新技术如何改变工作设计?更新

技术变革如何影响工作设计?

把一份工作看作是一系列需要各种技能的任务。新技术提高了员工在某些任务中的相对生产率，创造了新的任务，并在其他任务中取代了员工。公司通过改变工作设计(分配给工人的任务组合)来应对，随后改变对具有不同技能的工人的需求。

自动化任务(在机器或软件中)有几个优点。它减少了变化，因为机器每次都倾向于执行相同的操作。这降低了不确定性，并有助于提高决策、产品或服务的质量。机器，尤其是计算机，经常产生巨大的规模经济。公司可以避免管理员工的复杂性，包括冲突、激励问题和缺勤。因此，如果自动化一项任务的成本下降到足够低的程度，企业就有可能将该任务自动化。当然，计算的成本已经迅速下降，而计算机的能力已经迅速提高。因此，计算机化自动化在过去三、四十年中加速发展。

早期技术倾向于通过提供更好的工具、机器和更便宜的原材料来提高低技能体力劳动者的生产率。这反映在农业的逐步机械化，以及19世纪后期从手工业向工厂制造的转变[２]．然而，到1910年左右，新技术开始有利于中高技能工人。工厂转向电力，这促进了批量或连续的生产方法，以及装配线。工厂领班、机械师和经理的生产力提高了，监督更多的资源和产出。与此同时，许多体力劳动被机械化了。

这是一个普遍观点的早期例子。技术有时通过提高员工执行某些任务的能力来补充员工，有时通过自动化部分或全部任务来替代员工。因此，它通过让员工重新专注于难以自动化的任务来改变工作设计。此外，新技术的效果会随着时间的推移而改变。最初，它是对低技能工作的补充。后来，它取代了这种工作，同时补充了中高技能的工作。如今，它是高技能工作的补充，但经常替代中等技能工作。有理由认为，信息和通信技术的影响在未来可能会再次发生变化。

例如，一些医疗诊断测试已经自动化，消除了许多医疗技术人员的工作。一些护理任务已经被床边的机器所取代，这些机器可以监测病人并分发药物，但护士与病人的互动在很大程度上是不可能自动化的。最后，几乎所有的手术仍由人类进行，但外科医生拥有先进的工具，使他们能够更快、更安全、更有效地进行这些手术。护士和外科医生仍然存在，但他们的工作内容——他们所执行的任务和他们在每项任务上花费的时间——已经被技术进步大大改变了。

这个过程会给员工的工作带来巨大的差异[3]．对于大部分自动化的工作，经理往往做出大部分或所有的决定，工人只是执行他们规定的任务。这是因为流程的大部分已经被优化了，所以工人可以添加很少的新知识，并且很少需要做出决策或更改。这些工作通常不需要什么技能，只涉及一些重复性的任务(这些任务的成本太高，无法实现自动化)，不需要思考，因此往往缺乏内在动力。相比之下，由技术补充或增加的工作往往需要更多的技能，包括解决问题和社交技能。他们倾向于更多地使用权力下放，以便员工学习，然后开发、测试和实施想法和解决方案。因此，这样的工作有很高的内在动机。与这些观点一致的是，ICT和研发方面的投资与更丰富的职位设计、大规模的组织变革、持续改进和更激烈的竞争呈正相关。

哪些任务最容易自动化，哪些任务最难自动化?

预先最容易理解、优化和编写的任务最容易实现自动化。因此，常规的、简单的任务最容易受到机械化和计算机化的影响[4]．如上所述，最初的自动化是制造业中的手工任务。工业效率专家设计了将生产分解为具体步骤的方法，然后对每个步骤进行优化。这样做使这项任务规范化，从而促进了机械化。从20世纪70年代开始，信息通信技术革命使文职和白领工作中的许多常规、可预测的任务实现了类似的自动化。涉及信息处理、制作财务表格、进行日常计算等工作很容易被计算机取代。这种“重新设计”消除了许多中等技能的工作(例如文书工作、数据输入工作、簿记工作)，并减少了企业层次结构中的层数。

定义良好、更稳定和可预测的环境有利于自动化，原因有两个:易于优化和技术寿命。为了使任务自动化，公司必须投入资源来分析和优化流程的这一部分。完善过程的一部分需要资源(如顾问、全面质量管理方法)。如果优化问题更容易定义，并且新知识可以在未来更长的时间内部署，就像稳定和可预测的环境一样，那么这种投资将更有利可图。

例如，在线旅游网站已经实现了自动化，几乎消除了旅行社代理的工作。旅行者不需要向代理商寻求信息和建议(代理商有动机向客户出售更贵的机票)，而是可以快速获得关于行程、选择和定价的大量结构合理的信息。这改善了他们的旅行决策。然后，这些网站将为客户进行预订的大部分过程自动化，这是相对简单的，并且不会随着时间的推移而发生太大变化。

哪些任务是最难自动化的(图1) ?首先，并非所有手工任务都易于自动化。体力活有时需要精细的运动协调和灵巧，迄今为止机器还不能轻易复制。它们还经常涉及观察和解释工人的物理环境，以及在随机物理空间中移动。计算机和机器在历史上一直缺乏这些能力，包括视觉和图像识别。

认知任务也很难实现自动化。它们需要更高阶的思维能力，而计算机往往只执行特定的编程操作。涉及分析、决策、抽象思维、学习、创新和创造力的工作通常由新技术补充，而不是自动化。例如，飞机设计工程师的工作已经发生了巨大的变化。在过去，它涉及大量繁琐的工作，手工计算和绘制复杂的蓝图。现在工程师们有了可以执行这些任务的计算机，他们可以把更多的精力放在设计和复杂的配置选项上［5］．此外，工程软件为高技能的个人创造了新的任务和工作。

社交任务也被证明很难自动化。计算机和机器人不能与同事和客户产生共鸣，不能激励员工，不能运用直觉，也不能敏锐地倾听和交流。涉及社会互动的工作，通常是低技能的服务工作和高技能的管理工作，在很大程度上避免了自动化。社交技能在劳动力市场上变得越来越有价值，对认知和社交技能要求都很高的工作岗位的就业增长最大[6]．也就是说，社交和认知技能似乎是互补的。

总而言之，一份工作是一堆手工、认知和社交任务。技术对工作设计的影响是连续的，从自动化到增强，再到增加任务。对于某些工作，大部分或所有任务都可以自动化。对于某些工作，很少有任务可以自动化，但人工工作可以通过技术来增强。最后，技术创造了新的任务、就业机会和产业，这增加了劳动力需求。其他工作介于两者之间，有些任务是自动化的，有些任务不受影响，有些任务是增加和补充的[1]．

任务自动化的进展有多快、多远?

技术对工作设计的影响最近发生了变化。最初，计算机具有很大程度上由人类定义和指导的自动化任务，可以通过指定计算机应该做什么的传统计算机程序，也可以通过设计用于分类和复制人类决策的专家系统。然而，最近计算机科学家在这方面取得了重大进展机器学习在该系统中，计算机开发、评估和改进自己的算法，很少或根本不需要人工干预。这带来了一个新的机会:认知任务的自动化。此外，这种算法提高了机器人的机动性、灵活性、视觉和物体识别能力，提高了物理任务的自动化程度。

考虑人工智能图像分类器算法的例子。人工智能技术在统计预测任务中尤其有效。在2017 ImageNet top5分类挑战赛中，最佳算法的分类正确率超过了人类的性能阈值94.9%。到2021年1月，人工智能分类准确率达到98.8%。与此同时，到2020年，平均算法训练时间降至1分钟以下(比2018年减少了7倍)，训练成本从1100美元骤降至7美元[7]．这些进步使得强大的分类算法能够以非常低的成本快速提供给许多商业领域的大量研究人员和从业者。这项技术在整个经济领域得到广泛应用。值得注意的是，其中大部分似乎都集中在公司的核心业务上，而不仅仅是支持职能。例如，汽车制造商正在组装过程中采用计算机视觉和机器人技术。与此同时，金融服务公司正在风险评估和服务运营中采用机器学习和文本识别技术[7]．在大多数预测任务中，人类将不可避免地被机器取代。未来的工作应设计为确保机器预测输出和工人任务之间的互补性。一个很好的例子是放射扫描的评估。人工智能可以快速检查比人类评估更多的扫描图像。这增加了发现医疗问题的可能性。它还解放了放射科医生的时间来解释由算法识别的异常图像，并与患者单独合作，制定定制化的治疗计划，这些任务都是自动化无法安全实现的。

能够学习的计算机的发展可能会给任务自动化带来巨大的变化。这些发展可能会发展到什么程度，发展速度会有多快，这是一个争论不休的话题。一些人认为，自动化的步伐已经加快，包括高技能工作的自动化速度首次加快。一项研究分析了7000个工作的任务内容，得出的结论是，近一半的工作，包括许多高技能的工作，在未来10到20年将面临很高的自动化风险[8]．如果这一预测被证明是正确的，那么对劳动力市场的影响可能是深远的。

这项研究引起了争议。例如，它在工作级别上分析自动化的风险，但是工作由一组任务组成，其中一些可能是自动化的，而另一些可能不是。其他研究人员对这项研究进行了改进，并得出结论，自动化高风险工作的比例不是50%，而是接近5-10%。据估计，自动化风险最小的工作更多地涉及演绎推理、独创性、沟通、培训、解决问题以及阅读和写作。他们对岗前教育或培训的要求也更高[8]，[9]．然而，在研究人员能够自信地回答这些问题之前，还需要做大量的工作。

劳动力市场两极化

技术变革影响不同技能类型工人的相对报酬。随着新技术替代或补充不同类型的任务，它改变了执行这些任务所需技能的相对需求。与机器现在可以执行的任务相关的技能的需求往往会相对下降，而与新技术补充或创造的任务相关的技能的需求则会相对上升。不同技能类型的工人的供应也将发生变化。然而，劳动力供给的变化往往缓慢，因为它需要教育和培训的变化。这意味着技能和工资往往高度相关。出于这个原因，劳动经济学研究人员经常用工资水平来代表“技能”。

近年来，自动化倾向于集中在中等技能的工作。高技能工作包括非常规的认知任务、社会技能(管理和领导)和创造力。虽然一些低技能的工作已经实现了自动化，但那些需要更高灵活性、团队合作或与客户互动的工作还没有广泛实现自动化。相比之下，中等技能的工作往往涉及常规的信息处理、计算和决策。因此，随着廉价、功能强大的计算机和更大的数据获取渠道的出现，自动化对他们的打击最大。

这种模式通常被称为劳动力市场两极分化[10]．两极分化有两个方面。首先，劳动力市场出现了“空心化”。对低技能工作的需求停滞不前，而对高技能工作的需求由于技术变革的增强效应而增加。与此同时，由于自动化，中等技能工人的工作岗位减少了。其次，这加剧了工资不平等，因为中等技能工作的重要性下降，而与技术的互补性提高了高技能工人的相对薪酬。图2说明了经合组织国家的情况。

两极分化是一个相对较新的现象。直到最近，劳动力市场还反映了技能偏向的技术变革，技术更青睐技能更高的工人，而不是技能更低的工人。现在不同的是，计算机可以执行分析，在某种程度上，还可以执行认知任务。因此，在过去的四十年中，出现了以惯例为导向的技术变革。

人工智能可能会加剧劳动力市场的两极分化。最近的研究表明，人工智能对直接参与人工智能开发的计算机科学家和统计学家的工资产生了积极的影响。然而，对于使用新工具的其他中高技能工人来说，这并没有对他们的工资产生重大影响[11]．

除了两极分化，自动化还带来了相关的劳动力市场挑战。空心化可能会减少员工在工作中积累技能的机会，限制从入门到管理职位的职业发展。还要注意的是，如果提供学习机会的工作是自动化的，企业可能会失去隐性知识。例如，装配工人的自动化阻碍了对监督管理职位有用的实践专门知识的发展。

尤其值得关注的是工作被自动化淘汰对工人的影响。在职业生涯中期掌握新技能并不容易。再加上借款和其他限制，被解雇的工人往往很难在其他部门找到类似的工作。在人口老龄化的经济体中，当创新有利于劳动力中相对较少的部分拥有的技能时，这种影响会更加显著。这些力量对政府提出了扩大社会福利和职业培训项目的更高要求。重要的是，雇主不会将这些成本内部化。此外，税法可能偏向于资本而牺牲了劳动力。出于这些原因，一些人认为，企业在实施新技术时扭曲了激励机制，导致了低效率的高自动化水平，而不是增加和增加新的就业机会[12]，[13]．