最大化效率：利用自动化转型业务流程
企业不能忽视人力资本蕴含的财富：那些会犯错的生物，拥有敢为人先、梦想、直觉、冒险的独特能力，尤其是能识别何时走向灾难。
去夏天，AI 历史上发生惨痛里程碑：首起自动驾驶车辆致死事故。一辆 Tesla Model S 全自动驾驶在佛罗里达高速撞上卡车尾部，导致“人类驾驶员”死亡。Tesla 博客称，原因是 AI 无法分辨“明亮天空下卡车拖车的白色侧面”。这是 1.3 亿自动驾驶里程中的首起死亡，远低于人类驾驶每 6000 万英里一死的全球平均水平。
若 Tesla 等能维持此比率，将是重大安全提升。但这起几乎肯定能被人类驾驶员避免的事故，引发严肃疑问：人类应向机器让渡多少自主权？
延伸阅读：大规模智能自动化的 5 大挑战
随着技术更智能，必然面临关乎生死的决策。自动驾驶车辆须被编程做道德决策，如瞬间回答困扰伦理学家多年的“电车难题”。
并非所有 AI 和自动化问题都关乎生死，但在确信这些技术增强而非削弱生活前，有重要实践和伦理问题待解。企业日益意识到这一点。Infosys 研究显示，超半数（53%）受访者认为伦理问题阻碍 AI 发挥最大效用，仅 36% 称已充分考虑伦理影响。顾虑涵盖员工客户隐私、就业冲击（如大规模冗余）、以及 AI 能在多大程度替代人类操作员——Tesla 故事凸显了这一点。
既易被技术承诺的力量迷惑，也易浪漫化人脑独特能力。除非企业调和这两种截然不同的智能，否则难释放人机互补的全部红利。
延伸阅读：2018 将是企业自动化元年
人类面临的关键挑战：决定给机器多少自主权，在何种情境下 AI 优于人脑。乍看技术能处理海量数据、用 NLP 提供逼真客户互动，似完美替代缓慢、昂贵、易错的人类。但这忽视技术自身缺陷：微软 Tay 聊天机器人迅速学会种族主义，自动驾驶车无法分辨天空与 20 吨高速金属。
事实是：机器只能提供洞见，唯有人拥有智慧将洞见恰如其分地应用于特定业务或个人情境。若人生仅由理性经验考量主导，或许有论据支持机器尽可能替代人类。但现实并非如此。Infosys 每天面对这些问题：帮助众多企业推进机器学习，迅速明确情境化的重要性。
多数情况下，仅算数不够；必须深谙公司文化、商业模式、独特挑战及数据/报告结构。人类将继续在提问、诠释应用数据、为机器拟定假设中扮演关键角色。技术布道者常忽略：机器学习算法首轮准确率通常仅 60-70%，后续需微调和持续工作。
延伸阅读：设备越多问题越多？IT 自动化不怕
这听似仅是主张雇佣更多数据科学家，而非赞美人类工人能力。但稍加想像，便能将上述技术局限映射到组织其他领域：从高管到初级员工。问任何成功企业主，他们会讲直觉冒险、横向思维解决复杂问题、灵感源自意想不到的思维模式。HR 数据能洞察绩效生产力，却难解释为何表现不佳、如何以最具同理心和有效方式沟通改进。客服人员虽有全量数据调查投诉，仍需训练、直觉和人性以令客户满意解决。
延伸阅读：自动化：网络必要性
真相是：数据只是人们改进工作的工具，无论是对冲基金还是处理不满客户。企业不能忽视人力资本的财富：那些会犯错的生物，拥有敢为人先、梦想、直觉、冒险的独特能力，尤其是能识别何时走向灾难。
来源：Jonathan Ebsworth，Infosys Consulting 颠覆性技术负责人
自动化控制系统