与人工智能做同事 你需要克服哪些障碍

重塑职业学习：员工与智能机器的共同成长之路

如今，职场学习面临着前所未有的挑战。随着复杂分析技术、人工智能和机器人的崛起，传统的职场学习方式正在经历一场翻天覆地的变革。在这一巨变中，我们不禁要问：员工能否学会与这些智能机器共事呢？为了回答这个问题，我们首先要深入了解职场学习的现状及其所面临的挑战。

我们看到越来越多的公司开始部署智能机器，这在一定程度上阻碍了员工的学习机会。人工智能和机器人技术的引入，使得许多新手员工失去了接触实际工作的机会，而老手员工则面临着掌握新方法和旧方法的双重压力。这种现象不仅影响了员工个人的职业发展，也对整个组织的创新能力构成了威胁。

那么，员工该如何应对这一挑战，与智能机器共事呢？这就需要我们探讨一种非正式的、广泛存在的学习流程——“暗中学习”。这是一种在面临学习障碍时，员工通过非正式渠道获取知识和技能的方式。

我发现了获取所需技能的四大普遍障碍，这些障碍触发了暗中学习：

1. 新手正在失去“学习优势”：智能机器的引入使得新手员工难以接触高风险和复杂的工作任务，从而无法获得必要的成长机会。在某投资银行中，初级分析师的任务仅限于从系统中提取报告，而无法参与更复杂的分析工作。这种分工虽然短期内提高了效率，但却剥夺了初级分析师挑战复杂工作的机会。

2. 专家与工作疏远：在某些情况下，智能机器会妨碍专家进行实践工作。例如，在机器人手术中，外科医生无法直接评估和管理关键环节，导致他们无法磨练全面了解自己工作所需的技能。

3. 学习者必须掌握新旧两种方法：机器人手术要求医生掌握一套全新的技巧和技术，同时还需要掌握传统方法。然而课程时间有限，导致医生无法熟练掌握两种方法。

4. 标准学习方法被默认为有效：尽管传统的学习方法在某些情况下已经不再适用，但人们仍然依赖它们。对于机器人手术来说，“看一、做一、教一”的传统方法已经不再有效，但大多数医生仍然坚持使用这种方法。

随着科技的飞速发展，智能机器已经融入我们的日常生活。如何让这些机器成为解决方案的一部分，促进组织、工作和技术之间的和谐共生，成为我们面临的重要挑战。

引入中立的第三方，可以确保严格的匿名性，让人们在分享经验和表达观点时更加放心。我的线人们开始信任我，深知我在多个工作组和设施中的观察经验，他们相信自己的身份会得到保护。这种信任对于让他们吐露真相至关重要。对于那些敢于挑战现状、勇于探索的人来说，这是一个绝佳的机会。

组织在处理智能机器时，往往倾向于让个别专家掌控工作，减少对学徒的依赖。机器人手术系统让高级外科医生在更少帮助下操作，投资银行系统让高级分析师脱离复杂估值工作的困扰。这背后隐藏着巨大的机遇和挑战。所有利益相关者都应推动组织、技术和工作设计走向更高的生产力和卓越。例如，在洛杉矶警察局中，这意味着重塑巡警的激励机制，优化PredPol用户界面，创建警察与软件工程师的新角色联动，以及建立警察主导的最佳实践案例库。这是一个充满无限可能的创新空间。

人工智能作为导师专家和学习者之间的桥梁，能够在困难时刻提供援助。金柱赫博士在麻省理工学院期间，创立了ToolScape和Lecture-Scape平台，以众包方式为教学视频添加注释，提供清晰解释和机会给那些需要指导的学生。这就是所谓的“学习者采购”。增强现实系统将专家指导和注释融入工作流程中。现有的应用程序通过平板电脑或智能眼镜提供实时指导。预计很快会有更多智能系统问世。这些系统将在学徒视野中叠加模范工作的录像，记录学徒的尝试并与模范工作者进行联系。这是一个充满活力和创造力的时代，我们需要将重心放在非正式学习（OJL）上。

几千年来，技术进步推动了工作流程的变革，学徒从导师那里获得新技能。但现在智能机器以生产率为名迫使学徒与导师分离。组织在不经意间选择生产率而忽视员工参与，使学习变得困难。暗中学习者正寻找冒险、颠覆常规的学习方法。想要在智能机器世界中立足的组织应该密切关注这些不按常理出牌的人。他们的行动将为你揭示未来专家、学徒和智能机器如何携手完成工作提供宝贵洞察。马特·比恩教授是加州大学圣巴巴拉分校技术管理领域的杰出专家，同时也是麻省理工学院数字经济项目的重要一员。他的研究为我们提供了宝贵的视角和见解。让我们一起迎接这个充满机遇和挑战的时代吧！