算机能够完成同样出色的工作时,尤其是具有理解信息的含义和上下文的能力时,为什么人们会四处移动信息?此外,尽管我们仍处于自动驾驶汽车的起步阶段(甚至很危险),毫无疑问,运输,仓库和物流行业的未来方向正在迅速走向自治。在美国许多州,按类别划分的雇佣人数最多的卡车驾驶者无疑将成为未来的危险职业。
从早期工业革命的自动织布机到当今的计算机,每一波技术的争论都认为工作并没有被破坏,而是随着创造了全新的就业类别,就业从一个地方转移到了另一个地方。路德主义者可能是为了抗议机器式自动化而破坏了工厂,但今天,这些工人将捍卫制造业以防止这些工作的消失。实际上,如果您回头看得很远,您会发现从制造转向专业服务的趋势是在第二次世界大战之后以及全球化势不可挡的情况下开始的。
1910年,制造业,运输业,零售业和家庭服务业是主要的雇主。诸如洗衣机,洗碗机,微波炉和炉灶面/炉灶之类的发明终止了作为主要雇主的家庭服务。但是,美国并没有经历过大规模的失业浪潮,因为我们在专业服务领域发明了整个经济新的主要部门,而在1910年几乎没有这个类别。同样,从1978年开始,主要类别的主要雇主的发展也发生了重大变化,秘书是员工类型中最大的类别。随之而来的是计算机,还有打字机,文件柜和负责管理人员调度的人员。
此外,即使是超级认知的AI系统也不会相对影响很多类别的就业。政府,医疗保健,教育,休闲和款待以及许多专业服务类别(尤其是房地产)将继续成为主要雇主,即使将AI添加到这些行业中,仍然需要人类,但他们只会做得更好,对其他人类的需求更敏感,而不是取代他们。毕竟,没有什么比政府或在旅馆里闲逛更人性化了。只要有人,我们就会有政府,老师,医生和小屋。即使在机器人技术产生了重大影响的领域,我们也看到了令人困惑的矛盾。
真正的工作创造者将是我们甚至无法想到的全新的工作类别。如果您时光倒流20或30年,并告诉某人他们将担任社交媒体营销商,那么他们将不知道您在说什么。同样,如果您前进20到30年,那么整个经济领域和主要雇主将是今天所无法实现的。昨天的制造商是今天的程序员。昨天的秘书是今天的数据库管理员。昨天的挤奶者是今天的优步司机。确实,并不是创造或破坏了工作,而是整个工作类别都消失了,而新的职位已经取代了。
人们很难想象要出现什么样的新工作和新领域。由于我们只能如实地预见明天会发生什么,而很难想象未来会发生什么,因此我们有限的人类思维使我们无法确定净影响将是负面的。但是事实并非如此。
毫无疑问,将有新类别的工作直接与创建具有AI功能的功能相关,无论是软件形式还是硬件形式。但是,没有人可以争辩说,这些工作中的任何一个都可以弥补使用这些产品所导致的工人数量的减少。数据科学家,机器人工程师和ML程序员不会弥补卡车司机或呼叫中心工作人员的减少。相反,创造将是我们最不期望的地方。是否会有全新的专业服务类别,而如果不使用高级智能作为助手,这是不可能的?我们是否会看到由智能助手和第三方服务推动的大量自雇浪潮,这些人将个人变成了一家重要的大型公司?
毫无疑问,随着我们从一个工业化时代转移到另一个工业时代,世界经济正在发生革命性转变,这一点在业内被许多人称为工业4.0。每个工业化浪潮之间的过渡不一定都是干净的。如果在淘汰旧的工作类别之前未创建新的工作类别,则过渡可能会很麻烦。但是,很明显,我们已经开始进行过渡,现在拭目以待的是,随着正在开发的新功能的发展,未来将如何发展。只有时间会告诉我们将出现哪些新工作,哪些将会消失。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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