From Stoooges三士渡
疫情之下，全球經濟還沒復甦，很多職業就已經被機器替代了。
你現在手機上接到的騷擾電話，很可能就是AI偽裝成温柔女孩子的聲音打給你的。
今年五月，美國AI一共打了30億通騷擾電話，相當於每人每月平均會收到11通電話。
還有一些家用機器人正在滲入我們的生活，比方説掃地機器人、做飯機器人。
事實上，很多重複性的勞動都已經被機器自動化了。幾年前在美國唸書，我去超市買東西可以選擇自主結賬，諾大的超市裏收營員只有寥寥幾人。
前幾天，我去上海某家優衣庫買衣服，走到收銀台的時候，意外發現：國內竟然也開始自助結賬了。
你只要把衣服放在自助結賬區的機器上，它不用掃條形碼就會自動識別出商品，然後你就能支付寶掃碼結賬了。
雖然AI還不像科幻片裏那樣擁有自主意識，它已經讓一大批人失業了。那麼，我們到底學什麼專業，才不會在職場上被AI幹掉？
01
其實早在2016年，麥肯錫就做了一項研究。研究者想看看什麼樣的工作不會完全被機器自動化所替代？
研究方法也很簡單。研究者分析了800個工作中約2000項活動，並且把這些活動分成幾大類：管理、專業技能、溝通、不可預測的體力勞動、收集數據、處理數據、可預測的體力勞動。
他們發現：收集數據、處理數據、可預測的體力勞動是最容易被自動化的活動。2014年，這些活動佔了全美總工作時長的51%，其價值相當於同年2.7萬億美元的工資。如果AI來做這些活動，各大企業CEO就能省下一大筆錢。
而管理、專業技能、溝通則是最難被AI取代的活動。管理就是運用自己的領導力管理和發展員工，比如説公司CEO、部門經理經常會運用到這項能力。
專業技能是將專業知識應用於決策、計劃和創造性的任務，比方説諮詢師、醫生、律師、設計師會用專業技能去創造價值。
溝通則是與利益相關者溝通，比方説銷售、心理諮詢師、教師、護士需要很高的情商和同理心去和他人對話。
02
研究者還發現：AI不會搶走我們所有工作。儘管很多營銷號喜歡製造焦慮，説什麼：“人工智能很快就會讓所有人失業”，但事實上，能被100%自動化的工作只佔到了全美職業的5%。
麥肯錫認為與其把AI看作是我們的競爭對手，不如把它當成我們的合作伙伴，因為多數人工作中一部分活動都會被AI替代掉。研究者預計，大約60%的職業中至少有30%的活動在技術上可被自動化。
從樂觀的角度去看，也許這些枯燥重複的工作本就應該交給機器人來做，這樣我們就能省出更多時間去做一些創造性的事情了。
服裝設計師、CEO、統計學家、精神科醫生、立法者…被AI取代的可能性則很小。專業人士在這些活動上所掌握的判斷力、執行力和主觀能動性，遠勝於目前AI技術的算力所能達到的高度。所以只要你選對了專業，就不容易被市場淘汰。
不過，成本問題會阻礙推廣自動化的速度。如果優衣庫買兩台結賬機器的錢，比僱傭兩個人手動結賬的五年收入總和還高，那店家肯定會選擇僱人，因為勞動力便宜啊。
但考慮到市場化的速度比研發要快，一旦產品被放到商業環境中，競爭對手多了，機器的成本就會快速降下來。
另外，某些工作必須得讓人來做。護工、幼師、教授很難被自動化替代，至少現在機器人沒法給予真人一樣的關注、陪伴和引導。
03
什麼行業更難被AI取代呢？麥肯錫把各領域按不同活動進行分解，做成下面這張圖。
排在最上面的是行業是更容易被自動化的，比如住宿和餐飲、製造業、運輸和倉儲，還有農業。這些職業重複性勞動所佔比例很高，被AI搶走工作的可能性自然也就更大。
你可能還發現，像金融與保險、房地產這些高薪職業在自動化中並不佔優勢。溝通佔了這些行業中相當重要的部分，因為情商高、會聊天的人更容易做出成績。
但與此同時，收集數據、處理數據這些容易被AI代替的活動也佔了不小的比例。尤其是金融與保險行業，處理數據佔了從業者很長的工作時間。
最吃香的職業莫過於底下三個行業了：專業人士、管理者、教育從業者。
專業人士很好理解，比如律師、諮詢師、設計師、建築師、原畫師等需要大量專業技能和從業經驗才能做好的工作。管理者即管理人的職位，比方説CEO、部門主管等，管理者做出決策，幫企業提升工作效率。
教育從業者比如教授、老師、幼師等工作，不僅要具備專業知識，也得注重學生的個人發展。你可能會發現，教育從業者比管理者運用到的管理能力還要高。因為比起管理者培養員工，老師培養學生需要更多的同理心、耐心和關懷。
04
大學選專業之前，我建議你可以參考麥肯錫這份報告。與其選擇那些畢業高薪、表面風光的職業，不妨選一個難以被AI替代的學習方向，專注於培養自己的核心競爭力。
如果你對專業不滿意，是時候重新思考一下職業規劃了。今年留學的申請難度相較往年要容易得多，外加上經濟不景氣、失業率高，正好趁現在申請出國，過兩年轉換職業跑道重新上路。
Reference:
https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet