如果低级员工都被AI替代，那高级员工从哪来？

本文来自微信公众号：人神共奋（ID：tongyipaocha），作者：人神共奋，题图来源：《实习生》

一、一段关于AI的讨论

上周跟几个前同事聚会，他们现在大多自己开公司，而且主要是管理咨询、广告设计、游戏外包等专业类服务，自然要聊起近日大火的ChatGPT、Midjourney等人工智能产品，聊到会不会“利用AI工具减少人力成本”的问题上。

虽然每一个人都有这样的愿望，但大家也都承认，近几年不太可能做到，AI出品的图，几乎每张都需要后期修图，ChatGPT的文字太水了，几乎要压缩掉80%的内容，主要用来配合客户提案的演示。

当然，大家也一致认为，这可能只是暂时的现象，毕竟这几个月来，AI输出的东西已经从“几乎不可用”进步到“修改后可商用”，谁知道它会发展到哪一步呢？

但一个人对AI的信任度的问题，却并非技术进步可以解决，它的生产内容的可控性一般，有时候不管用什么办法都得不到自己想要的。

为什么说这个弱点并非技术进步可以解决呢？

我几年前曾经写过一篇文章，分析优秀员工的价值体系，共三个层次：“可预测、可展望、可控制”，AI的这个弱点让它在可见的当下很难达到“可预测”的要求、可见的未来更无法达到“可展望”的要求（可控制是人际关系和公司文化的要求，对于AI并不适用）。

换言之，不想自己的工作被AI取代，就要多多考虑如何在这两点上发挥人类的优势。

先分析一下，什么是“可预测”？

二、可预测

先问个问题：你到一家常去的餐馆吃饭，最贵的主菜，你是点你以前吃过觉得不错的菜呢？还是点没有吃过的新菜？

答案肯定是要看情况，如果是重要的场合，比如请客，当然要点以前吃过觉得不错的菜；如果是家人朋友日常小聚，点一些新出的菜品，说不定会有惊喜。

在考虑员工晋升时也是一样，稳定发挥型的员工，获得晋升机会的可能性更大，因为这是重要的决策，稳健更重要。

这在决策中，被称为“可预测性”或者“确定性”，越是重要的决定，越是如此。

很多人可能不赞同这个观点。确实，实际生活中，答案与公司文化和公司业务类型有关，在核电站工作的人，“创新”是贬义词，在互联网创业企业，“稳重”是对你最大的否定。

但这种差异并不会影响上司最终的选择，“可预测性”是公司持续经营的前提，也事关上司自己的晋升。

AI到底最后会成为员工的工具，还是取代员工，这一点可能正是取决于未来AI生成内容的稳定性，这也是我的前同事们认为，不会马上用AI取代员工的原因。

那么，AI有没有可能通过技术来解决这个稳定性的问题呢？

三、人工智能的幻觉

在微软的一篇论文《Sparks of Artificial General Intelligence: Early experiments with GPT-4》中，列出GPT-4的几个局限性，其中有一条关键问题——透明度、可解释性和一致性。

报告中说：“模型不仅会产生幻觉、编造事实和产生不一致的内容，而且似乎没有办法验证它产生的内容是否与训练数据一致，或者是否是自洽的。”

对于人类而言，这可能是一个好消息，它可能是AI与生俱来的缺陷，源于它的深度学习机制。

很多人以为ChatGPT是一个智能的搜索引擎，能搜索与问题相关的文本资料，再用一定的方式串成一段文本结果，但如果真是如此，ChatGPT就不应产生“事实性错误”，而且不是每次都错，如果你换个方法问，它可能又会纠正这个错误。

模型有些会编造一些训练材料中根本没有的事实，比如有一位澳大利亚的市长，发现 ChatGPT 声称他被判定犯有贿赂罪并被判处监禁，这件事不但是捏造的，甚至训练数据中也没有任何可能误导 ChatGPT的资料，那么，它到底是如何产生这个幻觉的呢？

虽然这一现象在GPT-4中大大降低，但微软的这份报告也承认，没有任何理由认为未来系统升级后，这个缺陷就会改变。因为GPT是一个“黑箱”，我们只知道它的原理，但没有人知道它具体是如何创作出各种结果的。

很多人会想，这个问题可不可能通过写更好的问题，进行多轮沟通来解决呢？

答案是有用，但不能保证一定有用。

原因还是在于“黑箱机制”，当你换了一个问题得到更好的答案时，你并不能保证二者之间的“因果关系”，不能保证它下次还会做对，这跟你平时与下属沟通不同。

人类新同事做错了，你告诉他原因，亲自演示了一遍，并让他重复了几次，他下次做对了，这两者之间的因果关系很强，本质上还是因为你理解人类的学习机制，可以通过重复来获得新技能。

这也涉及人的行为的可解释性，一个人所犯的错误跟任务要求、个性和个人诉求高度相关：如果时间太紧，可能在后半部分完成得非常敷衍；有些错误，不专业的人必犯；有些人不擅长做需要调研的工作，更擅长数据处理，可能对某一个方向比较有兴趣，等等。虽然有些解释比较牵强，但毕竟是一个可以让你安心的解释。

相反，有一些员工做出来的事，永远出乎你的意料，向上和向下偏离都有，这类员工，再优秀你也很难用。

可解释性非常重要，不但与可预测性有关，更关乎你对某一个员工未来的期望——在员工的价值体系中，我称之为“可展望”。

四、可展望

ChatGPT的横空出世，让无数人惊呼，低级白领要被取低了，但有人问了一个尖锐的问题：

“如果低级员工都用AI来替代，那未来的高级专业员工从哪里来呢？”

这就涉及人工智能时代的公司人才培养机制问题。

上学的时候，老师总是喜欢两类学生，第一类是成绩很好而且长期稳定在前几名的，第二类，成绩并不突出，但一直在不断进步，名次不断小幅上升的学生。

其实很多年后，老师更容易记得后一类学生，就是那个高一刚刚进班排名90%以后，到了高三已经进入前10%的那类学生。

这在预期管理中，被称为“超预期”。

但“超预期”有一个自相矛盾的地方，如果你总是“超预期”，那么“超预期”本身反而成了一种“预期”。更何况，你怎么可能每次都超预期呢？

这就取决于上司认为你还有没有“上升空间”。

对于一个人而言，“上升空间”是一个主观的判断，往往是预测者先有一个“预测模型”，而这个模型来源于经验或成见。

比如很多人认为，聪明但不努力的学生，比努力但不聪明的学生，成绩上更有上升空间，这就是一个常见的预测模型。对不对姑且不论，关键是很多人都是这么想的。

那么，影响上司对一个下属的发展空间的预测模型是什么呢？

我们通常所说的工作能力，其实分为两部分：

一部分是利用自己的专业知识解决问题的能力，就是我们通常说的“业务能力”；另一部分是人的职业素质，比如学习创新能力、表达沟通能力、逻辑思考能力、统筹规划能力，这一类能力往往是各领域通用的，我称之为“通用能力”。

很明显，执行层员工，业务能力强就够了，但要往上走，就要能驾驭各职能协同工作，显然“通用能力”更重要。业务能力让你的工作符合预期，通用能力又能展现你的“上升空间”，这就形成了一个常见的“预测模型”。

总结一下：“可预测性”是对当下成绩的判断，“可展望性”，是对未来空间的评估；“可预测性”是对稳定性的判断，“可展望性”，是对成长性的评估。

很明确，AI并不具备“可展望”的属性，它的进步空间无法判断。

所以，无论AI的能力有多强，未来的公司都要培养一部分业务能力强，通胀能力更强的“有空间”的低阶员工。

这一类员工现在就有——管培生。

五、工作在AI时代的建议

未来如果AI真的深度融入工作场景，那么，人类员工可能分为两类，一类是工具类员工，另一类是管培生。

如果你是工具型的员工，你需要比GPT更可预测，这样，人工智能会成为你的工具，而不是替代你的工作，包括：

第一，清晰的建立能力边界——哪些擅长，哪些不擅长。

最重要的是不熟不做，避免犯错，职场是“一错抵三功”，经常犯错就代表你的“可预测性”差。

第二，建立上司的合理预期。

如果你十次有八次把事情做到80分，两次做到60分，上司对你的预期就是80分；如果你十次有六次把事情做到100分，四次不及格，那上司对你没有预期。

后者是现在GPT的现状，而在职场上大部分事情做到80分，是“成本收益比”最高的阶段。

第三，可预测的性格与情绪，让同事和下属知道怎么配合你。

人总有情绪，这是你相对AI而言最大的弱点。我曾推荐了一种“以不变应万变”的职场人际关系策略，核心就是保持你性格的稳定性，内向你就一直内向下去，保守你就始终保守，敏感你就别怕别人说你敏感。 

这么做是增加自己的透明度，增强行动的可预测性，放弃某些眼前利益，让对方放心与你建立长期可持续的合作关系。

如果能够做到这一点，相信大部分人还是更愿意跟真人合作。

不过做到这三点，仍然是工具型员工，仍然在与AI竞争性价比，它对你的替代，不但取决于你的能力，还高度取决于它的使用成本。

想要摆脱工具人的命运，以后就只有“管培生”这一条路，展示你的发展空间，这就是另一个更大的话题了，有兴趣，咱们下回慢慢聊。

本文来自微信公众号：人神共奋（ID：tongyipaocha），作者：人神共奋