德勤专栏
德勤“小勤人”助力中化国际税务流程自动化取得新突破
小勤人自从今年问世以来，以其快速、稳定和高质量的工作效率，全天候不间断的工作时间，在企业财务、人力资源等各职能领域已有诸多运用。今天我们将介绍小勤人在税务领域，为中化国际纳税申报自动化带来的新突破。
中化国际作为一家走在财税信息化前沿的央企，在今年10月已经引入第一期财务机器人替代部分高频、重复、长时间且低附加值的人工操作，实现了银行对账、来款提醒、增值税账实检查等财务流程自动化，此次德勤助力中化国际，运用小勤人在以下税务领域实现了流程自动化：
※ 纳税申报前：SAP系统自动取数流程：机器人定时自动完成4家公司60余个会计科目在SAP系统的查询，导出和整理格式工作，并将最终结果发邮件反馈给税务人员。
※ 纳税申报进行时：机器人定时自动监控邮箱，根据邮件指令下载税务底稿，实现五大税种及财务报表在金税三期中的自动填报及发送，并将填报结果发送邮件给税务人员。德勤团队研发的U-KEY助手，可以帮助一个机器人轻松实现针对多纳税主体时所必需的U-KEY转换。
※ 纳税申报后：机器人定时对税务数据进行归档，实现税务数据共享化。同时将自动根据每月归档数据构建税务数据仓库，为未来全面的税务风险管控、即时监控与大数据分析打下坚实基础。
对比第一期机器人，此次小勤人会带来以下不同之处：
可以看到小勤人将帮助中化国际同时实现跨系统平台、跨公司主题、跨省级地域的“三跨”，适用性大大增加。同时将重复繁琐的工作集中、自动化操作流程的归集、纳税申报资源集合的“三集”和流程自动化、信息电子化、资源平台化的“三化”，这些无疑都将为中化国际税务工作“科技化”创造历史。
德勤机器人助英迈中国改进销项发票管理
客户背景
英迈国际是全球领先的IT技术与供应链服务商，世界200强企业。运作于全球52个国家，拥有155个先进的物流中心，全面代理1700多个国际知名品牌的IT技术产品。服务涵盖信息技术、移动和生命周期管理、云服务及商业物流服务解决方案。
近年来，英迈新增了“设备生命周期服务”（ITAD-IT Asset Disposition），能够帮助企业降低安全管理IT资产和消费电子产品的风险、成本和复杂性。
业务场景
基于英迈中国的业务量，每月有上万张发票向各种客户开具。而伴随着增值税发票的开具，大量因内部销售人员或外部客户财务税务所产生的索票需求，成为了税务发票管理人员日常业务中重要且频繁的工作。
小勤人的工作模式
“小勤人”入驻以后，针对增值税专用发票的电子归档及查询工作提供了自动化支持，有效解决业务痛点，提高部门间合作的工作效率及准确性，释放财务业务精力，从而帮助英迈中国聚焦于更高价值的工作。
本期为大家介绍的是“小勤人”在发票电子归档、发票档案查询及发票快递管理中的贡献：
发票电子归档
结合OCR技术，机器人将增值税纸质发票进行电子归档，按需对销项电子发票进行分类及汇总，建立电子发票档案及电子发票数据库。
登记完成后，每一张发票都可以单独查询其电子扫描结果。
“小勤人”每月仅10小时的工作时间就可完成公司上万张发票的自动归档，无需人工干预。
发票档案查询
在“小勤人”的帮助下，销售人员只需填写发票查询申请表发送给相关人员审批，“小勤人”可7*24h接收审批通过的发票申请表，按需完成发票查找，并将查询到的发票信息作为附件回复给指定人员。
单张发票的查询效率由平均5天提升至1天。
发票快递管理
小勤人帮助发票递送人员完成大量的快递面单信息处理，并且完成快递单号的登记工作。
对于每天对外寄出的大量发票，“小勤人”也能够帮助业务部门及时查询其递送状态，定时通知各个部门每张发票的寄送情况。
项目贡献
目前，“小勤人”作为英迈中国2018年的第一个流程优化项目，已经成功上线。“小勤人”加入后，大大提升了内、外部客户对于销项发票管理的满意度，同时也减少了跨部门合作的沟通成本。
RPA、人工智能与财务数字化 专访德勤中国科技咨询合伙人朱灏
财务机器人（RPA）以及智能财务解决方案“引爆”财务圈，一场传统财务行业的变革正在进行中，一个“RPA+AI”的时代正悄悄来临。数字化时代下，财务管理应该利用RPA和AI技术，嵌入财务工作场景，给企业效率带来质的提升。
以下文章转载自财资一家（TreasuryChina）
文 | 董兴荣 姚顺意
来源 |《财资中国|财富风尚》杂志2018年2月刊，有删减
近期，德勤财务机器人——以机器人流程自动化技术（RPA）为核心并由其他认知技术辅助的财务解决方案“引爆”财务圈，一场传统财务行业的变革正在进行中，一个“RPA＋AI”的时代正悄悄来临。基于此，《财资中国》拜访位于上海外滩中心的德勤中国总部，与德勤中国科技咨询合伙人朱灏就数字化时代下财务管理如何应用RPA和AI等相关话题，进行面对面深度交流。
人工智能发展机遇期
几乎一个世纪前，小说家们就在笔下对人工智能展开了无尽的想象，而近几年人工智能才真正走入大众视野，比如AlphaGo与李世石的围棋对战引起广泛关注。谈到为何近两年人工智能获得爆发式发展，朱灏认为主要在于技术的商业化成熟和人力成本增加两个方面。
技术的商业化成熟
计算机领域有个很重要的推测叫做摩尔定律，其内容为：当价格不变时，集成电路上可容纳的元器件数目，每隔18~24个月便会增加一倍，性能也将提升一倍，这代表了信息技术的进步以及成本降低的速度越来越快。朱灏进一步说道：“人工智能的讨论、机器学习的经典算法，很久以前就存在，但由于硬件没有达到所需的运算率和运算量，人工智能发展缓慢。而且非结构化信息的识别需要更好的硬件、算法和更精确、更高效运算的CPU和GPU。最近几年，硬件不断升级，算法更加精进，语音识别、文字识别等技术日臻成熟；这一切，为人工智能的发展提供了最好的时机。”
人力成本提升
人工智能及智能自动化近几年发展迅速的另一个原因是人力成本的提升。比如机器人流程自动化技术最开始在欧美发展起来的，主要因为欧美的人力成本昂贵，这些地区对智能技术的投入能够快速得到回报，所以企业较有可能在可接受的成本范围内采用智能技术替代人力。朱灏解释说：“机器人流程自动化技术对流程的多样性是敏感的——不同流程会设定不同的方式，并根据不同的情景判定采取不同的工作路径，而其对重复的工作量是不敏感的，将流程规则设定以后，机器人就可以不间断地开展工作，没有情绪，不需要休息，所以在重复性工作量巨大的流程上，它能够产生非常大的成本效益。”
近两年，我国人工智能技术发展迅猛也是由于这一因素。人口红利消退，人力成本不断提高，甚至到了一定的人力成本红线。特别是在一些大城市，生活水平及生活成本提高了很多。相应地，薪资水平也已经和一些中等发达国家没有太大的差别，在这种情况下，企业势必要寻求各种方式降低人力成本。
企业数字化变革
各行各业的企业都在面临数字化变革，涵盖从产品到业务的方方面面。我们每天高频使用移动应用，产生海量数据，包括企业内外部的数据和客户、市场的大量数据。结合德勤多年工作经验，朱灏介绍说：“如何在庞大的混杂数据中高效地筛选出有效数据，并且将其利用起来，更好地去拓展业务和产品，更有效地规划内部流程，制订企业战略决策，这一直是企业所关心的话题。”
数字化的德勤
德勤始终致力于数字化转型，对内称作“Digital Deloitte”，直译为“数字化的德勤”，泛指德勤内部的数字化转型。德勤对内部流程（包括财务处理报销、对账、客户管理等方面的工作）均进行了数字化转型。如此一来，德勤员工在连接内部网络的移动端上即可查询客户及相关的报表信息并完成德勤内部的各种工作流程，同时员工的报销审批也可在移动设备上快速完成。在德勤内部推行数字化管理，也有利于德勤更好地为企业客户服务，德勤集成各种数字化技术助力客户完成数字化变革，称作德勤数字化服务“Deloitte Digital”。
德勤数字化服务
为助力企业解决日益复杂的商业难题、适应不断变化的创新需求，德勤推出了一系列数字化业务，如机器人流程自动化、大数据分析服务和商业智能的移动应用等就是数字化技术在企业场景的解决方案。在德勤中国首席数字官赵文华的带领下，德勤成立了德勤数据研究院，作为德勤数字化团队的核心智囊。德勤数据研究院的数据科学家搭建的算法模型，可以实现大数据分析在企业中一些实际场景的应用并指导企业进行智能化、数字化的转型。企业数字化转型的最终目的是业务及流程自动化、移动化和智能化，旨在提供一个端到端、全流程的智能系统，从信息的输入到处理，再到判断决策，都能够在系统里完成。也就是说，不仅是几个软件或者几个应用的叠加，而是一个“输入—处理—判断—输出”的智能闭环体系。
数字化提升企业效率
和传统方式相比，即使机器人以人类同样的方式去收集整理数据，并只使用部分产能，也能为企业节约大量人力成本。以报税为例，企业每月须报税一次，每家企业需要至少付出一个工作人员的成本。若是采取报税云平台的形式，交给实现了数字化转型或采用了机器人流程自动化技术的共享中心去做，每家企业可节约一个人力的成本，数百家甚至上千家集合起来可以解放上千人力，便产生了一个很大量级的聚合效应。总的来说，共享平台的效益来自于集中化、标准化产生的集约化效能，而在共享平台上利用数字化技术处理流程，可以进一步飞跃式地提高工作效率，降低作业成本。
数字化财务Digital Finance
数字化的财务，不只是财务机器人，而是结合各种数字化的信息技术产品，对财务信息的输入、处理、输出、分析、决策的一整套解决方案。
机器人流程自动化
机器人流程自动化（RPA）是一种软件解决方案，可以模仿各种基于规则而不需要实时创意或判断的重复流程。RPA可以在电脑上不间断地执行基于规则的各种工作流程，它不仅比人类更快，还可以减少错误和欺诈的机会。简言之，就是“像人类一样工作”，“把人类进一步从机械劳动中解放出来”，让人类自由地开展更高价值的工作。而财务机器人则是以机器人流程自动化在财务领域上的应用为主，同时结合了其他所需要的认知技术来替代人进行财务工作的解决方案。
财务领域的机器人流程自动化（RPA），是当前比较成熟的财务数字化应用技术，把财务相关的输入—处理—决策—输出的流程进行分析、拆解，再用机器人软件模拟人的操作，把原本要在各种软件平台——包括会计软件、ERP软件、报表软件，甚至是CRM软件和税务软件上需要很多人力完成的填写、报送、执行命令、菜单点击、输出报表等动作，交由机器人来完成。
在输入端，可以结合光学字符识别技术（OCR）、语音识别等认知技术，将外界信息转化为计算机可以处理的信息再交由机器人进行后续处理流程。比如，光学字符识别技术可以把纸质的凭证发票、账册、合同的信息扫描到计算机里，并识别为电子逻辑信息，然后交给机器人去做记账、报表处理；而语音识别技术可以帮助机器人识别、接收人的语音指令，甚至从人的语音当中识别出数字信息并且进行处理。
财务是一个强规则领域，财务领域内的很多事务流程和报告流程大多是可重复、有规律可循的，因此也最易于实现流程自动化。在财务决策过程中相对标准化、有清晰的规则和可重复的活动，也可以应用机器人流程自动化技术。
非结构化数据处理
在传统的方式中，财务接触到最多的是结构化的数据。如二三十年以前就有会计电算化使用简单的关系型数据库作为财务信息的存储、查询和报送工具。财务领域最核心的三张表——资产负债表、现金流量表和利润表及账册，也是结构化数据。
随着财务管理越来越向前端延伸去支撑业务，财务工作面对的就不仅仅是结构化的财务数据，而可能会面临很多业务数据，比如客户信息、公司产业信息等。在大量的业务数据中，相当多的数据可能是非结构化的数据，有些信息甚至可以从社交媒体当中产生，这些信息反映了用户群的偏好和聚焦程度，并可作为投资估值和市场决策依据，在资本市场上也为投资机构和监管部门所关注。那么对于企业来说，财务工作所需的信息就不是任凭几张表格就可以囊括的。
朱灏举例道：“比如，利用图像识别可以从一张照片中获得数据并分析出拍照的地点、拍照者装饰和周边环境，甚至还能分析出关于用户的更多信息，作为风险合规依据、指引业务推进和决策支持。而自然语义识别技术能够让计算机像人一样去读懂一些在商业场合常用的信息，这些信息可能是非结构化的数据，而不是在表格中的明确信息，比如在报表中的一段描述性的文字或在合同中的法律条款。”
利用各种识别技术，可以将结构化数据和非结构化数据进行整合转换，把各种各样的信息放到计算机体系当中，获得电子逻辑信息，作为流程处理、决策和输出的数据基础。
财务机器人推动财务职能转换
除了提高工作效率之外，财务机器人还能带来哪些好处呢？据朱灏介绍，由于财务机器人可以把人从简单重复且大量的工作中解放出来，同时它又可以快速抓取信息，进行整合。而在这个基础上，辅以后台的决策支持模型，就可以帮助企业快速做出决策，规避风险。从这个意义上来说，财务本身的职能也进行了转换，财务工作者不再是传统的记账员，仅仅负责真实完整地记录一家企业的经济业务活动，而是把财务工作转换为管理的职能。
基于数字化的财务管理职能可以分为三个层面：第一是看得到，即信息可视化，通过数据分析平台、数据抽取等方式，将信息整合到平台上，或用机器人去抓取数据整理报表，便可通过可视化的数据分析平台，轻松地看到整个企业的运营和财务状况；第二是看得准，就是基于企业、市场和行业的内外部历史数据，建立数学模型，对未来一定期间内的企业和市场情况进行预测，能够往后看，提前部署，防患于未然；第三是看得清，即将数据分析提炼，进而支持企业决策。“如果这三层能够有机地结合起来，那么财务管理就提升到一个新的层面，这是我们对未来数字化财务的期望和理想。”朱灏说。
对CFO来说，如果要引进RPA和AI技术，他们需要用新的思维方式对待数据分析，不能只把数据看作生成静态报告的工具，而是要利用各种数据及信息技术，实现流程任务自动化、智能化并支持管理决策。通过RPA和AI技术帮助财务部门由传统的追溯数据分析模式到数据预测模式，并且获取洞察以指导行动，创造价值。
2018《银行业金融机构数据治理指引（征求意见稿）》解读（第四期）- 保驾护航，技术引领价值升级
前言
《银行业金融机构数据治理指引（征求意见稿）》（以下简称“数据治理指引”或“指引”）中指出：“ 第五十一条（监管方式—审计）银行业监督管理机构可根据需要，要求银行业金融机构通过内部审计机构或委托外部审计机构对其数据治理情况进行审计，并及时报送审计报告。
第二十四条（数据安全）银行业金融机构应当建立数据安全策略与标准，依法合规采集、应用数据，依法保护客户隐私，划分数据安全等级，明确访问权限，监控访问行为，完善数据安全技术，定期审计数据安全。
本期将从数据治理审计方法和建议的角度，解读数据治理审计如何开展，通过重视和挖掘内部审计的数据资产，发挥内部审计数据资产护航的积极作用，引领内审价值的升级。
正文
商业银行的数据治理审计，主要是基于商业银行的数据治理体系框架，参考内部制度和相关监管规定，对商业银行数据治理的组织架构、制度流程、质量管理、系统与数据管理、数据价值实现方面的全面审计。
数据治理审计范围与方法
数据治理的审计范围应至少包括数据治理组织架构、数据管理、数据质量、数据安全、数据资产价值等方面。
- 数据治理架构审计
制度体系建设是数据治理的基本工作，银行需针对数据治理工作建立起层次鲜明、结构清晰的制度及流程体系。数据治理架构审计工作主要是自上而下审计银行数据治理体系建设情况，重点关注数据治理组织架构和制度体系，数据治理资源配置情况，一二三道防线对于数据治理的职能与边界，数据全生命周期的管理流程以及数据文化建设情况。
银行应建立纵向的数据治理管理组织，形成三道防线的管理组织网络。数据管理部门应负责牵头全行的数据治理体系建设与管理，业务部门应当负责本业务领域的数据治理，管理业务条线数据源，确保准确记录和及时维护，落实数据质量控制机制，执行监管数据相关工作要求。二道防线由合规或风险的管理部门负责，负责数据治理体系的定期合规检查和数据风险管理。第三道防线对第一及第二道防线部门的工作进行事后稽核、审计和监察等。通过三道防线，形成纠错防弊的机制性保障，才能夯实管理基础，有效控制偏差和风险。
- 数据管理审计
银行通过建设各类数据管理工具和方法，提升数据管理水平及效率。数据管理的审计工作主要针对数据管理工具和方法审计其有效性、充分性和安全性，数据管理工具和方法包括但不限于数据战略、数据标准、信息系统和监管统计系统、数据安全策略、应急预案、问责机制、自我评估机制等。
银行应当结合自身发展目标和监管要求等，制定客观、可实现的数据战略并确保有效执行和适时修订。银行应当建立全行统一的且符合国家标准、行业标准、监管要求的数据标准，并且逐步推进数据标准的有效落地，实现不同系统中数据标准的统一规范以便于更好、更便捷地实现数据共享。通过逐步开发信息系统，提高各项业务和管理数据的系统覆盖率；通过持续完善监管统计系统，提高监管报送自动化比率。数据安全策略应当符合法规要求、有效保护隐私数据、明确访问权限、区分安全等级等。与此同时，银行应当建立数据应急预案，并建立数据治理问责机制，定期开展数据治理自我评估，保障数据治理持续发展。
- 数据质量审计
数据质量是数据创造价值的保障基石，高质量的数据为数据统计、分析和应用提供了可信任的必要条件。数据质量审计工作评估数据风险性和健康度，主要评估纬度包括数据的真实性、准确性、连续性、完整性和及时性。
银行应当建立一系列有效的方法和流程提升数据质量。首先，应当明确定义数据质量需求和数据质量范围，在此基础上选定测量数据、制定测量规则，通过设计和建设数据质量检核模型进行数据质量问题识别，并深入分析原因。再次，针对发现的质量问题分派责任方，拟定改进方案并执行改进和跟踪评估。建立数据质量考核机制，且针对重要甚至重大问题进行有效问责。通过长时间积累的质量问题，进行问题分类管理，形成和丰富质量问题知识库，持续完善质量检核模型及问题流程化管理。
- 数据安全审计
大数据时代新形势下，数据安全、隐私安全乃至数据平台安全等均面临新威胁与新风险。数据安全是数据治理中面临的重要问题，也是数据治理审计关注的重点之一。数据安全审计工作依据信息安全管理相关的标准，如ISO/IEC 17799、COSO、COBIT、ITIL、NIST SP800系列等。
审计重点包括：
银行业应当建立数据安全策略与标准，依法合规采集、应用数据、保护客户隐私、划分数据安全等级、明确访问权限、监控访问行为，持续完善数据安全技术。
- 数据资产价值审计
数据资产正在为银行带来丰富的价值创造，其价值也成为衡量银行价值的重要影响因素。数据资产价值的审计工作包括盘点银行的数据资产，评估数据资产为银行带来的价值能力，发现数据资产现状的不足。
银行应当了解全行的数据资产，在风险管理、业务经营与内部控制等方面挖掘数据资产应用潜力，提高数据使用和应用效率，结合定性和定量的指标定期评估数据资产产生的效益、带来的价值度量，结合绩效考核进行数据资产管理完善。如在新产品的开发中数据资产带来多少收益、在客户精准营销中数据资产带来了多少获客数量等。通过数据驱动，提高管理精细化程度和核心竞争力，发挥数据价值。
建议
在本轮数据治理指引征求意见结束后，银监会将正式发布数据治理指引，将数据治理的要求提升为规范可循、要求明确、逐步完善的法规高度，数据治理也将作为各家银行的常态化工作。对此，德勤建议：
一、重视审计数据资产
随着审计工作的专精化和历史沉淀，内部审计每年都在产生海量的审计数据资产。而除了主要以文字、数字、图片形式记录以外，这些审计数据资产尚未被完全识别、分析和利用，尚未发挥其巨大的数字价值。基于目前审计现状及信息技术，重视审计数据资产，建立完整的审计数据资产管理机制与体系将成为可预计的必然发展趋势。建议商业银行应当以审计数据管理框架为基础，通过对审计数据的识别、分类、规范、提升、应用，建立商业银行的内部审计条线的数据资产库。
二、传统审计向智慧审计转型
随着内部审计数据的积累和应用，传统审计在变革的驱动下经历着阶段性的变革。
智慧审计是审计数据资产应用的必然趋势，通过综合运用并整合颠覆性技术、创新、数据与人才，呈现崭新的管理生态系统。其实施主要通过如大数据运用、自动化注入、人工智能开发等工具与方式，提升常规审计的效率与效果。德勤智慧审计强调内审工作的知识化，科学化、系统化，基于智慧审计实现从手工化向信息化、自动化、智能化过渡，实现审计工作的全面覆盖、快速学习、精准定位、持续跟进，更好的验证数据治理架构及职责设置合理性、数据管理的充分性、数据质量控制的有效性、数据价值实现的可靠性。
三、定期委托外部专业审计机构开展独立审计
银行应当确保数据治理审计团队具备相应的技能与经验，方能取得专项审计的良好效果。可通过定期委托外部专业审计机构，借助于其专业技术能力、全球知识库及行业服务经验，达到更好的审计效果。丰富内审团队在数据治理体系、管理工具与方法、系统技术支持等方面的知识与技术储备。
结语
在应对监管要求与满足经营发展的双重挑战下，内部审计作为第三道防线，应以独立、客观的视角对银行数据治理范畴内的各项工作进行检查和评价，促进对全行数据资产的重视与积累，促进全行数据治理体系的完善。同时，通过引入审计技术创新，逐步实现审计数据资产应用的系统性、立体化、全面化、智慧化的价值升级。
德勤重磅报告 | 认知技术时代来临，我们的工作将会如何被重塑？
机器之心编译出品
参与：汪汪，孟婷，范娜fiona，Kara，电子羊
认知技术是人工智能领域的一个产品，有可能将取代人类的工作。但是，公司的管理层面临着「如何使用认知技术」的选择，这将决定工人是被边缘化还是被增强，以及这家公司是在创造价值还是仅仅只是降低成本。
作者介绍
David Schatsky，德勤公司，为公司高管和客户分析新型技术和商业趋势，包括认知技术带来的影响。在加入德勤之前，Schatsky带领两个研究和资讯公司。他是《Signals for Strategists: Sensing Emerging Trends in Business and Technology》(RosettaBooks, 2015)一书的作者。
Jeff Schwartz，德勤资讯公司，人力资本高管，《Global Human Capital Trends 2015: Leading in a New World of Work》（(Deloitte University Press, 2015)的共同作者。
人工智能（AI）领域的快速发展，将对社会带来重大的影响，这引发了许多激烈的争论。一些人认为，它将驱动经济增长，为改善生活质量带来数不清的机会。尽管我们相信那些最深的恐惧其实是夸大其词的，但认知技术这一AI产品却不容忽视。它们是商业竞争优势的新兴源头，并走在一条通往「无处不在」的道路上，即将充斥我们的生活和工作。
长期以来，人工智能研究者都在开发旨在提升计算机性能的技术，这些技术能让计算机完成非常广泛的任务，而这些任务在过去被认为只有人才能完成，包括玩游戏、识别人脸和语音，在不确定的情况下做出决策、学习和翻译语言。为了将人工智能领域中衍生出来的技术与AI领域进行区分，我们将这些技术称为「认知技术」（cognitive technologies）。通常使用的认知技术包括机器学习、计算机视觉、语音识别、自然语言处理和机器人学。
在接下来的3到5年中，认知技术有可能会给职业、工人和公司带来深远的影响。这些技术可以，并且即将消除人类的工作。但它们也有可能被用来重新定义人类的工作、为工人创造出新的机会、为商业公司和客户带来更高的价值。公司的领导者们应该理解4个主要的自动化选择，以及我们所描述的成本和价值策略。他们也应该调整人才管理工作，来吸引和改进员工的职业技能，包括创造性和情商——这些技能在认知技术时代会变得更加重要。
冲突的观念
关于认知技术会对就业带来什么影响，这一问题正在处在活跃、甚至是危言耸听的争议当中。争论的一方预言道，当过去由人来做的工作被这些技术所取代后，将极大提高失业率。而另一方的预言则认为，我们对技术变革所带来的历史规律已经很熟悉了——新技术提升了生产力，从而增加了社会财富，驱动经济增长，对拥有新技能的就业者创造出新的需求。
最近，牛津大学研究者做了一个被广泛引用的分析，正是上述争论中「黑暗」一方的一个例子。这项研究估测道，美国的就业人员中，有47%正因接下来10年或20年的计算机化而「处在风险中」。信息技术研究机构Gartner也持相似的观点，预言「到2025年，有1/3的工作将被软件或机器人所取代。」三个Gartner的分析师甚至做出更彻底的「战略性计划假设」：「到2030年，今天我们所熟知的90%的工作都将被智能机器取代。」
并不是所有人都相信，公司应该开始为一个没有雇员的未来早作打算。David Autor是一个杰出的经济学家，他在麻省理工学院（MIT）研究技术与就业之间的相互作用，是这方面的权威。他写道：「机器要取代人类，亟需适应性、常识和创造性，这些需求的缺口还非常大。」他认为，人们未能足够重视机器与人力之间的互补性，这种互补性将会「提升生产力、增加收入、增大对熟练工种的需求。」Rodney Brooks是两家著名机器人公司的专家和创始人，他相信，人们应当正确地看待机器人这样的技术，因为它们能够「让人们摆脱那些折磨人的愚蠢工作」，而不是让人们失业。
对未来，我们更喜欢积极的预期。认知技术正在较窄的领域中取得好的进展，而取代整个流程或职业却很罕见，不太可能在短期内变得很普遍。更有可能的是，尤其是在接下来的3到5年内，工作的一部分会被认知技术自动化。员工（包括知识性的员工）将与自动化的智能机器打交道，就像今天的飞行员和先进工厂内的工人所做的工作一样。由于这个原因，公司领导者应当进一步考察认知技术为工作、员工和公司所带来的影响，这是一件非常重要的事。
认知技术和工作自动化
在以往的工作中，David与其他同事分析了100多个认知技术的应用，并将这些应用分为三大类：产品类、流程类和分析类。每类应用都对工作和工人产生了深远影响。
_图1_
产品类应用将认知技术嵌入到产品内，来实现智能行为、自然交流（比如说和看）以及自动化。该类应用对工人的影响从没有影响（机器人玩具或智能温控器）到有些影响（能承担家居清洁工作的扫地机器人）再到影响重大：自动驾驶汽车正取代采矿卡车司机和火车驾驶员，某天它们将会取代出租车或货车司机的工作；机器人还会取代泥瓦匠和砖瓦工。下一步，公司就可以将使用认知技术的产品部署到各个业务流程中。
自动化企业工作
流程类应用使用认知技术来提高、扩大或自动化业务流程。比如自动化数据输入、自动化手写识别、使用算法的自主规划与调整以及使用语音识别、自然语言处理和问答技术的自动化客户服务。通过定义流程类应用会让工人的工作实现全自动或半自动化。如下所示，自动化会对企业产生挑战，而且并不总能达到预期效果。
自动分析
分析类应用使用认知技术来揭示模式、做出预测以及指导更有效的行动。如，英特尔采用机器学习向其销售团队展示客户的进一步需求以及他们该向客户提供什么。某些分析类应用可以看作自动化的形式：接下来做什么是基于特定情境由机器而不是人所做出的决定。其他分析类应用是改善而不是自动化现有决策流程，或者进行之前不能做的分析。有时，他们将机器学习与其他认知技术（比如计算机视觉或自然语言处理）相结合。例如，一家初创公司将计算机数据与机器学习算法相结合通过零售商场停车场的卫星图像来判断其营业状况。
自动化意想不到的后果
自动化的历史可以追溯到数百年前，包含了制造业（工业自动化）、航空和文职工作（办公自动化）。如今，认知技术将自动化拓展到新的领域，比如过去那些需要人类感知和认知能力的任务。虽然自动化极具价值，但是，数十年的研究编码自动化并不总是有益的，也带来了意想不到的后果。随着商业和技术领导人考虑使用认知技术来自动化工作，他们会从自动化的历史中学到很多，来避免重复错误。
引入自动化以弥补人类能力不足的想法似乎很令人信服。但是，自动化系统也会有缺陷。离开人类操作员，只让机器自主完成任务会有问题。比如，没有人类监控的自动化进程会产生错误，然后程序会忽略这些错误继续执行任务。研究表明，即使是干劲十足的工人，他关注不变的信息源的时间也不会超过半小时。
如果人们不经常训练，他们会失去某技能。这就导致了颇具讽刺意味的情况发生，人们会需要一个自动化系统来执行他们不擅长的任务，比如自动驾驶。有时会产生悲剧后果。研究人员发现，过度设计或设计不佳的自动化，不仅没有实现去技术化，还会降低人们在某些任务中的表现。研究表明，驾驶中有太多的自动化，比如采用巡航控制系统会让司机（特别是新手）疏于警惕，还会降低表现，比如紧急制动。其他研究发现，自动化系统（就像坏老板）会降低工人的积极性、产生疏离感、降低满意度、生产力和创造力以及离间员工。
技术评论家Nicholas Carr认为，拙劣的自动化策略对效率和安全性会产生负面影响，还会破坏我们的个性和自我价值。
企业面临自动化选择
认识到关于自动化的潜在问题，研究人员们便尝试寻找一些确立系统有哪些功能，要实现什么程度自动化的客观方式。为解决这一问题，Parasuraman等人发展出一项分析自动化选项的体制。他们提出自动化须应用于以下四大类功能：1)信息获取；2)信息分析；3)决策和行动选择；4)行动实施（见图2）。在每一类中，自动化被应用的程度是一个从低到高的连续等级，即从完全人工化到完全自动化（见图3）。
_图2_
他们觉得一款自动化设计的评估标准应该首先是它对人类工作效率的影响，其次是诸如自动化可靠性，和行动与决策结果的成本。这一被广泛引用的工作是指导自动化设计决策领域的诸多尝试之一。
从替换到增强：一款天才科技模型
为补充自动化设计方面的学术工作，研究者提出一个框架，即强调自动化对员工的影响以及评估各种自动化选择对业务的影响。这一框架对正考虑自动化自动化对创造性和知识工作影响的领导者极为有用。
根据自动化对于工人的影响和自动化程度对工作完成度的影响，我们确立了应对自动化的四种主要方式，总结在图4中。
遵循哪一种方式，不由工作类型或采用的技术决定，而是系统设计者，乃至领导者和决策制定者所决定。通过对一项职业——翻译员，和一项认知技术——机器翻译的分析，让我们来阐明这四种自动化选项是怎样起作用的。四种选择都要以不同的方式应用自动翻译技术，会对翻译人员产生不同影响。
_图3_
采用替代方法，像翻译技术手册这种过去人为翻译的工作，连同翻译员本身，都将被淘汰。在切分/自动化的方法中，尽管现有的机器翻译表现得并不完美，大量的翻译工作被首先交给机器，这之后专业的译者会编辑已自动翻译好的文段，即后期编辑。许多专业译者认为这是「语言维护工作」：这贬低了他们的一技之长。一个缓解方法是把低价值又无趣的工作交给机器，而把更具挑战性的，对质量要求更高的像营销文案的材料，交给够格的专业翻译人员。最后，在增强的方法中，译者可以使用自动翻译工具来加速或改善他们的工作，比如自动翻译器会在翻译一条短语时提出几个选项，供译者自由选择。这在提升生产力和质量的同时，也使译者可以把控整个创作过程，负责审美判断。
_图4_
最大限度提高工人和机器的价值
当涉及到劳动力的使用和影响时，企业需要做的可不只是根据上述列出的四种方法来归类工作。要正确评估其选择，企业需要在成本战略和价值战略之间进行考量。
成本战略是通过应用技术降低成本，尤其是劳动力成本。
而价值战略则旨在以技术弥补人工的同时，分配工人做价值更高的工作来增值。
以下是四种自动化选择如何在这两种战略下分别发挥作用：
替换的方法。在成本战略下，企业以拥有认知能力的计算系统取代人工执行相同的任务。这一选择所带来的经济效益很明显，然而却受限于所耗的成本。而在价值战略下，企业可通过重新分配工人的角色以及扩充其角色的功能来创造更大价值；或通过部署认知系统，在替代人工工作的同时提高工作效率或质量。
切分/自动化的方法。通过自动化降低人工成本是成本战略的一个例子。但正如我们所见，自动化使拥有创造力的人或技艺精湛的工匠感到黔驴技穷和被边缘化。而价值战略可用这种方法来创造新的低成本产品以服务于新细分市场的需求。比方说，翻译服务供应商可以提供一系列根据自动化使用程度不同而质量、价格不同的服务，并雇佣经验不足的翻译人员进行后期编辑。
减轻的方法。一个能通过减少人数来提高效率的成本策略。举一个例子，呼叫中心通过将第一层顾客支持自动化来减少需要聘用的员工。在另一方面，这是一个价值策略，能让员工更专注于更高价值的任务。比如说，当一个新的自动化功能计划系统让香港地铁系统专家级工程师每周工作量减少两天后，他们能把时间花在需要人类互动和协商这一类更难的问题上。
授权的方法。认知系统能让技术级别比较低的员工胜任先前由高技术级别员工完成的任务。这是一个成本策略的例子。价值策略则会采用一个不光向低技术级别员工授权，还会对其进行培训来使其获得技能的系统。也许同时还会设计成能改善高技术级别员工表现的系统。
需要注意的是，认知自动化，即使用于旨在授权员工的系统中，也会遇到抵制。英特尔公司就发生过这样的事，他们曾试着像我们前文中提到的那样，通过开发一套认知系统来提高销售产量。这套系统使用了机器学习来对顾客进行分类并且指导销售员工对不同顾客销售哪种产品。
销售团队的部分员工起初拒绝使用机器学习系统所提供的建议，也许是因为他们不服气自己的销售技能被排在了机器认知的后面。但是，当一些销售员工最先适应了这个系统并且见证他们的销售量得到显著提高后，组内余下的销售人员也赶紧也用上了这个系统。如果一个销售人员工作的精髓在于创建及维护与客户的关系，通过一些自动化协助来将顾客的来电排序及推荐产品也许就是对科技使用的一种授权。
四种自动化的选择如何在两种不同的策略下运作的例子请参见图5。
_图5_
某些技能会变得更有价值
当公司运用认知科技时，他们必须考虑更多问题，不仅仅是把什么自动化，要达到何等自动化程度及使用成本策略或是价值策略。
他们必须重新审视在其工作场景中需要用到哪种技能。随着越来越多的常规任务被认知和其他技术取代时，完成这些工作的技能会越来越缺乏价值。然而，需要常识、一般智力、应变力和创造力这类技能以及那些需要人与人之间互动的，比如说情商和同理心的技能会变得相对更有价值。经济学家David Autor说这是因为「不能被计算机替代的任务通常由计算机补足。」科技提高了生产力，增加了收入，同时对有技能的劳动力需求更大。比如说，懂得如何使用电子制表软件（译者注：excel、numbers等）的员工很有可能比只会使用铅笔和纸的员工收入高。会使用电动工具和复杂机器的建筑工人会比不会这些的单纯人力劳动者收入更高。
上文提到的经济学家Autor鉴定了几种计算机暂时无法取代的任务所拥有的技能。比如说解决问题的能力、直觉、创造力、说服力——这些是完成所谓「抽象」任务所需要的；还有对场景的适应力、视觉和语言认知力、及人与人之间的互动，即「纯人力任务」所需要的。
虽然要找到一些被成功自动化的这类任务的例子并不难。思考以下这个例子：谷歌地图解决了导航问题，IBM的Watson电脑编写了新菜谱，Amazon网站上的「猜你会买」；还有零售商Lowe’s的机器人店员。像这样狭义的自动化比广义的（范围较大的）自动化容易实现得多。尽管自动导航和编排、同步日程都已经实现，解决问题的自动化却依旧任重道远。相比使用认知技术的狭义自动化任务，诸如批判性思维、通用问题解决能力、对不明确事物的容忍度、驾驶以及智谋等能扩大范围并且实现广义任务的必须技能和品质，都会变得更有价值。
变通力、创造力、批判性思维和情商
产品设计、服务、娱乐、或者构建使人高兴的环境这些工作都不会在短期内被计算机取代。因此完成这类任务需要的技能，很有可能会相对更有价值。现在有能使这些创新变得更可靠的工具，比如说管理学说中的最佳实践，市场调研，A/B测试等。但是，创造某种新奇的、美丽或者让人感到愉快事物的中心任务需要的不只是技术上遵循产品设计或者电脑制作具体原则的技能，还需要同理心、对偶然性的开放心态等人性特有的技能。拥有这些技能并用来了解人类顾客和让顾客感觉愉快的公司都能独树一帜且持续发展。
另一个依旧会由人完成的工作是提供高客户服务体验的质量。尽管认知技术可以实现更加高质量和个性化的自动化服务，但是，目前为止它还无法取代由有高情商、精神饱满和高度同理心的训练有素、装备精良的人提供的高质量体验。那些想要面对挑剔客户、发展并维持高价值的客户关系的行当则继续依赖于人际接触来完成关系管理和服务。
创造性技能将会变得越来越有价值。如上所述，我们见证了一些能称得上创造性的计算机行为的演示，比如IBM的Watson会推荐新奇的食材组合。但机器的创造性需要人类作为指导。即便是Watson 也需要人类厨师来决定如何准备它挑选的食材。认知技术将会作为人类的创造性补充，而非取代。
随着认知技术能逐渐模拟其他技能，批判性思维技能相对而言也可能变得更有价值。相比于提问，计算机更擅长回答。但洞察力始于提出一些重要的新问题。质疑机器的行动和决策对用它们来解放我们而非约束我们是至关重要的。
认知技术时代的领导力和战略人力资源规划
在工作场所引入技术总会对工人和企业产生一些影响。认知技术将信息技术的魔力拓展到新工作中，从而以新的方式影响工作和工人。这提出了一些挑战，需要跨学科的解决方案。但对数十个首席人力资源官的调查显示，现有公司鲜有对策来应对这些挑战。
商业、人才和技术领袖应共同努力，分析认知技术带来的挑战和机遇，提出前进的道路。有效的方法应当包括如下因素：
预测。技术领袖对现有的认知技术进行评估，并且以发展的眼光预测未来五到十年的发展。
分析影响。商业和人才领袖分析竞争对手和其他领域的龙头企业对认知技术的采用情况，并分析其对工种设计和劳动力需求的影响。
制定备选方案。业务和技术团队联合起来发展出一些备选方案，将这些技术应用于现在和将来的业务活动中，从而创造商业价值，包括运营价值和战略价值。
情境构建。基于上述应用，人才领袖利用这里提到的人才技术模型来设计一些情境，重新设计工作内容，重构劳动力。除了其他因素以外，情境要考虑，提高生产率量如何削减对某些特定劳动力的需求，如何使得一些技能变得相对而言更为重要，而其他技能变得不那么重要。
试点。在一个或多个领域发展应用这些认知应用，人才领袖则研究研究人力资本的影响、机遇和挑战。
培养技能。人才领袖应当招聘并培养那些会变得更为重要的人才和技能，包括创造性、灵活性、同理心和批判性思维。
随着认知技术不断发展并不断演化出新应用，它们往往被用来配合工作，帮助工人提高生产效率并得到更好的结果。领袖们应当想办法让人类参与其中，而不是想当然地认为最好的认知技术应用是完全消除人类劳动力。他们也应当发掘一些能弥补技能短缺的认知技术能。如前所述，他们需要考虑成本和价值策略。
战略性人力资源规划需要跳出以人才为核心的路子，必须考虑人才、技术、工作及企业设计的交互影响。传统的人力资源模型为信息技术适用的工种界定了边界。随着认知技术的强力发展，企业必须在人力资源规划和工作设计中发挥更多的创造性。最大的挑战可能在于如何对认知技术和工作的整合有更好的理解。
没有正确答案
采用认知技术将改变未来的就业前景，它不可避免地会让某些工种消失。它也会带来职业的重新设计以及引入一些新的工作。那些借由认知技术技能得到补充的人会更有发展，而那些技能被智能机器取代的人日子就不好过了。
领导们面临着如何应用认知技术的抉择。这些选择将决定着他们的员工是被边缘化还是被增强，决定着他们的企业是创造价值还是仅仅是削减成本。没有一套正确的选择。当领导们准备将认知技术引入企业时，他们应当考虑哪些自动化的选择会最适合于他们的人才和竞争策略。
_©本文由机器之心原创编译，转载请联系本公众号获得授权。_