即使你从未去过纽约证券交易所，也可能在金融类新闻节目的背景中见过。它是一个很完美的电视形象，在那里，每家交易公司都有一个格子间，格子间的墙上会显示他们所交易的股票公司标识。电子屏上的价格一直在不停地变化，身着亮蓝色夹克的操盘手们聚集在市场专家的周围，在空中挥舞着纸片或者用手指表示他们愿意购买的价格。当股票价格暴跌时，一顿捶胸顿足便在所难免。

事实真的是这样吗？上一次我们参观纽约证券交易所时是在2014年，当时看到的场景却有一些散漫，而我们听说，这才是新常态。1980年，那里一共有5500位操盘手，现在大约有500位。过去，如果某一年股市形势大好，一个操盘手可以获得超过100万美元的收入；而现在，他们连4万美元的交易席位年费都快支付不起了。

在我们访问期间，少数几位仍然在工作的操盘手似乎也显得无所事事，他们的很多时间都用来聊天。当我们问他们为什么如此悠闲时，他们解释说，这是因为大部分交易都已经在新泽西的数据中心完成了。其中一位甚至告诉我们，他现在星期一和星期五已经不需要工作了。纽约证券交易所是仅存的几个可以让人类操盘手“公开喊价”的交易所之一，其他交易所已没有多少喊价的声音了。我想，这就是为什么电视节目如此偏爱纽约证券交易所的原因。

对于其他交易所来说，这种情况只能是更加严重；几乎所有股票交易都变成了电子交易。芝加哥商业交易所在2015年上半年已经转型为商品期货自动交易。甚至连一直以来都因定价和交易过于复杂而无法被自动化的债券交易，如今都已经实现半电子化了。卖家和买家的算法与数字匹配已经取代了人类操盘手，其结果快速且有效，影响巨大，以至于极大程度地侵蚀了股票交易所产生的利润。再过几年，通过人类进行交易的方式就会完全消失。

除了作为资本主义的标志，纽约证券交易所的交易大厅还是自动化的理想代表。利用缩时摄影的方法我们就能看出，这里的人每年都在减少。职业的终结并不是在一瞬间发生的，这种职业是在长达40年的抱怨声中逐渐衰亡的。那么，你的工作会在2055年左右消失吗？

我们需要明确一点：人类作为劳动者来说还真的是满身缺点。首先，劳动力很昂贵，而且在未来还会变得越来越昂贵。除基本工资以外，雇主还得为他们额外多花近1/3的工资，用于个人所得税、带薪休假、健康保险、退休金以及其他额外津贴。这还不是全部，随便找一位行政人员问一下就会知道：人类需要符合人体工学的工作设施，合适的温度以及亮度，甚至还有卫生管道设备。所有这些都很昂贵，而且还不止如此。随便找一位公司法律顾问问一下，人们是否喜欢打官司；随便找一位安保人员问一下，如果出现盗用公款情况会怎么样；随便找一位库存经理问一下，他们是否知道库存损耗（偷窃）；随便找一位人力资源经理问一下，有多少员工是在本分地做着自己的本职工作（美国的平均值为13%）。但是，人类的成本甚至比这些还要高得多，我们将在第2章中提到，科技从来都是越来越聪明、越来越廉价，而人类作为一个整体来说却不是这样。你无法把早已存在的知识下载到一个人身上。任何人都是从零开 始的。

所以，纽约证券交易所交易大厅展示的一幕让人不寒而栗。但与此同时，又让人感到欣慰。这种情况意味着，“工作本身”安然无恙，唯一的问题在于，现在有一些工作已然能被机器夺走了。如果我们中的一些人认为自己的工作无论如何也无法由机器完成，那只是“掩耳盗铃”罢了。因为事实上，工作并不是不能分解的。所有工作其实都是任务的组合体，今天的任何一种工作都有一部分可以被有效地自动化。虽然机器无法像Pantone色彩研究所（Pantone Color Institute）的执行理事一样能够预测每一年设计界的流行色。或者像总裁们在并购活动中那样，预测到目标公司的人才在文化融合中是会被大放异彩还是会逐渐凋零。机器也无法像我们一样造出比拟新晋小说家大卫·华莱士（David F.Wallace）的句子，却能在符合语法的前提下写出极其复杂的句式。除了这些极为少有的工作种类，机器将会取代知识工作者的大部分日常工作。

当计算机程序聚焦于它们可以胜任的工作时，这部分工作就已经被它们夺走了。在这个过程中，程序会一个接一个地侵蚀那些构成工作的不同任务，也就是说当一份工作只有10%的任务可以被自动化时，这份工作肯定不会消失。只不过，现在只需要9个从事这种工作的人就能完成过去10个人的工作量了。这就是为什么除了在《阴阳魔界》中，你没看见任何一个人进入上司办公室后被告知从此以后他的工作将由计算机来完成。真实情况是，这些人被一步一步地推到了门外。

话说回来，对于厌倦了自己工作中那些危险、肮脏以及无聊任务的体力劳动者来说，留下来完成工作的9个人通常会很高兴看到自己工作中那令人不快的10%消失了。因为那当中有太多他们不想亲自完成的任务。比如，律师工作中的苦与难就在于“发现”，即为了找到某个案子的制胜法宝而不厌其烦地筛查文件和书面证词。当“电子取证”和“预测编码”出现之后，很多文字检查工作都被自动化了，而这几乎没有人反对。我们所有人都想工作得更轻松。我们对工作都有着像夏洛克·福尔摩斯一样的态度：憎恨生活中的繁文缛节。

 

机器把大部分工作者日常工作中的繁杂琐事都承包了，这部分工作既占用时间又承担不起增长知识的重任。正因为如此，人们都急切地想要拥抱机器带来的变化。若非如此，各公司的IT部门就不用应付“自带设备”带来的麻烦了，要知道，如今越来越多的员工带着自己心爱的计算机和其他设备来到办公室。人们需要最先进的工具带给他们额外的生产力，因为这些工具解放了他们的时间，让他们有精力去解决更有趣的问题了。为了达到这个目的，他们不惜自己购买工具。

所以，工作任务接连自动化对于员工来说，似乎并不是潜在的危机，对于顾客来说也是如此。如果一个任务可以由机器很好地完成，顾客也更倾向于机器。显然，花了钱的顾客会高兴，因为更高的生产率意味着更低的价格；虽然有些人可能会甘愿为工艺产品和服务支付更高的价格，但大多数人更倾向于使用花费最少的合格产品。除了降低价格，自动化还会提高质量、可靠性以及便捷度。当ATM机出现时，顾客并没有抱怨这个新增的自动化选项。时至今日，几乎没人能够想象没有它的日子。

如果所有人的工作中都有一部分可以被自动化，那我们想保留的是哪些部分呢？我们可能会认为自己会保留那些花了大把时间学习，或者我们有特殊能力完成的工作任务。换句话说，就是那些本来就让我们有能力超过其他工作竞争者的任务。但事情并非这么简单。实际情况是，我们能保留的部分是那些无法被编码的工作任务。

这个命题我们将在后文中不断回顾：如果工作任务可以被编码，那它就可以被自动化。同时还会产生一个必然的结果：如果工作可以被便宜地自动化，那么这种情况就一定会发生。我们已经看到了很多工作被疯狂地解构，然后其中最容易被编码的任务就被自动化了，而这些任务恰恰需要最多的教育和经验才能完成。

 

如今，在医院管理机构和保险公司中，“医生顾问”都有着很重要的作用。在当前的医疗背景下，医生需要为病人诊断并制定治疗方案，但他们也需要顾及医院的需求，从而实现有效的资源管理。额外检验和通宵值班消耗了有限的资源，而这些可能都不会得到保险公司的补偿，当然，这样也会影响患者。医生顾问的角色就是检查医生们递交的治疗方案，如果有任何不妥的地方他们就会建议做出改进。你能想象一个可以去质疑受过高等教育的医生的医生顾问需要多少知识吗？除此之外，这个角色还需要懂“外交”。一份医学简报是这样描述这个职位的要求的：“一位熟练的医生顾问必须知道如何通过影响力来管理团队，而非动用权力。这就需要他在面对相关问题时，在共治和强硬之间取得精确的平衡。同时，医生顾问还需要能够提出可行的替代方案，而非仅仅指出怎样做是不行的。”

这份工作听起来怎么都不像是一台计算机能够胜任的。但是IBM的“沃森”和其他智能系统，已经进入到像Anthem这种健康保险公司的医生顾问行列中了。需要注意的是，这份工作中大部分涉及认知能力的任务，比如能够基于过往类似案例所积累下的大量知识和经验提出“合理的替代方案”，就是被自动化的部分。没有哪位医生的记忆能像沃森那样存储了那么多的病例。这部分工作所表现出的可能也正是医生们最引以为傲的竞争力：那种挂在墙上而且是靠辛苦努力才得来的证书可以证明的能力。沃森一口气把医生顾问这个一直由人类来完成的工作全部取代了吗？没有，至少现在还没有。但是通过不断扩充自动化系统宝贵的知识库，这份工作的剩余任务可以由资质不那么强的人来完成了，比如护士。所以可以假设，负责招聘这个职位的人事经理现在开始关注其他重要的能力特点了，比如“能够在共治和强硬之间取得精确的平衡”的能力。毫无疑问，这是一种罕见的才能，而且恐怕大家也都不会为此而接受特殊培训，更别说高级培训了。

医生顾问这个职业所发生的变化正好证明了一个观点，那就是“技能退化”（deskilling）。这个词最初是由美国社会学家哈里·布雷弗曼（Harry Braverman）创造的，用来形容自动化对工作和劳动力所造成的影响。当引入自动化技术之后，工作者就不再需要以前的那些必备技能了，也就是说半技术或无技术工人就可以完成这些工作，这样就导致工作遭遇了技能退化。或者也可以这么说，当足够多的机器接管了某些工作任务时，劳动力就会出现技能退化，而这种技能对于人们来说就变成了“失传的手艺”。

 

2014年一项针对英国人所进行的调查提供了一个简单的例子：有40%的人承认，他们在每天的通信活动中完全依赖自动更正功能来保证拼写正确。其中超过半数的人说，如果他们无法使用拼写检查功能的话，就会“惊慌失措”。但90%的人表示，让孩子们学习正确的拼写是至关重要的。

 

对于布雷弗曼和在此之后的很多思想家来说，技能退化是一种非常危险的现象。早在1974年，他就已经预测到人们将无法避免自动化对知识工作的缓慢入侵，他开始对“白领无产阶级”的产生感到忧虑。

随着计算机开始占据越来越多的知识工作任务，技能退化的速度将会加快。比如教学的艺术。今天的小学教师身兼很多重要的教育职能，首先就是要明确学生掌握了哪些内容，他们还需要学习哪些内容；第二项职能则是切实地把教学内容传递给学生；第三项职能在于维持纪律，并且在教室中培养学生对于学习的热爱。虽然计算机很难做到让班里25个四年级学生注意行为举止，并保持安静平和，但很多其他原本由教师来完成的工作也可以由计算机来完成，而且在某些地方，这样的情况已经发生了。

事实上，在判断每位学生所需要学习的知识，以及根据学生自身的需求提供个性化教育内容上，计算机做得要比很多老师都好。因为对于老师来说，这样的“定制化教学”即使只是针对一个传统大小的班级，工作量也是非常巨大的，会花费他们大量的精力和时间，以至于让他们无法有效地完成任务。至少在教育软件制作精良的情况下，计算机还很擅长把教育内容传授给学生，并且能够了解到他们在何时掌握了内容。那么，我们可以想象，在高度计算机化的学校中，人类的角色就只剩下监管和训导了，而这些工作可以由看起来更像是“助教”和学监的人来完成，而不是那些具有高等教育学知识和学术知识的专业人士。对于教师工会来说，这可不是什么好现象，而这可能恰恰就是教育方式在今天仍然没有发生大规模转变的唯一原因。

计算机已经成了真正的决策者

你是否已经开始感觉到你那原本令人骄傲的知识工作可能不再那么坚不可摧了？如果你还不是那么确定的话，我们可以参考一下放射学专业。另一种工作被解构的高学历群体就是放射科医生了，而他们的工作中被自动化的部分恰恰正是他们训练中用时最长、难度最高的。需要注意一下的是，就在不久前，我们还不能说研究X光和MRI结果并提出诊断意见的能力是可以被程序化的。毕竟，这是一个离不开“米妮婶婶”（AuntMinnie）的专业。据报道，这个词由放射学家本·费尔逊（Ben Felson）在20世纪40年代第一次使用，用来表示隐性知识。随着放射科医生实践经验的逐渐增加，某些诊断他们只消看一眼就能知道结果，因为相同的图像曾经出现过很多次。用费尔逊的话来说，呈现在放射学家眼前的“案例里充满了如此明确又令人信服的应用辐射学发现，以至于任何鉴别诊断都不是不现实的”。随着时间的推移，放射科医生越来越肯定：如果情况看起来像你的米妮婶婶，那么它就是米妮婶婶。

放射学并不仅仅只是一种需要很长时间来学习的专业，这类职业还曾是美国收入最高的医学专业之一。图像技术在过去20年间的大爆发式发展让能够读取这类图像的医生成为医院和医疗界的“摇钱树”。但是在最近几年，这些医生的数量持续降低，而且收入也在变少。对造成这种结果的三个过程进行研究，我们就能了解更多信息。

 

●首先，读取图像的工作被外包给了国外的放射科医生，因为这样就可以处理更多图像。只有在图像可以被数字化并且能够即时发往海外时，这种情况才会发生。

●其次，一旦有人意识到这些国外医生的成本相对更低之后，就会有更多的工作流向他们。这种工作从医院到国外的迁移会迫使医院管理层对该工种进行更深入细致的程序化，因为他们需要远程监管工作质量。

●最后，彻底的程序化促使这种工作走上了最后一步：自动化。

 

现在已经有技术可以读懂CT扫描和MRI结果，并且能够识别出可能意味着癌症的病变。这些系统会把疑点用显著的大括号标示出来，任何医生或护士都能看到。着眼于未来，随着成像设备价格的持续走低，迟早有一天，每位家庭医生的办公室里都会有那么一台机器。最终，他们解读应用放射学图像的技能将全面退化。米妮婶婶死不瞑目。

意料之中的是，近几年美国申请在放射科实习的医科学生数量逐年稳定递减。但是话说回来，医院放射科医生现在的工作仍然有一部分是机器无法完成的。比如，让一位精神紧张的病人按照医疗设备的要求行事，这是一门艺术，不过这个任务经常都是由技术人员来完成的，而非放射科医生。而且“参与性”放射科医生必须能读懂实时图像，只有这样他们才能指挥操作组织中的微创设备。这种技能离自动化还差得很远。虽然技术都已经数字化，但是具体设备或技术实施仍然需要人的参与。

我们刚才说，机器抢占了工作中的高级认知任务并且把人当作某种用户界面，这样的事正发生在各行各业的专业领域中。计算机已经成了真正的决策者，而它也确实精于此道，虽然偶尔还是会发生一些小意外。

比如，股票和固定收益投资的“程式交易”（也被称为高频算法或者量化交易）在华尔街以及整个金融系统中随处可见。这也是纽约证券交易所今天之所以如此安静的原因之一。以前是人类操盘手来决定买哪只股票或债券，但是现在，很多事情其实都是由计算机来决定的。

与上述情况相似的是，过去由人类定价分析师决定的事，现在都可以通过计算机自动得出结论了。一家机构应该如何为像机票和酒店房间这样的即时商品定价？这类情况的影响因素太多，以至于人脑根本无法及时处理那些信息，所以也就无法达到成功销售的目的。每天有上千个航班，而每个航班的价格又有上百种，于是每年就有了上百万个机票价格的变动。一项分析发现，一个航班的最低机票价格会改变139次，而其决定因素就是客座率和需求量。

事实远不止于此。是谁决定是否给某人抵押贷款或核发信用卡、收取多少保险费，或者给媒体的消费人群展示哪个广告？所有这些都需要强大的分析能力以及对规则的严格遵守。能完成这些工作的人寥寥无几。人所能做的就是制定规则，写出能让决策自动化的代码，这些人的作用还是很重要的。但在每天的具体工作中，那些相对来说既程序化又很量化的任务则不再由人脑来完成。

你为什么要小心

我们都很喜欢赫伯特·威尔斯（H.G.Wells）的《星际战争》（The War ofthe Worlds）中的一句话，书中那句话的叙述者因为自己没有在“比人类更强大的智能”到来之前做出反应而追悔莫及。具体指的就是火星人登陆地球。他把自己比作享受温暖小窝的渡渡鸟，他想象当饥饿的水手侵入这些不幸鸟儿所在的岛屿时，它们也是气得浑身发抖，他说道：“亲爱的，明天我们就去啄死他们。”

你会怎么样呢？当智能接管了人类工作并且取代人类，做出越来越多重要决策时，你会有所作为吗？你是否注意到了那些你应该给予足够重视的信号？为了让你取得先机，一些“离巢”信号你不得不知。所有这些信号都证明了：知识工作者的工作正在通往自动化的路上。

 

1．今天，已经有自动化系统能够完成某些知识工作者的核心任务了。

这一事实强有力地证明了自动化会越来越严重地威胁到某些工作。如果你是放射科医生或病理学家，那就应该担心那些能够在乳房X光片和子宫颈抹片检查中读懂图像、并发现问题的计算机辅助检测系统。如果你是IT运维工程师，那就应该担心那些能辅助一位Facebook工程师独立运行25000台服务器的系统。虽然这些系统还没有广泛地渗透到各个领域，但这个情况很有可能会在10年内发生。

 

2．自动化系统几乎不存在物理接触的情况，也没有对对象进行操作的情况。

如果你的工作不需要亲自去接触，或者也不需要与顾客进行面对面接触才能完成，那么这个工作就更没有什么理由不被自动化了。如果你主要是和文件（比如不动产律师和其他很多类型的律师所要处理的）或图像（比如放射科医生所要处理的）打交道，系统完全可以分析解读它们的内容并理解判断其意义。如果你的工作要求你以某种无法提前预知的方式去和某些具体的对象进行接触，那么你的工作近期还不会消失。比如，对于我的一位麻醉师朋友来说，由于他必须通过经常移动病人来保证他们呼吸顺畅，所以他很怀疑机器人将会抢占他的工作。

 

3．自动化系统只能进行简单的内容传递。

如果你的工作是要求你把已有的内容传递给其他人，那么你可能就有麻烦了。比如教师。他们首先需要弄明白学生需要学的内容是什么，然后基本上是通过手动的方式把内容传递给学生，如授课、演示等。但是Amplify、麦格劳·希尔教育集团以及Knewton这样的公司已经生产出可以发现学生所需学习内容的系统，而且还在网上建立了具有丰富教育资源的站点，比如可汗学院（Khan Academy）。虽然在学校课堂的环境中，有一些任务是计算机无法完成的，比如管理班级和维持纪律，但这些工作也不需要由知识工作者来完成。

 

4．自动化系统可以做直接的内容分析。

类似于IBM沃森这样的认知计算系统已经证明，它们可以出色地完成分析和“理解”内容的工作，但仍需要人来为这些系统编程并且进行系统修改的工作。不过，分析大量内容的任务，比如药物研究者和医学诊断医生的工作，将会越来越多地交由机器处理。律师们也是危机重重，因为法律工作的绝大部分都涉及文件分析。现在，“电子取证”工具通过“技术辅助审查”和“预测编码”功能就能通读上千个文件，并从中查找关键词和关键短语，鉴定出需要人类审查的文件，甚至可以判断一个案子的成功率。

 

5．自动化系统可以回答与数据相关的问题。

我们已经知道，分析学和算法从数据中得出结论的能力比大多数人类都强，它们已经取代了某些保险单核保人和财务规划师的工作。自动化系统在未来能做的可能会更多，因为人类和机器之间的性能差异只会越来越大。比如一家名为Kensho的科技公司已经制造出了一种叫作沃伦（Warren）的智能软件系统，这款软件已经能够回答类似这样的问题：“如果石油交易每桶超过100美元，而中东最近又出现了政治动乱，能源公司的股价将会发生什么变化？”这家公司声明，在2014年年底，他们的软件能够回答1亿个截然不同的涉及复杂数据的金融问题。

 

6．自动化系统与量化分析有关。

有人可能会认为量化分析师在“分析时代”能免于失业，但是取代他们工作的技术也已经出现。很多量化分析师的工作将会被机器学习系统所取代或者工作量被大幅度减少。机器学习最擅长的领域可能就是助力人类分析师，并且提高他们在分析和建模方面的生产力。但是在某些背景下，比如互联网广告，如果不应用机器学习方法，几乎就不可能构建出符合目标速度的模型。针对某位顾客和某种广告机会的模型数量每周轻轻松松就能上千，但成功转化，也就是顾客在一周内购买该广告商品的概率顶多只有千分之一，也就是说不值得人类注意。通过机器学习方法来建立模型，是这个产业以及不断涌现出来的其他类似行业的唯一选择。当然，需要有量化分析师来设计这种机器学习方法，经过一段时间之后，这样一位分析师最终可以生成上百万个模型。如果你是一位理解机器学习的量化分析师，很有可能会保住工作。但如果你不懂机器学习的话，则很有可能会被取代。

 

7．自动化系统能模拟虚拟任务。

对于教师和其他内容专家来说，这是另外一个问题。如果一个任务可以被模拟，那么传授该任务最好的方法就是让学生们去体验模拟。这个结论你只要去问问剩下的为数不多的飞行教练就能有所了解。现在甚至还有培训领导者的优秀模拟程序。也许商学院的教授和总裁教练的工作也危在旦夕了。

 

8．“始终如一”对于自动化系统来说尤为重要。

计算机是始终如一的，这就是为什么它们已经在金融服务领域稳操胜券了。计算机也将会越来越多地进入在其他强调一致性的工作领域，比如保险索赔评定、金融压力测试，甚至包括判决和量刑。例如在保险索赔中，“自动裁定”可以自动评估和批准超过75%的索赔。只有那些最具挑战性的案子才需要由人类理赔员来核准。

 

9．自动化系统可以帮助生成基于数据的叙述。

需要叙述性地描述数据和分析的工作曾经只有人类才能完成，但是自动化系统已经开始逐步拿下这些工作。在新闻业中，像Automated Insights和Narrative Science这样的公司已经开始创建数据密集型内容。体育和金融报道已经如履薄冰，但是到目前为止，针对这些领域的自动化仍旧只能在有限的范围内实现，比如高校和梦幻体育以及小公司的收益报告。其他诸如AnalytixInsight这样的公司利用自己的CapitalCube服务为超过4万家上市公司创建分析叙述。

目前在很多情况下，金融服务中的资产管理是依赖计算机系统来为某类投资者决定理想投资组合的，但这还不够。今天的理财经理和经纪人经常把自动化系统提出的建议翻译成叙述性文字给顾客看。随着顾客变得越来越精明、对计算机越来越熟悉，这种翻译功能就会变得越来越没有必要。

 

10．自动化系统可以运行与处理具有被明确定义的正式规则的工作。

最容易被自动化的领域永远是那些具有清晰、一致规则的工作。现在，基于规则的系统可以处理越来越复杂的问题。比如，如果你正在接受财务审计的职业培训，那你就应该担心了。现在已经有系统可以自动化完成一些审计的关键任务了。在税务申报中，这是一种完全基于遵循复杂规则来完成的工作，对于顾客和小公司来说，很多工作已经开始由像TurboTax和TaxCut这样的系统来完成，而企业收入则由FastTax和CompuTax来完成。

你可以把以上这些都看成“渡渡鸟工作”的特质，这些工作正坐以待毙，等着被科技吞噬。可能它们并不都会彻底消失，而是会留下几种。

在被科技影响的职业中，那些最有经验的知识工作者可能会保住自己的工作，但是对于初级工作者来说，则不会再有新的职位。但是，为了你自己或者你的儿孙辈，我们还是要劝你在力所能及的时候远离这些工作。

从工人到机器工人

我们刚才说到的这些特质适用于很多知识工作者的工作。所以，没错，计算机是要抢走你今天的工作了。它们会一点一滴、逐渐侵蚀你现在每天花时间完成的工作。更加结构化的任务将会被机器所占据，或者说机器会把生产效率提高一大截。在这种方式下，工作被真正地分解了。未来，你的一位同事就可以完成10个你今天所能完成的工作量。

即便你就是那位幸运的同事，现实也会每况愈下：你巨大的生产力意味着下一代人将找不到工作。这个过程曾经被称为“沉默解雇”（silent firing），即移除那些因为被机器占据而消失的工作岗位。比如在放射学中，就算自动化还不完善，但用于检查乳腺癌和结肠癌的计算机检测系统已经作为“另一双眼睛”开始工作了，而这份工作原本属于人类。这种步步为营的进程并不会瞬间扫除整个工种，但会因占据足够多的工作而限制工种的增长，这会让新毕业生得不到聘用，而其他聪明的学生也会决定不再步入后尘。

受到“沉默解雇”伤害最大的群体通常都是初级工作者。即使目前知识性工作的辅助技术还不够“聪明”，但这种技术所引发的生产力提高也会削减雇主对没有经验的雇员的需求。比如在建筑行业中，初级建筑师曾经都需要画很多草图。蓝图或设计上的小改动可能意味着大量的重新制造任务。今天，这类工作几乎都是在计算机辅助设计（CAD）系统的支持下完成的，并且绘图和设计工作的效率也大幅度提高了。这就是最近的建筑学毕业生很难找到工作的原因之一。一项2012年由乔治城大学教育和劳动力中心发布的研究数据表明，建筑学专业学生的失业率已经高达14%，比其他任何专业都高。正如《纽约时报》大胆的标题所言：“要想找到工作，上大学别学建筑。”

 

从更广义的层面上来说，过多的人追逐过少的工作会造成巨大的压力，并使工资水平下降。想想保罗·博德里和他的同事们发现的供应过剩的知识工作者，这只能说明很多受过高等教育的人将要委曲求全，接受低于自身技能水平的工作，而这种情况只会让受过相对更少教育的工作者退到更低的层次。所有这些问题都会造成工资的零增长，哪怕对于有工作的人来说也是如此。对于任何由流动越来越频繁的非专业人士完成的工作来说，这一点尤其突出。一直以来，在音乐界和写作界，要想挣得一份体面的收入都是件困难的事，有很多人只要能表达自己并且展示自己的作品就已经很高兴了。现在这种情况变得越来越明显，比如纪录片制作、大会组织、体育分析，以及不胜枚举的大量需要高度创造力的活动。

最终的问题在于，你是否想要这种高度倚重机器的工作，并成为一个在机器丛林中工作的人类。很有可能你会感到孤独。在日本就出现了这样的现象，第一家大量采用机器人的“熄灯”工厂只需要几个工人就可以运行。1988年，当弗雷德里克·肖特（Frederik Schodt）在筹备《机器人王国内幕》（Inside the Robot Kingdom）一书的过程中做了相关研究后，他意识到了所谓的“自动化孤立综合征”（the isolation syndrome of automation）。成为高科技运行的一部分，老员工倾向于感到自豪；新员工则会发现在缺少人类交互的工作中很难找到意义，在这样的工作中，他们感觉“自己就像机器人”，只能操作机器或为其他机器编程。

我们还剩多少时间

保罗·萨佛（Paul Saffo）对科技界有着长期的观察，对于其他那些想要揣测未来将会发生什么的人，他会提供一条重要的准则：“永远不要把清晰的前景错当成昙花一现的现象。”一个必然会发生的改变可能也需要一段时间的发展才会有所显现。

遍布各个领域的知识工作者可能需要过一段时间之后才会无处安身。但是我们怀疑，可能仅仅只需要10年的时间，我们就会被迫面对这种巨变所带来的影响。科技会慢慢侵蚀各种各样的工作，而且目前已经投入应用的这类技术已经能够比人类更出色地完成某些决策任务了。它们现在还没有完全夺走所有工作，而且在很多情况下，它们仅仅是在有限的范围内发挥着作用。但是过去的每一年，没有任何一种系统的能力降低了，它们只会进步。

各种官僚机构可能会对自动化的进程持有一定程度的抵制态度。比如保险公司的条款可能会拒绝涵盖自动化决策技术，而监管者可能还是会基于以前的工作方式来建立自己的规则。由于担心会被起诉，可能还会让人们在应用自动化时三思而行。对于率先采用自动化决策技术的组织，律师们将会争先恐后地对其发起诉讼。比如在放射学方面有一些证据表明，医疗事故保险公司已经限制了本来可能会应用更广的自动化癌症检测技术。

从另一方面来说，被取代的工作者并没有像过去那些有组织的劳工那样，发起有组织的抵抗。我们可以想象一下强大的专业组织为人类的工作而奔走的情景，无论这么做是为了人类能有工作，还是因为自动化决策的“低水平”和“不稳定”。虽然有些组织似乎很不愿意接受那些能够提高生产力的工具（可能是为了保护其人类成员），我们却没有看到任何看似有组织的抵抗。甚至连2015年一个在美国西南偏南举办的大会上引起短暂轰动的抗议，最终也被证实只不过是一家科技公司为了推广新应用而使用的营销噱头。

既然没有什么阻力，那么已经威胁到知识工作者就业的自动化决策科技，在未来自然会造成革命性的重大影响。那些感觉自己的工作无法被替代的专业人士可能将会威胁到未来人类的就业。正如一位自动化金融审计方面的专家所说：“我并不担心自己的工作，因为我正是负责提高这些系统的人。但是我很担心我该如何跟我的孩子探讨他们的事业。”

我们这些知识工作者在过去几十年中，已经观察甚至评论了机器对于其他人类劳动力的替代。我们曾经满怀希望地以为计算机不会抢占我们的工作；我们曾天真地认为自己和事务性工作者或者体力劳动者是不同的，因为我们的工作很复杂，需要大量的专业知识和经验；我们曾很幼稚地以为自己的判断无法被量化或被转化成规则。在我们的想象中，我们的决策结合了艺术与科学，是无法被模式化或程序化的。我们曾相信我们之间的协作工作进程非常多变而且不可预测，所以无法被计算机化。但是，以上这些想法都是错误的。

对于你、你的孩子以及你孩子的孩子来说，更大程度的知识工作自动化是不可避免的。我们无法逃避工作的戏剧性改变，哪怕对于那些我们都很渴望成为的、教育程度最高的知识工作者来说，也是如此。所以，我们要有所作为。无论如何，作为一个被越来越多的机器包围的人类，你必须改变。你必须去做计算机做不好的事，或者以某种方式为被计算机大面积占领的工作增添价值。如果你能发现自己仍能为工作带来相对优势，你找到工作的可能性就会 更大。

人类到底擅长什么

问题在于：机器真正能够做得更好的任务，在你的工作中占有多大比例？你又应该如何武装自己，来适应真正需要你的那部分工作？正如我们谈过的，不可否认，大多数知识工作中仍然有一些是需要具体的人类技能才能完成的。但是这部分可能跟你想的有出入，无论是比例还是具体任务。为了找到你的留存价值，你需要了解人类比机器更擅长的是什么，要知道，并不是所有任务都是显而易见的。并且你也需要认识到，有些优势是暂时的，因为机器在某些任务上的表现一直在进步，今天你脚下的安全根据地可能很快就会消失。

自从机器开始显露出“智能”的迹象以来，不同领域的思想家们就一直在追问一个问题：人类到底擅长什么？在1950年出版了《人有人的用处》（The Human Use of Human Beings）一书的传奇人物诺伯特·维纳（Norbert Wiener），确立了这类讨论的起点。他这本书的主要目的是通过展示自动化的发展变化，让人类知道自己有能力也有责任坚守人性。虽然他并不太关心该如何定义人类的本质，但他确实指出了：创造力和灵性作为人类身份的一部分，是机器并不具有的。他还指出，相比于动物和机器，人类在适应环境变化的范围和速度上更具优势。

在那以后，经济学家弗兰克·利维（Frank Levy）和理查德·默南（Richard Murnane）对这个问题的描述则更加细致精确。他们在自己极具说服力的著作《劳动的新分工》（The New Division of Labor）中说，人类的优势在于专家思维和复杂交流。大脑在模式识别上的天赋就是他们所谓的“专家思维”的关键，这种能力使得人而非计算机，能够想到解决问题的新方法，换句话说，也就是那些尚未被发现以及无法按照明确步骤执行的方法。他们所说的“复杂交流”指的是除了传输那些明确的信息，还要对环境进行更广阔的解读。比如，医生希望在年度体检中能诱导病人说出有用的信息，而这正是一个复杂的过程。正如利维在2010年为经济合作与发展组织撰写的工作文件中所说的，这个任务不仅需要聆听病人的话语，同时也涉及相应的身体语言、语调、眼神交流，以及一些并不完整的句子。他写道：

 

医生必须特别注意著名的约诊“最后一分钟”。比如病人正要走出诊室时忽然回头跟医生说：“顺便说一句，我妻子说我应该把我胃疼的事儿也告诉你。”

 

利维在麻省理工学院的同事埃里克·布莱恩约弗森和安德鲁·麦卡菲也认同模式识别和复杂交流是人类独有的特殊天赋，而且他们还提出了第三种天赋：构思能力。

 

科学家得出了新的假说，主厨为菜单添加了新菜式，工程师在制造现场弄明白了为什么机器运行不畅，乔布斯和他在苹果公司的同事想到了我们到底想要什么样的平板电脑。计算机的支持确实加速了很多这类活动，但却没有驱动其中任何一种。

 

在所有这些思想者的想法中，有一个共同的思路，而且这个思路对于之前我们说过的程序化也很重要。那就是：一旦人类的某种智能活动可以被拆解成一系列已知的应急事件和明确的规则步骤，它就不再专属于人类了。至少到目前为止，他们所说的人类优势全都涉及那些无法被算法说明的隐性知识和判断。

过去60年的经验告诉了我们一件事，一旦某个知识领域变得清晰透明，算法就有了可能。到了那时，不需要判断就可以做出决策。就算存在少数需要判断才能做出的决策，算法在这些地方发生的失误也会被认为是可以接受的，因为决策失误只会导致并不严重的后果或成本。

 

为了详细描述这个观点，这里将以我们最近听说的一件难事为例。一个男人在离开了他最近的工作之后，申请为他的抵押重新贷款。虽然他曾经从事的那份稳定的政府工作长达8年之久，并且在此前的20多年中一直从事的也都是稳定的教学工作，但是他的贷款申请还是被拒绝了。虽然他从各种各样的兼职工作中挣取了足够偿还贷款的收入，但是对于做出决策的计算机来说，这些乱七八糟的营生看起来太不可靠了。结果就是，拒绝重新贷款。

 

这个遭遇厄运的男人就是本·伯南克（Ben Bernanke），美国联邦储备委员会前主席。如果你的工作是运作商务会议，那你就该知道他的出场费高达25万美元；如果你在出版行业工作，那你可能听说过他签过价值百万美元的图书出版合同。很明显，拒绝为他贷款的决定很愚蠢，而能够做出更好判断的人类则可以看出，以他的能力偿还贷款并不是什么难事。但这件事的后果对于这家公司来说严重吗？严重到足以让该公司摆脱对自动化的依赖并且在抵押决定中重新引入人类判断？毫无疑问，伯南克最终得到了贷款。但是如果我们以为这种偶尔发生的傻事就会让企业放弃让计算机做出海量决策的计划，那我们就是在自欺欺人。

所以我们必须承认，所有可以被表达成一系列规则或算法，并且能够明确指出所有突发事件应对措施的智能行为或活动，都具备被计算机占领的条件。我们引用过的所有思想者（维纳、利维和默南、布莱恩约弗森和麦卡菲）留给我们足以立足的冰山了吗？也许现在的劳动力中有相当大比例的人可以做到专家思维、复杂交流，并拥有构思能力。也许世界对于这种人才的需求远远没有得到满足。如果计算机越来越擅长完成这些原本需要精细智能活动才能完成的任务时，我们还会这么确定吗？

也许我们不应该把希望放在去想方设法保留大量的人类工作上，而应当重新定义竞争的本质。与机器赛跑的“胜利者”有没有可能并不是那些拥有终极认知高度，并且以逻辑合理性实现伟业的人？在思考为人类设计工作的过程中，我们是否可以重点关注那些计算机还无法模仿的人类特质？因为这些特质我们并没有选择编入到自动化系统中。

 

或许你能从我们对一位财务顾问的采访中获得一点提示，他说他现在的工作更多的是关于“精神病学”，而非金融敏锐度。他的公司最近安装了一套智能系统，只需输入一位客户的基本信息，比如收入、年龄以及目标等，这套系统马上就可以输出一套最佳投资分配计划。当我们问到他这套自动化系统是否有弱点时，他说：“我听到了脚步声。”他承认：“我们给客户的建议还没有被自动化，但是我感觉这些建议却越来越机械化。我对客户的解释越来越照本宣科。”这位顾问更担心的是他的公司和其他几家“机器顾问”公司之间的合作。“我在想，假以时日，它们会把我们全都淘汰。”他为此很担心。为了先发制人，他在考虑是否应当开始计划一个冒险式创业，或者在他的MBA课程中选择几种不同类型的课程。

相比于惊慌失措地逃命，对于财务顾问来说更好的策略也许应该是，专注于他现在工作中尚未被自动化威胁到的部分。比如，对客户的安慰开导。他知道这些客户可以挣得更高的回报，但是他们却无法忍受因此而增加的任何一点小风险。“照着台词念绝对是计算机可以做的事，但是说服顾客加大投资力度却需要更多的技巧，”他说，“我已经更像是个精神科医生，而不是股票经纪人了。”

 

如果你相信自己的思考能力可以超越计算机并因此创造更高的价值（在上述例子中，就是想出一个更理想的投资分配组合），那么你就步上了约翰·亨利的后尘。无论你现在的绩效水平如何，一年以后计算机都会赶上，而你就必须更胜一筹。不幸的是，这就是我们在基于知识的经济层面上做出的相同策略。这个策略有效吗？随着时间的推移，更多人落后了，因为连进入赛场都需要更高的教育水平了。更高的教育水平，意味着更多的财富。于是，我们得到了一个充满讽刺意味的结果：有钱人占据了所有的工作。

我们想表明的观点非常简单。作为一个人类工作者，“你擅长什么”这个问题的答案很丰富，远远多于绝大多数你那些可以被轻松程序化的工作任务。所以，我们需要好好重新审视“你被雇来做什么”这个问题。牛津大学的一些研究者提到，美国47%的工作将像候鸽一样彻底灭绝，但最后他们还是在报告的总结中留下了一线希望。他们预测：“涉及复杂感知任务和操纵任务、创造性智能任务，以及社交智能任务的职业都不太可能在未来的一二十年中被计算机取代”。虽然我们可以继续探讨“47%”的这个结论以及该数据在真实失业中的准确性，但是该数据听起来似乎并没有什么问题，而且我们还可以把范围再扩大一些。那些涉及勇气和奇思妙想的工作不会被机器从人类手中夺走。人类在启发他人做出行动方面仍然是独一无二的，而且人类在同情、外交以及野心方面也要远远胜过自动化系统。我们追求的仍然是成为唯一充满热情、幽默、欢乐的存在，当然，还要有好品位。现在为我们的大脑充当四肢的机器，未来也可以为我们的精神充当大脑。

工作的未来

到目前为止，我们得到的权威意见存在一个大问题，那就是它并没有向我们提供很多继续前行的建设性意见。难道我们这些剩下的知识工作者就只能照顾计算机，确保它们能做好原来由人类完成的工作？曾经的知识工作者，难道要成为某种半机械人？为了避免这种命运而提出的建议少之又少。大多数专家的建议都可以归纳成一个单一、令人气馁的任务：不停地变得更聪明吧！

对于某些人来说，这可能是个不错的选择，但这条建议看起来并不适用于所有人，因为与你赛跑的真正对象可能是其他人类。那些变得越来越聪明的人更有可能抓住越来越少的工作。这让我们想起了一个老掉牙的笑话。当你和朋友被自动化这只熊拦住时，为了不丢掉工作，你不需要比熊跑得更快，只需要比你的朋友跑得快就行了。

我们可以有其他策略，而所有这些办法强调的都是用机器“强化”人类的工作。这些策略可以分为5个类别。简单说来，随着人类越来越多地和机器一起工作，人们可以超越（step up）、避让（step aside）、参与（step in）、专精（step narrowly）、开创（step forward），让自己变成：全局者、避让者、参与者、专精者以及开创者。最后一步涉及机器对自身的构建。我们必须提醒自己，聪明的机器仍然是由聪明的人类构建的，虽然这部分人类的数量并不多。

 

另外一个被广泛讨论的选择是，通过某种方式说服资金紧张的政府，让政府保证你被自动化抢占工作后的收入。我们并不否认，每个阶段都需要政府出面来处理这个紧迫的问题。但充满官僚作风的政府一直以来都疏于发现问题，也不会迅速以强硬手段解决问题，而有一些政府（特别是美国政府）现在又似乎特别迟缓且低效。我们认为对于个人劳动者来说，他们需要评估自己的工作在多大程度上身陷危机，他们需要开始思考该如何融入一个决策和行动都由智能机器来完成的世界。如果政府最终可以提供支持（我们也鼓励政府这样做）那就更好了。

在接下来的章节中，我们将向你展示这些策略，这些策略适用于那些愿意为机器增添价值的人，以及那些愿意让机器为自己增添价值的人。这些人就是那些会点灯熬油提升自己技能的人，他们要么和智能机器做朋友，要么找到方法做机器无法做到的事。自满要不得，但也绝不能意志消沉。

在对待科技上，我们应同样乐观。因为科技将会占据我们工作的某些方面，而且认知技术其实已经可以完全胜任那些工作了。但是，在这些强大技术的挤压下，人类仍存有获得更新、更好工作的可能性，希望你会因此感到安慰。