2017年7月20日，国务院印发了《新一代人工智能发展规划》，规划提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，为我国人工智能的进一步加速发展奠定了重要基础。今年6月京东的智能配送机器人正式上路，再一次引发人们对于在未来世界智能取代人工的热议。人工智能已经进入到各个行业，在不久的将来它不仅会取代重复性的劳动，部分智力性的劳动也会为之取代。未来工作岗位上的竞争对手可能不再是比我们优秀的人，而是不知疲倦、高速运转、操作准确的机器。那么人类的工作竞争力在哪？这是当下的我们最该思考的问题。

　　最近两年服务行业的智慧化运营迈入了新的阶段，一些标准化、流程化的服务场景已经被人工智能所管理，我们所服务的咨询、查询、受理、投诉四大场景中智能系统已经完全管控了咨询、查询两个场景，用户咨询话动、查询话费已经完全不需要通过人工了。当下，千人千面、精准推荐、一站式的智能受理也趋于成熟，这些应用可以给用户最直观的感受，减少人工传递的信息衰减，而且很少出现受理差错，那未来哪里还需要人工的服务呢？接下来我们就一起来谈一谈服务行业人工的核心竞争力在哪？
 
　　一、共情力
 
　　共情（EMPATHY）能力，或译作移情能力，指的是一种能设身处地体验他人处境从而达到感受和理解他人情感的能力。共情能力意味着超越自身的自恋而去理解别人自恋的能力，通俗一点来说，也就是我们在服务中对用户所产生的情绪进行识别和处理的能力。
 
　　笔者曾经做过客户情绪识别的课题，关注到现在的人工智能已经开始研究怎样识别人的情绪，但由于技术的局限性和情感的复杂性，智能技术还只能通过简单明了的语言、面部表情、心跳呼吸等的一些数据来识别情绪，而人类内心情感复杂，阅历丰富，人格不同，在特定环境下会表露出微妙情感和情愫，特别是对于博大精深的语义表达的理解，人工智能都是很难辨别和处理的。举例来说，比如我们常常在网络聊天中用到的“呵呵”，这个词其实含有丰富的情感色彩，在不同情境下表达的意思有很大差异，对此笔者曾经通过几个比较知名的智能客服应用进行测试，如图1所示。除了京东智能客服的表现可圈可点，其余的则以简单的“哈哈”或者笑脸应对，情感识别能力差强人意，这就可以理解为什么人们喜欢用“冷冰冰”这个词来形容机器，因此共情能力也是作为服务行业应该精修的一门课，一个真正优秀的服务者必须有很好的共情能力，因为我们在处理客诉问题时首先要解决的就是用户情绪，当负面情绪值达到高峰时你会发现你给出的解决方案已经无法达成共识，即使你觉得这种方案已经最合理化了，因为感性完全战胜理智时用户根本是不会听取你任何建议的，这时候能听进去的就是感性的语言，就是我们说的情感交流，特别是当你没有合理的解决方案时，能打出的只有感情牌。目前阶段的智能语义识别也只能简单识别用户的问题诉求，机器人在情感体验方面的知识库不够丰富甚至没有，所以在处理用户情绪方面的能力还属空白。那么作为人工客服的我们，就应该在各种投诉处理、舆情处理中发挥我们的优势，也就是真正地解决用户的情感需求。
　　图1：机器人识别语义中情绪的能力测试
 
　　二、预测力
 
　　霍金斯认为从人工智能到神经网络，早先复制人类智能的努力无一成功，究其原因，都是由于人们并未真正了解智能的内涵和人类大脑。所谓智能，就是人脑比较过去、预测未来的能力。大脑不是计算机，不会亦步亦趋、按部就班地根据输入产生输出。大脑是一个庞大的记忆系统，它储存着在某种程度上反映世界真实结构的经验，能够记忆事件的前后顺序及其相互关系并依据记忆做出预测。形成智能、感觉、创造力以及知觉等基础的，就是大脑的记忆-预测系统。
 
　　现在的智能工具都是根据大数据的分析去进行“精准”预测，但这种“精准”只是基于一些固定的简单场景的预测，如果加上一些复杂背景恐怕就没有这么“精准”了。不知道大家是否听说过“哈勃望远镜事故”，这个项目历时15年、耗资17亿美元，所有的数据图表都在告知NASA的人员可以等待开香槟的时刻了，而一个低级微小的镜片瑕疵却毁掉了这一切。事故调查委员会很震惊地发现这个难以想象的几公分偏差的问题其实已经被承包商发现但却没有向NASA报告，因为他们厌倦了指责，与NASA管理者之间的敌对情绪导致他们在出现技术问题的时候不愿意通知NASA。如果管理层能及时发现这个房间里的大猩猩，不仅会加以谨慎，多加检查避免风险，至少不会再犯第二次错误。由于这个案例，查理佩勒林创造了很著名的4D系统，后来应用于团队管理中。而在当时，就算是再智能的机器恐怕也猜不到这个原因，更别说是预测了。
 
　　所以，工作中我们在依赖数据分析做预测的同时还应该加入一些不可忽略的因素去协同判断，因为数据有时也会说谎，不是吗？
 
　　三、创造力
　　 
　　阿里AI设计师“鲁班”在2016年的“双11”就强势出场了，“鲁班”完成了1.7亿数量级广告图的设计。1.7亿的素材需要100个设计师不吃不喝连续做300年，并且点击率较人工设计还有所提升，这无疑让很多设计师都感到了危机，但事实上一个有着设计能力的智能机器并不是那么简单就可以创造出来的。
 
　　《2017设计与人工智能报告》中范凌博士告诉我们，我们把基于规则的东西逐渐转化成基于数据和统计的东西，通过设计产生数据，将人的设计，转化为设计的数据，这个数据变为某种模型，这个模型可以进行运算，运算之后再评估，评估打分之后再进行运算的迭代——只有这种模式才能真正产生会设计的机器，因此创造力是我们的核心竞争力。
 
　　一切智能的创造力首先源于我们的人工创造力，如果没有各种经验素材作为知识库，没有经验流程构建逻辑，那就不可能出现能运用的智能模型，更谈不上运算的迭代了，但这也给未来需要创造力的岗位发出了新的预警，要与时俱进，不然可能就会被自己参与抚养的智能机器人超越。
   
  　其实远远不只这三种能力，目前人工还有更多的能力是无法被智能取代的，比如不同背景文化下的幽默力、整合力、想象力等等，但同时我们必须正视人工智能会给我们带来的危机感。智能离不开人工，人工也需要智能，虽然机械性的、可重复的脑力或体力劳动将被人工智能或机器人取代，但一定会有更多样化、更具创意性的人才需求出现，未来一定是人工和智能的协同时代。