2017年7月20日，國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，規(guī)劃提出了面向2030年我國新一代人工智能發(fā)展的指導思想、戰(zhàn)略目標、重點任務和保障措施，為我國人工智能的進一步加速發(fā)展奠定了重要基礎。今年6月京東的智能配送機器人正式上路，再一次引發(fā)人們對于在未來世界智能取代人工的熱議。人工智能已經進入到各個行業(yè)，在不久的將來它不僅會取代重復性的勞動，部分智力性的勞動也會為之取代。未來工作崗位上的競爭對手可能不再是比我們優(yōu)秀的人，而是不知疲倦、高速運轉、操作準確的機器。那么人類的工作競爭力在哪？這是當下的我們最該思考的問題。
最近兩年服務行業(yè)的智慧化運營邁入了新的階段，一些標準化、流程化的服務場景已經被人工智能所管理，我們所服務的咨詢、查詢、受理、投訴四大場景中智能系統(tǒng)已經完全管控了咨詢、查詢兩個場景，用戶咨詢話動、查詢話費已經完全不需要通過人工了。當下，千人千面、精準推薦、一站式的智能受理也趨于成熟，這些應用可以給用戶最直觀的感受，減少人工傳遞的信息衰減，而且很少出現受理差錯，那未來哪里還需要人工的服務呢？接下來我們就一起來談一談服務行業(yè)人工的核心競爭力在哪？
一、共情力
共情（EMPATHY）能力，或譯作移情能力，指的是一種能設身處地體驗他人處境從而達到感受和理解他人情感的能力。共情能力意味著超越自身的自戀而去理解別人自戀的能力，通俗一點來說，也就是我們在服務中對用戶所產生的情緒進行識別和處理的能力。
筆者曾經做過客戶情緒識別的課題，關注到現在的人工智能已經開始研究怎樣識別人的情緒，但由于技術的局限性和情感的復雜性，智能技術還只能通過簡單明了的語言、面部表情、心跳呼吸等的一些數據來識別情緒，而人類內心情感復雜，閱歷豐富，人格不同，在特定環(huán)境下會表露出微妙情感和情愫，特別是對于博大精深的語義表達的理解，人工智能都是很難辨別和處理的。舉例來說，比如我們常常在網絡聊天中用到的呵呵”，這個詞其實含有豐富的情感色彩，在不同情境下表達的意思有很大差異，對此筆者曾經通過幾個比較知名的智能客服應用進行測試，如圖1所示。除了京東智能客服的表現可圈可點，其余的則以簡單的哈哈”或者笑臉應對，情感識別能力差強人意，這就可以理解為什么人們喜歡用冷冰冰”這個詞來形容機器，因此共情能力也是作為服務行業(yè)應該精修的一門課，一個真正優(yōu)秀的服務者必須有很好的共情能力，因為我們在處理客訴問題時首先要解決的就是用戶情緒，當負面情緒值達到高峰時你會發(fā)現你給出的解決方案已經無法達成共識，即使你覺得這種方案已經最合理化了，因為感性完全戰(zhàn)勝理智時用戶根本是不會聽取你任何建議的，這時候能聽進去的就是感性的語言，就是我們說的情感交流，特別是當你沒有合理的解決方案時，能打出的只有感情牌。目前階段的智能語義識別也只能簡單識別用戶的問題訴求，機器人在情感體驗方面的知識庫不夠豐富甚至沒有，所以在處理用戶情緒方面的能力還屬空白。那么作為人工客服的我們，就應該在各種投訴處理、輿情處理中發(fā)揮我們的優(yōu)勢，也就是真正地解決用戶的情感需求。
圖1：機器人識別語義中情緒的能力測試
二、預測力
霍金斯認為從人工智能到神經網絡，早先復制人類智能的努力無一成功，究其原因，都是由于人們并未真正了解智能的內涵和人類大腦。所謂智能，就是人腦比較過去、預測未來的能力。大腦不是計算機，不會亦步亦趨、按部就班地根據輸入產生輸出。大腦是一個龐大的記憶系統(tǒng)，它儲存著在某種程度上反映世界真實結構的經驗，能夠記憶事件的前后順序及其相互關系并依據記憶做出預測。形成智能、感覺、創(chuàng)造力以及知覺等基礎的，就是大腦的記憶-預測系統(tǒng)。
現在的智能工具都是根據大數據的分析去進行精準”預測，但這種精準”只是基于一些固定的簡單場景的預測，如果加上一些復雜背景恐怕就沒有這么精準”了。不知道大家是否聽說過哈勃望遠鏡事故”，這個項目歷時15年、耗資17億美元，所有的數據圖表都在告知NASA的人員可以等待開香檳的時刻了，而一個低級微小的鏡片瑕疵卻毀掉了這一切。事故調查委員會很震驚地發(fā)現這個難以想象的幾公分偏差的問題其實已經被承包商發(fā)現但卻沒有向NASA報告，因為他們厭倦了指責，與NASA管理者之間的敵對情緒導致他們在出現技術問題的時候不愿意通知NASA。如果管理層能及時發(fā)現這個房間里的大猩猩，不僅會加以謹慎，多加檢查避免風險，至少不會再犯第二次錯誤。由于這個案例，查理佩勒林創(chuàng)造了很著名的4D系統(tǒng)，后來應用于團隊管理中。而在當時，就算是再智能的機器恐怕也猜不到這個原因，更別說是預測了。
所以，工作中我們在依賴數據分析做預測的同時還應該加入一些不可忽略的因素去協(xié)同判斷，因為數據有時也會說謊，不是嗎？
三、創(chuàng)造力
阿里AI設計師魯班”在2016年的雙11”就強勢出場了，魯班”完成了1.7億數量級廣告圖的設計。1.7億的素材需要100個設計師不吃不喝連續(xù)做300年，并且點擊率較人工設計還有所提升，這無疑讓很多設計師都感到了危機，但事實上一個有著設計能力的智能機器并不是那么簡單就可以創(chuàng)造出來的。
《2017設計與人工智能報告》中范凌博士告訴我們，我們把基于規(guī)則的東西逐漸轉化成基于數據和統(tǒng)計的東西，通過設計產生數據，將人的設計，轉化為設計的數據，這個數據變?yōu)槟撤N模型，這個模型可以進行運算，運算之后再評估，評估打分之后再進行運算的迭代——只有這種模式才能真正產生會設計的機器，因此創(chuàng)造力是我們的核心競爭力。
一切智能的創(chuàng)造力首先源于我們的人工創(chuàng)造力，如果沒有各種經驗素材作為知識庫，沒有經驗流程構建邏輯，那就不可能出現能運用的智能模型，更談不上運算的迭代了，但這也給未來需要創(chuàng)造力的崗位發(fā)出了新的預警，要與時俱進，不然可能就會被自己參與撫養(yǎng)的智能機器人超越。
其實遠遠不只這三種能力，目前人工還有更多的能力是無法被智能取代的，比如不同背景文化下的幽默力、整合力、想象力等等，但同時我們必須正視人工智能會給我們帶來的危機感。智能離不開人工，人工也需要智能，雖然機械性的、可重復的腦力或體力勞動將被人工智能或機器人取代，但一定會有更多樣化、更具創(chuàng)意性的人才需求出現，未來一定是人工和智能的協(xié)同時代。
