如今在崗學(xué)習(xí)面臨挑戰(zhàn)。復(fù)雜分析技術(shù)、人工智能和機(jī)器人突然闖入了職場(chǎng)的方方面面，從根本上顛覆了這一由來已久的有效學(xué)習(xí)方式。隨著技術(shù)讓工作越來越自動(dòng)化，每年都有數(shù)以萬計(jì)的人離職或就業(yè)，數(shù)以億計(jì)的人必須學(xué)習(xí)新技能和新工作方式。但更廣泛的證據(jù)表明，公司部署智能機(jī)器會(huì)阻礙這一關(guān)鍵的學(xué)習(xí)渠道：我和我的同事發(fā)現(xiàn)，人工智能會(huì)讓新手失去學(xué)習(xí)機(jī)會(huì)，讓老手減少實(shí)踐機(jī)會(huì)，迫使兩者必須同時(shí)掌握新方法和舊方法，令他們不堪重負(fù)。

那么，員工能否學(xué)會(huì)和這些機(jī)器共事呢？此前的一些觀察來自參與挑戰(zhàn)常規(guī)實(shí)踐的學(xué)習(xí)者，這些實(shí)踐并非重點(diǎn)，而且人們對(duì)其結(jié)果的容忍度高。我將這一廣泛存在且非正式的流程稱為“暗中學(xué)習(xí)”。

學(xué)習(xí)的障礙

我發(fā)現(xiàn)了獲取所需技能的四大普遍障礙，這些障礙觸發(fā)了暗中學(xué)習(xí)。

1.新手正在失去“學(xué)習(xí)優(yōu)勢(shì)”

在任何工作中，培訓(xùn)員工都會(huì)產(chǎn)生成本并降低質(zhì)量，因?yàn)樾率中袆?dòng)緩慢且易犯錯(cuò)。組織迎來智能機(jī)器，通常會(huì)讓受培訓(xùn)者減少參與風(fēng)險(xiǎn)和復(fù)雜度高的部分，以此作為管理之策。因此，受培訓(xùn)者將無法獲得擴(kuò)充能力范圍邊界，并在有限幫助下從錯(cuò)誤中成長的機(jī)會(huì)——而這些恰恰是學(xué)習(xí)新技能的必要條件。

投資銀行里也有同樣現(xiàn)象。紐約大學(xué)的卡倫·安東尼（CallenAnthony）在某投行中發(fā)現(xiàn)，合伙人用算法來協(xié)助公司并購并解讀估值，使得初級(jí)分析師與高級(jí)合伙人越離越遠(yuǎn)。初級(jí)分析師的任務(wù)僅是從系統(tǒng)中提取原始報(bào)告（在網(wǎng)絡(luò)上對(duì)感興趣公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行收集），然后將其傳遞給高級(jí)合伙人進(jìn)行分析。

這種分工的隱含邏輯是什么？首先，降低初級(jí)員工在面向客戶的復(fù)雜工作中犯錯(cuò)的風(fēng)險(xiǎn)；第二，最大化高級(jí)合伙人的效率：向初級(jí)員工解釋工作的時(shí)間越少，他們就越能專注于更高級(jí)別的分析。這樣做短期內(nèi)效率有所提高，但卻剝奪了初級(jí)分析師挑戰(zhàn)復(fù)雜工作的機(jī)會(huì)，使他們更難以了解整個(gè)估值過程，并削弱了公司未來的能力。

2.專家與工作疏遠(yuǎn)了

有時(shí)，智能機(jī)器會(huì)夾在受培訓(xùn)者和工作之間，有時(shí)則妨礙專家進(jìn)行重要實(shí)踐工作。機(jī)器人操作的手術(shù)中，外科醫(yī)生在手術(shù)過程的大多數(shù)時(shí)間都看不到患者的身體或機(jī)器人，因此無法直接評(píng)估和管理關(guān)鍵環(huán)節(jié)。例如，在傳統(tǒng)手術(shù)中，外科醫(yī)生會(huì)敏銳地意識(shí)到裝置和器械如何碰觸患者的身體并進(jìn)行相應(yīng)調(diào)整。但是在機(jī)器人手術(shù)中，如果機(jī)器臂撞到病人的頭部，或者清潔臂即將替換器械，外科醫(yī)生必須依靠他人提醒才能知道。這對(duì)學(xué)習(xí)有兩重影響：外科醫(yī)生無法磨練全面了解自己工作所需的技能，以及必須通過他人才能獲得此類新技能。

3.學(xué)習(xí)者必須掌握新舊兩種方法

機(jī)器人手術(shù)用一套全新的技巧和技術(shù)來實(shí)現(xiàn)傳統(tǒng)手術(shù)試圖達(dá)到的效果。它保證更高的精確度和更優(yōu)人體工程學(xué)，直接被納入了課程中，住院醫(yī)生被要求學(xué)習(xí)機(jī)器人知識(shí)和傳統(tǒng)方法。但課程沒有足夠的時(shí)間讓他們兩者兼通，這往往會(huì)導(dǎo)致最壞的結(jié)果：哪種都沒有掌握。我將這一難題稱為方法超載（methodological overload）。

4.標(biāo)準(zhǔn)學(xué)習(xí)方法被默認(rèn)為有效

幾十年的研究和傳統(tǒng)讓實(shí)習(xí)醫(yī)生遵循“看一、做一、教一”的方法。但如我們所見，它不適應(yīng)機(jī)器人手術(shù)。盡管如此，依賴?yán)吓蓪W(xué)習(xí)方法的壓力非常大，“離經(jīng)叛道”者寥寥：外科培訓(xùn)研究、標(biāo)準(zhǔn)程序、政策和高級(jí)外科醫(yī)生都繼續(xù)強(qiáng)調(diào)傳統(tǒng)的學(xué)習(xí)方法，哪怕該方法顯然已不適用于機(jī)器人手術(shù)。

暗中學(xué)習(xí)

面臨上述阻礙，暗中學(xué)習(xí)者悄悄繞過或打破規(guī)則來獲得所需的指導(dǎo)和經(jīng)驗(yàn)，自然不足為奇。約100年前，社會(huì)學(xué)家羅伯特·莫頓（Robert Merton）就發(fā)現(xiàn)，當(dāng)合法手段對(duì)達(dá)成有價(jià)值的目標(biāo)不再奏效時(shí)，就會(huì)出現(xiàn)非常手段。對(duì)于專業(yè)知識(shí)（或許是職業(yè)的終極目標(biāo)）也不例外。

鑒于我描述的障礙，我們應(yīng)理解人們會(huì)采取其他方式學(xué)習(xí)關(guān)鍵技能。這些方式一般靈活有效，卻往往會(huì)讓個(gè)人和組織付出代價(jià)：暗中學(xué)習(xí)者可能會(huì)受到懲罰，例如失去實(shí)踐機(jī)會(huì)或地位或造成浪費(fèi)甚至構(gòu)成傷害。但人們依然一再鋌而走險(xiǎn)，因?yàn)楫?dāng)合規(guī)的方式失敗時(shí)，他們的學(xué)習(xí)方法奏效。不加鑒別地效仿這些非常手段自然不對(duì)，但它們確實(shí)有組織值得學(xué)習(xí)之處。

1.持續(xù)學(xué)習(xí)

隨著智能技術(shù)變得更強(qiáng)大，暗中學(xué)習(xí)也在迅速發(fā)展。新形式將隨著時(shí)間的推移而出現(xiàn)，提供新的經(jīng)驗(yàn)。保持謹(jǐn)慎至關(guān)重要。暗中學(xué)習(xí)者經(jīng)常意識(shí)到他們的做法不符合常規(guī)，并且他們可能因?yàn)樽约旱淖龇ǘ艿綉土P。（試想如果一位外科住院醫(yī)生讓別人知道他/她想找最不熟練的主治醫(yī)師合作。）因?yàn)槟墚a(chǎn)生效果，只要暗中學(xué)習(xí)者不公開承認(rèn)，中層管理者經(jīng)常對(duì)這些做法視而不見。當(dāng)觀察者，特別是高級(jí)管理者宣布想研究員工如何靠違反規(guī)則來獲得技能時(shí)，學(xué)習(xí)者及其管理者可能不愿意分享經(jīng)驗(yàn)。比較好的解決方案是，引入中立的第三方，可以確保嚴(yán)格的匿名性，同時(shí)比較不同案例的做法。我的線人開始了解并信任我，他們意識(shí)到我在許多工作組和設(shè)施中觀察工作，因此他們確信自己的身份會(huì)受到保護(hù)。這對(duì)于讓他們說出真相至關(guān)重要。

2.調(diào)整你發(fā)現(xiàn)的暗中學(xué)習(xí)實(shí)踐來適應(yīng)構(gòu)建組織、工作和技術(shù)

組織對(duì)智能機(jī)器的處置往往停留在讓個(gè)別專家控制工作，減少對(duì)受訓(xùn)者依賴的層面。機(jī)器人手術(shù)系統(tǒng)允許高級(jí)外科醫(yī)生在較少的幫助下操作，他們照做了。投資銀行系統(tǒng)允許高級(jí)合伙人將初級(jí)分析師從復(fù)雜的估值工作中排除，他們也照做了。所有利益相關(guān)者都應(yīng)堅(jiān)持讓組織，技術(shù)和工作設(shè)計(jì)提高生產(chǎn)力和加強(qiáng)OJL。例如，在洛杉磯警察局中，這將意味著改變對(duì)巡警的激勵(lì)措施，重新設(shè)計(jì)PredPol用戶界面，創(chuàng)建新角色來連接警察和軟件工程師，以及由警察發(fā)起建立帶注釋的最佳實(shí)踐案例庫。

3.使智能機(jī)器成為解決方案的一部分

人工智能可以在學(xué)習(xí)者遇到難題時(shí)提供幫助，為作為導(dǎo)師的專家提供培訓(xùn)，并巧妙地連接這兩個(gè)群體。例如，金柱赫（Juho Kim）在麻省理工學(xué)院讀博時(shí)建立了ToolScape和Lecture-Scape，可以眾包方式為教學(xué)視頻加注釋，并為之前暫停尋找注釋的用戶提供澄清解釋和機(jī)會(huì)。他將之稱為學(xué)習(xí)者采購。在硬件方面，增強(qiáng)現(xiàn)實(shí)系統(tǒng)開始將專家指導(dǎo)和注釋帶入工作流中。

現(xiàn)有應(yīng)用程序使用平板電腦或智能眼鏡，將指導(dǎo)實(shí)時(shí)添加到工作上。預(yù)計(jì)很快就會(huì)有更復(fù)雜的智能系統(tǒng)。例如，這樣的系統(tǒng)可以在學(xué)徒焊工的視野中疊加工廠中模范焊工的錄像，顯示工作如何完成，記錄學(xué)徒的嘗試與之對(duì)比，并根據(jù)需要將學(xué)徒與模范焊工聯(lián)系起來。這些領(lǐng)域不斷增長的工程師社區(qū)大多專注于正式培訓(xùn)，更深層次的危機(jī)是OJL。我們需要重新分配在OJL上的精力。

幾千年來，技術(shù)的進(jìn)步推動(dòng)了工作流程的重新設(shè)計(jì)，學(xué)徒們從導(dǎo)師那里獲得了必要的新技能。但正如我們所見，現(xiàn)在智能機(jī)器正以生產(chǎn)率為名，迫使我們讓學(xué)徒與導(dǎo)師脫離，讓導(dǎo)師與工作脫離。組織通常在不經(jīng)意間選擇生產(chǎn)率而非員工參與，因此在工作中學(xué)習(xí)變得越來越困難。然而，暗中學(xué)習(xí)者正在尋找有風(fēng)險(xiǎn)、打破常規(guī)的學(xué)習(xí)方法。想在智能機(jī)器世界中競(jìng)爭(zhēng)的組織應(yīng)該密切關(guān)注這些“不按常理出牌的人”。他們的行動(dòng)可以讓你深入了解，當(dāng)未來專家、學(xué)徒和智能機(jī)器共同工作和學(xué)習(xí)時(shí)，如何以最佳方式完成工作。