近日，麻省理工学院（ MIT Work of the Future）发表了一份报告——《The Work ofthe Future : Shaping Technology and Institutions》，其中探讨了AI和机器学习（ML）对企业自动化及劳动力市场的影响。
针对这篇报告，Joe McKendrick在福布斯发表了相关文章，对报告中AI与ML的应用观点进行了解读。文章认为，在企业日常运营方面，人工智能和机器学习可能是理想选择，但面对创新的、难以预见的或者一次性的事件，人工智能却不尽如人意。 即使企业级AI仍旧有很长的路要走，但业务与IT领导层依旧需要对AI能够带来的优势进行试点与探索。
MIT的报告也提到了这一观点，并将人工智能视为推动就业领域和工作环境变革的一部分因素，报告认为“我们距离人工智能系统还有很长的路要走，因为这种人工智能系统可以阅读新闻，根据如英国脱欧或贸易纠纷等预期事件重新规划供应链，使生产任务适应新的零件和材料来源。”
究其原因，首先，数据作为推动人工智能决策的燃料，还尚未能支撑人工智能实现飞跃。迄今为止，大多数成功的AI计划都是基于机器学习（ML）系统，而机器学习系统又依赖于大型数据集。报告指出，人工智能及相关技术在新产品和新生产方法的创造上具有优势。“通过访谈，我们发现许多公司认为自己在这些技术应用的早期阶段，就弄清楚如何收集和构建数据，从而更深入地应用到现有业务，而这样则需要集成多个数据源，同时也需要融合运营和技术方面的专业知识。”
其次，ML系统仍面临挑战。目前，在投入使用的机器学习（ML）应用中，图像分类、人脸识别、机器翻译、文档分析、客户服务和数据预测等最为突出。但报告认为，ML系统在稳健性和可释性方面仍面临挑战，使用ML的行业正慢慢认识到，用于训练ML系统的数据必须是不偏不倚的、可信的。此外，ML系统往往是黑盒子，无法提供他们做出决定的原因与依据，但可释性在与人类互动以及与法律、生命相关的重大决策中至关重要。
再次，100％自动化的概念也是一个谬论， “AI可用于完全自动化工厂等设施”这一观点也被报告所驳斥。报告表示，“无人工厂长期以来一直是乌托邦/反乌托邦式的未来愿景，在产品或工艺成熟且高度稳定的某些情况下，这一愿景可能有意义。但即使是自动化程度最高的电子设备或装配厂，仍需要大量人力来设置、维护与维修。一个典型的例子，手机这样一种产量大、稳定而标准的产品在生产过程中都流经数十个人的手。”
相反的，人工智能和ML正在被用于特定的痛点的解决和自动化活动的实现，如材料运输或检查。这些技术正在发展，但不能而完全取代劳动力，工作并未被淘汰，但工作的流程正在自动化。报告提出，ML适用于理想情况下易于衡量结果的任务等级，且无法使某个特定职业完全自动化，例如，人工智能正在承担数据标记、文件查找或生产线质量检查等一系列重要工作。
报告还观察到，“我们还会看到通过部署AI和ML工具来帮助呼叫中心响应（如加速文档检索和摘要）来提高现有员工工作效率的情况。在工程设计中，有一些应用使用AI来搜索物理模型和设计空间，为人类设计师提出备选方案，从而提出完全新颖的设计。”
为实现人工智能与人类主动性之间的最佳平衡，麻省理工学院团队敦促组织“像亚马逊在其仓库中部署机器人时一样，重新设计工作流程，并重新思考工人与机器之间的任务分工，这样的工作设计变化将在某些情况下深刻改变许多工作的性质。”
最后，报告总结说，AI和ML对就业前景的影响，仍然没有明确的答案。“虽然人工智能刺激了对计算机与数据科学家需求的增长，但对劳动力市场似乎不太可能造成太大的影响，对特定技能群体的影响也尚不确定，不仅仅取决于技术部分，还要取决于管理和组织的选择。”
