![](https://ibw.bwnet.com.tw/ac_gallery/2025/01/e2b54079-2d29-deb2-7fa2-10e00ca812c3_190.jpg)
![](https://ibw.bwnet.com.tw/ac_gallery/2025/02/43303ba3-5b4a-afcc-d0b1-89826d75a284_190.jpeg)
![](https://ibw.bwnet.com.tw/ac_gallery/2024/11/c2f9484c-1e1d-da69-e413-90921fa09d31_190.jpg)
![](https://ibw.bwnet.com.tw/ac_gallery/2025/02/786bc83b-2742-da11-db27-1aa2dc417d5a_190.jpg)
1.「強人工智慧」時代,有許多新方法可以用以訓練機器,原先需要人為介入判斷的工作,會被機器取代。
2.傳統認知中,專業程度偏低、較基礎的工作更容易被AI取代。
3.若從成本觀點考量,人力成本高的白領工作,將被列於人工智慧未來幾年積極取代的優先順位。
4.訓練機器人、機器模型等由人工智慧衍生而出的新職業,將會成為下個世代的新需求。
工業革命注重大量複製、自動化勞動力,第二次世界大戰則為自動化技術帶來突破性發展。從蒸氣機、紡織機到汽車組裝工廠,人的勞動力所能及,甚至無法企及的部分,都被逐步自動化。在這個系統中,人所扮演的角色,主要是協助無法自動化的工作。工廠生產線就是一個代表性例子:製造產品時,系統以機器代替人力,而需要判斷時,還是要依靠專業人工(如產品良率)。
在人工智慧的時代,尤其是所謂「強人工智慧時代」,許多人工智慧能力已經不只能做到跟人一樣,甚至能夠超越人的水準(如辨識能力)。在一般人眼中看起來一模一樣的兩隻哈士奇,卻可能能靠人工智慧,辨別牠們不同的產地。
在「強人工智慧」時代,許多原本需要智能判斷的工作會被取代(如前文提到的生產線案例)。現在有許多新方法可以用以訓練機器學習模型,人工智慧可以透過視覺辨識分辨出瑕疵產品,所需要的訓練數據在大幅降低。
雖然自動化人工智慧(Automated intelligence)目前的應用比較多,也延續著系統自動化的演進。但對一個社會或企業來說,以人為本的人工智慧(Human-Centered Artificial Intelligence)卻更加重要,其所影響的層面不只是科技業,還有國家社會各種制度系統。
其中一個重要觀念,是讓人與人工智慧能夠互相協助的擴增人工智慧(Augmented Intelligence),這能讓兩造發揮彼此擅長的部分。有些工作,人工智慧可以做得精準到位,例如重複搬運物品、放射影像的判讀,辨識皮膚照片並發現早期癌細胞。而在與「人的系統」有關的判斷能力上,人工智慧還無法達到很好的應用。
位於美國科羅拉多州的新創公司Matrix Analytics,在AWS透過深度學習進行追蹤診斷及早期癌症干預,如預測惡性腫瘤風險、自動進行後續護理。像判斷癌症病徵這類工作,人工智慧可以圓滿做到,而安排醫師與住院療程等項目,就需要人為介入判斷。
人工智慧可以判斷癌症初期病徵,但在安排醫師與住院療程上,就需要人為介入判斷。舉例來說,《哈佛商業評論》2019年出版書籍”Artificial Intelligence: The Insights You Need from Harvard Business Review”指出,能夠及早規劃人與人工智慧協作的整體轉型計劃的企業,長期的投資回報是比短期完全自動化的公司來得更多且穩定。
在傳統的認知中,藍領階級通常會被歸類為使用勞力或身體技術專業來換取報酬,而白領則是使用腦力勞動來獲得報酬。我們在衡量人工智慧對未來職場的衝擊程度時,可以從2個觀點來看:
從成本考量的角度來看,以人工智慧取代白領階級的專業工作,是更值得投資的項目。相反來說,一些人力成本較低的創意與技術性工作,就不見得會是人工智慧在未來5到10年產業轉型的優先順位。
例如,人工智慧若能取代一些重複性高的法律諮詢工作,所能節省的成本更高、更值得開發,這類工作因此會面臨更直接的挑戰。Lawgeex、Klarity、Clearlaw及LexCheck等新創公司,目前都在開發AI系統。這些系統將能夠自動提取擬議合約,使用自然語言處理(NLP)技術對其進行全面分析,確定合約中可接受部分及有問題的部分。
相對來說,若要以人工智慧取代米其林餐廳的廚師,所要花費的成本會非常高,這個投資所能帶來的收益就不見得能夠平衡。
不論白領或藍領階級都會面臨的挑戰是,專業程度較低、較基礎的工作很可能會被取代。
我們可以用擴增人工智慧與自動人工智慧的觀念來看,以白領階級來說,律師事務所需要助理處理的簡易工作,可能就會被取代,但在法庭上代表辯護的律師,則不會這麼快被取代。以藍領階級而言,搬運貨物、卡車駕駛,甚至客服人員,都比較容易面臨自動化人工智慧的挑戰,但是一些以人為主的服務業,強調創造性或創意的工作的工作則不會那麼快面臨挑戰。
而人工智慧也會衍生出一些新工作。前文提到,生產線可以應用「視覺辨識功能」,這種訓練人工智慧的機器模型,它能夠辨別不良產品的關鍵便是標號數據(Labeled data)。這部分需要經由人工方式,將產品有瑕疵的圖片資料標示出來,透過大量數據訓練機器。
未來,訓練機器人或是機器模型的職業,也可能會是下個世代的新需求。比如,利用人工智慧輔助健身,就可能需要健身教練配合,創造訓練用數據。另一方面來說,Aaptiv等健身App,則可以幫助健身教練輕鬆制定個人化訓練計畫,並結合體能訓練空間。
不論是個人或企業,都可以結合上述幾個觀念去思考未來規劃。人工智慧之於未來的我們,將會像是網路之於現在的我們一般,是工作與生活還有商業系統中必然的科技。就像應用電商,不必然要從了解伺服器開始,面對人工智慧,重要的也是理解其中邏輯,而不只是學習技術。
有此需求的讀者,建議先找一些學習資源,了解人工智慧的觀念,尤其商業方面的應用或相關案例。現在有許多先進國家,都已經意識到要把人工智慧的思維融入到教育當中,許多國外學校也有開設人工智慧基礎結合商業的課程。這些資源都可以結合網路資源運用。
再來,建議運用擴增人工智慧的思維去重新檢視自己的專業,關注更多人工智慧衍生出來的新職業,了解其中需要跨越的門檻,並做適當規劃。新創公司或企業領導人,則可以參考這個新時代將出現的需求,作為創業或企業轉型的新方向。
陳翰申
亞馬遜雲端服務產品用戶體驗設計主管。在人工智慧與機器學習方面,擁有豐富的用戶體驗及產品設計經驗。
2018年完成Google ML Incubator Program,也曾與Google People and AI Research團隊合作數個以人為本的人工智慧用戶體驗設計計劃案。
進入Google之前,曾任職於Microsoft人工智慧研究團隊,也曾於IBM擔任用戶體驗設計助理總監,負責多家全球性公司的Watson人工智慧設計項目。
責任編輯:李頤欣
企業主面對市場,品牌面對消費者,業務面對客戶。不論你身處哪個產業、哪個職位,都該要有的「使用者思維」。
3位曾任職世界500強企業的台灣人,從最外層的使用者體驗,到最核心的產品設計,帶你透析頂尖企業使用者思維。
蔡惠棠(Roger Tsai)
曾任摩根大通投資銀行(J.P. Morgan)紐約總部新創策略經理,現任富比世50大金融科技新創公司Trumid設計總監。
在用戶體驗設計、產品策略、敏捷開發等方面,擁有多年實務經驗。以本身的設計背景,融合商業知識與科研技術,致力發展人性化科技產品與新用戶市場開發,輔導企業團隊運用創意思考,創造低成本、高獲利的商業模式。
林毅安(Ian Lin)
Facebook產品經理主管,負責Instagram成長相關產品。
在產品策略、新創孵化投資,組織架構和團隊管理等方面,擁有十多年實務經驗,涉獵人工智慧、機器學習、搜尋引擎、社群平台、數位金融,區塊鏈等領域。曾任Two Sigma避險基金產品副總、Microsoft首席產品經理主管、Yahoo資深產品經理、Google工程師。
陳翰申
亞馬遜雲端服務產品用戶體驗設計主管。在人工智慧與機器學習方面,擁有豐富的用戶體驗及產品設計經驗。
2018年完成Google ML Incubator Program,也曾與Google People and AI Research團隊合作數個以人為本的人工智慧用戶體驗設計計劃案。
進入Google之前,曾任職於Microsoft人工智慧研究團隊,也曾於IBM擔任用戶體驗設計助理總監,負責多家全球性公司的Watson人工智慧設計項目。
商周集團為提供最佳的閱讀服務,採用網站分析技術,以持續優化用戶體驗。
若繼續瀏覽本網站即表示您同意隱私權聲明。
若您未點選「我同意」而繼續使用本網站,則視為您已同意本站之隱私權政策。