AI 与训练 AI 替代自己的工人的矛盾 [译]

演讲人：Madison Mohns

我正在度过一个充满会议的普通周二，这时我收到了我的老板的老板的老板的一条信息。他说，"今天结束之前给我一份文件，记录你的团队近期所有与 AI 相关的工作。"原来，我所在的大公司的董事会已经听到了一些关于一个叫 ChatGPT 的新事物的讨论，他们想知道我们在做些什么。他们对未来充满了担忧。我对这个琐碎的文件也感到不安。

作为一个每天都在研究机器学习模型的人，我深知这些技术的快速发展为创新提供了无尽的可能性。然而，AI 系统的同步提升也对我所管理的团队构成了巨大的威胁。随着 AI 研究领域持续推出更准确、更具人性化的结果，像我们这样的公司正在转向自动化，以提高效率。表面看来，这是一个美好的前景。但当我们深入挖掘，我们发现了一个令人不适的悖论。

一、AI 时代的悖论与挑战

让我们来分析一下。为了利用 AI 系统的能力，这些系统必须经过训练和微调，以达到高质量的标准。那么，谁来定义质量呢？谁是这些系统的初始训练者呢？你可能已经猜到了，那就是我们生活中的专家，往往是那些正在做这份工作的人。试想一下我现在的窘境。我需要找到那些我多年来一直信任并共事的团队，然后坦诚地向他们推销可能会取代他们的系统。这个矛盾使我依赖于三个道德原则，以确保管理者可以处理自我替代劳动力的影响。

根据 OpenAI 今年的研究，美国约有 80% 的劳动力可能会因为引入 AI 而受到他们最多 10% 的工作任务的影响，而大约 19% 的劳动力可能会有高达 50% 的工作任务受到影响。所有这一切最令人震惊的是，这些技术并不会区分。那些历来需要大量培训或教育的职业，同样面临被 AI 取代的风险。但是，在我们投降让机器人接管之前，让我们正确地看待这一切。

幸运的是，这并不是历史上第一次出现这种情况。让我们回到工业革命时期，回顾一下亨利·福特标志性的 T 型汽车生产线。在这个独特的流程中，工人和机器并行工作，他们被分配了特定的，重复的任务，例如拧紧螺栓或安装零件，当产品沿着生产线移动。讽刺的是，这与我现在的境况有些相似，正是人们自己，对那些最终将替代他们一度多技能职位的系统进行了关键性的训练。正是他们精炼了自己的技艺，完善了这些技术，并最终把这些知识传递给了那些负责将他们的整个工作流程自动化的技术人员和工程师。

现在，乍一看，这种情况似乎相当严峻。然而，尽管人们在面对这些技术进步时，最初会有恐惧和犹豫，但历史已经证明，人类一直在寻找适应和创新的途径。虽然的确有一些职位被取代，但也涌现出了需要更高层次技能的新职位，比如创造力和创新解决问题的能力，这些都是机器无法复制的。回顾这个历史案例让我们意识到，人机关系始终是一种微妙的平衡。我们是自身进步的设计师，一方面训练机器来替代我们，同时为自己开创独特的角色，发掘新的可能性。

现在，我们正处于人工智能革命的前沿。作为推动这场革命的一员，我感到压力无处不在。第一个选项，我可以快速创新，但冒着可能让我的团队失业的风险；或者第二个选项，我可以为了保护我的团队而拒绝创新，但最终因为公司落后仍可能失去人才。那么，站在我这样一个中级管理者的角度，我应该怎么做呢？

二、应对 AI 时代的三个道德原则

清楚地为团队引入这种复杂的矛盾无疑会给人力管理带来很大的挑战。幸好，我们可以参照三个道德原则以确保你在推进工作的同时不会忽视团队的需求。

首先，AI 转型需要透明化。作为领导者，我们需要促进对话解决关键问题并简明扼要地解释实施 AI 所带来的目标和可能面临的挑战。这就需要让员工积极参与决策过程尊重他们的自主权。通过引入"同意"这一概念，尤其是对于那些被安排自动化核心职责的员工，我们可以确保他们在规划自己的职业发展道路时有足够的发言权。

接下来，既然大家对这个宏伟的愿景有了认同，同时也明白了前方的挑战，那我们就来谈谈如何将 AI 作为一个辅助工具。想象一下你现在工作中最让人头疼的部分，如果你能将它交给别人处理呢？并且，不是把它交给工作中的其他同事，而是交给一个可以帮你完成机械性任务的系统。不要把 AI 只看作是一个全面取代人的工具，我们应该找出那些可以利用 AI 来提升员工潜能和工作效率的机会。和你的团队一起，确定哪些领域和任务可以被自动化，为更高价值的活动留出更多空间，这些活动需要批判性思考，而这是机器难以胜任的。

最后，我们必须更新技能以避免被取代。我们应积极投资于员工的职业发展和福祉，确保他们拥有在 AI 驱动的未来茁壮成长所需的技能和知识。通过提供提升技能和再学习的机会，我们能鼓励员工重新思考他们现在的角色，并探索出新的可能性，这些可能性与他们不断进步的专业技能和兴趣相符。

三、管理者的责任与未来展望

那么，这在实践中是如何运作的呢？当我开始将人工智能作为加速我团队工作流的方式时，我把它当作提高团队技术素养的机会。我和我的工程师团队研发了一个工具，这个工具可以清晰识别数据对模型结果的影响。然后我向我的运营分析师们展示，虽然他们当时并未接受过技术培训，但他们迅速找出了模型表现不佳的地方，并向我的数据科学团队提出具体改进建议，以便让这些模型在下次表现得更好。培育一个持续学习和再学习的文化至关重要。它能使人工智能的转型更加激动人心，也更少让人感到恐惧。

用一个例子来说明这一点。我最近和我的团队完成了一个项目，该项目将为我们的公司节省超过 12,000 个工作小时。参与训练这个算法的专家，都是去年辛苦地手工策划和研究数据，以在我们的网站上优化各个部分的体验。由于花费了大量的时间和精力，我本以为他们会对这个工作流程感到非常自豪。但出乎我的意料，事实上，这些构建模型的专家实际上很高兴将这些任务交给自动化处理。他们更愿意把时间用在优化现有数据以在产品性能上表现得更好，或者研究和开发新的技术，来补充模型在某些方面的不足。

我们已经到达了一个关键时刻，人工智能技术的快速发展带来了无数机遇和挑战。作为管理者和领导者，我们需要谨慎和富有远见地应对这种情况。通过积极拥抱创新、培育一种能够快速适应变化的文化，并有意识地对我们的员工进行专业发展和福祉方面的投资，我们可以确保为应对未来的挑战做好准备，同时解决引入人工智能的复杂性。

让我们一起共建一个未来，在这个未来，人类的创新精神和技术进步将和谐共存，人工智能能够增强而非取代人类的潜力。

谢谢。