关于人工智能的争论往往会在极端观点之间形成两极分化：有人设想人类工作将完全自动化，也有人认为人工智能只是另一种被高估的技术，实际影响有限。然而，从数百家企业实施人工智能解决方案的经验来看，现实情况要微妙得多，也更有希望。

‍

正如最近一项研究强调的那样，"当组织以深思熟虑的方式重新设计工作，以利用人类和机器的互补优势时，就会产生最重要的价值"。

‍

通过这篇文章，我们希望您了解最具创新性的组织是如何创建超越传统方法的人机团队，并分享基于实际实施而非理论可能性的实用战略。

‍

超越自动化：增强功能的新范例

传统的技术实施通常侧重于自动化--确定目前由人类执行的任务并将其转移给机器。虽然这种方法可以提高效率，但却无法发挥人工智能的变革潜力。

‍

另一方面，能力提升范式提出了一种根本不同的方法。它不是问 "哪些任务可以被机器取代？"，而是问 "我们如何重新设计工作，以利用人类和机器的独特能力？

‍

许多组织都有类似的经历：他们最初将人工智能作为降低成本的自动化工具，取得了积极但有限的成果。当他们转而考虑能力提升，即人工智能如何提高分析师的能力而不是取代他们时，他们看到了成倍增长的影响。

‍

人与机器的互补力量

‍

有效的人机团队可以利用各自的独特能力：

机器的优势

• 快速处理大量信息
• 识别复杂数据集中的模式
• 坚定不移地执行重复性任务
• 能够连续工作而不感到疲劳
• 保持对之前所有互动的完美记忆

人类的优势

• 应用对背景的理解和判断
• 处理含糊不清和异常情况
• 创造力和横向思维
• 建立情感联系和信任
• 考虑多方利益相关者的伦理决策

当许多公司不再把人工智能系统仅仅当作工具，而开始把它们当作具有特定优势和局限性的团队成员时，转折点就出现了。这一转变从根本上改变了他们设计工作流程的方式。

‍

人机协作的五种模式

根据各行业的实施经验，我们可以确定五种有效的人机协作模式：

‍

1.分诊模式

在这种方法中，人工智能系统处理常规案件，将复杂或特殊情况交给人类专家处理。

如何使用

• 人工智能会根据复杂性、紧迫性和其他因素对收到的工作进行评估
• 自动处理标准案例
• 将复杂案件移交给适当的人力专家
• 系统从人类的异常处理中学习，不断改进路由选择

实施关键：

• 区分常规案件和复杂案件的明确标准
• 当人工智能不确定时，用透明的置信度来表示
• 顺利交接，将全部上下文传输给人工操作员
• 反馈回路帮助系统学习人类的决定

2.探索-验证模式

人工智能生成潜在的解决方案或方法，由人类进行评估、完善和批准。

如何使用

• 机器探索各种解决方案，以确定最有前途的方案
• 人类运用判断力和经验研究最重要的建议
• 人工反馈可训练系统更好地与质量标准保持一致
• 最终决定结合机器探索和人工判断

3.教练模式

人工智能系统为执行复杂任务的人类提供实时指导，通过情境建议来提高绩效。

‍

如何使用

• 人类仍然是开展工作的主要行动者
• 人工智能观察环境并提供 "及时 "指示
• 系统根据个人能力水平调整建议
• 不断学习，根据结果改进教练工作

4.批判模式

人类从事创造性或判断密集型工作，而人工智能系统则对结果进行检查，以发现潜在的改进或问题。

‍

如何使用

• 人类利用自己的技能和创造力创造出最初的工作产品
• 人工智能系统根据不同的质量维度对产出进行分析
• 机器反馈可突出潜在的改进或问题
• 人类结合反馈做出最终决定

5.学徒模式

人工智能系统通过观察人类专家来学习，随着人类转向监督和例外管理，人工智能系统逐渐承担起更多责任。

‍

如何使用

• 最初由人类专家执行任务，人工智能则在一旁观察
• 系统开始根据学习到的模式提供建议
• 人工智能逐渐处理较简单的案件，并由人工审核
• 随着时间的推移，人的作用逐渐演变为例外情况管理和监督

成功人机团队的文化基础

‍

技术的实施只是等式的一半。创建有效的人机团队还需要文化适应：

重新定义能力

在使用人工智能的组织中，能力越来越多地包括如何与智能系统有效合作，而不仅仅是领域知识。

在最先进的组织中，表现最出色的不再仅仅是那些拥有最深入的技术技能的人，而是那些掌握了与人工智能系统合作的艺术，知道什么时候应该依赖机器建议，什么时候应该忽略它们的人。

建立充分的信任

有效的合作需要有分寸的信任--而不是盲目相信人工智能的建议或不屑一顾的怀疑态度。最成功的组织都会采用结构化的方法来建立信任：

• 对 IA 系统性能的透明监控
• 明确说明建议的可信度
• 庆祝机器和人类对成就的贡献
• 关于系统局限性和故障模式的公开讨论

绩效管理的演变

传统的绩效衡量标准往往无法体现有效人机协作的价值。领先的组织正在实施新的衡量方法：

• 评估人机结合性能的团队级指标
• 认可有效的合作行为
• 通过反馈促进人工智能系统的改进
• 发展纯粹人类价值领域的技能

实施路线图：建立人机团队

‍

根据指导各组织完成这一转变的经验，建议采取循序渐进的方法：

第 1 阶段：工作流程分析（1-2 个月）

• 绘制当前工作流程图，确定决策点和信息流
• 评估哪些工作流程组件纯粹利用人的优势而不是机器的优势
• 确定现有流程中的关键点、瓶颈和质量问题
• 确定明确的改进成果指标

第 2 阶段：合作设计（2-3 个月）

• 让跨职能团队（包括主题专家和最终用户）参与进来
• 基于协作模式设计新的工作流程
• 明确人力和机械部分的作用和责任
• 创建促进有效协作的界面

第 3 阶段：试点实施（3-4 个月）

• 与选定团队一起实施设计的工作流程
• 提供有关协作方法的全面培训
• 建立持续改进的反馈机制
• 根据既定基准衡量成果

第 4 阶段：可扩展性和优化（6-12 个月）

• 在试点经验的基础上扩大实施范围
• 通过持续分析完善合作模式
• 开发设计人机团队的内部专业知识
• 创建实践社区，分享有效技术

克服实施挑战

尽管人机团队潜力巨大，但各组织也面临着一些共同的挑战：

文化抵制

对劳动力替代的恐惧和对人工智能能力的怀疑可能会阻碍人工智能的应用。

‍

在许多公司，最初采用人工智能的阻力是显而易见的。转折点往往出现在人们不再谈论 "实施人工智能"，而是开始讨论如何 "赋予团队新能力 "的时候。这种观点的转变可以将阻力转化为积极参与。

‍

克服阻力的策略：

• 让最终用户参与合作设计
• 明确传达人类将如何继续创造独特价值
• 庆祝突出合作效益的早期成功
• 对领导者进行文化变革管理方面的培训（注意，通常是那些抵制变革的领导者）

‍

以人为本的设计

成功取决于围绕人类需求设计的界面和互动。

‍

许多组织报告说，他们的早期实施在技术上是可靠的，但由于没有充分考虑到人的因素，因此在采用上失败了。一种新兴的做法是从项目一开始就将用户体验专家和组织心理学家纳入开发团队。

‍

有效设计的原则：

• 系统运作和决策过程的透明度
• 对重要决策进行有意义的人为控制
• 根据具体情况及时反馈
• 适应个人工作风格

结论：迈向人类赋权的新时代

人工智能的真正潜力既不在于完全自动化，也不在于仅仅作为一种工具，而在于建立人机合作关系，放大两者的能力。

‍

将人工智能作为从根本上重新思考工作的机会，而不仅仅是将现有工作流程自动化的组织，正在获得巨大的竞争优势。

‍

人类与机器 "的争论一直没有抓住重点。那些蓬勃发展的组织并不是在人才和人工智能之间做出选择，而是在创建生态系统，在这个生态系统中，人才和人工智能都能增强对方的能力。

‍

随着我们在这一新领域的不断进步，成功将属于那些能够想象和实施新工作方式的人，这些新工作方式能够充分释放人类和机器的潜力，而不是作为竞争对手，而是作为合作者，共同迎接一个前所未有的时代。