出于對人工智能可能造成的大規(guī)模失業(yè)以及所帶來對監(jiān)控行為的擔憂，業(yè)界日益興起關(guān)于組織部署人工智能方式和原因的激烈的倫理性討論。員工希望得到商業(yè)巨頭及負責人作出“AI-for-good”(人工智能向善)的承諾和保證。盡管從短期來看，人工智能替代人類工作的趨勢有所加劇，但越來越多證據(jù)表明，人工智能通過創(chuàng)造新的就業(yè)崗位和改善當前崗位現(xiàn)狀從而大幅提升生產(chǎn)率。

 

到2020年，20%的從事后勤工作的銀行員工在執(zhí)行非例行性工作時將依靠人工智能。

 

到2023年，人工智能將與人類程序員結(jié)合，創(chuàng)造出能夠承擔50%傳統(tǒng)程序員工作任務的“半人馬智能”(即人機合作)工作模式——效率達到單個程序員獨自工作效率的兩倍。

 

到2020年，在“AI-for-good”項目的企業(yè)中，員工留存率將提升20%，同時數(shù)據(jù)分析行業(yè)的就業(yè)人員數(shù)量將提升50%。

 

到2021年，70%的企業(yè)將整合人工智能技術(shù)提高員工生產(chǎn)率，這將促使其中10%的企業(yè)將“數(shù)字騷擾政策”納入工作場所規(guī)章之中。

 

在2020年，人工智能將實現(xiàn)工作機會數(shù)量的凈增長，雖然會淘汰180萬個就業(yè)崗位，但同時也會創(chuàng)造230萬個新的就業(yè)崗位。

 

到2020年，20%的從事后勤工作的銀行員工在執(zhí)行非例行性工作時將依靠人工智能。

 

金融機構(gòu)操作型員工的主要工作是執(zhí)行標準化、重復性的工作任務。但非例行性的后勤工作對企業(yè)的經(jīng)濟影響和商業(yè)價值更大。與此同時，人工智能技術(shù)有助于提高工作人員處理金融機構(gòu)后勤非常規(guī)性任務的能力。這對需要人工干預的復雜工作(例如財務合同審查和交易發(fā)起)大有裨益，因為人工智能可減少失誤并對下一步行動提出建議。

 

機器學習(ML)和自然語言處理(NLP)等人工智能技術(shù)接管了越來越多的非例行性任務并實現(xiàn)相關(guān)工作自動化。使用人工智能技術(shù)提高后勤工作效率將有助于提升員工工作量和提高員工(和客戶)滿意度。

 

人工智能在銀行例行業(yè)務及其價值鏈方面的應用取得了極大的成功。在某些情況下，這會導致以縮減非必要職員為目的的裁員。這一事實使人們擔心后勤崗位將很快被機器取代。事實上，銀行機構(gòu)后勤崗位的減少大都源于機器人流程自動化(RPA)。例如，據(jù)某新聞網(wǎng)站報道，南非的萊利銀行預計將用軟件機器人取代3000個工作崗位。

 

然而，也有很多非例行性后勤工作將從人工智能應用中獲益。具體例子包括財務合同審查和交易形成：兩者本質(zhì)上都需要人工參與，但人工智能的普及能極大地提高工作效率。使用機器人程序和RPA可減少工作失誤并去除冗余環(huán)節(jié)，從而提升后勤工作的價值。摩根大通的合同智能(COIN)項目成功應用了NLP、大數(shù)據(jù)、機器人技術(shù)和云基礎設施，以此減少批發(fā)合同中貸款業(yè)務條款的錯誤。

 

銀行對人工智能工具的應用也有所增加。使用預測工具便是一個例子，相關(guān)領域的專家對工具的依賴度正變得越來越高。隨著此類工具慢慢滲透所有銀行價值鏈活動，業(yè)務人員將經(jīng)常需要依靠人工智能來提升工作效率和他們在企業(yè)和組織中的經(jīng)濟價值。

 

在銀行業(yè)應用人工智能技術(shù)方面，預測認為，人類應主動控制人工智能工具，將其作為銀行工作的輔助。盡管預測結(jié)果較為樂觀，人們對這個行業(yè)的工作機會產(chǎn)生了高度的不安全感，對這個高收入、高學歷的行業(yè)就業(yè)保障不盡如人意。

 

到2023年，人工智能將與人類程序員結(jié)合，創(chuàng)造出能夠承擔50%傳統(tǒng)程序員工作任務的“半人馬智能”(即人機合作)工作模式——效率達到單個程序員獨自工作效率的兩倍。

 

數(shù)字經(jīng)濟的發(fā)展不斷推動著軟件需求增長。開發(fā)、改進、修復和監(jiān)測這些系統(tǒng)的軟件工程師的工作效率有限，且面臨著與日俱增的工作壓力——即不斷滿足日益增長的軟件需求。

 

計算能力極大地推動了基于機器學習和人工智能的應用發(fā)展。機器學習專門處理異常檢測，傳遞推薦的觀點并預測行為和結(jié)果。反過來，基于機器學習的功能又有助于滿足對軟件工程人才和生產(chǎn)能力的需求。

 

人工智能將為傳統(tǒng)軟件工程活動提供四個關(guān)鍵領域的支持：

 

系統(tǒng)開發(fā)

 

迭代需求

 

異常檢測

 

預測性和規(guī)范性監(jiān)測

 

此類編程活動將越來越多地由人類軟件工程師和人工智能組成的“人機合作”模式完成，以應對工程需求量的增長。這些“人機合作”將通過人類工程師和基于人工智能的機器的合作運作。

 

人機合作關(guān)系將存在多種形式，例如：

 

過渡——由軟件工程師劃分人與機器的軟件工作任務，并確定兩者之間的過渡工作。

 

協(xié)作——由軟件工程師對已確認的工作任務進行分類，不斷向機器傳輸常規(guī)問題的解決方案，并將非常規(guī)性任務交由工程師解決。

 

啟發(fā)——企業(yè)利用人工智能發(fā)展軟件工程技能和人才。

 

創(chuàng)新——機器的能力將進一步提升，從而滿足已知的軟件工程需求。其結(jié)果將呈現(xiàn)給軟件工程師，以完成機器無法完成的工作，創(chuàng)新者和合作者共同取得更加重要和成熟的商業(yè)成果。

 

企業(yè)將利用“人機合作”模式滿足日益增長的復雜軟件和生產(chǎn)能力的需求。隨著人工智能對大量例行工作或重復性任務實現(xiàn)自動化處理，軟件工程將更具創(chuàng)造性，取得令人滿意的成果。軟件工程將有機會參與架構(gòu)設計、協(xié)作和創(chuàng)新，為日益復雜的新商業(yè)成果提供支持。

 

到2020年，在“AI-for-good”項目的企業(yè)中，員工留存率將提升20%，同時數(shù)據(jù)分析行業(yè)的就業(yè)人員數(shù)量將提升50%。

 

數(shù)據(jù)科學和人工智能技能需求龐大，而相關(guān)人才仍然短缺。高德納公司相關(guān)分析結(jié)果顯示，僅在美國，就有超過23.6萬個數(shù)據(jù)和分析職位空缺，同比增長43%。超過一半的職位空缺需要半年以上的時間填補。據(jù)麥肯錫估計，到2024年，美國將有25萬個數(shù)據(jù)科學職位空缺。同樣的，歐盟委員會一份2015年報告估計，專業(yè)數(shù)據(jù)人員和專業(yè)分析員的職位空缺率達77%，且預計需求量還將增加160%。

 

教育經(jīng)費的增加和薪酬待遇的提高是應對這種勞動力短缺的典型措施。不過，當前正出現(xiàn)了一個新的機遇，讓抓住機會的企業(yè)可以脫穎而出，從而吸引并留住數(shù)據(jù)和人工智能人才。這個機遇就是“Data-for-good”(數(shù)據(jù)向善)項目，以及衍生而來的“AI-for-good”(人工智能向善)。

 

數(shù)據(jù)和分析通常用于提升業(yè)務績效、完善客戶服務和提高運營效率。在公共部門和非營利性組織中，數(shù)據(jù)和分析可能用于衡量項目和服務的影響力，或用于確保資金使用的透明化。然而，這些組織的數(shù)據(jù)和分析發(fā)展滯后，而私營部門的成熟度更高，通常能吸引更多人才。“數(shù)據(jù)、人工智能向善”的項目使私營組織能夠向具有社會影響力的項目提供數(shù)據(jù)、技能和技術(shù)等方面的支持。項目覆蓋范圍廣泛，包括：利用人工智能算法識別貧民中的領導者以改善HIV教育的成果;面部識別用于打擊販賣人口;自動圖像標記幫助拯救野生動物;或在颶風或洪水等災難發(fā)生后利用人工智能進行針對性救援。

 

“數(shù)據(jù)和人工智能向善”運動使企業(yè)領導者能夠利用、調(diào)整企業(yè)文化，使其成為吸引員工的決定性競爭優(yōu)勢。例如，將慈善事業(yè)作為工作核心的文化表達了企業(yè)奉獻全社會的承諾。顯然，這對員工和領導者的重要程度可能因地區(qū)而異，但“數(shù)據(jù)向善”應用顯然是一項全球性運動。剛畢業(yè)的大學生在選擇就業(yè)單位和企業(yè)時越來越重視社會責任因素。高德納公司和馬里蘭大學研究發(fā)現(xiàn)，女性學生學習數(shù)據(jù)和分析的首要原因之一，是希望為公司和世界做出貢獻。美世咨詢公司2018年的全球人才趨勢調(diào)查表明，優(yōu)秀的員工選擇具有強烈目標感的公司工作的可能性要高出三倍。但7600名調(diào)查對象中，只有13%表示自己工作的企業(yè)因“目標導向使命”而具有差異化優(yōu)勢。