年薪只要二十萬元的白領「新人力」出現了。

不只低薪,還效率奇高、錯誤率低、全年無休、任勞任怨、越學越會⋯⋯。你擔心工作被搶走,還是慶幸繁瑣的例行公事不再占去你的時間?

又是誰,為我們帶來了這一波職場革命?

整個八月,男裝電商Life 8的客服機器人,直接回答了消費者七千二百二十五個問題,能正確判讀問題的識別率近八四%。八月三十一日,每日機器約當人力:三人。

這些數字,就是Life 8客服機器人的KPI(關鍵績效指標)。

商周實驗室》微軟小冰實測,10秒寫出「商周詩」

這是微軟的AI詩人「小冰」,為上一期《商業周刊》封面故事「台商大洄游」所作的新詩。

小冰的老師群,包括上千位詩人、作曲家,為它灌輸海量的藝文知識,讓它能從圖像連結出抽象意境的詞句。

當AI只花十秒鐘,就能創作一首詩,人類的生產創造力,還有什麼是不可取代的?

新職場》Google到亞馬遜早布局
AI醫師、律師連腦力細活都能做

從微軟、Google、亞馬遜到臉書等科技巨擘,早已將AI部署在企業內各業務中,AI取代人力,已不是新鮮事。麥肯錫全球研究所(McKinsey Global Institute)在去年的報告中,就預測到二○五五年,全球經濟體的有薪工作,將有四九%實現自動化。也就是近半數的現有工作,將不再需要人類來執行。

科技取代人力的大風,從製造端吹向白領服務業。和碩董事長童子賢就說,AI將取代靠「腦力粗活」(基本白領)的工作形態。

眼前,光是初階段的數位人力,如辦公室機器人流程自動化(RPA),亦即在企業的後勤單位,能自動做完銀行或供應商對帳、進出口報關等工作的機器人,據安侯建業(KPMG)顧問服務部執行副總經理李育英預估,它每一種功能都可降低三○%到四○%的人力成本,也就是說,約等於年薪二十萬元而已。

再往前推展,不但直接面對消費者的AI客服、AI行銷,甚至「腦力細活」的AI律師、AI醫師,也已陸續出現。

4個數字,帶你看AI職場大商機

█230萬個新職缺

2020年將有180萬個職位被AI取代,同時也創造230萬個工作機會

█商業價值近90兆元
3年後AI結合人腦的工作形態,將產生約合新台幣近90兆元商業價值

█近5成工作面臨巨變
2055年全球經濟體49%有薪工作,相當於11億勞工與新台幣360兆元的薪酬,將被自動化取代

█增加利潤144兆元
現在積極投資AI,全球企業4年後將增加約新台幣144兆元利潤

資料來源:McKinsey Global Institute、Gartner、Accenture、WISEGUY
整理:黃靖萱

新職能》AI新工作圈成形
四大角色,讓機器人代勞更有效率

在取代人類之前,這些機器人,倒已先帶來一批新形態的工作者。也正是他們,讓各種數位人力快速在你我身邊發生。

沒有這群人,AI同事無法「上工」!

█角色1 資料標註員

工作職責》
.標註訓練AI所需的各式大量資料
.必須讓機器人能夠辨識出文字、圖片、影像等

█角色2 AI訓練師
工作職責》
.判定要「餵養」哪些資料
.調校機器人,使其更理解人類
.在機器人行為脫軌時,能立即糾正

█角色3 資料科學家
工作職責》
.負責搭建各種機器人學習模型
.必須畫出模型設計藍圖、定義功能
.再交由軟體工程師,寫出運轉程式

█角色4 連接者
工作職責》
.擔任AI應用端與AI科學家、工程師間的橋樑
.必須具備應用端和科技端的跨領域知識

整理:黃靖萱

資料標註員》
工作內容:對圖、文、影像做標註
重要性:標註過的資料,機器才能學習

坐在輪椅上的鍾鍾,專注盯著電腦上一張色階偏暗,有點模糊的照片。她要框出照片裡一位男性穿著的西裝褲、皮鞋,因為鞋跟沒有露出來,她必須於螢幕右邊勾選「稍微遮擋」,才算完成一張照片的標註。她沿著褲形慢慢勾畫出黃框,越貼近越好,因為若框到多餘的東西,機器也會學進去。

這還算相對容易的標註。有一家電商,為了讓消費者可以看到喜歡的衣服就直接拍照搜尋,必須讓機器學會辨認每一件衣服、褲子的特徵,須標註的點就非常細,有時一張照片要標出二百五十到三百個特徵點。

「我跟以前的同學說,我在做AI的東西哦,他們眼睛都亮起來了,」社會企業若水的身障AI標註員鍾鍾,說著就哈哈大笑了起來。她是真的開心,因為比起大多數人覺得這份工作耗眼力又低階,不易找工作的她,卻以這份工作為樂。

她正是隱身在AI最底層,一群龐大的「人工智慧背後的工人」之一,每天的工作,就是在產出海量、能被機器學習的有效資料。

由趨勢科技創辦人張明正所創辦的若水,近來新增AI事業,專門承包企業的資料標註、處理工作,已有近七十位資料標註員,希望年底能招募到百位。

他們每天為「人臉、物體辨識」、「自動駕駛」等代表最新科技的名詞,進行標註。在中國,還流傳著標註員的玩笑話,「真希望發明一個標註機器人,來解放我們自己。」

標註如果不精準,機器會越學越歪

但他們其實是整個AI產業基礎,是機器能感知、理解現實世界的原點,如果標註不精準,機器就會越學越歪。「他們的工作不是low end(低階),因為如果標不準,後面全毀,就像教小孩一樣,」若水執行長陳潔如說。

這類工作,甚至常需要擁有資深專業知識的人才做得來。在醫學上,為達到以AI協助醫生判讀腫瘤的目的,光一個肺部腫瘤,機器就得先學習數十萬張的胸部X光片,而每一張X光片都必須重新標註腫瘤位置,只有放射科醫師能做。「不然連我都看不懂,甚至還要分門別類,分胸腔、心臟或大腦專門的醫師來標,」北醫醫學科技學院院長李友專說。

根據市調公司Tractica調查,二○一六到二○二五年,資料分類和標註的產值將達八十億美元。有著全球身價最高AI獨角獸稱號的中國商湯科技,或是專注人臉辨識的曠視科技,一年採購這類資料的支出,就動輒人民幣上千萬元。

被標註過的資料倒進電腦裡,再由一群聽來完全為AI而生的新職業「人工智慧訓練師」接手。

AI訓練師》
工作內容:餵養資料,讓機器變聰明
重要性:隨時調校參數,把關機器學習

他們,可說是「陪太子讀書」的人,更是確保機器不會學壞的重要把關者。

微軟曾推出一台AI聊天機器人Tay,為更了解人類的對話形式,開放網友一同訓練它。結果有些網友在推特上引導Tay談論帶著種族歧視的內容,讓它變成憤世嫉俗的偏激者,逼微軟將它立刻下架。

在台灣專業客服委外公司網訊電通裡,Allison的工作就是AI客服的訓練師。當一個電商新客戶準備導入網訊的客服機器人時,她會先整理電商的專業名詞,例如讓機器人知道購物金等於購買金,慢慢累積詞彙,成為機器人的知識。

餵養五百組「問與答」,還設計語氣

接著,她從資料庫裡找出過去電商領域客戶的客服資料,包括熱門題庫,並根據各種情境流程,最高會餵養機器五百組「問與答」。例如「我要退貨」,她得再輸入五到十種關於退貨的問法,以及符合該電商退貨流程的答案。另根據客戶品牌的個性,客服形象若是一位可愛女生,Allison還要設計口氣,加上哦、呢等可愛的語助詞。

「只要機器回答不出的問題,我們就得事後去解題,」Allison說,例如若她原先寫的題組太相似,機器難匹配出最佳解答,她就要合併題目或拆解得更細。

也有企業用聰明方法訓練自家AI。在《AI同僚》一書中,描繪日本快速配眼鏡品牌JINS,為了開發可依客戶臉部照片自動推薦合適眼鏡的AI,便蒐集旗下五百位員工的臉部照片,製作出試戴一百二十種眼鏡的虛擬圖片,再對全體三千名員工,每人發二十張圖片去做臉部描點及標註評價,最後,將這六萬張圖片餵養給AI,做為深度學習的訓練資料。

「標註和訓練,只在資料整理的階段,接下來,才是資料部署,開發出模型,」協助企業建置分析系統的賽仕電腦(SAS)台灣業務支援部副總經理陳新銓說。

當機器擁有了專業領域的知識,還需要能將機器人真正創造出來的資料科學家。他們,曾被《哈佛商業評論》評為「二十一世紀最性感的職業」,是AI領域最光鮮也最為人追捧的角色。

AI越高階,背後越多人類老師——人工智慧3階段演化與應用

█階段1:傳統分析型

說明:機器不具備意識,人類寫進業務規則,即照規則提出報表或警示
應用實例:數位儀表板

█階段2:決策(預測)型
說明:根據歷史資料做預測,如金融業AI藉此預測哪個客戶將違約
應用實例:勞斯萊斯飛機引擎AI監控系統

█階段3:學習型
說明:不是從規則來判斷,而會自己思考,包括人臉辨識、自動駕駛,若客服機器人有語意分析處理能力,也在此階段
應用實例:Google的Alpha Go、微軟會作詩的機器人小冰

資料來源:SAS 整理:黃靖萱

資料科學家》
工作內容:搭建機器學習模型
重要性:產出最符需要的AI機器人

台灣五大電子代工廠之一的英業達,今年初成立了AI中心,網羅各界高手,包括GPU繪圖硬體、電腦視覺專家的Skywatch創辦人陳維超,以及曾為英特爾開發出世界上最完整、最多人使用的電腦視覺開源軟體,現任英業達AI中心機器學習首席科學家的陳佩君。

「我想了一下我平常的工作內容,發現我好像一直在講話,」陳佩君笑說,「寫演算法是最後的工作,對我們來說,溝通反而是最重要的。」在英業達裡,AI中心有兩個面向的任務,一是思考各BU的產品如何加入AI,另一則是如何透過AI,優化企業內的作業流程。


不同單位,想的可能是同一件事

以後者而言,AI中心必須「聽懂、挖掘需求單位真正的問題」,例如當工廠認為庫存太多,提議建自動倉儲系統,而採購部門也想導入自動訂單提醒系統時,其實他們可能都在想同一件事,就是如何「降低庫存」。

然後,AI中心再把需求單位的問題,翻譯成「數學式」來解題。「就像小時候回答的應用題,你要想辦法寫成數學公式,才能計算答案。」陳維超巧妙形容他們的工作。

專注於AI的台灣新創公司Appier,也從台大資工借調來首席資料科學家林軒田,他們最近嘗試讓AI成為時尚設計師的得力助手,既能掌握流行,還能貢獻各種創意構想。他的做法是,先在網路蒐集大量獲好評的穿搭資料,讓電腦學習。

「你要教一個人有創意,要先教什麼?」林軒田解釋,模擬人類創意來源,他們做出類似人腦的「腦力激盪」AI模組,再搭配經過穿搭訓練的模組,組合出能提供服裝設計建議的AI助理。

這個AI助理還很有效率,每一季許多國內設計師都要看數十場服裝秀,才能抓到流行脈動,但它只要一分鐘就看完數十小時的秀,再將知識及趨勢摘要出來給設計師,甚至可針對設計師指令,提供這季創意的建議。

不只資料科學家要能理解使用者的需求,想要順利在企業內導入AI,改變原有工作方法,有時,還需要一個「專業翻譯」的角色,以降低可能引起的反彈,無痛變革。

連結者》
工作內容:助不同領域專家了解目的
重要性:降低AI導入引起的反彈

在恩主公醫院醫務部副主任張漢隆的辦公室裡,貼著一張大圖紙,上頭手寫著十七條將透過AI改善的項目。

台灣醫護人員血汗問題一直很嚴重,如何改善醫療人力不足,又得兼顧醫院生存,是每個醫院的難題。「我看了各科室的每個流程,有很多問號,為什麼要耗這麼多人力?」張漢隆現在的任務,就是深入各科室重新檢討作業流程。

語言不通,再多軟體照樣被嫌難用

但醫護人員和IT工程師間,經常語言不通,醫院資訊單位寫了很多軟體,卻總是被嫌難用。「市面很多智能解決方案,都是先做出系統,再向醫院兜售,希望醫護人員改變工作習慣。」他說。

張漢隆是消化外科醫師,參與過醫院醫療流程的設計,更懂一點程式設計,「我的角色是做翻譯。」他反過來,從觀察各科室的流程開始,思考如何幫助他們達到自動化。「不然醫院都是『師』字輩的人,專業性都很強,要他們改變原本的做事方式,一定是先拒絕,連聽都不聽。」

例如,十七條改善項目的第二條是「ICD 10編碼流程」。這指的是疾病診斷碼,根據世界衛生組織(WHO)公布的疾病加上症狀,有高達八萬多組診斷碼,光是糖尿病就有二百零六組,沒有一個醫師背得起來。通常的流程,都是事後再由醫事室編碼人員輸入完整診斷碼。

為了做到病人一住院,系統即能自動派送該疾病的衛教資料、手術同意書、自費選項等資訊給病人及家屬,減少護理人員工作,前提是疾病碼得列精準。

張漢隆從使用者的角度及醫療專業,分別與編碼人員和資訊人員討論,爬梳病歷資料庫,逐一建立各種疾病的模型。例如,光是闌尾炎,就必須用醫院五年內的數十萬筆闌尾炎數據來訓練機器。

當一個病人住院時,根據醫師看診時打入的症狀、檢驗報告,若有二十個關鍵點都符合,判定為急性闌尾炎的機率達九九%,電腦就會自動跳出建議的診斷碼,供醫生判斷點選,不需要再多一個由醫務部編碼的程序。

編碼工作被AI取代後,醫務人員反而可多花心思研究病歷,包括病人做的檢查、症狀是否全反應在診斷上,還缺什麼資料,以便提醒醫師,在不違反醫療原則下,如何提高健保給付。「AI不是搶他們工作,是讓他們可以幫醫院創造更大價值,」張漢隆直白的說。

下一場職場生存賽贏家:
能利用AI、創造高價值的人

AI不是新鮮事,但要做到職場上真正好用的AI,得靠上述四大角色的工作不斷堆疊才成。

而接下來,無可迴避的問題將是,人和AI在職場中的互動關係將會如何?人類如何保有自己的價值?

李友專最近聽美國朋友說,美國很多醫院快要招募不到放射科的住院醫生了,因為醫學院畢業生已看到AI可判讀X光片等影像工作的趨勢,擔心被取代,而不想加入放射科。但他認為,還是有很多困難的醫學影像,需要人工的專業來判讀。

就像美聯社、《華盛頓郵報》都已嘗試運用機器人記者寫新聞,這趨勢可能會導致全球成千上萬名媒體人失業,但類似「巴拿馬文件洩密事件」等調查新聞,或出色的人物專訪,仍是人類記者無法被取代的價值。

於是,職場生存更重要的挑戰,將是成為「狼牙棒上的尖刺」,也就是各自專長領域中的高手;最需要的能力,將是懂得利用AI做得力助手,讓自己能專攻更高附加價值的事。

AI的出現,最終目的並不是讓人失業,而是激發人類做出更有價值的工作。「別害怕機器人會取代你的工作,但你要為工作內容的改變做好準備。」顧問公司Accenture,指出未來重新設計工作內涵的重要性。

你,準備好迎接你的AI同事嗎?

本文出自

商業周刊第1608期 2018-09-06

非懂不可 AI超人才

國泰金、Gogoro、英業達、恩主公醫院爭相導入
AI不會取代人,無法「與AI共事」才會被淘汰!
未來職場:230萬個新工作、創造90兆商業價值

單期購買 立即訂閱