机器人、人工智能、机器学习、认知技术浪潮来袭 但企业尚未准备就绪

简介:

根据Forrester Research的预测,机器人、人工智能、机器学习等认知技术至2025年将取代7%的美国工作岗位,其中办公和行政人员受到的冲击最大。

机器人、人工智能、机器学习、认知技术浪潮来袭 但企业尚未准备就绪

坏消息是工作会流失。好消息是,认知技术站稳脚跟后会衍生新的工作岗位。Forrester称,但是这些不会出现大混乱以及不会很快出现混乱,原因之一是一众公司在应对新的自动化劳动力方面尚未做好准备。

  • 美国16%的工作岗位将被取代,但会产生9%的工作岗位。Forrester说的到2025年7%的工作会流失就是这样得来的。
  • 新兴的就业机会将是机器人监控专才、数据科学家、自动化专家和内容策划人。
  • 93%的自动化技术人员觉得尚未准备好应对智能机器技术。
  • 83%认为认知计算将是他们公司将来的关键。
  • 32%的受访者表示,他们为未来的认知技术变革准备好了,但只有12%做好了应对人员和组织的影响。
  • 46%的人表示,工作岗位数量将保持不变,而43%的受访者认为工作岗位数量将下降。

Forrester的报告援引了银行巨头瑞银企业架构董事的一段话:

在我们的银行里,已经有后端系统做决策,90%的交易是自动化的。只剩下10%的零碎活。下一步就是与客户打交道的员工。

不过,Forrester报告的基调是乐观的。客户越来越需要听取真人的意见,人类提供的细节好过机器人,变化将与变革共存。

然而,首当其冲的办公室和管理人员将减少,然后是销售岗位将会受到客户自助服务的冲击。诸如医生和科学家这样的专业人士岗位会慢慢地消失。管理、商业和金融工作对机器人的抵抗力最大。但也有一位银行家提到,机器人和自动化在季末和财年结束时将会结算账本,而不需要现时的2000个大活人。

无论如何,Forrester报告值得商业科技领袖思考。但是,还有一些负面因素:

文化反弹将会是真实和巨大的,但不会阻挡自动化进程。目前的几百万员工缺少数字时代的技巧,将渐渐进入过时之列,因而,有关自动化的劳资冲突将升级。因此,企业应保持积极的沟通策略,无论在内部(对员工)还是外部(公共关系)都需要主动解释及保卫自动化方面的举措。要说清楚这一点,不能只提工作岗位的变化,还应该讲机器人和公司员工在一起能为客户创造新价值。

Forrester表示,企业应该做以下几条:

  • 将重点放在交互模型和数据上,不要放在算法上,算法是会变的。
  • 准备未来的自我学习系统。
  • 组建专业知识库。
  • 建立内置保障措施,以保证认知系统不会学习坏的脚本或知识库。
  • 让合规法律团队参与认知规划。
  • 花时间改变管理和员工反应。
  • 将奖金和激励机制与认知发展挂钩。
  • 反思人才收购。
  • 进行可行性试验。
  • 采用所谓的机器人过程自动化(Robotic Process Automation)路线图,将重点放在可以自动化的任务上,以减少错误。





原文发布时间为:2016年6月27日 
本文作者:作者:赵东
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
3天前
|
机器学习/深度学习 人工智能 算法
人工智能平台年度技术趋势
阿里云智能集团研究员林伟在年度技术趋势演讲中,分享了AI平台的五大方面进展。首先,他介绍了大规模语言模型(LLM)训练中的挑战与解决方案,包括高效故障诊断和快速恢复机制。其次,探讨了AI应用和服务的普及化,强调通过优化调度降低成本,使AI真正惠及大众。第三,提出了GreenAI理念,旨在提高AI工程效率,减少能源消耗。第四,讨论了企业级能力,确保数据和模型的安全性,并推出硬件到软件的全面安全方案。最后,介绍了整合多项核心技术的Pai Prime框架,展示了阿里云在自主可控AI核心框架下的整体布局和发展方向。
|
21天前
|
编解码 机器人 测试技术
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
Qwen2-VL是一款具备高级图像和视频理解能力的多模态模型,支持多种语言,适用于多模态应用开发。通过PAI和LLaMA Factory框架,用户可以轻松微调Qwen2-VL模型,快速构建文旅领域的知识问答机器人。本教程详细介绍了从模型部署、微调到对话测试的全过程,帮助开发者高效实现定制化多模态应用。
|
29天前
|
机器学习/深度学习 人工智能 算法
人工智能浪潮下的编程实践:构建你的第一个机器学习模型
在人工智能的巨浪中,每个人都有机会成为弄潮儿。本文将带你一探究竟,从零基础开始,用最易懂的语言和步骤,教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式,也不必担心编程难题,只需跟随我们的步伐,一起探索这个充满魔力的AI世界。
48 12
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深入理解人工智能中的深度学习技术及其最新进展
深入理解人工智能中的深度学习技术及其最新进展
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深入理解人工智能中的深度学习技术及其最新进展
深入理解人工智能中的深度学习技术及其最新进展
|
2月前
|
人工智能 自然语言处理 自动驾驶
技术与人性:探索人工智能伦理的边界####
本文深入探讨了人工智能技术飞速发展背景下,伴随而来的伦理挑战与社会责任。不同于传统摘要直接概述内容,本文摘要旨在引发读者对AI伦理问题的关注,通过提出而非解答的方式,激发对文章主题的兴趣。在智能机器逐渐融入人类生活的每一个角落时,我们如何确保技术的善意使用,保护个人隐私,避免偏见与歧视,成为亟待解决的关键议题。 ####
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深入探讨人工智能中的深度学习技术##
在本文中,我们将深入探讨深度学习技术的原理、应用以及未来的发展趋势。通过分析神经网络的基本结构和工作原理,揭示深度学习如何在图像识别、自然语言处理等领域取得突破性进展。同时,我们还将讨论当前面临的挑战和未来的研究方向,为读者提供全面的技术洞察。 ##
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来医疗:AI技术在疾病诊断中的应用前景####
本文探讨了人工智能(AI)在现代医疗领域,尤其是疾病诊断方面的应用潜力和前景。随着技术的不断进步,AI正逐渐改变传统医疗模式,提高诊断的准确性和效率。通过分析当前的技术趋势、具体案例以及面临的挑战,本文旨在为读者提供一个全面的视角,理解AI如何塑造未来医疗的面貌。 ####
|
2月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
116 4