关于科技抢人工作这事情，并不是第一回让职场人担心。

第一次工业革命时期，机器的广泛使用让很多手工业者破产，工人失业。于是，当时的工人们，奉简单粗暴的方式，机器抢我工作对吧，给他砸了，大锤80，小锤40……

当时英国莱斯特有一个耿直的纺织工，名叫卢德，一己之力怒拆两台织布机，被其他人钦定为反抗工业化的领袖。

由此他也被载入史册，经济学里收录了属于他的名词——卢德谬论。

这种观点认为科技的发展，会减少对劳动力的需求，导致失业率上升。

现在我们都知道，科技发展的意义在于解放人。当人有了更多闲暇时间，就会产生更多需求；而为了满足这些新增的需求，就会有更多岗位诞生。

道理我们都懂，但最重要的是，放在个体层面，怎么确保我的工作不会消亡？

是福是祸取决于我们自己

第一次工业革命，机器将人们从繁重的体力劳动中解脱出来。

当机器接管了繁重的体力活，职场人进入了新的高地——办公室。这里的工作不再危险而繁重，这种工作的关键词是「枯燥、乏味」。

第二次革命，这些从事事务性工作的脑力劳动者开始受到冲击，比如秘书，打字员，银行柜员，以及电话客服。

如今第三阶段，我们身边的机器日益智能化，在驾驭了辛苦/危险以及枯燥的工作之后，它开始逐渐渗入决策工作。

举个例子，如今，医生依然是个壁垒极高的行业。

对于不具备深度医学知识的人来说，想要转型医生难度极高——医生是需要从业资格证的，而医学院往往要读7年（本科+硕士）。

不仅如此，读医这7年，大概率小伙伴们是需要熬夜背病例的，在知乎有一个讲读书苦不苦的问题下，不少医学院背景的小伙伴都吐槽了一把大学里熬夜背书备考的经历。

这就是学医的从业成本，而经验和积累也是学医的壁垒，为什么说北上广的三甲的医生牛，其实并不是人天赋多高，而是人见过的病例太多了。

但医生也很累，在互联网上做母婴健康科普的医生「虾米妈咪」就提到过：

中国的医生大都很忙，最多的时候我一天看过173个孩子，在自己手术之前我发着烧还要值夜班，因为实在是科室的人手不够。每天都是大量重复性的工作，很多疾病的前期症状极为相似，如何判断和甄别依赖的只有个人的经验和知识。

但如今，随着AI的出现，这一切都将改变。

AlphaGo打败柯洁之后，整个团队就发布声明要转向医疗领域，如果AlphaGo能够充分收集医疗领域的大数据，学会医生提问和诊断的逻辑，未来它的判断力可能会在普通医生之上，毕竟AI储存了人类个体无法记忆的海量医疗病例。

不仅是研发AlphaGo的deepmind团队，IBM Watson也正以每分钟阅读200万份文献的速度，将最新的医学成果输送给医生，应用于疾病诊疗领域。

未来的医生，如果依然靠背病例为生，他的价值可能会越来越低，因为问问题，人工智能也会问；看X光影像，人工智能可能更精准，判断病情，人工智能可能更全面。这样的医生就会越走越难。

但医生可以把放在病例积累上的时间腾出来，提升自己与病患的沟通能力，毕竟人工智能可以判断是不是癌症，但是如何与不同类型的病人沟通，那就是医生的长项了。

一个普通小城市的医生，可以借助人工智能的帮助，获取更多大城市甚至国外的案例实操，为自己的病人实现更精准的诊断，这样的医生就会越来越出色。

同理，一个具备基本金融知识的新手，也可以在AI的帮助下，成为金融投资高手。一个具备基本法律知识的新手，也可以在AI的帮助下，成为一位出色的律师。

其他小伙伴分享的This is AI，我也看了。对其中机器人专家布鲁克斯教授的总结记忆犹新：

为AI导航

从人工智能目前的发展来看，在某些细节领域的精细化计算，AI的确能超越我们人类。

比如下围棋的AlphaGo，人类棋手都不是它的对手。

但从全局角度来说，人工智能并非万能，你让AlphaGo成为中国棋院院长，给棋院培养德智体美劳全面发展的00后新一代棋手，它怕是也要宕机的。

而我们人类，才是给人工智能规划方向的全局掌控者。

看过海外一家石油钻井行业的有趣案例：

Woodside是一个知名能源公司，搞海上石油钻井的。搞这一行，尤其要求工人们拥有丰富的经验，因为工人们都在海上作业，一旦出了问题，大概率一时半会是没有援兵的。而海上油井一旦出了问题，对工人的生命安全，对环境的影响，对公司声誉的影响都是巨大的。

问题是，你哪来那么多资深的工人呢？就算有，你也不可能一年四季把人扔在海上过日子吧。越是优秀的人才，越需要好的福利待遇。

这时候就需要人工智能了，他们找到IBM合作，Watson没日没夜的学习了38000多份，相当于30年工程经验的文件，不仅如此，Watson还会把历史数据与历史背景、设备情况、甚至天气情况相结合。

这样，新的工人可以随时向Watson提问，获得Watson的精准建议，降低了新人的操作门槛，也保障了油井的安全生产。

这个案例被做成了一个广告短片，短片末尾的一段话给我留下了深刻的印象：

We teach Watson to think like an engineer and Watson helps us think like 1000 engineers.

我们教会Watson像一个工程师那样思考，然后Watson帮助我们像1000个工程师那样思考。

而我们职场人的一个重大机会就是成为那个教会人工智能像工程师那样思考的引路人。

Watson并不知道想要成为一个出色的海上钻井工程师，需要了解多少数据，需要掌握哪些信息，但是资深的具备全局思维的工程师知道。

随着人工智能时代的来临，每家公司都需要具备全局观思维的职场人，我们可以凭借自己专业领域的知识，完全有机会成为人工智能进入自身领域时的带路人。

拿HR举个例子，一个招聘经理，如果他把精力都放在招聘上，放在简历筛选上，他未来很难与人工智能PK。

你读简历的速度总没电脑快，电脑已经匹配好关键词，已经筛选外1000份简历了，你可能刚刚开了个头。而且每次做筛选判断时，作为人，你的原则可能也会有微调，这个人和你是校友，可能你不自觉就有好感，但电脑不会，他会始终以同一标准匹配最合适的简历。

但作为招聘经理，工作绝不应该仅仅是眼前的简历筛选。

从未来趋势来看，行业内人才流动的趋势是什么？如何吸引新生代员工加入？如何打造出色的雇主品牌？如何搭建完善的内外部人才库，保证企业人才不断档？

这些都是具有全局观的职场人应该做的事情。

写在最后

不管我们是否接受，人工智能的时代即将来临，不仅是人工智能，未来30年内肯定还会有我们现在听都没听说过的技术，来改变我们的生活，改变我们的职场世界。

对于我们职场人来说，如果我们看的是全局，人工智能就是助手；而如果我们看的只是细节，人工智能就是掘墓人。