隨著自動化和人工智慧不斷在全球範圍內轉變業務， 科技行業正在建立一個與我們今天所瞭解的世界看起來截然不同的世界。 這意味著企業將重新構建並進行技能轉變， 那麼我們現在必須開始為這些變化做準備。
我們或許不贊同自動化將取代的大部分工作崗位， 但是大多數研究這個問題的專家正在密切地預測我們工作的重大轉變。 麥肯錫計畫到2030年全世界將有多達8億的工作人員失去工作， 相當於當今全球勞動力的五分之一以上。 牛津大學此前的一項研究得出的結論是， 在接下來的十年或二十年中，
自動化已經改變了手工行業， 以及涉及基於規則的簡單活動（如分類郵件和簿記）的日常任務。 但是被稱為“人工智慧”的技術浪潮 - 機器學習， 電腦視覺和自然語言處理 - 允許公司將日益複雜的任務交給機器。 例如， GE和殼牌公司都採用管理工作的演算法。 殼牌公司的一個例子是使用機器學習技術， 將員工與正確的專案進行匹配。
正如斯坦福大學的學者傑裡·卡普蘭（Jerry Kaplan）在他的書“人類不需要應用”一書中寫的那樣， 未來25年， 自動化對於衣領的顏色是一目了然的。 無論你是工廠工人， 助理律師還是銷售經理。
是的， 人工智慧可以很聰明地取代你的工作。
正如牛津大學的研究所暗示的， 明天的一半勞動力將失業似乎不大可能， 自動化可能會創造新的工作類別， 甚至會破壞現有的工作類型。 但是， 未來所需要的技能將會和我們今天所選擇的教育系統截然不同。 未來， 公司將高度激勵短期不會被人工智慧取代的技能，
相反， 我們的教育體系所提供的行政管理技能在市場上的重要性將大大降低。 事實上， 這些工作很可能根本就不存在。
為了瞭解未來的組織將會是什麼樣子， 想一下流行的說法， 即每個企業都將成為一個軟體行業， 這是很有幫助的。 這是什麼意思呢?這意味著， 每一個企業都將最大程度地利用軟體， 將最傳統的業務職能外包給專門從事這些領域的公司， 從而超越其同行。 這樣做是為了降低成本， 製造更好的產品， 最終產生更多的利潤。 繁榮的企業將是那些最有效地使用軟體的企業。
自動化是這一轉變的主要指標， 它已經迅速超越了簡單、重複的任務的局限，
專家們經常注意到， 電腦仍然不能像人類一樣思考。 電腦科學家Edsger Dijkstra提出了一個有趣的反觀點， 他說， 詢問機器是否能像人類一樣思考， “與潛艇是否能游泳有關”。 “如果一台電腦能更好地執行相同的任務， 它所使用的過程就不會產生什麼影響。 ”德克薩斯州萊斯大學的電腦科學教授Moshe Vardi說:“我們正在接近機器在幾乎任何任務上都能超越人類的時代。 ”
如果軟體能更好地完成任何可以帶來資料的任務， 從優化供應鏈到設計產品， 那麼人類的判斷將是一個更好的選擇。 一些行業可能永遠受益於人的觸摸——手工咖啡店、醫院病房——但在商業的圍牆內， 軟體將發揮越來越多的分析、管理和官僚功能。
在自動化的未來中磨練寶貴的人類技能。
在軟體不確定答案的情況下，演算法執行業務功能和人的步驟。操作員可以將人類的判斷回饋到演算法中，這樣它就能在未來更好地處理這個問題。人工智慧的人工智慧大大增加了人工智慧的工作範圍，因為它允許軟體處理傳統上被認為對電腦來說過於微妙的任務。
在這個模型中，軟體幾乎可以處理任何與物流、操作和目標決策有關的事情。它不能做的是創造性的工作。一個人將會有必要去製作一份市場行銷的拷貝，而這種拷貝恰好與其他的人產生共鳴。然後，作者可以將該拷貝輸入到一個機器中，a /B通過目標受眾進行測試，並在過程中對其進行細化和個性化。在這種情況下，演算法做的是目標，但是一個人創造了最初的詞，迫使一個情緒反應。
這個例子暗示了與今天有很大不同的組織。我們仍然需要人來設置公司的願景和開發人員、設計師和創意人員來構建和程式設計軟體。但整個層級的員工將會變得多餘。想想你身邊工作的人，他們使用軟體完成他們的主要任務——這是一個長長的清單，包括銷售、財務、人力資源、會計、市場行銷和辦公室管理功能。我們將越來越多地構建執行工作本身的應用程式，而不是構建人們可以使用的應用程式。
這就提出了有關政策的重要問題。作為一個社會，我們需要討論如何處理大規模自動化。我們是否優先考慮企業的自由，以犧牲安全的就業為代價，最大限度地提高生產力和競爭力?還是我們制定了保護某些職業的政策?這並不像聽起來那麼牽強:例如，2008年的刺激法案側重於大型基礎設施項目，優先考慮就業而非生產力。在地方層面上，三藩市的政客們投票決定將快遞公司限制在三個機器人上，這顯然是為了減輕選民對自動化的擔憂。
我們的教育體系也需要發展。如今，學校大量炮製出針對這種類型的死記硬背的畢業生，行政工作電腦已經更擅長處理了。很少有孩子被鼓勵去追求創造性的、跨學科的學科，或者發展同理心和人際交往能力，但這些都是我們為了增強電腦決策能力而最需要的特質。具有諷刺意味的是，當我環顧矽谷的其他領導人時，這些技能在我的同齡人中被大大高估了。
為人類就業創造一個深思熟慮的未來。
無論我們做什麼決定，我們都需要謹慎行事，以一種平衡企業的需要和對社會最有利的方式。正如薩蒂亞·納德拉(Satya Nadella)在微軟最近的會議上指出的那樣，我們構建的工具最終必須有助於我們的福祉，而不是削弱它。
“我們如何使用技術來賦予人們能力?””Nadella問道。“每一項技術都應該有助於增強人類的能力。”我們當然希望提高生產率和效率，但我們不想貶低人類。
軟體將發揮越來越多的分析、管理和官僚功能。在自動化的未來中磨練寶貴的人類技能。
在軟體不確定答案的情況下，演算法執行業務功能和人的步驟。操作員可以將人類的判斷回饋到演算法中，這樣它就能在未來更好地處理這個問題。人工智慧的人工智慧大大增加了人工智慧的工作範圍，因為它允許軟體處理傳統上被認為對電腦來說過於微妙的任務。
在這個模型中，軟體幾乎可以處理任何與物流、操作和目標決策有關的事情。它不能做的是創造性的工作。一個人將會有必要去製作一份市場行銷的拷貝，而這種拷貝恰好與其他的人產生共鳴。然後，作者可以將該拷貝輸入到一個機器中，a /B通過目標受眾進行測試，並在過程中對其進行細化和個性化。在這種情況下，演算法做的是目標，但是一個人創造了最初的詞，迫使一個情緒反應。
這個例子暗示了與今天有很大不同的組織。我們仍然需要人來設置公司的願景和開發人員、設計師和創意人員來構建和程式設計軟體。但整個層級的員工將會變得多餘。想想你身邊工作的人，他們使用軟體完成他們的主要任務——這是一個長長的清單，包括銷售、財務、人力資源、會計、市場行銷和辦公室管理功能。我們將越來越多地構建執行工作本身的應用程式，而不是構建人們可以使用的應用程式。
這就提出了有關政策的重要問題。作為一個社會，我們需要討論如何處理大規模自動化。我們是否優先考慮企業的自由，以犧牲安全的就業為代價，最大限度地提高生產力和競爭力?還是我們制定了保護某些職業的政策?這並不像聽起來那麼牽強:例如，2008年的刺激法案側重於大型基礎設施項目，優先考慮就業而非生產力。在地方層面上，三藩市的政客們投票決定將快遞公司限制在三個機器人上，這顯然是為了減輕選民對自動化的擔憂。
我們的教育體系也需要發展。如今，學校大量炮製出針對這種類型的死記硬背的畢業生，行政工作電腦已經更擅長處理了。很少有孩子被鼓勵去追求創造性的、跨學科的學科，或者發展同理心和人際交往能力，但這些都是我們為了增強電腦決策能力而最需要的特質。具有諷刺意味的是，當我環顧矽谷的其他領導人時，這些技能在我的同齡人中被大大高估了。
為人類就業創造一個深思熟慮的未來。
無論我們做什麼決定，我們都需要謹慎行事，以一種平衡企業的需要和對社會最有利的方式。正如薩蒂亞·納德拉(Satya Nadella)在微軟最近的會議上指出的那樣，我們構建的工具最終必須有助於我們的福祉，而不是削弱它。
“我們如何使用技術來賦予人們能力?””Nadella問道。“每一項技術都應該有助於增強人類的能力。”我們當然希望提高生產率和效率，但我們不想貶低人類。