世界经济论坛（WorldEconomicForum）创始人兼执行主席克劳斯·施瓦布（KlausSchwab）于年出版了一本名为《第四次工业革命》的书，并在当年的达沃斯会议上创造了这一术语。他解释了前三次工业革命如何从根本上改变了我们的现代社会。第一次蒸汽机的发明、第二次大规模生产以及第三次数字技术的到来。每次工业革命都导致了社会的大规模变革。当前已进入以智能自动化为驱动的第四次工业革命。这次工业革命不同于以往，对人类社会而言将存在巨大的机遇与风险。
智能自动化（IA）是本次生产力革命的核心组件，将深刻影响人类社会，人将被数字化“武装到牙齿”，随之而来的是工作协同模式的变革，用设计型思维的语言来描述就是用户画像改变引发场景变革。人和IA结合的用户画像将构成未来业务场景的灵魂。
基于IA目前在不同行业的实践来分析用户画像的演进，我们就能洞察这个灵魂，智能自动化业务场景未来演变的方向就会变得清晰。
01工作的困境和出路
世界人工智能大会上，“双马”对话激辩AI未来。当时马云提到：“机器可以更聪明，但人可以更智慧。我从来不担心机器抢人类饭碗。”马斯克则反驳道：“我完全不同意。最聪明的不一定是人。聪明的人最容易犯的错就是不相信有人比自己更聪明。”
今年10月1日特斯拉AI日大会上，马斯克隆重推出了“擎天柱”人形机器人，这被视为一个人工智能取代人类部分工作的标记。可以预见，人工智能在各行各业的迅猛发展，将首先让跟不上数字化时代的千千万万的打工人处于职业风险中，进而影响到未来人类社会的演变，因此我们需要深刻分析和理解IA对人类未来工作的影响。
理解IA如何影响未来人的工作，人在未来的工作中如何与智能及数字化相结合是破题的抓手。直观来看IA的大规模使用应该是所有知识劳动者的危机，在智能数字化时代，知识劳动者对技术的掌控能力越强，就越能从日益增长的财富中占有更大的比例已成为业界共识。
与此同时知识劳动者所掌握的各类专业技能，随着时间的推移，将逐步被IA所替代，在IA浪潮初始阶段受益的知识工作者将沦为社会底层依赖国家财富转移生存的赤贫一族。的职业列表中，已经有个职业消失了，而且职业被智能替代的速度仍在加速，未来还将有更多的职业被人工智能、数控机械、无人机器、3D打印、媒体厨房、大数据分析、AI人物、智能编译等新技术新智能所替代。当前知识劳动者如不能与时俱进进行前瞻性的思考并采取行动，与智能和数字化进行有机融合的话，这看似荒唐的场景将在不远的未来走进现实。
虽然马云在与马斯克的对话中说机器人不可能完全取代所有职业，但在年10月的中国企业家俱乐部年会上，马云发表了他淡出视野前的最后一次演讲，大胆预言：未来十年是传统行业推进数字化的最后十年，如果你不进行变革，你一定是数字化脱贫的对象。
另外，盖洛普（Gallup）近期研究表明，全世界85%的员工在企业中工作没有参与感，用通俗的话来说就是工作没有价值感，员工满意度不高。这一比例在美国是70%，而在日本这一比例竟高达94%，调研显示在中国员工不满意度也高得惊人。另一项盖洛普调查发现，三分之二的员工在工作中感到倦怠。导致工作倦怠的主要因素包括工作中的不公平待遇、紧迫的工作压力、工作量过大、缺乏领导层的支持等。
以人类社会目前的科技成熟度，理应让人们在工作中变得越来越具有幸福感。但在过去很长一段时间里，却因为一些标准化、重复性的工作，使人逐渐沦为“机器”，这种趋势将加速人类工作幸福感的降低。
第四次工业革命让人感受到了工作的双重压力，一方面是可能面临的工作机会的消失，一方面是工作幸福感的降低，未来出路究竟在哪里，当下的工作困境应如何摆脱？
事实上，IA是把双刃剑，它将为知识劳动者创造前所未有的机遇。随着IA赋能下的业务场景创新和颠覆的步伐急剧加快,我们相信IA也将创造大量新的就业机会。对个体而言关键在于知识劳动者能否在未来的生态竞争中准确定位自身价值并且能够结构化地自我理解。对社会而言需要去分析判断智能自动化未来可能呈现的场景，需要意识到传统的技能培训和教育将无法满足智能数字化时代下对知识劳动者的要求，不做出改变将令大量劳动人口面临就业不足或失业的命运。这种情况的导致后果可能以社会动荡、革命、战争或任何人都不希望发生的形式出现。
在未来人与IA相结合的用户画像中，IA擅长重复性任务，而人类擅长批判性思维、创造性任务和解决新问题。这些特点使IA和人类相辅相成。对于人来说，需要回归到人与智能融合的这个主题上，需要在数字化时代具备关于人机协同的崭新的元学习能力、对三个世界（含元宇宙）的读写分析能力、批判性认知能力、笃定的精神力等四方面能力，人类可以利用IA赋予的减少工作量的机会，将工作重点放在人类特有的批判性思维形成对三个世界的认知，借助人类元学习能力来形成职业的多样性，并利用笃定的精神力来增强人性，提升人在工作中的幸福感，在更深层次上推动人类社会的发展。（备注：篇幅有限，这里只探讨其中的元学习能力，这种认知我们称之为颠覆传统的超极限学习。）
02颠覆传统的超极限学习
学校一词，在希腊语中是“休闲”或“休息”的意思。这个词的起源和内涵是经过先贤们深思熟虑地思考和沉淀的。学习和教育最初的目的就是引导我们找到自己的人生目标最终实现人生幸福。中国大部分的学校是为应试教育而设置，同时中国也在大力发展以职业为导向的教育体系，绝大部分企业和机构的内部培训和教育也是以职业为导向，通过特定领域的教育学习某项职业技能。
从发展趋势来看，这种贸易型导向的教育和学习模式将持续下去。无论是应试教育还是现有的职业教育，都有违教育的初衷—寻找人生的目标和幸福。在IA加持下的数字化转型浪潮中，这两类教育的价值将急剧下降，因为在未来绝大部分的工作技能都将被自动化代替。那么未来的教育或者学习之路在哪里？其关键在于技术发展相比传统的教育或培训谁的速度更具优势。
天下武功，无坚不摧，为快不破。随着科技的高速发展，高效快速的获取并形成“学习如何学习”的能力将成为未来教育和学习模式的最终归宿，我把它称为超极限学习。超极限学习是超越普通学习一个数量级的高效快速的学习能力。从个人视角来看，是一个人能完成十个人的工作任务，且能从事多专业作业；从企业视角来看，相比同行能够更高效地进行研发、生产、销售、市场和运营。然而这种卓越的学习能力普通人是否能够掌握？是否某些具有天资的人和具有特定特质的企业才能具备？同时，一些杰出企业的实践表明，超极限学习需要三个核心要素，即学习能力、学习资源的支持、学习的激励。
研究发现，绝大部分的个人和企业具备实施超极限学习的潜在要素：我们发现绝大部分组织和人的工作潜力尚未充分发挥，通过有体系的对组织和个人进行支撑提升其学习能力，能够大幅提高业务作业效率；同时我们也发现企业内部存在大量资源（数据、信息、知识和人），而这些资源由于种种原因没有被利用起来形成业务价值，以致资源被极大地浪费。
开展超极限学习的关键有两点，第一是形成元学习能力（Metalearning），第二是新的协同作业模式（NewModel）。形成针对业务作业场景的协同作战环境，基于新的协同环境实现工作方式的变革，两者结合后可以用很多时髦的词来描述，例如精兵大平台作战、数字化转型、商业模式转变等等。业界非常著名的案例就是美军的特种作战。近年来，美国特种作战部队极为活跃，美军对特种作战部队(SOF)的需求量很大，全球人员数量也在不断增加。年，特种作战部队在个国家开展了行动，而十多年前这个数字还只有60个左右。大规模的特种作战是美军面对复杂、多变、实时环境下的大平台精兵作战模式，精兵并非传统意义上的“精锐”部队，但实际上特种作战部队的特殊性在于一体化的大平台支撑，普通部队和“精锐”部队都可以利用大平台。这种大平台精兵作战模式的形成和演变，突显了美军的超极限学习能力。
元学习能力（MetaLearning）：Meta一词来源于古希腊语，说的是更高层次的抽象描述自身。元学习描述的是学习的学习。虽然这个词来源于西方，但在中国传统文化里这种学习能力早已根深蒂固，例如汉字学习中通过偏旁部首表意和表音来快速学习汉字，通过汉字偏旁部首的知识结构和属性来理解认识新的汉字。在这个场景里，为了学习汉字，我们先学习了如何学习汉字的方法，这能够大大加快我们学习的速度。这些更高层次的抽象的方法，我们把它称为知识，元学习能力就是持续形成这种知识。这个过程我们称之为超极限学习的知识形成与知识管理阶段。这是形成超极限学习的关键。知识的质量决定了学习的效率，超极限学习与其他学习的最大区别在于知识的质量及将知识精准实时地推送到所需的业务场景，这是绝大部分企业所不具备的。
新的协同作业模式（NewModel）：这个部分我们称之为知识应用阶段，形成这种新作业模式需要两个步骤，第一是精准学习知识，需要理解学习的动机，清晰地了解需掌握哪些知识和能力，需要形成一个针对工作的知识地图，并把工作和项目中的内容分解为相关的概念、事实、操作过程等结构化的框架。第二是在业务作业的工作场景中，利用数字化技术等手段形成和选择所需的环境、资源和知识进行实践。同时这两个方面是相辅相成的，高质量的知识能极大地促进知识的应用，知识的持续应用反过来将可持续地支撑知识的更新和迭代。
03智能自动化（IA）业务场景实践
我们谈到了人工作的困境，人与智能融合的关键能力，并就其元学习能力进行了探讨，以下我们将分析智能自动化在不同行业和企业职能领域的广泛应用.
随着人与智能融合的演进，其智能业务的场景也将随之演变。目前的业务场景从一个侧面也反映出目前人与智能融合的程度。首先我们定义一下在本文中所谓“场景”的含义，在不同行业和业务领域对这个名词的解释不尽相同。本文中所提场景是指利用智能自动化技术赋能某项业务活动并实现该方面的业务价值综合描述。业务场景通常是构建企业智能自动化的愿景，评估企业智能自动化未来潜在机会的强有力工具，本文中所提供的基于行业和企业职能的场景框架是一个通用的适合各行业的场景分析框架。
前面谈到数字化时代的职业人员需要具备崭新的元学习能力、对三个世界（含元宇宙）的读写分析能力、批判性认知能力、笃定的精神力等四方面的能力。在人的四种能力得到有效保障的前提下，未来数字化的业务场景将在人的知行合一、三大世界的天人合一的环境下，进行多层次的持续迭代创新。
对于企业和机构来说，无论是目前的数字化转型，还是跟上第四次工业革命的浪潮，面临的首要问题是从何开始。我们研究全球智能自动化的众多案例，以人与智能融合为抓手，并结合多年智能自动化的实践，从中观察到智能自动化最初始于实施对业务有价值的智能自动化场景。
为了方便对业务场景的研究，我们构建了一个二维框架，用以从行业和企业职能两个维度对职能自动化的场景进行深入研究，并分析和总结了在这两个维度下，各个细分业务领域中的场景智能自动化是如何助力业务实现其业务价值，解决业务痛点（限于文章篇幅，此处不作赘述）。
另外，我们在研究中结合各个行业数字化的成熟度，分析和梳理了各个不同细分领域中当前及未来一段时间内这些业务场景与智能自动化的相关性，为企业和机构开始智能自动化之旅的试点场景提供选择和判断的相关参考。
结束语
智能自动化（IA）是世界第四次工业革命中数字化技术的重要核心组件，其大规模的应用将深刻影响人类社会，不同于以往三次工业革命的过程，这次是危机显著大于机遇。人作为本次变革转型的主体，需要增强以上四方面能力才能跟上数字化时代的步伐，在未来数字化场景中达到人与智能协同作战的状态。
转载请注明：http://www.0431gb208.com/sjszlfa/4454.html
