AI是实体经济的灰犀牛吗？

“灰犀牛”一词，被用来指代大概率且影响巨大的潜在危机。在非洲草原上的灰犀牛，看似目标巨大、反应笨拙，但一旦向你狂奔起来，你却毫无招架之力。最近，畅销书《灰犀牛——如何应对大概率危机》的作者米歇尔·渥克提出了一个引发广泛讨论的观点：人工智能是实体经济的“灰犀牛”。

但她的观点是猜测还是理论呢？人工智能真会成为一头矗立在实体经济身旁的灰犀牛吗？作为一名在科学技术的商业应用与人工智能领域从业二十多年的老兵，笔者希望通过本文回应渥克的观点。

人工智能不需要卢德主义

渥克最重要的关注点落在人工智能所引发的失业和人力资本问题，即缺乏人工智能培训和缺乏再就业培训的问题上。

笔者认为，这个问题可以有自然的解决方案。过去十年，随着数字化的进程，人类的生活方式悄然地发生了变化：网约车改变了我们的出行方式，也改变了出租车行业；共享单车改变了最后一公里的出行乃至于房价、地铁口距离的分布和自行车行业；移动支付和计算机视觉的应用使餐厅、超市和停车场的收银员变得不再有必要，并催生了机器人餐厅以及前台无人值守的酒店的出现；同时，电话外呼机器人大幅度压缩呼叫中心的座席数量，但也不可否认，我们接到的骚扰电话只增不减，跟我们对话的也许只是机器，而保存下来的历史对话数据将成为训练机器与人类对话技巧的语料。这些变化都折射出人力资源领域山雨欲来的变革。

未来科技引发的变革只会愈演愈烈，但人类也并非没有应对措施。比如，在可预见的未来，无人驾驶替代司机将减少90%以上的交通事故，并极大改变汽车行业。目前，汽车平均使用时间只有4%，大部分时间停在停车场，当实现完全自动驾驶后，我们并不需要那么多汽车和停车场，因此，司机和停车场工人是必然会受到冲击的职业。

从实际经验看，人类正在通过自然反映提出应对措施。在国外，一些公司已经开始考虑对卡车司机进行再就业培训，一些城市甚至开始规划将部分停车场改造为公园，传统工作随着产业升级以及人力资源变革而主动求变，越来越多的企业也意识到了问题，并思考如何找到人力资源最优解。因此，面对科技发展的局部问题，管理层的前瞻性思考将成为一只有形的手，业务实操与发展过程中得出的自然解决方案（产生什么问题就解决什么问题）扮演了无形之手的角色，它们的相互配合可以给出解决人力资源问题的最优解。

事实上，机器抢走人类工作的担忧也并非这个时代所独有的。1811年，诺丁汉地区的一些工厂主削减工人工资，愤怒的工人奋起反抗，摧毁了六十多台纺织机。之后，工厂主们收到了署名为奈德·卢德将军签名的书信，信中解释了摧毁机器的理由，这也就是卢德主义。

工业革命以来，很多工作都发生了变化，马车夫转型为汽车司机，农民转型为工人等。笔者小时候还有的打字员、电话接线员、胶卷底片冲洗工等工作，随着时代的发展，也都慢慢消失了。但当下，也出现了一些新的职业，人力资源社会保障部、市场监管总局、统计局最近发布的13个新职业就包括：人工智能工程技术人员、物联网工程技术人员、大数据工程技术人员、数字化管理师、电子竞技运营师等。另外，目前的人工智能需要大量的标签数据，这些人工打标签的工作几乎产生了一个新的行业。

最后，如同工业革命解放了人类的体力，人工智能将把我们从简单重复的脑力劳动中解放出来，使人们可以有更多休闲和从事更多创造性工作的时间，这又何乐而不为呢？

所以，用卢德主义的思维来思考人工智能可能并不能促进科学技术的发展，而虚实结合的方式能够更好地应对人工智能引发的人力资源问题。

企业如何面对人工智能的下半场

作为实体经济的重要组成部分，企业又应该如何看待人工智能？

在2018年世界人工智能大会上笔者曾提出一个观点，人工智能下半场的核心在于企业基于大数据的智能化业务场景落地。随着移动互联网和物联网的普及，企业的运营无时无刻不在产生大量数据。从海量的电商数据到外卖小哥的位置信息，企业端忙着数字化转型，消费者更关注数字化购物体验。上个月我在美国的某出版社官网上买了本书，因为无法跟踪物流状态让我感到抓狂，看来已经被某东某宝“惯坏了”。

我们首先要对人工智能的现状有个客观冷静的认知。笔者认为，自2015年“AlphaGo”引发的媒体和大众的广泛关注以来，到去年为止，可归纳为人工智能商业化的上半场。在这个阶段，人工智能在C端（消费者端）吸引了足够的眼球，从资本市场和业界来看，大量创业公司和风险资本蜂拥而入。2012年我国人工智能行业的投融资事件仅27起，金额仅28亿元，2018年猛增为602起，总融资额达到1278亿元。从政策与教育界来看，2017年人工智能升级为国家战略，甚至进入了中学生的教科书，至此，AI经历了全民热炒的过度期望阶段。

随着全球经济出现下行的压力，部分人工智能头部企业的业务高度重叠，应用场景单一，收入增长有限，就像是一个拿着榔头的孩子，眼里看到的都是钉子，缺乏对企业业务和痛点的深入理解，融到的大量资金一时用不完，自己也做起了投资人，同时，由于很多资本缺乏对人工智能历史和发展特点的了解，因而对泡沫破裂充满了恐惧，导致走向另一极端的趋势。

然而，决定技术最终走向的从来不是一哄而上、一哄而散的资本，而是该技术能否真正的为社会创造价值，资本的作用主要是催化剂和加速器，在此过程中，难免对新事物缺乏了解而产生过激的决策，毕竟人类都是从挫折中学习和进步的。

日光之下，再无新事，这轮人工智能顶峰期的媒体和大众的状况与60年前和30年前的两轮热潮并无二致，不同点在于这次不少行业已经将AI场景落地，产生了实实在在的价值。例如，金融行业的风控场景，对头部企业，每降低0.1%的逾期率，可避免数以亿计的损失；零售行业合适的商品推荐能提升20%以上的客单价；快销品行业的数字化营销为企业节省大量的营销费用并取得更佳的效果；最近，教育行业也异军突起，各种AI+教育的场景层出不穷。

由于各个行业数字化阶段不同，并非所有行业都在同一起跑线上。比如制造业，除了富士康等少数头部企业，大部分企业的数据条件都还不够成熟，对于数据价值实现的认知也有待提升，但是即便如此，在预测性设备维修和质检等场景的落地上，也已经大有可为了。

人工智能下半场正在开启，其表现不会如上半场那样“来去匆匆”，必然是以企业端一个个场景去落地，去实现数据价值的形式来出现。不同于20年前，ERP(Enterprise Resource Planning，企业资源计划)以标准的产品的形式横扫企业市场。目前的人工智能项目没有那么标准，同一行业不同企业同一个场景的数据格式也大相径庭，每个项目在数据治理上也要花掉大部分精力，因此，项目推进的速度恐怕不会太快。

另外，因为数据安全等原因，不少大型企业倾向于自研，而非和第三方合作，当自研受制于人才等各种资源时，这个过程必然不会是一蹴而就的，也许和AI企业成立合资公司、形成数据和算法的优势互补是一条可行之路。

我们也应看到，对于一些相对标准的场景，部分具有人工智能基因的云公司已经积累了大量数据，是完全有可能高速成长的。正如笔者所言，人工智能的下半场将是业务驱动的。

如果你能开启上帝视角，俯视人类发展的大局，人工智能非但不会成为人力资源的灰犀牛，反而能将人类从繁重的工作中解放出来，激发人类的创造力，推动人类的进步，使生活更美好，很多疾病可以被治愈，人们可以高质量地活到百岁以上。

从商业社会的发展出发，人工智能的落地尚处于早期阶段，但是就像汽车替代马车一样，能够把发动机和车体融为一体的福特公司引领风骚百余年，能把人工智能和业务深度融合，为企业提高效率和提升用户体验的企业，必能抢占先机，对他们来说，人工智能并不是灰犀牛，而是新型发动机，是决胜的利器。