科技的進化，也自然會影響人們的工作模式，其中以管理者與領導者在工作職責上的改變幅度會特別大。

可預期的是，許多我們原本從事的工作，都將會被機器所取代。首先，我們先從總論來概觀人類未來還可能繼續從事的工作類別。

雖然關於這點仍眾說紛紜，在已具備一定程度系統化的著作 ──《下一個工作在這裡！：智慧科技時代，人機互助的 5 大決勝力》當中，就曾提到相關的概念。

湯瑪斯．達文波特（Thomas H. Davenport）等作者在書中指出，在 AI 進化的時代，仍然存在只有人類才能負責的五種工作，不用擔心被機器等未來科技所取代。具體而言如下：

1. 督導（Step Up）

比自動系統層級更高，建構、監督人類與機器之間合作系統的工作。

2. 成就（Step Aside）

機器所做不到的工作。需要足夠細心、富含創造力，能夠鼓舞他人的工作。

3. 介入（Step In）

將商務與技術結合的工作。

4. 專精（Step Narrowly）

無法自動化，具有專業性質的工作。其他人不熟悉，或是缺乏相關參考資料的工作。例如飼育北海道赤狐。

5. 創造（Step Forward）

建構新系統的工作、自發性追求新科技的工作。

在上述這五種工作當中，5 是需要相關技術素養的專業職，4 則包括各領域的專業工作，不過這兩者大多跟商務人士沒有太大的關聯性。一定程度有關的是 1 跟 3，這兩種工作內容都需要具備一定的科技知識，也必須對商務有所了解，可說是難度較高，人類得以發揮工作價值的部分。

與最多商務人士有關的大概就是 2 了。包括提出解決問題的新方法、解讀他人臉色、看出脈絡，以溝通或進一步影響他人，這方面的工作，目前還是機器所無從取代的。

在上述前提下，我們來了解管理者和領導者的工作內容可能會有什麼樣的變化。

解決問題的方法可能有所改變

管理者的工作，就是不斷解決工作上所遇到的問題。不只是處理出現大量瑕疵品與危機管理等顯而易見的業務類問題，也包括像「目標是超越去年，達到 120% 的營業額，但現在最多也只能到 110%，該如何填補這段差距？」這類介於「期望與現實」之間的落差。

簡單來說，管理者的工作內容就是設定課題並積極達成，以及解決過程中所遭遇到的問題。

在管理顧問業中，解決問題有個定型化的流程：
1. 「設定課題（Issue、What）」
2. 「找出哪裡出現問題、哪裡有改善的空間（Where）」
3. 「探討為何發生問題（Why）」
4. 「訂定對策（How）」

下面列舉實際的例子：
1. Issue、What：降低庫存到○○的標準
2. Where：△△產品的庫存過多，使整體庫存量增加
3. Why：△△產品設計不良，生產工時相當長
4. How：徹底檢討△△產品的設計

不過，這個流程隨著科技的進化，也可能產生大幅的改變。以某家美容沙龍的行銷策略為例，該企業在各大媒體大打廣告之後，就積極邀請目標客群參加說明會及座談會，還贈送了試用體驗課程，最後再請業務負責人寄出電子郵件，或以電話持續追蹤，這一切都是為了取得業績。

如果是人類的話，由於重視因果關係，很可能會以常識來判斷「這種類型的顧客，在某個時機點遞給他宣傳手冊，應該會很有宣傳效果。」

但 AI 可能透過數據分析給的提議是「這類型的顧客，在這個時候遞給他手冊就好」。即使人類無法理解其中的原因，卻仍有相當大的可能收得成效。

另外，立定假設之後，只要用機器運算，其實驗證過程花不了多少時間。舉例來說，如果要以 A／B 測試來分析比較網路廣告製作物的優劣，只要透過 AI 就能在短時間內完成測試，大幅縮短從中挑選出「相對較佳」的作品的時間。

由於能夠迅速推行「看似有效的手段」，對於改善作業效率、提升整體效果也有相當大的助益。

人類的附加價值，就在於「任務設定」

雖說如此，管理者的工作當然不可能被取代。無論科技再怎麼進步（至少到 2030 年左右），任務設定仍是只有人類才能勝任的工作。

舉例來說，現在要為某間補習班的考生制定指導方針，任務設定的方向可能是：

• 「要考上 A 大學」
• 「為了之後的職涯規畫，得先穩固基礎學力才行」

各式方針設定上的價值判斷，取決於人類的經驗與價值觀，很難使用機器來衡量與計算。

訂立的任務具體而言要到什麼樣程度，也是個大問題。以健身中心為例，教練對顧客設定的任務，如果是「強化身體健康」，那未免也太模糊。

• 「在○○之前要讓體重降到 65 公斤」
• 「在○○之前要將血糖、血壓、血脂的指標，降低到醫師協會推薦的標準值」

在思考上述各項任務的可能性時，也同時能篩選出其中最具體也最有實質效果的選項。

主題雖然是任務設定，不過更進一步來說，在初步實行且並產生結果時，判斷往後在經營面上是否應當繼續執行，或者是否具有意義，目前還是只有人類能夠勝任這樣的工作。

舉個實例來說，如果設定的任務是「透過廣告效果讓民眾的認知度達到 80%，第一個想到的品牌占 25%」；那麼在實際操作後，認知度只達到 76%，但民眾第一個想到的品牌占 26%，這樣的結果該視為成功或失敗呢？

在組織經營的環節中，常一口氣解決多元化的課題，例如面臨行銷任務與提升組織向心力的任務必須同時並行的狀況。

在這種狀況下，往往難以進行單純的比較。實際操作之後的評價，除了有一定的困難度之外，也會影響之後任務設定的方向，因此還是必須交由人類來權衡其中的利弊得失。

提供資料的方式與設定框架，要借助人類的力量

剛才提到「Where-Why-How」的過程可以透過機器來計算，即使因果關係不明，也能揀選出「相對較佳」的結果。只不過，這也是有條件的。

前提就是輸入適當的資訊。由於 IoT 技術日漸進化，感測器傳來的資訊，以及用戶的網路使用習慣等等，幾乎都能正確掌握。

只不過，要提供機器什麼樣的資訊，就涉及任務設定的主旨，而且會反映出設定者本身的程度高下，畢竟機器不可能自己判斷「我需要這樣的資訊」。

換句話說，機器還是必須透過人類所設定的框架以及資訊中尋求解答。

舉個例子來說，近年 HR Tech（人力資源管理科技）大幅進化，從過去為員工評定考績，到要分配員工什麼樣的業務，或是該給予什麼能力開發的機會等，都可以藉由科技之力獲得某程度的建議，這樣的技術未來想必也將加速發展。

但如果給予的任務是人事的配置與教育訓練，最後顯示的結果就會被限制在這兩個領域當中，機器頂多會給出「解雇那位員工比較好」的建議。

也就是說，在這種狀況下，不可能得到「應該改善組織本身的人事制度」或是「應該終止這項事業」這類超越機器框架的解答。

「創造力」是人類的特權？

談到這個話題，就會論及機器是否能夠勝任「創造類工作」的議題。以商業取向為例，無論讓機器再怎麼分析過去的電風扇，也不可能因此出現 Dyson 的「無扇葉電風扇」；不管怎麼分析以前的隨身聽，也不可能產生「iPod」這項產品。

前面提到，「Where-Why-How」的過程可以透過機器強化效率，甚至快速獲得「相對較佳」的解答，但再怎麼說都只會是「相對較佳」，不會是「最好」或「最創新」的結果。

能以不受拘束的想法嘗試各種組合，獲得「不存在於過去延長線上的解答」，現階段仍是人類專屬的神聖領域。

未來的必備技能

在前面的內容當中，我們了解到設定任務、框架的能力、創造力將愈來愈受到重視。

因此在未來，商務人士所必須具備的，會是邏輯思考力，以及不受常識及既定框架所限制、從零開始的思考方式。

此外，對於他人的洞察力，以及尋找出課題的對話力（交談能力），在解決商務問題以及人際關係經營上也極為重要。建立在這些基礎上，對他人的體貼、共感力，還有對文字脈絡的閱讀力等等，對於商務人士而言也都是不可或缺的。

（本文整理、摘錄自《IT 知識，就是你的競爭力》，商業周刊出版）