从ChatGPT、Midjourney之后，Open推出的首款视频模型——Sora已经引起了业界乃至全领域的讨论。这款模型与其他大数据训练的AI模型一样，能力惊人，通过用户文字指令就可生成高清的、流畅的、具有情节性的视频内容，可以帮助扩充视频已有的内容细节。在快速迭代中，我们对工作是否会被人工智能所取代？还是与之形成动态平衡? 似乎还是未知。
在《百岁人生》作者琳达·格拉顿的新锐作品《未来工作》一书中，琳达探讨了未来办公形式的转型趋势，也特别指出了机器“自动化”的时代已经到来，并指出人工与机器在工作场景中呈现三种借力趋势。在未来新生产力变革浪潮中，企业需要肩负起创造良好工作生态的责任，为创新蓄力。
60%的工作被自动化取代，企业态度尤为重要
早在 2015 年，经济学家就预测了工作的大规模变化，因为许多任务可以由机器以更低的成本和更可预测的方式完成。诸如出租车司机这样的职业将随着自动驾驶汽车成功上路而发生变化，而像会计这样的职业也将随着人工智能程序取代更多的常规工作而改变。
事实上，据测算，大多数人工作中 60%的任务可以并将会被自动化替代。对于脸书的首席执行官马克 · 扎克伯格这样的高管来说，虚拟连接能力为脸书在远离其公司总部的地点招聘工程师等关键员工提供了机会。
传统意义上不被视为人才库的地方，势必会相应地启动人才库的建设。其他首席执行官也提出了同样的问题：如果一项工作目前可以在生活成本高的城市通过线上完成，难道就不能在生活成本低的城市雇员工居家完成吗？
这与20世纪90年代把呼叫中心的工作从高成本国家转移向低成本国家的情况类似，当时一些公司将这类工作转移到海外或外包。以知识为基础的工作可能会遵循同样的趋势，这样的趋势肯定会给高成本国家的员工带来更大的压力，这就要求他们提升技能，从而胜任更高
价值的工作。
这对工作的重新设计意味着什么？当你开始思考自动化之路对员工的影响时，我们需要理解的是，当人们认识到工作可能发生的变化趋势时，他们会更加重视有利于提升技能的工作和组织，这样的提升也被视为当前工作的一部分。
对于那些认为自己的工作将发生重大变化的员工来说，他们希望公司支持他们重新掌握一份技能，并转岗到一份完全不同的工作去。因此，当人们了解自动化将在何种程度上改变他们的工作时，他们尤为感兴趣的是企业能否支持他们学习，引导他们的职业发展并认证他们所获得的技能。
三种借力趋势已形成，人与机协调效率更高
1、常规性/分析性的工作——强替代
在许多常规任务中，机器（包括人工智能和机器人）可以，而且在某些情况下已经取代了人类。对于记录保存、计算和重复的客户服务等分析性任务来说，情况确实如此。机器对人类的替代在体力性任务中也很重要，比如采摘、分拣或重复的组装任务。然而，虽然机器可以执行其中一些体力性任务，但仍有许多任务是它们无法完成的。
这是因为尽管机器已经有很多进步，但机器人根本不会拥有像人类工人那样的灵活性和敏捷性。像所有机器一样，机器人从数据和重复中学习，这就造成了机器人非常擅长某项任务，但也仅限于擅长这一项任务。
正如麻省理工学院一份关于自动化的报告所解释的，一个经过微调的抓取机器人可以抓取一个光滑的甜甜圈，并小心地把它放在一个盒子里，而且甜甜圈的外表不会被破坏，但这个抓取机器人在这一微调配置下只能抓取甜甜圈，而无法抓取芦笋或汽车轮胎等其他事物。
此外，这些机器价格昂贵，因此人们往往将机器部署在劳动力成本高的国家（如韩国和日本），或者工作特别复杂和需要熟练度的地方。不可避免的是，这种成本和所需的专业操作知识将
减慢机器人得到广泛应用的速度。
2、非常规性/分析性的工作——强提升
机器对非常规性任务的影响是非常有趣的领域。对于非常规性的分析任务，如做出假设、医学诊断、说服他人和销售商品，人与机器的结合就造就了显著的能力提升。在这些领域，人类的技能通过机器数据、模拟物和信息得到了提升。
在 CPP 投资公司的工作中，那些从事商业案例分析的人正在利用复杂的自动化建模来提供基础数据。和许多职业一样，这些都是人类和机器协同进行的工作。我们将仔细研究 IBM 是如何通过设计和部署一系列程序来提供及时的行为推动，从而支持管理人员的工作的。例如，机器会提醒经理是时候和团队成员谈话了，或者通过核对清单提供即时指导，进而告知经理如何最好地完成这项任务。
3、非常规性/体力性的工作——有限替代
这些任务，如清洁服务或驾驶卡车，可能会受到地板清洁机器人或无人驾驶卡车等的影响。但这仍然是相对有限的替代，因为有许多活动对机器来说仍然非常困难，如在上下楼梯或在拥挤的城镇中心导航。
正如麻省理工学院的报告所述，“技术总是会取代一些工作，创造出新的工作，并改变其他工作。问题是随着机器人和人工智能在工厂车间和办公室迅速取代人类，这一次情况是否会有所不同。”
他们的结论是，变革更多是渐进的而不是革命性的。当你重新设计工作时，这种观点尤为重要。这种演变会是怎样的呢？“我们预计，在未来 20 年里工业化国家的职位空缺数将超过能够填补这些空缺的工人人数。“这种技能短缺很容易使你重新设计的工作模式脱轨。只有当员工有动力并且能够完成这项工作时，工作才能被重新设计。你怎样才能确保这一目标呢？
正如新南威尔士州团队发现的那样，其中一部分方案是通过提供有关他们的工作将如何变化以及新任务将在哪里出现的见解来激励员工提升技能的。重要的是，这种见解还能提醒员工，不要将资源分配给那些很可能被自动化取代的工作任务。
作为一名人本主义心理学家，我的出发点是大多数成年人（无论他们的工资水平如何）都有动力学习和培养技能，构建应对当前挑战的适应力，并有效防范来自未来的冲击。他们通过
投入时间和资源（有时二者都需要大量投入）来提升当前工作的技能，更有甚者，他们重新获得技能，希望并预期获得一份更好、具有更高价值的工作。
正如劳动力市场平台 Burning Glass Technologies 的首席执行官马特·西格尔曼（Matt Sigelman）对我讲的：“人们有一种无法抑制的提升自我的欲望和能力。”这种人类的驱动力在面对未来大规模的工作变动时显得至关重要。
因此，重新设计工作真正的激励因素是构建学习基础设施，允许并鼓励员工利用这种与生俱来的人类驱动力。为了达到这一效果，我看到管理人员们构建了基本的人际技能，让大家的发展路径清晰可见，让员工知悉如何能找到更好、薪水更高的工作，并通过投资技能发展机会来支持社会流动性，这一做法不仅针对当前员工，也针对更广泛的供应链和社区。
人工智能减轻工作压力，IBM公司这样做
如果管理者要在重新设计工作中发挥关键作用，他们就需要拥有更多的资源加以支配。人工智能的使用可以减轻许多事务性任务，如发现差旅和费用报告中的违规行为，将候选人与工作要求相匹配，以及在没有人工干预的情况下实际执行调任。这样一来，管理者就能腾出时间去做真正有意义的事情，例如倾听、指导、支持员工技能发展等。
然而，就当前而言，许多管理者面临的真正挑战是与团队成员在薪酬审查时的对话。如果这个任务完成不好，审查可能会出现一系列公平性问题，最终会降低员工信任度。正如黛安娜所描述的，在她担任 IBM 的首席人力资源官期间，人工智能得到长足的发展且被用来支持管理者，利用人工智能，他们日常为公平分配工资和奖金所做的大量艰苦工作得以减轻。人工智能算法使用多个来源的实时数据，以此计算市场情况与个人绩效之间的差距。
这些数据包括员工技能的市场价值数据，通过从竞争对手招聘网站上收集信息来量化技能需求，对该技能的预计内部需求以及整个组织中拥有类似技能员工的自愿流失率进行计算。然后，为了在管理者们做决策时为他们提供支持，机器人程序会实时提供信息。
例如，程序会提供员工最近一次加薪或升职的时间，或者他们参加的培训课程。将这些数据整合在一起，就形成了一个非常重要的沟通脚本，管理者参照这个脚本与员工分享工资和奖金发放的理由，同时鼓励他们获得更多与市场紧密联系的技能。
IBM的团队也在为管理者提供一系列行为上的洞见和提示。例如，拼凑出员工可能辞职的信号；发现团队成员的非合作行为模式；创建日历提醒，庆祝重大胜利或贡献。通过改变角色架构和投资人工智能来将一些任务自动化处理，澳大利亚电信公司和 IBM 的团队为管理者提供了支持员工的空间。正如塔塔咨询服务公司的阿肖克 · 克里什提醒我们的，真正的神奇一幕发生在一对一的对话中。当管理者能够倾听、同情和指导员工时，他们就会建立起非常紧密而关键的关系。
书籍介绍
Book introduction
书名：《未来工作》Redesigning Work：How to Transform Your Organization and Make Hybrid Work for Everyone
作者：【英】琳达·格拉顿（Lynda Gratton） 著
