從ChatGPT、Midjourney之後，Open推出的首款視訊模型——Sora已經引起了業界乃至全領域的討論。這款模型與其他大數據訓練的AI模型一樣，能力驚人，透過使用者文字指令就可生成高畫質的、流暢的、具有情節性的視訊內容，可以幫助擴充視訊已有的內容細節。在快速叠代中，我們對工作是否會被人工智慧所取代？還是與之形成動態平衡? 似乎還是未知。
在【百歲人生】作者琳達·格拉頓的新銳作品【未來工作】一書中，琳達探討了未來辦公形式的轉型趨勢，也特別指出了機器「自動化」的時代已經到來，並指出人工與機器在工作場景中呈現三種借力趨勢。在未來新生產力變革浪潮中，企業需要肩負起創造良好工作生態的責任，為創新蓄力。
60%的工作被自動化取代，企業態度尤為重要
早在 2015 年，經濟學家就預測了工作的大規模變化，因為許多工可以由機器以更低的成本和更可預測的方式完成。諸如出租車司機這樣的職業將隨著自動駕駛汽車成功上路而發生變化，而像會計這樣的職業也將隨著人工智慧程式取代更多的常規工作而改變。
事實上，據測算，大多數人工作中 60%的任務可以並將會被自動化替代。對於臉書的執行長馬克 · 祖克柏這樣的高管來說，虛擬連線能力為臉書在遠離其公司總部的地點招聘工程師等關鍵員工提供了機會。
傳統意義上不被視為人才庫的地方，勢必會相應地啟動人才庫的建設。其他執行長也提出了同樣的問題：如果一項工作目前可以在生活成本高的城市透過線上完成，難道就不能在生活成本低的城市雇員工居家完成嗎？
這與20世紀90年代把呼叫中心的工作從高成本國家轉移向低成本國家的情況類似，當時一些公司將這類工作轉移到海外或外包。以知識為基礎的工作可能會遵循同樣的趨勢，這樣的趨勢肯定會給高成本國家的員工帶來更大的壓力，這就要求他們提升技能，從而勝任更高
價值的工作。
這對工作的重新設計意味著什麽？當你開始思考自動化之路對員工的影響時，我們需要理解的是，當人們認識到工作可能發生的變化趨勢時，他們會更加重視有利於提升技能的工作和組織，這樣的提升也被視為當前工作的一部份。
對於那些認為自己的工作將發生重大變化的員工來說，他們希望公司支持他們重新掌握一份技能，並轉崗到一份完全不同的工作去。因此，當人們了解自動化將在何種程度上改變他們的工作時，他們尤為感興趣的是企業能否支持他們學習，引導他們的職業發展並認證他們所獲得的技能。
三種借力趨勢已形成，人與機協調效率更高
1、常規性/分析性的工作——強替代
在許多常規任務中，機器（包括人工智慧和機器人）可以，而且在某些情況下已經取代了人類。對於記錄保存、計算和重復的客戶服務等分析性任務來說，情況確實如此。機器對人類的替代在體力性任務中也很重要，比如采摘、分揀或重復的組裝任務。然而，雖然機器可以執行其中一些體力性任務，但仍有許多工是它們無法完成的。
這是因為盡管機器已經有很多進步，但機器人根本不會擁有像人類工人那樣的靈活性和敏捷性。像所有機器一樣，機器人從數據和重復中學習，這就造成了機器人非常擅長某項任務，但也僅限於擅長這一項任務。
正如麻省理工學院一份關於自動化的報告所解釋的，一個經過微調的抓取機器人可以抓取一個光滑的甜甜圈，並小心地把它放在一個盒子裏，而且甜甜圈的外表不會被破壞，但這個抓取機器人在這一微調配置下只能抓取甜甜圈，而無法抓取蘆筍或汽車輪胎等其他事物。
此外，這些機器價格昂貴，因此人們往往將機器部署在勞動力成本高的國家（如南韓和日本），或者工作特別復雜和需要熟練度的地方。不可避免的是，這種成本和所需的專業操作知識將
減慢機器人得到廣泛套用的速度。
2、非常規性/分析性的工作——強提升
機器對非常規性任務的影響是非常有趣的領域。對於非常規性的分析任務，如做出假設、醫學診斷、說服他人和銷售商品，人與機器的結合就造就了顯著的能力提升。
在這些領域，人類的技能透過機器數據、模擬物和資訊得到了提升。
在 CPP 投資公司的工作中，那些從事商業案例分析的人正在利用復雜的自動化建模來提供基礎數據。和許多職業一樣，這些都是人類和機器協同進行的工作。我們將仔細研究 IBM 是如何透過設計和部署一系列程式來提供及時的行為推動，從而支持管理人員的工作的。例如，機器會提醒經理是時候和團隊成員談話了，或者透過核對清單提供即時指導，進而告知經理如何最好地完成這項任務。
3、非常規性/體力性的工作——有限替代
這些任務，如清潔服務或駕駛卡車，可能會受到地板清潔機器人或無人駕駛卡車等的影響。但這仍然是相對有限的替代，因為有許多活動對機器來說仍然非常困難，如在上下樓梯或在擁擠的城鎮中心導航。
正如麻省理工學院的報告所述，「技術總是會取代一些工作，創造出新的工作，並改變其他工作。問題是隨著機器人和人工智慧在工廠車間和辦公室迅速取代人類，這一次情況是否會有所不同。」
他們的結論是，變革更多是漸進的而不是革命性的
。當你重新設計工作時，這種觀點尤為重要。這種演變會是怎樣的呢？「我們預計，在未來 20 年裏工業化國家的職位空缺數將超過能夠填補這些空缺的工人人數。「這種技能短缺很容易使你重新設計的工作模式脫軌。只有當員工有動力並且能夠完成這項工作時，工作才能被重新設計。你怎樣才能確保這一目標呢？
正如新南威爾斯省團隊發現的那樣，其中一部份方案是透過提供有關他們的工作將如何變化以及新任務將在哪裏出現的見解來激勵員工提升技能的。重要的是，這種見解還能提醒員工，不要將資源分配給那些很可能被自動化取代的工作任務。
作為一名人本主義心理學家，我的出發點是大多數成年人（無論他們的薪資水平如何）都有動力學習和培養技能，構建應對當前挑戰的適應力，並有效防範來自未來的沖擊。他們透過
投入時間和資源（有時二者都需要大量投入）來提升當前工作的技能，更有甚者，他們重新獲得技能，希望並預期獲得一份更好、具有更高價值的工作。
正如勞動力市場平台 Burning Glass Technologies 的執行長馬特·西格爾曼（Matt Sigelman）對我講的：「人們有一種無法抑制的提升自我的欲望和能力。」這種人類的驅動力在面對未來大規模的工作變動時顯得至關重要。
因此，重新設計工作真正的激勵因素是構建學習基礎設施，允許並鼓勵員工利用這種與生俱來的人類驅動力。為了達到這一效果，我看到管理人員們構建了基本的人際技能，讓大家的發展路徑清晰可見，讓員工知悉如何能找到更好、薪水更高的工作，並透過投資技能發展機會來支持社會流動性，這一做法不僅針對當前員工，也針對更廣泛的供應鏈和社群。
人工智慧減輕工作壓力，IBM公司這樣做
如果管理者要在重新設計工作中發揮關鍵作用，他們就需要擁有更多的資源加以支配。人工智慧的使用可以減輕許多事務性任務，如發現差旅和費用報告中的違規行為，將候選人與工作要求相匹配，以及在沒有人工幹預的情況下實際執行調任。
這樣一來，管理者就能騰出時間去做真正有意義的事情，例如傾聽、指導、支持員工技能發展等。
然而，就當前而言，許多管理者面臨的真正挑戰是與團隊成員在薪酬審查時的對話。如果這個任務完成不好，審查可能會出現一系列公平性問題，最終會降低員工信任度。正如黛安娜所描述的，在她擔任 IBM 的首席人力資源官期間，人工智慧得到長足的發展且被用來支持管理者，利用人工智慧，他們日常為公平分配薪資和獎金所做的大量艱苦工作得以減輕。人工智慧演算法使用多個來源的即時數據，以此計算市場情況與個人績效之間的差距。
這些封包括員工技能的市場價值數據，透過從競爭對手招聘網站上收集資訊來量化技能需求，對該技能的預計內部需求以及整個組織中擁有類似技能員工的自願流失率進行計算。然後，為了在管理者們做決策時為他們提供支持，機器人程式會即時提供資訊。
例如，程式會提供員工最近一次加薪或升職的時間，或者他們參加的培訓課程。將這些數據整合在一起，就形成了一個非常重要的溝通指令碼，管理者參照這個指令碼與員工分享薪資和獎金發放的理由，同時鼓勵他們獲得更多與市場緊密聯系的技能。
IBM的團隊也在為管理者提供一系列行為上的洞見和提示。例如，拼湊出員工可能辭職的訊號；發現團隊成員的非合作行為模式；建立行事曆提醒，慶祝重大勝利或貢獻。透過改變角色架構和投資人工智慧來將一些任務自動化處理，澳洲電信公司和 IBM 的團隊為管理者提供了支持員工的空間。正如塔塔咨詢服務公司的阿肖克 · 凱瑞什提醒我們的，真正的神奇一幕發生在一對一的對話中。當管理者能夠傾聽、同情和指導員工時，他們就會建立起非常緊密而關鍵的關系。
書籍介紹
Book introduction
書名：【未來工作】
Redesigning Work：How to Transform Your Organization and Make Hybrid Work for Everyone
作者：【英】琳達·格拉頓（Lynda Gratton） 著
譯者：賈柳麟
出版時間：2024年2月
在多階段職業生涯裏充滿熱情地工作，在工作之余過有趣的生活，這是長壽時代越來越多人看到的變革。
疫情之前，舊的工作慣性積累了很多問題，比如漫長的通勤、繁重的會議、無法陪伴家人……疫情之後，大的社會環境發生改變，數位技術賦能靈活辦公，工作和生活面臨多元化的選擇。如何快速適應趨勢，在靈活工作的同時獲得滿意的結果，這有待我們重新去定義。
這是暢銷書【百歲人生】【長壽人生】的作者在疫情後的全新觀察。她發起「未來工作聯盟」，將全球90多家企業凝聚在一起，討論如何設計未來的工作。在這本書中，她用四個步驟搭建簡明框架，指導管理者用更少的成本設計更優的組織，讓員工就像坐在眼前一樣放心辦公。她的目標是幫助工作者靈活高效、平衡工作與生活；這樣做的同時，也能使企業降本增效，實作精益管理，拿到滿意結果。
重新設計工作的四個步驟包括：理解重要的問題，重新想象工作場景，設計工作模式並測試，付諸行動並創造。書中系統化分析疫情期間混合辦公的利與弊，既看到數位技能的潛力，也指出職場人真實聯結的重要性。這打破了無限拆分顆粒度、讓工作越來越機械化的管理模式，從底層邏輯回答未來工作靈活性的內涵。
