今年年初， Amazon公司明尼蘇達一個配送中心的雇員在該公司年度最佳銷售日舉行了罷工，要求改善工作條件、公司文化和福利。據說這一天—Prime Day促銷日—能為這家零售巨頭帶來數十億美元的銷售。該配送中心一名55歲的分揀員(rebinner)參加了罷工，她告訴《華盛頓郵報》，公司希望她每小時處理600個貨品。繁忙的工作導致她腳部疲勞性骨折，幾乎兩個月無法行走。

如果去看這次罷工的視頻報導，你就會看到持懷疑態度或稍顯勉強的評論，從中可以一睹公眾對這一事件的心態。其中主要的評論包括：“下周的新聞....Amazon公司明尼蘇達郊外的配送中心率先實現了完全自動化”，“罷工者：‘工人不是機器’Amazon：‘這給了我一個主意... ’”。

一名評論者直率地說：“機器將會取代你，因為你不是機器。”

因此，我們回到“人機”對話的一方。該方鼓勵我們躲避據說會嚴重摧殘人性的邪惡機器人的攻擊，這導致許多企業因為對人工智慧技術(AI)缺乏瞭解或心存恐懼而規避採用甚至進一步瞭解該技術。事實上，Vanson Bourne的最新調查發現，談到阻礙AI應用的障礙時：

• 43%的企業反映“對能夠應用AI的場合和方式缺乏瞭解”

• 39%的企業反映“擔心AI取代人類工作”

• 28%的企業反映“新聞媒體對AI恐怖故事報導過度”

儘管這個世界的埃隆•馬斯克們振振有詞，但我們還遠未讓機器接管世界。這不是事實。相反，有效的AI利用現有的業務環境，大幅促進了效率的提升。這不是有些報告試圖讓我們相信的用機器人取代人的事情。即便這是目標，但無法規避的事實是：雖然AI能夠比任何人更快地執行任務，但我們能夠表達情緒，建立AI根本做不到（至少是尚未）的有意義的聯繫。

目前對話的雙方相互做出了讓步。因此，在如今的業務環境下真正需要的是重寫當前的描述。這不是人與機器的競爭，而是人與機器共存，至少方法正確的情況下是這樣。

下面兩個例子可以讓你瞭解我的意思：

• 可口可樂公司利用AI對資料進行智慧分析，來實現更具針對性的產品開發。例如，自助飲水機能讓顧客混合自己的飲料，受到從這些飲水機收集的資料的啟發，可口可樂在2017年推出了櫻桃風味的雪碧。由於飲水機提供多種風味選擇，可供顧客加入到自己的飲料中，因此可口可樂能夠發現最受歡迎的風味組合，讓公司的產品開發人員開發預製的飲品。

• 全球能源巨頭英國石油（BP）在其99%以上的油氣井安裝了感測器，以幫助身處不同地方的各個團隊更好地瞭解不同地點的情況。這些AI賦能的資料可以説明他們優化設備的性能，監控保養需求以防止發生故障（增加成本節約），並最終制定更好、更明智的決策。

但是這位參加罷工的Amazon分揀員的命運會怎麼樣呢？當然，她的工作會被每分鐘能夠抓取數百甚至數千貨品並將它們放入適當滑道的機器所取代。這裡正好需要工人罷工所要爭取的文化。因此，在這個實例中可以實施許多AI賦能的技術，來降低該工作的重複性（和受傷的概率），而非取代人工。採用機器人流程自動化技術的智慧傳送系統可以掃描和/或檢測較為簡單的貨品，並將它們放入適當的滑道，因此，工人就能著重於那些需要更多時間和關注的複雜貨品。或者，也可以將即時通信嵌入流程和工作流，搭起前後臺之間的溝通橋樑，從而助力分揀員及任何其他後端工人更智慧地協作和協調資源。如果這個工作有被淘汰的風險，就會出現讓該人員在公司擔任更充實角色的良機。雖然AI實施的一個重要因素是節約成本，但作為一個去年市值達到1萬億美元的公司，Amazon肯定能夠創造性地重新安排一些雇員。 我知道並非每個人都喜歡AI。在涉及工作場所的人與機器問題時，企業必須清楚分界線在哪裡。決策者有責任瞭解其政策對工人的影響，並制定有效實施AI的策略，以改善員工體驗和推動有意義的變革。