未來最有前途的工作，原來是這兩類

對許多人來說，工作的前景似乎越來越黯淡了。根據佛瑞斯特研究公司最近的一項研究，估計今年美國有10%的工作崗位將實現自動化。麥肯錫諮詢公司的另一項研究也表明，未來十年美國近一半的工作崗位可能會實現自動化。

可能被自動化的主要是一些重複性和常規性的工作，涵蓋範圍從解讀X光（放射科醫生的作用可能越來越有限了)、卡車駕駛，再到倉儲管理。雖然我們已經看到過很多介紹關於可能被淘汰的工作類型的文章，但還有一個很少被發表的觀點，那就是：不要問哪些工作將被淘汰，而是要問倖存的工作有哪些將要被機器所取代。

比如醫生，很明顯機器診斷疾病的能力很快就會超過人類。當數據集可以用於培訓和測試時，機器學習出來效果就非常不錯了，而且它們能診斷各種各樣的疾病。不過，想像一下，機器與病人和家屬坐在一起討論治療方案會是怎樣的情景？在可預見的未來，這種情況要實現自動化的可能性小得多。

再比如另一個職業：咖啡師。在舊金山，Cafe X咖啡店所有的咖啡師都換成了工業機器人，也就是說機器人取代了咖啡師的位置。製作熱飲時，機器人會用它們的滑稽動作來娛樂顧客。即便如此，Cafe X咖啡店裡也另外僱傭了一位員工。他負責教顧客如何點飲料和解決這些機器咖啡師出現的一些問題。

對比一下咖啡師和調酒師兩種職業，顧客往往更經常和調酒師攀談。很明顯，調酒師的工作不僅僅是把飲料混合在一起。就像醫生一樣，人們很容易將醫生的工作分解成兩個部分：重複的常規性的工作和與病人互動的工作。這好比咖啡店的工作可以分為製作咖啡和服務客人。

在綜合考慮了許多工作及行業特點後，我們發現有兩種非常規的工作似乎特別普遍，但卻很難自動化。

首先是情感類。情感在人類交流中扮演著重要的角色。比如和病人交流的醫生，以及和顧客互動的調酒師。這兩種工作幾乎都涉及到非語言和情感交流的所有形式。但更重要的是，它啟發我們去考慮現在所做事情的優先次序，比如它幫助我們決定現在就需要做什麼，晚做決定就會來不及了。情感不僅是複雜和微妙的，它還影響著我們許多的決策過程。事實證明，要科學地理解情感的作用是十分具有挑戰性的(儘管已經取得了進展)，而且它很難構建成一個自動化的系統。

第二是環境。人類在做決定或與他人互動時，往往很容易將所處的環境因素考慮進去。環境的確很有趣，因為它是開放的。例如，每當有新聞報道時，它都會改變我們所處的環境(這個環境不論大小)。此外，環境的變化不僅可以改變各種影響因素之間的相互作用，而且可以引入新的影響因素，並從根本上改變各種因素之間的組織方式。而對於機器學習來說，環境改變是一個大的問題，因為機器學習要操作的是數據集，而這些數據集是在不同的環境下事先建立的。因此，環境因素對自動化來說也是一個挑戰。

我們具有管理和利用情緒的能力以及考慮到環境影響的能力，這些是批判性思維、創造性解決問題、有效溝通、適應性學習和正確判斷力的關鍵構成因素。事實證明，通過編寫程序讓機器完全模仿人類的知識和技能是非常困難的。目前尚不清楚日漸成熟的技術在何時或者是否能真正替代人類。

事實上，具備這兩項能力的人才也是各行各業的僱主們一直在尋找的。在一項調查中，93%的僱主表示求職者如果具有批判性思維、良好的溝通能力以及解決複雜問題的能力，遠比他或她的本科專業更重要。此外，僱主們還希望應聘者具備其他「軟技能」，比如學習能力強、能做正確的決策以及與他人合作良好。當然，這些廣受歡迎的能力人類是沒有任何問題的，但是要實現自動化，無論現在還是將來都是很難的。

所有這些都表明，我們的教育系統不應該僅僅只關注人們如何與技術交互(例如，教學生編程)，還應該教他們關注如何做那些機器不能做的事情，眼光放長遠點。這是一種新的方法來描述「軟技能」的本質。這些「軟技能」可能會被錯誤地認為是難以理解和系統化的技能，但它們給人類帶來了優勢，未來也將繼續給人類帶來超越機器人的優勢。

史蒂芬.M.科斯林（Stephen M. Kosslyn）|文

史蒂芬.M.科斯林是Foundry College的院長，密涅瓦大學前首席學術官，曾任哈佛大學社會科學系主任。

阿丫丫|譯 周強|校

《哈佛商業評論》

[email protected]

公眾號ID：hbrchinese