本文来自zdnet，作者Michael Krigsman；由亿欧编译。

当我在CXOTalk栏目上与众多嘉宾交谈时，我接触到世界上最具创新性的思想家，他们让我明白人工智能的三个关键方面。

■ 首先，AI是一个模糊的伞式概念，它将数据和一系列技术联系在一起，例如模式识别和其他技术，从而模仿人类的学习和智力。“人工智能”一词是一种不精确的营销或表述短语。企业买家应该更深入地了解那些对其公司有价值的技术。

■ 其次，很少有公司大规模部署AI。尽管有大量的原型和概念，但是AI对于大多数公司来说仍然是新的技术，并处于试验阶段。例如，SAS最近的一项调查表明“AI采用还处于早期阶段”。

■ 最后，对供应商索赔持怀疑态度。科技公司还在努力弄清楚AI可以在哪些地方改进自己的产品及其自动化过程。很多厂商通过收购AI创业公司来获得专业知识和填补缺口。

企业买家应该学习科技，质疑供应商，并通过在内部开发数据科学人才来规划AI。记住，人才稀缺是当今一大难题。

麦肯锡全球研究所（MGI）研究AI将如何影响组织及其劳动力。麦肯锡的研究结合了定量分析，以及对许多高管和商业经营者的采访。麦肯锡全球研究所合伙人Michael Chui博士主要领导研究AI及相关技术所带来的影响。Michael Chui博士的评论观点清晰又不脱离现实。因此，我跟Michael Chui博士探讨了一些关于AI、商业、伦理、政策经济学相关的话题。

Michael Chui博士强调了以下两点。

首先，任何公司组织采用AI技术，必须基于其整体的数字化成熟度。具备活跃的数字转化方案的公司将更有可能在AI举措方面取得进展。从我个人而言，我们可以把AI举措看做是数字化转型的延伸，从而烦死文化、心态和商业模式，而不是孤立的技术项目。其次，面对AI改变工作和劳动力重新分配时，我们需要思考员工再培训的问题。Chui表示，大规模劳动力调配可能是我们面临的“巨大挑战”之一。

我与Michael Chui的谈话差不多持续了45分钟，以下是对谈话内容的整理。

能简要给我们介绍一下麦肯锡全球研究所的情况吗？

麦肯锡是一家全球管理咨询公司，麦肯锡全球研究所是麦肯锡的一部分。这是我们全球合作伙伴在世界各地的投资，坦率地说，我们是就重要的课题进行研究。在过去25年中，我们大部分时间在做关于生产力、国家竞争力、劳动力市场和资本市场方面的工作。

在过去几年里，我们又增加了一个研究项目，即关于长期技术趋势的影响。我们关注了相关数据和分析以及物联网。现在，我们越来越多地关注人工智能、机器人技术和自动化技术激起对商业、社会、就业的潜在影响。

如何定义人工智能？

对于这个问题人们可以争论几个小时。我们把它描述成使用机器做认知工作，做与大脑相关的工作。但是，事实证明，我们的大脑并非掌握所有的知识。因此，在许多情况下，人工智能可能会进入物理世界，就像机器人和自主汽车等东西一样。但是，其必须首先要做的是智能，然后用机器去实际验证。

你们研究得出哪些重要结论？

我们称之为人工智能的这些技术具有巨大的潜力，可以影响到每一个潜在的部门或职能。其中一个原因是，很多潜在的AI应用是人们对数据和分析领域工作的扩展，所以，我们一直研究AI每个领域内近500个不同的用例。

这些传统分析方法有时候会产生很大的影响。但是，当你加入多维的额外数据或深度学习技术时，这些影响将会更大。你可以把AI看作是你分析工具包的另一个涡轮增压工具，也就是说，几乎没有任何一项业务是不受影响的。

不过，另外一个问题是，我们一直在调查世界各地公司的数千名高管。但我们发现，虽然在营收和利润方面都有巨大的改善潜力，但只有极少部分公司规模上或核心业务中部署了AI。

现在，随着更多公司发展这种能力，他们不断了解更多有关技术的信息，并将其嵌入到一个组织的流程里面。我们很早就开始研究这个学习曲线，这是一个非常陡峭的学习曲线，且有很大的潜力，但事实上，我们确实有点早。

你们研究过的行业中有哪些共同点？

很多行业的大部分价值来自于消费者互动。如果你是一家零售公司，那么AI及其功能可能会更有意义。另一方面，如果你受运营效率驱动，或处于制造、交付和出货产品的业务环节，那么也许那些运营需求占据优先地位。我认为，这至少是公司高层的一种思考方式。

另一个共同特点是，我们发现它具有潜在的变革性影响。甚至你会惊叹道：“天哪，是不是有捷径？我难道不能用这种方法来提高竞争力吗？”

因为我们需要为AI提供大量的训练数据，事实上，我们发现在数字化中，很多部门和个体公司之间具备高度相关性——他们的核心流程中使用数字化能力来提高流程的有效性。这与AI有很高的相关性。

此外，我们也发现，我们很难加速公司之前的数字化进程。因此，在未来数字化的征途上，公司应该让自己为AI做好准备。如果，你想加速与AI之间的潜在影响，那么就需要加速数字化进程。

AI对劳动力问题会产生哪些影响？

一些潜在的影响是，自动化代替了我们之前需雇佣工人进行的工作。我们研究了之前2000个不同类型的工作，理论上，我们可以用自动化的机器来替代这些工人。这听起来很吓人吧？这是一个很大的比例，但我们预计，未来的失业率不会达到50%，部分原因是开发这些技术确实需要一段时间。

这里有一个积极的商业案例。技术开发往往是昂贵的，无论是自动驾驶还是人工智能算法。但由于摩尔定律的影响，其成本在不断下降。不过这得事先把劳动力成本排除在外，因为这项成本在全世界是不同的。

不管怎样，世界上50%的工作在未来近40年内不会被自动化替代，也就是到2055年。尽管我们既能看到20年前的情景，也能预料20年后的情景，但我们的确知道，目前越来越多的付费工作都会逐渐被自动化取代。

那么，问题是，是否有足够的劳动力需求？甚至是对自动化的需求呢？我们上个月的研究报告表明这种需求是足够的。

不知你是否看到不同的潜在催化剂在世界范围内不断增加？在未来的几十年里，有人会进入消费阶层，但也会出现老龄化问题，一方面工人变少，另一方面，推动了医疗需求。但我们需要有人来开发和部署技术。

我们希望看到更多在基础设施方面的投资，以帮助消费阶层，同时也能修复和改善现有的基础设施。未来将会有能源组合和效率的变化，甚至很多目前无报酬的工作会出现在市场中，比如家庭妇女所做的工作——托管、烹饪和清洁。

如果你把所有的这些东西都放在一起看，然后与AI和机器人所做的工作进行对比，那么就会发现这些足以抵消自动化的影响。

但是，更广泛的问题是，假如大规模失业不会成为问题，那么大规模重新部署工作很可能会是个问题。

我们认为，未来几十年潜在的巨大挑战是，我们如何重新培训那些被机器取代的工人？我们需要他们保持经济增长，但从规模上看，过去二十年里，人们对职工在培训这一问题还没完全解决。但这的确是我们急需做的工作。

企业领导人现在是否应该开始考虑工人再培训？还是为时过早？

这个问题需要立即予以关注。只不一定是应为事情会在一夜之间发生，尤其是与AI相关。但是，如果我们更广泛地思考自动化技术的话，我们会发现，无论是机器人过程自动化还是制造工厂、物流配送的物理自动化，这些技术正开始发挥重要作用。

虽然我们将此描述为一个数十年的趋势，但很快会发生在个体工人身上。此外，了解在培训也需要时间，我们称其为巨大的挑战。通常，这种挑战不是一朝一夕就能解决的，因此，我认为，企业管理层在思考员工的劳动力战略时，需要考虑这一问题。

在类似的讨论中，会涉及到普遍基本收入（UBI）的问题吗？

不论是普遍基本收入，还是最低收入保证，人们都希望获得更多的钱。随着它的出现，很多人都在谈论这件事。这里有很多论据。

其中一个论点是，假如机器取代我们的工作，就会产生大量的失业，但我们需要确保每个人都有足够的收入来养活自己和家人。我认为普遍基本收入的正当理由被过早的放弃了，这一理由是假定在大规模失业的情况下，而且也为了确保足够的经济增长。

我们之所以这样认为是基于对过去50年的经济增长的观察。由于老龄化，我们没有足够的工人，会丢失很多工作机会。因此，我们需要AI和机器人等，需要能带来经济增长的人。其次，如果，你认为普遍基本收入是基于我们要有大规模事业的事实，我想你可能已经放弃再争论了，但事实上，你需要为此做点什么来改变目前的状况。

另外，随着我们模拟AI和其他技术的潜在影响，以及加上这些额外的驱动因素，我们可能会继续看到这种日益增加的收入分散和收入不平等的现象。你可能会说：“看吧，我就说我们需要确保人们获得足够的报酬。”但如果你从公共政策的角度来看，也许可以获得收入、税收信贷等类型的补贴，这样既增加工作，又给人们提供额外的收入。我认为这是有可能实现的。

这就是说，UBI更多地存在发展中国家，人们在工作中有更多的自由。但在一个发达国家，由于其高昂的代价及没有针对试图让人们工作的目标，我认为这是有挑战性的。尽管如此，我们认为人们不会完全停止工作，但平均工作时间在过去的几十年和几个世纪里已经下降了两位数。

我们希望大家都有更多的闲暇时间。顺便说一下，休闲驱动新的工作和职业，这也是我们要做的。我们期待工作时间随着时间的推移不断减少，但至少，在可预见的未来，我们看不到它变为零的那一天。

如何改变人口统计？

人口统计是有趣的，包括一些强大的因素。首先，各国的人口统计数据差异很大。很多国家面临老龄化的趋势，缺少足够的劳动力来保持多年来的经济增长。我们的生活条件比父辈的要好很多，因为经济增长一般归因于更多的工人。

德国的劳动力正在下降，日本的也不例外。没有足够的工人来支撑经济增长。而且，人工智能和机器人可能会充当一部分劳动力，来填补这个差距。

也就是说，像印度和非洲大陆这样的国家，他们都很年轻化，人口金字塔看起来也很不一样。我们关注的是，如果AI自动化，他们则需要创造更多的工作，那么该怎么办呢？

我们将所有这些潜在的驱动因素进行建模，但我们只挑选了其中的7个。尤其是那些年轻化的国家，他们对经济增长抱有很高的期望，尽管其GDP起步相对较低。因此，这将产生大量的劳动力需求，机器人和人工智能的需求。即使在这些国家，我们还是可以看到大量的工作机会。

这又回到了再培训和教育问题。我们能否让人们从事这行工作呢？能不能以某种方式部署这些技术，促进AI和机器人的数字化进程？即使是那些正在发展的年轻国家，也需要在数字征程上采取行动，使他们能够利用其他技术来提高生产力，并创造新的就业机会。

你对那些公司有哪些建议？

首先，花费一些时间和资源用于了解AI技术及其潜力。多看一些我们的研究报告，因为这些报告数据和分析领域都是有价值的。其次，对于从事机器学习和深度学习方面工作的公司来说更是如此，因此，制定一项数据战略是很重要的。

我曾有幸跟吴恩达交谈。他谈到了在部署AI方面的一些领先的公司，这些公司都花费大量时间研究哪些数据是重要的，哪些数据可以用于未来研究。

现在最大的挑战之一是在人才方面。其次，在一定程度上，我们跟数据科学家谈到了人工智能扩展的用例。对人才的分析现在也扩展到人工智能所面临的挑战，以及对深入这些技术的人才争夺战。

当然，随着越来越多的人利用在线资源和课堂，这一现象也会发生变化。不过目前而言，需求远远大于供给，因此最重要的是如何让人们有能力从事这件事。