如何思考 AI 崛起對你工作的影響
在網上閱讀有關人工智能 (AI) 的文章，你會發現其中一個近年最常見的主題是「某職業將被AI取代」。當我們看到自己的職業出現在文章標題裡，或多或少會為自己的工作前景感到擔憂：「我的工作真的會被AI取代嗎? 」今天我想分享一下如何開始思考人工智能對事業的影響。我會以自己的職業作為例子，把整個評估過程展示出來。
我是一名數據科學家，主要工作是透過整理和分析數據，為公司制定改善業務的決策。有讀者看到這裡或會想：「那你擔心什麼呢？ AI 崛起數據科學家不是最吃香的嗎？」我今天想帶出的是訊息就是，其實無論你從事什麼行業，在新科技下也必需要保持警覺。
3 個思考 AI 與工作的關係的問題
以下的表格是我用來幫助自己有系統地思考 AI 與工作的關係。要完成這張表格有三個步驟，而每個步驟都是一條我們需要問自己的問題：
1. 我的工作是什麼?
第一步，把你的主要工作逐項在表格中列出來，並在每項工作上想一想：
- 它佔了我多少工作時間?
- 我的機構/上司/客戶對它有多重視?
- 我對這項工作有多自豪?
職業只是一個標籤。對你的僱主來說，你每天上班完成的任務才是你能持續獲得收入的原因。一項佔了大量時間、你的服務對象重視及令你感自豪的工作，是一份高價值的工作。完成此步後我們可以更了解自己的價值主要來至哪些工作。
2. 我的工作何時會被取替?
第二步，預測每項工作何時會被AI取代。我在表格中設定了自己事業中的五個時間點 (1, 5, 10, 15, 20年後)，並以填色的方式來顯示我認為每項工作我還能做多久。以上的五個時間點只是例子，你可以設定更多的時間點或更長的時間線。
要建立一個對工作壽命的概念，我們需要了解現時有什麼 AI 應用例子 是針對你的工作。在網上搜尋相關資料時，可以嘗試以「行業 + 工作描述 + AI」作為關聯詞。有機會的話甚至可以與熟悉你行業發展的專家談談。有讀者可能會想：「我不是神算，怎可能預測得準?」沒錯，科技發展充滿變數，就算是最頂尖的AI專家也不能說得準一份工作何時會被機器取替。所以在這裡預測時間的準確度並不是重點，更重要是你能否建立一個概念去比較每項工作的壽命。
在思考哪些工作會先被人工智能取替時，嘗試用以下兩點作評估：
(A) 相關AI應用例子的技術成熟程度:
當AI在某項工作上做得比你有效率和精準，市場就有很大誘因以機器取代人力。
(B) 人類接受程度:
新科技要成為普及的應用，還需要先獲得人類信任。想像一下，有一天我們可能終於會擁有成熟數據，去支持無人駕駛技術是比人類司機安全和有效率。但要成功令這項技術普及化，還需要先通過一堆法規和在市場上獲取乘客的信心。這裡涉及的就不再是技術，而是人類的心理。
3. 我的工作會如何被取替?
第三步，把剛才找到與你工作相關的 AI 應用例子記錄下來。此時「AI 取代工作」就不再是一份模糊的恐懼。現在我們擁有較清晰的概念，了解自己職業的每一部份或會以什麼形式 (AI技術/產品/應用方案等) 被機器取替。同時我們能夠估計哪些現時自我定義為高價值的工作會被自動化。
以我的職業為例，在數據科學家現時的分析工作中，探索式資料分析 (Exploratory Data Analysis)是一個很重要的步驟。此項工作的目標是透過製作數據圖表等技巧來描述數據，以便我們在進行進階分析 (例如建立預測模型) 前對數據建立基礎了解。一組數據集可以包含大量的數據項目。製作分析報告時應該選擇哪些數據作重點描述，當中應該使用什麼類型的圖表，這些選擇現時是透過我的思考、直覺、經驗、創意來決定。此過程佔據了我大量工作時間之餘，亦是公司由聘請我那一刻開始就已經十分重視的部份。正因如此，對我來說這是屬於一份高價值的工作。
但在剛才搜尋此部份工作的相關AI應用時發現，原來像 Microsoft Excel 與 Google Sheets 之類的試算表程式，近年推出了一種新的數據探索功能。這些應用了機器學習 (Machine Learning) 的功能，目標是讓演算法自行選擇在數據中抽出哪些項目作分析。演算法甚至還會自行製作合適的圖表來描述數據。雖然這些功能現階段還談不上成熟，但它們已經以試驗性質的形式推出市面讓一般用戶使用。這些功能針對的數據分析和報告製作工作，正是現時最令我自豪的高價值工作之一。因此我必須有一份危機感：在專業生涯中，很可能會看到自己現時這方面的技能嚴重貶值。
結總：把 AI 帶來的影響加入到對工作的思考中
我們要問的並不是一份工作會不會被AI取替，而是它何時會被取替，會怎樣被取替。綜合以上三步，要是你認為某些與你工作相關的AI應用例子可行性高 (技術成熟+人類接受程度高)，你需要預期在更短的時間內看到這些應用被普及化。要是它們針對的剛好是你現時評估為高價值的工作 (花時間+社會重視+令你自豪)，你便更加需要提高警覺性。在短期事業規劃上，例如決定該進修哪些技能或嘗試什麼新崗位時，你必需把人工智能帶來的衝擊作為實際考慮因素。
讀後思考
- 我沒有技術背景，怎樣評估一項AI應用技術的可行性?
- 我的工作性質單一，但在可見的將來我認為機器會做得比我好，我是注定要失業了嗎?
- 我現在感到切身的危機感，我應該如何去準備?
往後的文章會繼續談「AI與事業」這個題目，例如怎樣為自己的職業重新定位，及如何選擇學習哪些新技能。
數據科學速成班
以專業 R coding 和 實用案例 為材料，助你在 30 天內掌握 Big Data (大數據) 和 A.I. (人工智能) 等複雜概念，並開始應用到你的個人及商業項目上。
導師：香港數據科學家 Warrington Hsu
學員：適合任何對數據科學有興趣的初學者 (沒有 coding 底子要求)