下一個工作在這裡！智慧科技時代，人機互助的5大決勝力

智慧科技時代來臨，
你的競爭力，升級了嗎？

名列全球25大頂尖顧問、資訊科技百大最有影響力人物，
大數據權威──戴文波特的未來預言：
10年內，10種知識工作將由機器接手！
然而，機器不只帶來威脅，也帶來希望，
人類的下一個工作，將發揮獨一無二的人性特質，
善用機器借力使力、徹底發揮超強能力！

★亞馬遜讀者評價4.8顆星★

戴文波特指出將被智慧科技取代的10種知識工作，包括傳輸內容給學生的教師、分析大量文件的法務、仰賴資料回答問題的財務規畫師等工作；即使某些決策交由電腦判斷可能會出錯，但這樣的浪潮已勢不可擋！

工作者與智慧機器將會密切攜手合作，
不只是分工，而是加乘雙方的價值！
面對自動化科技的挑戰，知識工作者應該重新定位，找出機器無法替代的自我價值；企業領導者更須改變思維，以人機互助化為優先目標，才能維持永續優勢。書中提供具體可行的5種思考策略和行動指南，讓每個工作者獲得更大成就感、創造更高價值：
․自我提升
提升至自動化系統的層級上，在過分混沌與變化快速到電腦或機器人無法處理的領域，開發綜觀全局的深入看法與決策能力。
․轉進
轉移到電腦不擅長的非決策導向工作類型，例如銷售與激勵別人，或者以直截了當的方式描述電腦做出決定的工作。
․投入
參與電腦系統的自動化決策，了解、監看與改善它們。例如財務規畫師與經紀人在公司引進新工具時，會很快了解機器做出決策仰賴的邏輯，並勇於告訴公司內部與外部廠商的科技專家，如何修改與升級機器。
․專精
在你的專業領域內，找到一個狹隘到無人試圖將它自動化，而且自動化可能永遠不划算的地方。
․邁步向前
在特定領域內，開發能支援智慧決策與行動的新系統以及科技。
本書並提供行銷人員、記者、教師、律師、財務規畫師等精彩案例，看各領域傑出人才如何洞悉先機、再創事業高峰。

「與其追問會被機器取代的下個工作是什麼，不如了解機器帶給我們的下個工作是什麼。」你想成為哪一種工作者？由你來決定！

◎名人推薦
「這本來得正是時候、經過深入研究的著作，提出了讓人信服與激勵人心的觀點：人類面臨的挑戰，將激勵我們超越潛能，同時讓我們變得更人性。本書是一紙強力動員令，同時提出一份未來藍圖，忽視這份藍圖的人將會陷入險境。光是閱讀本書還不夠，還要根據內容立即採取行動！」
──勤業眾信創新優勢中心董事長約翰•海格

「每位知識工作者、企業主管以及政府領袖，都應該閱讀這本書。智慧機器將改變我們的工作與生活，愈早開始與智慧機器的能力相輔相成，經濟發展就會愈成功。戴文波特與柯比所言甚是：人類將與這些工具建立互助關係，而非被它們自動化。愈快學會互助化，未來你在勞動市場的成就會愈高。」
──前IBM華生電腦部門總經理，現任認知規模公司董事長馬諾•薩希納

「分析化革命的贏家不僅將取代人類決策，更將與其相輔相成。對於這項管理革命，戴文波特與柯比的優秀著作提供了基礎指南。」
──麻省理工學院教授，《第二次機器時代》共同作者艾瑞克•布林優夫森

湯瑪斯．戴文波特（Thomas H. Davenport）
貝伯森學院（Babson College）資訊科技暨管理學教授、國際數據分析研究所共同創辦人、麻省理工學院數位商業中心研究員、勤業眾信分析（Deloitte Analytics）資深顧問。在貝伯森學院、哈佛商學院、麻省理工學院史隆管理研究所，以及波士頓大學的主管課程教授分析學與大數據，著有《大數據@工作力》或合著《哈佛教你精通大數據》等17本書。
曾獲《顧問》（Consulting）雜誌提名為全球25大顧問，是齊夫．戴維斯（Ziff Davis）出版社「資訊科技百大最有影響力人物」之一，也是《財星》雜誌全球50大商學院教授之一。
茱麗亞．柯比（Julia Kirby）
《哈佛商業評論》特約編輯。曾合著《站在太陽上：海外的資本主義爆炸如何改變各地商業》。
譯者簡介 王鼎鈞
從青年時代起迷上文字的美好，因此踏入翻譯領域。日後完成大眾傳播與空運管理碩士學位，職場工作經驗主要在公關業與航空業。沒有在旅行的時候，會兼職從事翻譯工作。

陳樹衡（政治大學人工智慧經濟學研究中心主任）
鄭志凱（矽谷Acorn Pacific Ventures 創投基金共同創辦人）
羅仁權（國立台灣大學講座教授暨智慧機器人及自動化國際研究中心主任）
【推薦序】　當熊逐漸逼近 ……
文／　鄭志凱　矽谷Acorn Pacific Ventures 創投基金共同創辦人
人工智慧一向是科幻小說的題材，自從2015年AlphaGo贏了圍棋九段棋士之後，大家才驚覺到人工智慧已經兵臨城下。
面對人工智慧的威脅，人們有三種態度。第一種以未來學者雷•庫茲威爾（Ray Kurzweil）為代表 ，他認為有了人工智慧加持，人類的智能如虎添翼，必然會突破奇點，展開另一個階段燦爛的文明。第二種人包括知名的物理學家史帝芬‧霍金（Stephen Hawkin），他曾經憂心忡忡地提出警告：人工智慧是人類滅絕的預言。第三種人像是MIT教授艾瑞克‧布林優夫森（Erik Brynjolfsson），他很務實，認為人工智慧是一刃之兩面，帶來機會，也帶來前所未有的威脅，人們最好學會趨福避禍。
本書作者，屬於第三類人。
悲觀的人認為人工智慧或機器人將取代各種白領或藍領的工作，讓當今的高失業率雪上加霜。樂觀的人認為歷史上科技雖然消滅了許多傳統工作，同時也創造許多更有挑戰性的工作機會，人工智慧自然不會例外。但不管樂觀悲觀，大家都同意，無論人工智慧進一步成為人類的對手或是助手，十年、二十年之後，未來工作的內容跟現代將大不相同，人們無法與潮流對抗，只能學會適應；不能適應，只有淘汰。
《下一個工作在這裡！》的初心，便是討論人們該如何適應，兩位作者提出了五個建議：stepping up, stepping aside, stepping in, stepping narrowly, stepping forward。本書翻譯為：自我提升，轉進，投入，專精和邁步向前，總之，要適應就要自我改變，不能坐以待斃。
今年五月，美國白宮廣發英雄帖，徵詢學研產界對發展人工智慧的建議。IBM在人工智慧領域投入超過50年，它的回覆詳實而全面，值得所有對人工智慧有興趣的朋友參考。
在IBM內部，人工智慧被稱為擴增智慧（augmented intelligence），以凸顯它只是用來擴充增加人的智能，而不是模仿人的智能。這個微細的差別，便定位了這項科技在IBM內的發展方向，它只是聽命於人的聰明助手，而不是人類被取而代之的競爭對手。同時，做了這樣一個巧妙的轉換，同樣AI這個簡寫，便沖淡了一些負面意涵。
閱讀人工智慧未來的發展可能，不免要同時思考：對台灣的科技經濟發展而言，人工智慧代表了一個未來產業，還是一項能夠增加生產力的工具？
台灣軟體產業占全國GDP只有2%，在人工智慧的技術能力上，台灣與美國的差距大約等於國中生與研究所的程度差別，要能產生像DeepMind（被Google收購，成為Alpha Go 的技術後台）這樣一流的AI技術公司，機會不高。如果學習矽谷許多新創公司，用AI來幫大公司解決問題（例如6Sense幫Dell、IBM做銷售預測）也許是一個可行的方向，但必須留意台灣市場規模大小的問題，假設發現規模有限，便需要努力突破各國際市場的屏障。
但更重要的是，其他占GDP總值98%的各種製造業、服務業、金融業，以及政府部門公共支出，如果不能充分利用人工智慧，在國際生產力的競技場上敗下陣來，這樣的後果對台灣的整體經濟前景造成的衝擊更為深遠。
本書作者湯姆和茱麗亞用了一個很好的比喻：當兩個人在森林裡遇到一隻熊，求生之道不是跑得比熊快，而是比另一個人快。面對人工智慧這隻來意不明的熊，作為一個務實主義者，本書十分盡職地告訴讀者如何跑快一些。不過，對於喜歡思考的讀者而言，也許心中揮之不去的問題是：那個跑得比較慢的人後來怎麼了？

前言
第1章　你的工作會被電腦取代嗎？
10種工作即將消失
社會新鮮人愈來愈難找到工作
10年內，職場將會改變
到頭來，人類擅長什麼？
進入「後自動化時代」的人類工作
第2章 智慧機器有多聰明？
智慧機器是怎麼開始被運用的？
機器支援人類的最新方式
智慧機器也有情境感知與學習的能力
未來的機器也會有「自覺」
人類必須與各種形式的機器合作
第3章　不要自動化，要互助化
電腦是人類心智之輪
互助化形式：超強能力與借力使力
每週只要工作15小時？
互助化的五個選項
保險核保工作將被電腦全面取代？
其他工作者的五個步驟
第4章　自我提升
自我提升者要做哪些決策？
新聞業自我提升的案例
自我提升者擅長綜觀全局
建立生態系
在電腦與人類的技能間找到平衡
◎給「自我提升者」的建議
第5章　轉進
未來更需要累積多種智能
找出精進「非認知」技能的方法
需要創造性和同理心的工作將會大增
人類的深層實力會被人工智慧超越嗎？
要提升力量，互助化的好處超過自動化
◎給「轉進者」的建議
第6章　投入
投入者扮演的角色
投入者的價值
你是天生的投入者嗎？
投入者的共通點
◎給「投入者」的建議
第7章　專精
建立你的專業利基
追求狹隘領域的專業
專業領域中的互助化科技
利基員工是利基企業的根基
◎給「專精者」的建議
第8章　邁步向前
邁步向前的不同角色
邁步向前者的工作重點
◎給「邁步向前者」的建議
第9章　如何管理互助化關係？
互助化是維持競爭優勢唯一方法
執行互助化的七大步驟
第10章　社會如何適應智慧機器？
教育應強調互助化
創造就業的政策應鼓勵互助化
保證工作比保證收入更有意義
工作以外，還要面對道德與政策問題
誰有決定權？
制定互助化的規範

謝辭

【摘文一】
第1章　你的工作會被電腦取代嗎？
是的，智慧機器能把你部分的工作做得更好，甚至取代你全部的工作，請認真看待這個威脅。

十種工作即將消失
威爾斯（H. G. Wells）的經典小說《世界大戰》（The War of the Worlds）中，有一段雋永的台詞。故事的敘述者悔恨地說道，對於「超越人類的智慧」來到──在他的例子中，是來到地球的火星人──自己沒有及早做出反應。把自己與躲在舒適窩中的渡渡鳥（編註：又叫嘟嘟鳥，生活在模里西斯島上，200年間迅速滅亡的一種鳥類）相比，他想像入侵島嶼的飢餓水手，必定曾讓那些可憐的鳥兒躊躇無措：「親愛的，明天我們再啄死他們。」
至於你呢？隨著智慧科技接管愈來愈多過去由人類主掌的決策，你採取行動了嗎？你是否已經充分體認，應該採取行動了？為了幫助你開始採取必要的行動，以下是你必須離開舒適圈的信號，這些都是知識工作者的工作正在邁向自動化的證據。

1.目前已有能執行部分核心任務的自動化系統
關於自動化會對一份工作逐漸構成威脅，最有力的證據就是目前已有能夠執行所有或部分核心任務的自動化系統。舉例來說，如果我們是放射師或病理學家，我們應對能判讀影像、從乳房攝影或子宮頸抹片中發現問題的電腦輔助偵測系統感到憂慮。如果我們是資訊工程師，我們應對由一名工程師掌管2萬5千具伺服器的臉書系統感到憂慮。這些系統尚未全面普及，但是這種狀況也許會在十年內發生。
2.工作不需要真正接觸實物或操作
如果你執行的工作不需要接觸實物，或者與客戶面對面進行，就沒有理由不自動化。如果你主要的工作是處理文件（例如不動產或許多其他領域的律師）或影像（例如放射師），系統就能夠閱讀內容與斷定其意義。如果你的工作需要以不確定方式挑戰實體，就不會很快消失。筆者有位麻醉師朋友表示，他經常需要移動病患，保持他們的氣管暢通，所以他不相信機器人會讓他失業。
3.工作內容是單純的內容傳輸
如果你的工作內容是將現有內容傳輸給其他人，你的麻煩就大了。以教師為例：他們斷定學生需要的內容為何，然後以人工方式（講課、示範等等）傳輸給他們。但是像安普利（Amplify）、麥格羅希爾教育公司（McGraw-Hill Education）、以及紐頓（Knewton）等業者已提供「適性化學習」系統，用來診斷學生對內容的學習成效，另外，像是可汗學院（Khan Academy）等機構已推出線上教材庫。目前在教育情境中，仍有一些電腦無法執行的任務，例如管理教室與維持課堂秩序，但是這些任務並不見得需要知識工作者才能執行。
4.工作包含單純的內容分析
像是IBM華生電腦這樣的「認知運算」系統，已經展現了執行分析與「了解」內容的驚人能力。這些系統需要人類撰寫程式與編碼，但是分析大量內容的任務──例如藥物研究員與醫療診斷人員的工作──將逐漸交由機器執行。律師的工作也開始面臨風險，因為法務工作包括大量的文件分析。藉由「科技協助審閱」與「預測編碼」等能力，目前的「電子搜索」工具能夠閱讀數千頁文件、找出關鍵詞句、辨識需要人工審閱的文件，甚至判斷案子勝訴的可能性。
5.工作包含仰賴資料回答問題
我們已經曉得，與大部分人類相比，分析與演算工具更擅長從資料中發掘意義。機器已經取代部分保單核保員與財務規畫師的工作，未來它們也許會取代更多工作，因為這種人機表現間的分野只會逐漸擴大。舉例來說，一家名為肯紹科技（Kensho Technologies）的公司已推出一套名為「華倫」（Warren）的智慧軟體系統，能夠回答諸如「當石油交易價上漲至每桶100美元以上，同時中東發生政治動盪，會對能源公司股價造成何種影響？」的問題。該公司宣稱到了2014年年底，其軟體已能回答超過一億個與複雜資料相關的金融問題。
6.工作包含進行量化分析
有人或許會以為在「分析時代」中，量化分析師仍然不會面臨失業風險，但是威脅他們工作的科技已經問世。許多量化分析師將被機器學習系統取代，或者至少必須接受這些系統的大力輔助。機器學習最適合用來輔助人類分析師，改善他們的分析生產力與模型開發工作。但是某些情境必須運用機器學習，才能及時產出需要的模型，網路廣告就是其中一例。為了瞄準特定消費者與特定廣告機會，每星期需要的模型數目可能多達數千個，至於成功達成說服（例如讓消費者在一星期內購買廣告產品）的可能性最多只有千分之一，表示這項工作不值得人們投注心力。對於這個產業以及愈來愈多的其他產業而言，利用機器學習產生模型是唯一可行之道。當然，只有量化分析專家才能設計機器學習程式，但是長期下來，一名專家可以產生數百萬個模型。如果你是一名了解機器學習的量化分析師，或許可以保住工作；如果你不了解機器學習，就可能會被機器取代。
7.工作包含能夠在虛擬情境中模擬或執行的任務
對於教師與其他內容專家而言，另一個問題是：如果一項任務能夠被模擬，將其教給學生的最佳方式之一，會是接受模擬訓練。關於這點，可以請教世界上所剩不多的飛行教練。現在已經有相當不錯的領袖模擬訓練出現，也許商學院教授與企業主管教練也會面臨失業危機。
8.一致性表現在工作中非常重要
電腦的工作表現永遠一致；舉例來說，這是金融業已使用電腦進行授信的原因。在其他一致性同樣重要的工作領域──例如保險理賠理算、財務壓力測試，甚至判定刑事犯罪的懲罰──電腦的角色愈形重要。以保險理賠為例，「自動損失分攤」系統能夠自動評估與決定多達75%的理賠。只有最棘手的案子，才需要保險理算師處理。
9.工作包含創造以資料為基礎的敘述
包含資料與分析敘述的工作，一度完全是人類的工作，但是自動化系統已經開始取而代之。在新聞領域，像是自動化洞察力公司（Automated Insights）與敘事科學公司（Narrative Science）等業者，已經創造出資料密集的內容。運動與金融報導已經面臨威脅，不過這些領域的自動化仍然處於起步階段，採用的報導只有中學與夢幻運動，以及中小企業的財報等等。但是分析內幕公司（AnalytixInsight）推出的「資本立方體」（CapitalCube）服務，已經創造出關於超過4萬家上市公司的投資分析。以這個例子而言，受到威脅的工作是投資分析師。金融服務業的財富管理現在已仰賴電腦系統提供最佳投資組合，未來這項工作也會面臨威脅。目前理財經理與交易顧問經常採用自動化系統的建議，然後將之轉述給客戶。隨著客戶知識愈來愈充足、愈來愈了解電腦，這項轉譯功能將會失去必要性。
10.執行工作時必須依據清楚界定的正式規則
最容易被自動化的領域，是那些必須依據清楚一致規則執行的工作。根據規則運作的新式系統已能處理日漸複雜的任務。舉例來說，如果我們接受的訓練是擔任財務稽核工作，我們就要當心了。現在已有一些能夠自動化執行主要財務稽核工作的系統問世。報稅準備是一項必須完全遵守複雜規則的工作，但是大部分消費者與小型企業的報稅準備工作，已經由TurboTax與TaxCut這樣的系統接手。至於企業報稅表，則有Lacerte、ProSystem、以及UltraTax等系統處理。
以上都可歸類為「渡渡鳥工作」，也就是只能坐以待斃，等著被科技取代的工作。好在我們手邊這類工作只會愈來愈少，還不至於全面消失。在科技影響最重大的領域，擁有最多經驗的知識工作者還能保住工作，至於入門等級的職缺再也不會出現。但是，為了你自己以及兒孫的幸福，我們建議你趁可以的時候，趕快遠離這些工作。

到頭來，人類擅長什麼？
最重要的問題是：你的工作有多少部分是機器無法做得更好的？對於真正需要你的部分，你應該如何加強自己的能力？如同之前的討論，在大部分知識經濟工作中，難免還有需要特定人類技能的部分。但是，這些部分可能跟你想像的不同──無論是就比例或內容而言。為了找出有價值的剩餘部分，你應該了解人類比機器擅長的地方，以及預期這些地方不全是顯而易見。同時你必須接受，這些優勢只能暫時維持；隨著機器愈來愈擅長某些任務，今日的安全地帶可能很快從你腳下流失。
過去60年讓我們見到，只要某個知識領域變得明確，就可能出現運算法。自此之後，不再需要運用判斷力做出決定，至於少數需要判斷力的決定，會被認為是可以接受的代價而放棄，原因是如果決定錯誤，後果與代價都不大。為了說明最後這點，我們最近聽說了這個例子：有位剛離開前一份工作的人想要申請抵押再融資。雖然過去8年間，他一直有份穩定的公家工作，之前20年則有一份穩定教職，但是他的貸款申請仍然遭拒。事實上，他從許多副業工作賺到的收入，用來支付償還貸款綽綽有餘。但是對於做出決定的電腦而言，他的多樣化收入來源看來太不穩定，因此再融資申請遭拒。
這位運氣不好的仁兄大名是班•柏南奇（Ben Bernanke），美國聯準會前主席。如果你的工作是籌備商業會議，你應該知道他每次出席的演講費高達25萬美元；如果你在出版業工作，你也許聽過他出書的版稅合約上看百萬美元。拒絕向他貸款顯然是個愚蠢的決定，更好的作法是交給人工處理，才看得出他真正的財力。但是對於公司而言，這樣做的結果真的有關係嗎？是否重要到要減少對自動化的倚賴，在所有抵押決定中重新引進人工判斷？沒錯，柏南奇最後拿到一筆新的抵押貸款。但是，如果以為這樣偶爾發生的差錯，會阻止企業給電腦更大權力去做大量決定，我們就是在自欺欺人。
與其希望保留大量的人類工作，我們或許必須重新界定競爭的本質。假如在這場對抗機器的競賽中，「贏家」不只是能夠提升至認知領域最高處以及達成最優秀邏輯理性成就的人類呢？假如在思考人類的工作設計時，我們強調的是電腦無法模仿的人類特性──例如即使可行，我們也不願被灌入程式，執行節省勞力的自動化工作。
從我們訪問過的那位財務顧問身上，可以得到一些線索。他說自己的工作中，「治療精神病」的能力與精明的財務能力一樣重要。他的公司最近引進一套智慧系統，只要輸入客戶的收入、年齡、目標等基本資訊，就能自動提出一套最佳投資分配計畫。被問到這樣的自動化是否讓他感受到威脅，他承認：「我已經聽到門外的腳步聲了。我們向客戶提供的建議尚未自動化，但是內容愈來愈呆板，我對客戶的建議逐漸制式化。」讓這位顧問更擔心的是，他的公司已與數家「理財機器人」公司簽約合作。他憂心忡忡地說：「我想一段時間過後，他們會把我們全部淘汰。」為了在這樣的局面中爭取主導權，他正在考慮是否開始計畫創業，或者在目前的企管碩士學程中，選修截然不同的課程。
與其退出戰場，財務顧問更好的作法，也許是專注於現有工作中還沒被自動化威脅的部分：例如他為客戶提供的建言，因為他知道客戶想賺取更高收益，但是不願承擔任何風險。他指出：「照稿唸顯然是電腦就可以做的事，說服客戶增加投資則需要更多技巧。我扮演精神科醫師的時間，超過扮演股票經紀人的時間。」
如果你相信為自己增值的能力，必須仰賴超越電腦的思考能力（以這個例子而言，是為投資擬出更佳資產配置），恐怕會走入一條死胡同。無論你現在達到何種思考水平，電腦都會在一年內追上，然後你必須再進一級。不幸的是，這正是我們在知識經濟中的集體策略。結果對我們有效嗎？每過一年，就有更多人落在後面。因為想再進一級，就需要接受更多教育。更多教育通常代表需要更多財富。我們正面臨一大諷刺：有錢人會拿走所有工作。
我們想說的道理十分簡單，身為人類工作者，「你擅長什麼？」的答案，豐富程度遠超過你腦中最容易被程式化的智慧。因此，「你靠什麼領薪水？」的問題也應該再被拿出來討論。我們之前提到的牛津大學研究指出，美國47%的工作即將像旅鴿（passenger pigeon）一樣滅絕。但是在結論中，這份研究的作者仍然提供了一線希望。他們預見，「內容包含複雜的認知與操作任務、創造性智慧任務以及社交智能任務的職業，不會在未來10到20年內被電腦取代。」雖然我們對47%的結論（以及會造成多少工作消失）表示懷疑，但我們倒是相當同意這段話，而且想進一步引申。內容包含勇氣與反直覺想法的工作，並不會從人類手上被奪走。人類仍然獨有激勵他人採取行動的能力，而且只有人類擁有同理心、交際能力以及野心。只有我們會追求包含熱情、幽默與快樂成分的目標──此外，還可以加上品味。到現在為止，機器仍然受到我們頭腦的支配，未來更會在我們的智能活動中扮演頭腦的角色。

【摘文二】
第4章　自我提升
和機器相比，自我提升者是能在更高認知層級解決問題的人。他們了解全盤狀況，同時對資料不足的地方，運用判斷力做出決定。
自我提升者要做哪些決定？
自我提升者負責做出三大類自動化決定，一是辨識與評估自動化的機會。一家機構內有哪些主要功能是可編碼化的知識？現有的哪些軟體可從事相似工作？自動化可以帶來哪些經濟機會？哪些自我提升者負責設定自動化的進度。擁抱自動化並非二分法的決定，由於自動化系統通常只支援特定的專門任務和決策，一家機構必須做許多關於執行的決定。
第二類重要決策是高層的工作設計。一旦做出投資智慧機器的決定，完成工作的流程應該如何更改？何種任務應由電腦執行，何種應由人類執行？我們必須仰賴人類，執行最困難與複雜的案子嗎？他們只處理被系統剔除的例外個案嗎？電腦做成的決定應該如何與何時被檢驗？最後，這個流程製造的多餘人力要如何處理？這些工作設計問題顯然相當重要，而且結果影響會持續多年，因此需要深思熟慮與妥善規畫。
好事達保險（Allstate）是最早大規模採用自動化保險核保的公司之一。曾為該公司服務的顧問表示，引進過程從1990年代中期開始，當時個人業務（為個人客戶提供產物與傷害保險，主要是汽車與家庭房屋）的最高主管，在工作設計領域扮演起自我提升的角色。做出引進自動化核保的決策後，有些人能往上移動至組合管理與企業風險管理工作。但是單位主管了解，不是核保單位的每個人都有資格往上移至組合管理。有的核保人非常擅長與業務員溝通合作，所以該公司創造出專門進行這些任務的工作。接著，單位主管開始準備讓員工往不同方向移動，這次轉變涉及大約一千人。最後，大約三分之一轉調至組合與市場管理單位，三分之一轉調至業務員關係單位，另外三分之一缺乏以上兩種工作的技能，所以最後失業了。
自我提升者負責的第三種決策，是由於長期觀察工作改變的成效，注意到雖然世界已經變化，但是系統並沒有變化。投資組合表現得如何？本公司的綜合風險曝露為何？在各家刊物的網站購買程式化數位廣告，讓本公司品牌得到什麼樣的露出？
所有的模型與決策規則，都是根據特定的商業與經濟情境，以及全套的基本假設而做成的。這些假設有時定義得非常清楚，大部分則沒有。一位自我提升的稱職經理會不斷詢問，世界改變的方式是否已讓決策規則與演算法跟現實脫節。
這可以是一般工作者的角色，也可以是身居高位者的角色。湯姆曾經請教前哈佛校長、歐巴馬總統的最高經濟顧問賴瑞‧桑默斯（Larry Summers），他在蕭氏集團（D. E. Shaw）的避險基金任職時的工作內容。桑默斯回答，他的主要工作是詢問每位負責建立自動化交易模型的數字專家，這些模型背後的假設為何，以及如果這些模型不再適用，世界會出現什麼變化。因為這項工作，他獲得520萬美元的年薪，每星期只要上班一天。如果你能自我提升，這倒是一份不錯的差事。

新聞業自我提升的案例
那些決定自己的機構適合採用智慧機器，然後負責引進的人，通常都是科技創新的人才。無論採用的科技為何，自我提升開始自了解一項工具的潛在價值，然後一直延伸至尋找相關廠商、安排採購交易的融資、設計新的工作方式、改變文化與行為，以及修改周邊架構。要說明這些在工作上自我提升的人有何特點，最好的方式是提供詳細的例子。
路‧費拉拉（Lou Ferrara）現任Bankrate.com的內容長，該網站業務是發行金融研究與資訊，他的工作是研究如何自動化生成部分的報導內容。他首度將自動化引進內容製作領域是在2014年與2015年，當時他是美聯社（Associated Press）主管娛樂、運動與商業新聞的副總裁兼執行編輯，負責為全球的電台、報紙與網站提供新聞內容，還要監督新聞編輯室提供的「數位產品」。他負責數項科技創新計畫的開發（包括使用者生成的內容、廣告推文，以及社群媒體），但是我們要將重點放在他在美聯社商業與運動新聞自動化的領導角色。
現在，美聯社使用一套名為「語言大師」（Wordsmith）的報導撰寫工具，這套軟體由自動化洞察力公司提供，能產生企業獲利與運動賽事相關的報導內容。這個計畫開始於2014年，此後規模不斷擴大。當我們在2015年進行確認時，該系統每季生成3,000篇企業獲利報導（相較之下，每名記者近年的產量是每季300篇），並且計畫在年底增加至每季4,700篇。在運動方面，美聯社計畫很快開始對第一級大學棒球，以及第二級與第三級籃球與美式足球生成報導，每年可為這些隊伍的球迷提供數千篇報導。
我們與費拉拉討論了他的背景，證明了我們一直相信的一件事：科技創新家是後天養成、而非先天造成的。在職涯初期，費拉拉曾在佛羅里達州的薩拉索塔擔任報社記者與編輯長達12年。這家報社在1990年代的網路興盛時代初期，同時推出網站與24小時電視台。到了費拉拉離開薩拉索塔時，他負責電視與網站的營運，經由多模式報導與發行進行創新。早在全數位化、不使用影帶的影片系統廣獲業界採用之前，他已經建立了這套系統。他的團隊開始使用電子郵件傳來的颶風災情照片，當時「使用者生成內容」一詞應該尚未出現，推特還不存在。換言之，早在自動化內容出現之前，他已經運用其他科技自我提升，這應該是自我提升者最典型的寫照。
一路走來，費拉拉取得了自我提升者的一項重要特質：能綜觀全局。當我們討論美聯社的狀況時，他看到數個自動化潛力的指標因素，包括缺乏資源、獲利率壓力，以及重重限制之下對更多內容的需求。美聯社的客戶可能會受限於新聞版面的不足，但是絕大部分客戶的網路內容都不受限制。如同自動化軟體廠商自動化洞察力公司執行長羅比‧艾倫（Robbie Allen）所言：「真正的創新家能夠洞析未來，規畫如何從這點到達那點。費拉拉了解出版業面對的壓力……就科技觀點而言，眾所周知出版業並非最前瞻的行業，但對於如何應用新科技幫助美聯社轉型，以及在數位世界謀得一席之地，他是最好的典範。」
艾倫的證言指出了自我提升者的另一種特性：他們建立一套由夥伴組成的生態系，攜手進步、一起獲益。事實上，美聯社投資了自動化洞察力公司，該公司在2015年易主時，美聯社獲得相當豐碩的報酬。這並非費拉拉培養的唯一夥伴關係，例如他與統計公司（Stats Inc.）合作，將運動統計的發行自動化，以及與運動新聞社SNTV合作，美聯社也成為這兩家公司的股東。
費拉拉展現出自我提升創新者的另一個特點：出現在許多場合。他參加許多會議，包括最近前往「西南偏南」大會。他會面的對象包括創投投資人與公司，以及科技公司領袖。他不是個會吹噓自己成就的人，也不喜歡提這些事，但是他經常與各行各業的人交流意見。坐在辦公桌前，你絕對無法掌握自動化的世界與其他新興科技。
對於每位自我提升者，為了搭配更多自動化工具，重新設計工作方式是明智之舉，但費拉拉對此抱持謹慎的態度。為何要馬上貶低身邊知識工作者的貢獻，與他們不合呢？自動化的最初重點，是為規模小到不值得人類記者注意的公司撰寫獲利報導。至於在運動領域，美聯社的重點是過去同樣不受重視的大學聯盟與賽事。費拉拉以下這段話經常被引用，他也一再在組織內重申，就是自動化報導不會讓任何記者失業。他說：「我們想要自動化的工作，並不是核心工作。我們將需要大量數據處理工作的部分自動化，這部分是機器擅長的工作。專業報導、開發消息來源、獲得文件、致力建立關係以及訪問企業主管，都需要由人類進行，而且需要很多人力才能妥善執行。」
費拉拉指派一個小組進行系統測試、解決問題以及確認報導的正確性。與人類新聞記者相比，這套系統製造的錯誤少了許多，在寫稿品質上花了許多心力。儘管許多人對於這套系統抱持高度懷疑，他表示大部分記者最後都相當讚許。的確，自動化的引進沒有讓任何人失業，似乎也沒有記者對於放棄獲利報導感到失望，因為這一向不是新聞業最耀眼的領域。
總之，費拉拉在美聯社的心態並不是將人類工作自動化，而是強化人類工作。2015年10月離開美聯社之前，他建立了一套能力架構，讓他的團隊與同事繼續擴展這個領域。例如在2015年3月，美聯社創立了「自動化編輯」職位，工作是在美聯社內尋找更多自動化機會，這應該是全球首創之舉。
應該清楚說明的是，對於想要部署認知科技的機構，像是費拉拉這樣的內部領導者，與外部科技廠商提供的創新同等重要。從外部市場取得一項互助性專案，直到變成一項成功的內部專案，過程充滿障礙與陷阱。這些科技與人類角色的成功應用不是偶然，需要充滿遠見與管理才能的人物來推動。

在電腦與人類的技能間找到平衡
如果互助化的努力想要成功，自我提升的主管必須義不容辭地在電腦與人類技能之間尋求平衡。電腦能夠分析數據，以及持續做出準確的決定；人類則負責供應內容與流程，以及其他人（客戶或其他員工）認為有趣與滿足的關係。在每個能夠應用自動化解決方案的領域，這樣的平衡是不可或缺的。
以保險核保為例，自動化系統也許能對是否接受一項保險風險，以及應該收取多少保費，做出最準確一致的決定，但是他們無法告訴業務員，雖然必須拒賣某張保單，公司仍希望與這位客戶做生意，因此只須略為修改保單條件，或許會產生不同的結果。自我提升的主管必須確保兩項任務都能被圓滿執行。　
在財務顧問領域，理財機器人能為客戶創造最佳的風險與報酬組合。但是，當一個家庭的夫妻決定接受分隔兩地的生活時，自動化系統能夠找出最佳的風險程度嗎？系統能夠說服客戶不要買高賣低，在其他人恐慌時保持冷靜嗎？贏得長期忠誠的客戶，需要結合程式化的投資知識，以及投資人心理學。
行銷一向是充滿創意人才的領域，你應該如何在數據、分析與自動化演算法之間取得平衡呢？如同農民保險公司（Farmers Insurance）行銷長麥克‧林頓（Mike Linton）受訪時表示：「所有與行銷相關的事都能被分析與自動化嗎？我想不行。激起客戶購買欲望，需要運用大量創意。不過，你可以運用分析與自動化，在更有創意的領域之間來回移動。」林頓指出，行銷人員仍然必須靠自己提出有創意的點子，但能使用新的分析工具驗證下一步。
投入者必須日復一日，全力以赴讓自動化系統發揮功效；邁步向前的人會負責製造系統；選擇轉進或專精的人會試著逃避自動化，最多只能利用自動化支援自己的工作，所以不會考量自動化為組織帶來的潛能。只有自我提升者擁有必需的知識與客觀眼光，考慮何種任務應被自動化，何者不需要，以及如何結合這些能力，在達成最高效率的同時，仍然能夠取悅客戶以及相關人等。

給「自我提升者」的建議
如果你有以下特點，就是自我提升者的人選：
․你的地位能綜觀自動化系統的運作，以及你的組織如何使用它們。
․你對科技本身，以及科技如何改善商業流程很感興趣。
․你擅長領導變革計畫，而且過去曾有成功執行經驗。
․你是個「綜觀全局」的人──你會見林而非見樹。
․你的量化思考程度足以評估自動化系統與流程的表現以及產出。
․你完全不是程式撰寫者，但是電腦系統難不倒你，而且你可以自在地使用相關應用程式。
․當某件事物失去效用時，你會毫不遲疑採取行動。
․你的最高宗旨是不讓所有人類失去工作。

你可以藉由以下步驟建立自我提升的技能：
․與自動化系統的廠商以及使用者交談，了解這些系統的潛力。
․請教業內其他人士，了解自動化系統應該如何運作。
․廣泛了解業界趨勢與發展。
․後退一步，想想你的企業目前發展的方向。
․與「投入」以及「邁步向前」者培養關係。
․在你的組織內推廣其他科技的應用，取得相關經驗。

你可能會出現在：
․組織內的高階管理位置。
․承擔風險或者投資遍及許多領域的組織。
․資訊密集的企業或單位。
․積極運用科技的組織。
․正在經歷大幅改變的企業或行業。
․領導者與同事會欣賞新想法與技能的環境。