编者按：风投家兼初创企业顾问Scott Hartley的新书《The Fuzzy and the Techie: Why the Liberal Arts Will Rule the Digital World》即将出版。这本书触及了当今最热门的一个话题，在AI越来越先进的情况下，人类会不会失去大部分的工作？同时还提出了我们应该如何准备来应对未来充满不确定性的世界的问题。对于前一个问题，他给出了令人欣慰的否定回答。而对于后一个问题，他却给出了一个意想不到的答案。
2013年，大学经济学家Carl Frey和Michael Osborne发表了一份研究，题目叫做《就业的未来》。作者得出结论说，未来20年有47%的美国岗位存在被机器自动化取代的高风险。这是一个也令人恐惧的想法。这种录式的预测的各种版本不仅在专业预言者口中越传越多，就连对自己的软硬件感到印象深刻的员工以及技术也愈发害怕其对社会造成的后果。
这样的恐惧可以理解，但也有可能是。工作并没有消失。相反，随着自动化深入渗透到社会当中，工作正在发生着不可逆转的改变。我们大概并不需要担心工作本身还在不在，相反，我们需要担心的是那些无法养成思想开阔并且不断改善作为人的独特性必须的软技能的人。
大规模工人会因为机器而永久失业，这种所谓的“技术性失业”的观点并不新鲜，其是工业出现以及1930年代大萧条期间。经济学家凯恩斯提出，大萧条期间因为技术进步而带来的失业，导致了“节省使用劳力的手段跑得比我们能找到劳力的新用途的节奏要快。”换句话说，很多人将没有事情可做。
当然现实的并没有如此的彻底。1900年，大概有40%的美国工人是由农场雇佣的；今天这个数字只是2%。工业的后果是让农民转移到了工厂和办公室。但这次会不会不一样呢？
当然，我们正在目睹着人工智能、机器人以及日常手工任务的自动化取得巨大进展。比方说，许多人一度聚集到的内陆，为了高达6位数的薪水而从事开采铁矿石和黄金的工作，但今天重达100万磅的巨型沃尔沃和卡特彼勒卡车已经可以自动驾驶，自动在露天矿上铲运矿土。卡特彼勒的营销说：“自动卡车不需要停下来吃午饭，也不需要交。”另一家汽车公司Scania也有着领先的卡车技术，他们利用了GPS和激光雷达传感器来实现效率最优化与燃料消耗的最小化。卡车的效能提高了15%多。当然，我们每天都听到预测说各种各样的无人车很快就将取代各类的人类司机，尤其是数百万以驾驶为生的人的。
但机器似乎往往只能在一件事情上干得更好（凯文凯利也是这个观点）。比方说，像CAT 797这样的车价格高达550万美元，马力达到4000匹，载重可达400吨，如果是用计算机来的话刹车会用得更少。粗心的人类司机会导致举行轮胎更大的损耗。要知道这样的轮胎一个就超过了4万美元。
当然，企业不可能一直都靠买东西来换雇人。但在类似采矿这样高度受管制，工人安全和精力是重大关切，尤其是工作是高度程序化的行业里，工人正在从工地转移到办公室或者失业。机器自动化节省了采矿公司的成本，所以随着时间转移，他们会追加越来越多的类似设备。
无论用什么方式都能完成的常规工作是最安全和最高效的。这不仅适用于手工任务，而且越来越适用于大家用大脑执行的认知工作。但尽管常规任务可能会转向机器，但工作却是由许多元素组成的。大家做的事情里面只有一小块是死板到到可以脚本化、程序化并由机器或者计算机去执行的。各种工作当中的许多任务都要受到足够多的各种变化支配，很长一段时间以来雇主往往更愿意用人而不是机器来干。机器的精准度值得欣赏，但人的可变性亦然。机器也许能做出很好的汉堡包，但它还懂得扔垃圾吗？
2016年夏天，麦肯锡全球研究所发布了一份研究，在这份研究里面他们分析了800种不同职业执行的职能。研究人员考察了所有这些工作涉及的2000多项任务，最后得出结论说“尽管自动化只会在未来10年彻底干掉非常少量的职业，但却会在不同程度上影响到几乎所有的工作。”麦肯锡发现有5%的职业将会被完全自动化（这个数字跟大学令人恐惧的47%相差甚远）。
但这份研究还得出结论说，我们可能会目睹工作的大规模变革而不是被机器和人工智能完全替代。研究发现60%工作当中大概30%的任务会发生变化。研究人员尖锐地指出，这说明机器会增强我们的工作而不是很快会变成我们的机器君主。
绝大多数工作当中的许多不受机器自动化影响的任务都属于那些无法充分定义或者编程的。此类任务要求创造力和原创思维、直觉、协调、沟通、同理心以及力。换句话说，人类也许不再执行引导巨型卡车铲矿土，或者甚至是初级的数据收集这样简单重复性的工作。但他们会对数据提出问题，帮助框定参数，验证假设，与同伴进行跨部门协作，就结果进行沟通，对客户表示同情等。
在医院，护理助理目前2/3的时间都花在人工收集健康信息上。随着时间转移，这一工作需要去收集病人资料的任务当然会变少，因为传感器当然会做得相当好。但认为病重的病人宁愿要有同理心的机器人而不是护工无疑是狂妄的想法。换句话说，护理助理的工作会变得更加人性化而不是更少。在办公室，数据和分析会告知对员工表现的评价，但经理仍然需要对手下冉冉升起的新星提供悉心以及手把手的指导。人类跟机器的互动会越来越多，但非例程化的任务仍然是人类的范畴。
因为机器巨大的威力可以为人类提供很好的补充，人与机器之间的接触点将继续增加。所以我们无疑仍然需要精通技术，而且在很多情况下仍然需要经过可靠的STEM（科学技术工程数学）培训。优先考虑并不断在我们的社区培育这些技能仍然是最重要的事情。但以为基本的技术培训足以应付将来的经济需要是错误的想法。比方说，生搬硬套的计算机编程已经成为廉价日用品，在全球市场都可以迅速且轻易地购买到。而且这项工作本身也在日益自动化。
在哈佛教育学研究生院，David Deming是一位对认知类职业相对雇佣比例已经观察了30年的经济学家。他发现成功者掌握的不仅仅只有纯粹的数学技能，或者纯粹的软技能（参见软技能越来越硬：缺乏者将被未来淘汰，营销大师Seth Godin：别再把这些叫做“软技能”了），而是二者兼而有之，他把这称为是“高度数学化，高度社会化”。自1980年以来，需要很高社交技能的工作已经出现了显著增长，而对数学要求高对社交能力要求低的工作则出现了下降。这部分是因为工作变得更加复杂，工人专业化需要交换和分享任务，而软技能可以减少所谓的协作的“交易成本”。在麦肯锡全球研究所那份2016研究报告扮演很大角色的James Manyika说：“就继续专注于综合性系统思维的工作而言人的无忧。而人需要的是解决问题的技能，学会学习以及学会适应的能力。”
所以问题就变成了这个：如何才能培养出具有适应性、同理心、从他人角度着想的人类技能？如何才能跟不同的人协作和沟通？如何在这个高度变化的世界里，为2060年我们还想象不到的工作培训好一位大学毕业生？成功以及不断成功的就业机会将会在那些既精通技术理解机器，又具备在我们的技术世界上帮助维持人与人交互的软技能的人身上。
克服这一挑战的钥匙也许放在我们最意想不到的地方：在技术拐点来临之际，我们需要在人文科学方面加倍努力。毕竟，这是学生开拓思维的地方，是探索人文、艺术以及社会与自然科学、挑战我们的思想、质疑我们的假设以及改善我们的好奇心的地方。人文科学与技术娴熟并不冲突。它们为我们应用新工具提供了上下文，让我们即便在一个机器变得越来越聪明的世界里也能具备比较优势。
推荐：