編者按：人工智能技術(shù)引發(fā)的失業(yè)危機(jī)是業(yè)界老生常談的話題了。大家更多討論的都是機(jī)器會(huì)取代一些低技能要求的崗位?？扇缃?，高技能白領(lǐng)的工作也可以由機(jī)器來(lái)完成。但這就意味著白領(lǐng)工作岌岌可危了嗎?其實(shí)也不盡然。機(jī)器在消除一些崗位的同時(shí)，也創(chuàng)造出了一些新的崗位。

印度電商網(wǎng)站Myntra上最暢銷的的一款T恤結(jié)合了橄欖綠、藍(lán)色和黃色三種色塊。然而，這件T恤的設(shè)計(jì)師不是人類，而是一個(gè)計(jì)算機(jī)算法——或者說(shuō)應(yīng)該是兩個(gè)算法才對(duì)。

第一個(gè)算法會(huì)隨機(jī)生成圖片，它會(huì)嘗試將這些圖片看作是衣服。第二個(gè)算法就必須將這些圖片與Myntra庫(kù)存里的衣服進(jìn)行區(qū)分。在很長(zhǎng)一段時(shí)間內(nèi)，算法的表現(xiàn)都還不錯(cuò)。第一個(gè)算法能夠更好地生成類似衣服的圖片，而第二個(gè)算法則可以更好地確認(rèn)它們是否與現(xiàn)有的產(chǎn)品相似——但并非一模一樣。

這樣的“你來(lái)我往”很好地詮釋了人工智能的工作。公司的首席執(zhí)行官Ananth Narayanan表示，設(shè)計(jì)出來(lái)的衣服“銷售增長(zhǎng)速率達(dá)到了100%”。“這確實(shí)是有效果的。”他說(shuō)道。

服裝設(shè)計(jì)不過(guò)只是算法變革時(shí)尚和零售行業(yè)的一處領(lǐng)先優(yōu)勢(shì)罷了。公司如今已經(jīng)很頻繁地在使用人工智能技術(shù)來(lái)決定在庫(kù)存中添加哪些衣服并且推薦給消費(fèi)者。

時(shí)尚行業(yè)在美國(guó)很早就削減了藍(lán)領(lǐng)工人的崗位，如今它也成為了人工智能影響白領(lǐng)工作的一個(gè)典例。對(duì)于需要發(fā)現(xiàn)模式的工作來(lái)說(shuō)，人工智能能夠起到很大幫助，比如說(shuō)挑選庫(kù)存或是確診癌癥。

“在未來(lái)這些年，機(jī)器能夠?qū)崿F(xiàn)自動(dòng)化或增強(qiáng)的任務(wù)組合范圍會(huì)越來(lái)越大。”麻省理工學(xué)院的經(jīng)濟(jì)學(xué)家Erik Brynjolfsson以及卡耐基梅隆大學(xué)的計(jì)算機(jī)科學(xué)家Tom Mitchell去年在一篇期刊中如是寫道。他們認(rèn)為，大多數(shù)受影響的工作會(huì)實(shí)現(xiàn)部分自動(dòng)化，而不是整體被取代。

時(shí)尚行業(yè)詮釋了機(jī)器是如何侵入那些以人類創(chuàng)造力而聞名的工作，而不是那些需要憑借實(shí)踐經(jīng)驗(yàn)進(jìn)行判斷的崗位。會(huì)因此受到直接影響的人便是采購(gòu)員和商品規(guī)劃師。他們主要負(fù)責(zé)決定哪種裙子、上裝或是褲子能夠讓商店庫(kù)存銷售一空。

采購(gòu)員的核心工作就是要利用“千錘百煉”的理解力感知時(shí)尚趨勢(shì)，然后預(yù)測(cè)消費(fèi)者的需求。“如果你上個(gè)月賣出了500雙松糕鞋，那么下個(gè)月說(shuō)不定你可以賣出1000雙。”在線零售商Kristina Shiroka說(shuō)道，她曾為Outnet擔(dān)任采購(gòu)員多年。“但是人們到時(shí)候也許對(duì)此就不再感興趣了，所以你需要減少采購(gòu)量。”

商品規(guī)劃師會(huì)利用采購(gòu)員的信息來(lái)決定服飾組合——比如說(shuō)多少雙涼鞋、高跟鞋以及平底鞋——能夠幫助公司達(dá)到銷售目標(biāo)。

行業(yè)內(nèi)采用高性能算法的公司雖然不多，但是數(shù)量在日益增加。在這些公司里，通常是由機(jī)器——而不是采購(gòu)員的直覺(jué)——來(lái)預(yù)測(cè)消費(fèi)者的需求。

就拿在線時(shí)尚電商Stitch Fix來(lái)說(shuō)吧。它會(huì)為顧客寄送一盒衣服，顧客可以選擇保留或是返還衣物。Stitch Fix會(huì)留有顧客詳細(xì)的資料信息，之后會(huì)針對(duì)顧客的偏好來(lái)寄送衣物。

Stitch Fix非常依賴算法來(lái)決定采購(gòu)內(nèi)容——事實(shí)上，沒(méi)有算法的話，它的業(yè)務(wù)也許就沒(méi)法展開(kāi)。這些算法會(huì)預(yù)測(cè)未來(lái)幾個(gè)月時(shí)間里，在一個(gè)給定的情況或“狀態(tài)”下會(huì)有多少客戶(比如說(shuō)在換新工作之后需要買新衣服的)以及在各種情形下人們傾向于買多少衣服。算法還知道不同資料背景的消費(fèi)者傾向于喜歡哪種類型的衣服——比如說(shuō)一個(gè)生活在德克薩斯州、有孩子但身材嬌小的護(hù)士。

印度在線零售商Myntra會(huì)用算法來(lái)為采購(gòu)員提供信息。算法會(huì)根據(jù)具有類似屬性——袖子、顏色或織物——衣服過(guò)往的銷售情況來(lái)計(jì)算一件衣服的暢銷可能性(采購(gòu)員也可以選擇無(wú)視預(yù)測(cè))。

這一切都讓采購(gòu)員和商品規(guī)劃師的未來(lái)蒙上了陰翳。原先這些高地位的工作者年收入能超過(guò)10萬(wàn)美元。

而在相對(duì)更為傳統(tǒng)的零售商里，每一種衣服類型(名牌、現(xiàn)代或是休閑)或是服裝類別(裙子或上衣)都會(huì)分派一隊(duì)采購(gòu)員以及支持員工。一些零售商還會(huì)針對(duì)針織以及梭織上衣安排不同的團(tuán)隊(duì)。同樣，針對(duì)不同服裝類別安排商品規(guī)劃師，這也需要雇傭不少人。

采購(gòu)員表示這種專門化能夠幫助他們通過(guò)直覺(jué)感知時(shí)尚和顏色趨勢(shì)。“如果你非常沉浸其中，那么你大概就有感覺(jué)了。”一直在Charlotte Russe以及ModCloth等零售商工作的采購(gòu)員Helena Levin說(shuō)道。

Lebin還提到了在2010年左右的暢銷薄荷綠連衣裙。“突然有一天，它就是不火了。”她說(shuō)道，“人們對(duì)它的喜歡到此為止。‘所有薄荷綠的東西，都走開(kāi)。’之后，它就過(guò)時(shí)了。你能夠感覺(jué)到這一點(diǎn)。”

但是擅長(zhǎng)利用算法和大數(shù)據(jù)的零售商更希望能少雇傭一些采購(gòu)員，然后為不同服裝類別單獨(dú)分配一位即可。這也許是因?yàn)樗麄儾惶嘈胖庇X(jué)。

在線女裝租賃以及零售服務(wù)Le Tote每年?duì)I業(yè)額在數(shù)億美元，所有品牌的服裝——連衣裙、上裝、褲子以及夾克——都只由一個(gè)六人組成的團(tuán)隊(duì)負(fù)責(zé)采購(gòu)。

創(chuàng)始人Brett Northart表示公司的算法會(huì)基于有多少用戶將商品放在了在線購(gòu)物清單里以及其他類似網(wǎng)絡(luò)評(píng)價(jià)、近期購(gòu)買量等因素，確認(rèn)要購(gòu)買哪些衣服。

類似于Stitch Fix的時(shí)尚男裝服務(wù)Bombfell僅僅依靠一個(gè)名叫Nathan Cates的員工來(lái)采購(gòu)所有上裝和配飾。

公司開(kāi)發(fā)的算法工具以及大數(shù)據(jù)庫(kù)可以幫助Cates。他也表示相比傳統(tǒng)零售商那里的采購(gòu)員，他可以更加準(zhǔn)確地預(yù)測(cè)服裝趨勢(shì)。

“我們很清楚自己的客戶是誰(shuí)。”他說(shuō)道，“我們很清楚他們生活的區(qū)域、工作以及衣服尺碼。”

至今為止，他的工作中只有一部分是需要人為完成的。Cates很喜歡在購(gòu)買衣服之前觸摸織物，并且總是在一開(kāi)始就自己試穿一下。

“如果這是淺色的衣服，那么消費(fèi)者會(huì)露點(diǎn)嗎?”他解釋道。(他在位于紐約的公司總部試穿了一件薄荷綠T恤，然后表示衣服有一些透。)

自動(dòng)化還存在一些限制因素。與供應(yīng)商的談判通常還是需要人為參與。即便算法可以幫助采購(gòu)員更快、更準(zhǔn)確地作出決定，它們也無(wú)法應(yīng)付與供應(yīng)商的關(guān)系。

H&M會(huì)利用人工智能來(lái)指導(dǎo)供應(yīng)鏈決策。為H&M管理高級(jí)分析工具以及人工智能的Arti Zeigham表示公司會(huì)“優(yōu)化并且授權(quán)”給人類采購(gòu)員和規(guī)劃師，而不會(huì)想用人工智能取代他們。但是他也坦白承認(rèn)，你很難預(yù)測(cè)5到10年內(nèi)機(jī)器對(duì)于雇傭員工的影響。

專家表示部分工作最終會(huì)實(shí)現(xiàn)自動(dòng)化。美國(guó)勞工統(tǒng)計(jì)局預(yù)測(cè)批發(fā)和零售采購(gòu)員的雇傭情況會(huì)在十年內(nèi)縮減2%，但在此期間所有職業(yè)會(huì)增長(zhǎng)7%。這一現(xiàn)象的到來(lái)也許是因?yàn)橐恍┎惶珡?fù)雜的任務(wù)將由機(jī)器完成，比如說(shuō)給庫(kù)存分類等。

不過(guò)在時(shí)尚行業(yè)，至少有一處地方機(jī)器是在創(chuàng)造崗位，而非消除崗位的。在服裝盒子訂閱領(lǐng)域，像Bombfell、Stitch Fix等公司開(kāi)始雇傭越來(lái)越多的人類造型師。他們會(huì)獲得算法關(guān)于服裝方面的建議，但最終是由他們來(lái)決定給消費(fèi)者寄送哪些衣服。

“如果在我詢問(wèn)她們有什么感受時(shí)，她們表現(xiàn)得不是非常興奮，那我就會(huì)記錄一下。”Stitch Fix的競(jìng)爭(zhēng)對(duì)手Trunk Club的銷售經(jīng)理以及造型師Jade Carmosino說(shuō)道。

鑒于此，造型師的存在似乎反映了行業(yè)內(nèi)一個(gè)更大的趨勢(shì)：縱然人工智能正將白領(lǐng)工作自動(dòng)化，但是機(jī)器與消費(fèi)者之間卻需要雇傭更多的人介入其中。

舉個(gè)例子，EquBot創(chuàng)建了一筆交易所交易基金并交由人工智能管理。公司的首席執(zhí)行官Chida Khatua預(yù)測(cè)即便投資在很大程度上實(shí)現(xiàn)了自動(dòng)化，資產(chǎn)管理行業(yè)也會(huì)雇傭更多的金融顧問(wèn)。

作為造型師或金融顧問(wèn)的缺點(diǎn)在于，他們的工資也許沒(méi)有失業(yè)的采購(gòu)員或揀股票者高。麻省理工學(xué)院研究自動(dòng)化的經(jīng)濟(jì)學(xué)家Daron Acemoglu表示好消息是，也許在近幾十年，這些崗位的工資依然會(huì)遠(yuǎn)遠(yuǎn)超過(guò)許多低級(jí)或中級(jí)技能工作崗位。

這些工作在未來(lái)也是很難被機(jī)器所取代的。

“如果我是消費(fèi)者，我要闡述自己的需求，那么這就需要人為參與。”Khatua說(shuō)道，“因?yàn)橛袝r(shí)候我自己都不知道自己到底想要什么。”