華文網

師傅老了意味著手藝失傳?以後AI也能教出徒弟

4月28日消息,據VentureBeat報導,隨著經驗豐富的工人退休,他們的經驗和知識也可能隨之消失,

數字學徒能説明挽救這些可能永遠失去的寶貴財富嗎?

2016年,聯合國估算全球人口為74億人,其中1/8的人年齡超過60歲。此外,據世界健康組織和倫敦帝國學院估算,最早到2030年,多個國家的人口平均壽命可突破90歲障礙。其他研究預計,從2012年到2022年,隨著更多工人離開工廠,大約有1250萬個工作崗位無人填補。在此期間,200萬個新工作崗位將被創造出來,但只有700萬名新工人將會進入職場。

這意味著將留下許多空閒崗位缺口。如果目前職場退出率依然在50歲左右,特別是53歲後再就業率急劇下降,意味著勞動力短缺現象將更嚴重。對於公司來說,這是個巨大挑戰。審慎考慮和仔細規劃能夠減少損失,同時幫助退休者。可是在採取任何措施前,我們需要首先更多瞭解來之不易的經驗和知識的價值,以及它們正處於何種危險狀態。

理解知識的基礎

在任何人想要解決職場老齡化問題前,我們首先需要更多理解職場所包含的知識。特別是這些知識有什麼價值,在商業中如何能被掌握?在這樣的假設場景中,將知識想像為“專業堆疊”很有用。這些堆疊含有結構化、非結構化以及其他細緻入微的知識。

以電力行業為例,結構化知識包括資產資料庫或其他記錄系統,它們包含管道或電線佈局、服務時間表等關鍵資訊。

非結構化知識則是來自多個源頭的資料,這些源頭可説明員工回答有關任務或相關角色的問題。結構化知識和非結構化知識都非常重要,而且很有用。可是,我們最缺少的是知識和經驗中最深層的東西,也就是堆疊中細緻入微的知識。

“依賴於”科學

想像下細緻入微的知識水準,員工經常使用“依賴於”這樣的詞彙。在這個領域,有時候沒有明確的答案,人們只能根據經驗和判斷做出決定。

許多公司沒有意識到這種知識對他們企業的重要性,即使意識到,也可能已經太遲了。遺憾的是,這些恰好是失去後卻最難再被重新創造起來的知識。

現在,如果你還不到25歲,下面的情況就可能會發生在你身上。事實上,許多正要退休的人都很瞭解流程和系統,而對於下一代人來說,這些流程和系統已經過時了,他們對此完全不熟悉。比如VHS視頻播放機,

對於VHS或Betamax播放機來說,產品表就是結構化資訊。這個手冊可以告訴我們,如何播放視頻和錄製視頻,那些都是非結構化資料。可是,你可能無法從產品表中知道:你必須使用額外的磁帶,並需要額外30分鐘錄製足球比賽。當比賽進入加時賽,或錄製好電影時,你會發現很困難,需要從不斷的失誤中吸取經驗。

這就是細緻入微的知識。你可以在文檔中記錄詳細資料。可是,結果通常是一系列提示,這些提示非常模糊、依賴於情境以及缺少判斷,不容易理解。簡而言之,產生的東西可能無法使用。依然以電力行業為例,電力工人在現場或前往電塔的途中,他們可能需要更多資料,而不是閱讀企業網站資料。

認知推理可能有所幫助。它能捕捉許多微妙的判斷,這些判斷通常是經驗豐富的專家每天做出的。可是,只有技術顯然無法解決這個問題。這個過程並非一對一的記錄資訊,我們必須考慮這種專業知識如何能從人傳給電腦。

數位學徒

這就是“數字學徒”出現的原因。舉例來說,假如某人需要學習複雜的稅法。數位學徒可以記錄所有微妙的資訊,但技術熟練的人類可將其整理出來,幫助未來的稅務官和支持當前稅務官。實際上可一舉兩得。但成功的關鍵是在公司中找到正確傳播這些知識的人。你還需要有認知推理系統,它可供非技術人員使用。當這類系統受到訓練後,人人都可使用它。

另一個有價值的概念是“數字退出面試”。當你要離開公司退休時,不會迅速變得無所事事,人力資源部會將你的技術進行廣泛的技術評估。企業可以建立這類獲取知識的流程,甚至為工人額外付費以便其傳輸自己的知識。將AI應用到這樣的流程中特別有價值。這類技術可以整理某人的知識,並加入其它知識源,系統會逐步學習它們所需的知識。簡而言之,電腦會隨著時間推移變得越來越好、越來越智慧化。

AI副駕

對於老齡化勞動力值得關注的最後概念是:我們許多人都無法按時退休,即使壽命正在延長,我們需要繼續在職場中工作。在這種情況下,AI可被用於充當老年工人的“副駕駛”,幫助他們延長職業生涯。目前,我們已經可以看到許多處於半退休狀態的人正為Uber開車。如果沒有GPS系統,這幾乎是不可能的。而在20多年前,GPS就是我們認為的AI。

隨著我們年齡漸長,AI也會提供更多幫助。我們辛苦獲得的經驗和知識被記錄到系統中,並用於説明其他人,這可讓我退休後依然被滿足感所環繞。這種AI“副駕駛”能夠幫助我們繼續以半退休狀態工作的想法,讓我們對未來充滿了希望。

網易企業服務-企業資訊化服務提供者

湖南領先網路科技有限公司 整理發佈

結果通常是一系列提示,這些提示非常模糊、依賴於情境以及缺少判斷,不容易理解。簡而言之,產生的東西可能無法使用。依然以電力行業為例,電力工人在現場或前往電塔的途中,他們可能需要更多資料,而不是閱讀企業網站資料。

認知推理可能有所幫助。它能捕捉許多微妙的判斷,這些判斷通常是經驗豐富的專家每天做出的。可是,只有技術顯然無法解決這個問題。這個過程並非一對一的記錄資訊,我們必須考慮這種專業知識如何能從人傳給電腦。

數位學徒

這就是“數字學徒”出現的原因。舉例來說,假如某人需要學習複雜的稅法。數位學徒可以記錄所有微妙的資訊,但技術熟練的人類可將其整理出來,幫助未來的稅務官和支持當前稅務官。實際上可一舉兩得。但成功的關鍵是在公司中找到正確傳播這些知識的人。你還需要有認知推理系統,它可供非技術人員使用。當這類系統受到訓練後,人人都可使用它。

另一個有價值的概念是“數字退出面試”。當你要離開公司退休時,不會迅速變得無所事事,人力資源部會將你的技術進行廣泛的技術評估。企業可以建立這類獲取知識的流程,甚至為工人額外付費以便其傳輸自己的知識。將AI應用到這樣的流程中特別有價值。這類技術可以整理某人的知識,並加入其它知識源,系統會逐步學習它們所需的知識。簡而言之,電腦會隨著時間推移變得越來越好、越來越智慧化。

AI副駕

對於老齡化勞動力值得關注的最後概念是:我們許多人都無法按時退休,即使壽命正在延長,我們需要繼續在職場中工作。在這種情況下,AI可被用於充當老年工人的“副駕駛”,幫助他們延長職業生涯。目前,我們已經可以看到許多處於半退休狀態的人正為Uber開車。如果沒有GPS系統,這幾乎是不可能的。而在20多年前,GPS就是我們認為的AI。

隨著我們年齡漸長,AI也會提供更多幫助。我們辛苦獲得的經驗和知識被記錄到系統中,並用於説明其他人,這可讓我退休後依然被滿足感所環繞。這種AI“副駕駛”能夠幫助我們繼續以半退休狀態工作的想法,讓我們對未來充滿了希望。

網易企業服務-企業資訊化服務提供者

湖南領先網路科技有限公司 整理發佈