勇往直前：重新定义人工智能时代的工作与专业技能

我们认为，在人工智能 (AI) 驱动效率的乌托邦式愿景与大规模失业的反乌托邦式恐惧之间摇摆不定是毫无意义的。

我们观察到的现象更为有趣：AI正在揭示人类工作中一直以来最有价值的部分——而这并非我们大多数人接受培训时所学的技能。

如今，AI能够起草报告、编写代码和分析数据——这些都是现代工作的基石。如果你的价值来自于记忆和整合信息，那么这种价值正在迅速下跌。

但与此同时，另一些东西的价值正日益凸显。

随着常规性认知工作被自动化，剩下的工作是人类独有的：在信息不完整的情况下做出判断、运用情商应对难缠的客户、有能力识别出模型何时会“自信地”犯错，以及愿意为最终结果负责。

AI可以提出建议，但它不能拍板决策，也无法以自己的声誉作担保。每个组织、每个市场、每个社会都需要有人为后果负责。这个人就是人类——随着AI处理其他所有事务，这个角色的价值不降反升。

合伙业务问题

这从根本上说是个好消息，但其中也存在一个问题。

那些正在被自动化的任务——审阅合同、建立财务模型、端到端地管理项目——不仅仅是任务本身。它们是人们传统上用来培养无法被自动化的判断力的方式。

律师通过审阅数百份合同学会发现风险。分析师通过构建会出错的模型来培养直觉。领导者通过管理项目中混乱的中间阶段来学习执行力。当AI处理这些事务时，我们的训练场就变窄了——而这恰恰发生在我们最需要这种训练成果的时候。

因此，问题不在于人类是否依然重要；事实上，人类比以往任何时候都更重要。问题在于，当培养这些能力的传统途径正在改变时，我们该如何发展那些让我们保持重要性的能力。

这是一个设计问题，而非一场危机。而且一些组织已经在着手解决它。

工作方式如何被重新设计

认知飞行模拟器：航空业在没有真实坠机的情况下解决了专业技能的培养问题。同样的逻辑也适用于此。在受保护的环境中，专业人士使用AI来运行复杂的场景：如果油价达到200美元，我们的供应链会怎样？为新兴市场重新设计这款产品。在这里，失败的成本低廉，学习的效果真实，其重点是磨练判断力，而非提高效率。

对抗性协作：一个世纪以来，专业工作意味着创造——撰写初稿、构建第一个模型。如今，AI能够生成不错的初稿。新兴的转变是从“创造者”到“红队角色”：AI生成内容，人类则严格进行压力测试，找出错误，注入AI所缺乏的背景信息，并挑战其假设。那些只利用AI追求速度的公司将会停滞不前。而那些让员工不断审视AI输出的公司，将培养出思想更敏锐的人才。

认知飞行模拟器：航空业在没有真实坠机的情况下解决了专业技能的培养问题。同样的逻辑也适用于此。在受保护的环境中，专业人士使用AI来运行复杂的场景：如果油价达到200美元，我们的供应链会怎样？为新兴市场重新设计这款产品。在这里，失败的成本低廉，学习的效果真实，其重点是磨练判断力，而非提高效率。

对抗性协作：一个世纪以来，专业工作意味着创造——撰写初稿、构建第一个模型。如今，AI能够生成不错的初稿。新兴的转变是从“创造者”到“红队角色”：AI生成内容，人类则严格进行压力测试，找出错误，注入AI所缺乏的背景信息，并挑战其假设。那些只利用AI追求速度的公司将会停滞不前。而那些让员工不断审视AI输出的公司，将培养出思想更敏锐的人才。

作品集优于资历证书：学位证明学业的完成；而作品集则展示了思维和交付能力。有远见的组织正开始通过工作样本和试验项目来测试判断力，而不是通过简历筛选候选人。这一点至关重要，因为AI在正式知识方面拉平了竞争平台——现在区分人才的是他们所展示出的能力。

职业发展的重塑：旧模式——通过做常规任务来学习，通过耳濡目染来进步——是建立在常规任务永远存在的假设之上的。新的方法则是将专业人士直接与导师配对，参与由AI增强的战略项目，在这些项目中，学习来自于观察和辩论判断过程，而不是执行机械性工作。一些团队正在创建“判断力委员会”，让不同级别的成员共同辩论AI生成的建议，从而使高级员工的思维方式对初级员工可见。

这对个人意味着什么

组织变革有其自身的节奏。但个人不必等待。

AI降低了展示能力的门槛。分析师可以建立市场评估，设计师可以制作产品原型，工程师可以发布一个可用的应用程序——而无需机构的许可。

那些正在取得优势的专业人士，是那些已经证明自己能够协调利用AI解决实际问题，并建立起一系列不言自明的作品的人。

如果你的日常工作是处理、总结、生成常规性的产出，那么你该问问自己，这份工作还能做多久。

但如果你的工作核心是判断力、是艰难的对话、是需要理解数字背后含义的创造性飞跃、是应对“未知的未知”——那么这正是价值汇集之处。

拥抱这些任务带来的不适感，而不是逃避它，这才是能力实现复合增长的方式。

这种相互促进的动态至关重要。个人建立作品集会给组织带来压力，促使他们重视这些作品。组织创建新的发展途径，则为人们提供了培养判断力的机会。两者单独都无法改变整个体系，但合在一起就可以。

新加坡的定位

新加坡有77%的劳动力从事受AI影响的岗位——远高于全球60%的平均水平——因此，新加坡将比大多数经济体更快、更深刻地经历这场变革。

这既是紧迫性的原因，也是一个优势：我们为“人机合伙业务”开发的模式将成为可供输出的专业知识。我们的金融科技监管沙盒已经展示了如何在不失控的情况下进行试验。现在的机会是将这种思路延伸到我们培养人才和构建工作的方式中。

这一转变始于具体的行动——招聘决策更看重能力而非出身背景；工作流程的重新设计旨在培养判断力而不仅仅是效率；以及一个允许安全失败的学习环境。

如果我们仅仅利用AI让工作变得更轻松，我们就有可能让自己变得能力不足。更好的道路是利用AI让工作更具挑战性——模拟复杂的现实，要求更高的判断力，并发展那些定义了AI能力边界的人类才能。

这项技术正在阐明人类工作中最核心的价值所在。我们是否围绕这一明确认知进行建设，是我们面前的选择——这需要组织和个人共同面对。

Taimur Baig是DBS的首席经济学家。Leslie Teo是新加坡人工智能 (AI Singapore) 的高级总监，也是联合国人工智能独立国际科学小组成员。

本文作者使用多个大型语言模型共同撰写了这篇社论——总结了数百篇论文，建立了一个经济模型，并起草了多个版本。在他们看来，AI不知疲倦、能力出众，却完全缺乏判断力。请点击此处阅读相关文章。