【小哈划重点：人工智能并不是要取代人类，而只是将人类解放出来，让他们从事与以往不同的工作。人类仍在创造价值，但他们不再是业务扩展的限制因素。】
人工智能是可以执行“智能”任务的任何形式的技术的总称。几十年来，人工智能主要用于分析，也即通过搜寻大量数据来寻找模式。但生成式人工智能利用这种模式匹配来创建文字、图像和声音，为人类的工作开辟了新的可能性。
生成式人工智能技术无法像人类一样“思考”；它可以找到模式并模仿言语，但无法解释含义。人工智能可以“学习”，无需程序员告诉它每一步，这个过程称为机器学习。它使用神经网络（模仿人脑的数学系统）来寻找巨大数据集当中的联系。它制作的诗歌或图像可能看起来很有创意，但实际上是根据下一个最有可能出现的单词进行模式匹配。
与此前的人工智能技术相比，像ChatGPT这样的生成式人工智能，可能会给制造业带来怎样的影响？
从蓝领、白领到紫领
我们先来回顾一下人工智能已经给制造业带来的变化。
制造业可以说是第一个充分利用人工智能的行业。借助人工智能，制造商现在可以实时监控工厂内部的进度并访问关键任务数据，以改善运营、提高资产利用率和优化质量。人工智能可以优化重要任务，例如生产计划和调度，以及检查机器运行状况、预测故障并主动修复可能发生的问题。
通过使用人工智能系统，制造业可以开始管理日益复杂的供需问题并优化工厂利用率。这意味着对于大型制造商来说，人工智能将能够感知并适应环境，并在基于大数据分析而形成的工业互联网中进行通信，从而提高整个工厂的性能和生产力。而对于中小型制造商来说，人工智能可以让机器执行更广泛的工作来适应生产需求，从而降低成本。
这当然并不意味着工厂中人类的终结。在智能机器的崛起面前，人类的技能必须不断发展，以满足机器无法满足的需求。技术的进步正在加速改变对技能的需求。新技术不仅可以处理越来越多的重复性工作和体力劳动，还可以从事越来越复杂的知识型工作。现在，技能的平均半衰期不到五年，在某些技术领域甚至只有两年半。
在这种情况下，无论传统的白领和蓝领工人，都可能成为旨在降低成本的经济力量的牺牲品。先进制造业需要的是紫领人才，即符合智能制造要求的、既熟悉实际制造流程又了解相应技术理论、兼具动手操作能力和管理创新能力的复合型人才。
“紫领”工人是传统蓝领和白领工人的混合体。他们将企业家的商业智慧与实用的技术能力融为一体。他们拥有实用的实践技能和能力，同时兼顾技术和管理知识。他们的广度大于深度，并依赖于与其他同伴的网络联系。他们是既能熟练操作焊接机，又能熟练运行Excel电子表格的人。他们也是能够利用新兴桌面制造技术并建立个人品牌的人，以独特的产品和服务迎合超利基市场，从而创造出非常有利可图的职业。
事实是，在一个以接近光速发展的全球互联经济中，工人需要不同类型的技能，将人类的创造力和辛勤工作同技术和计算分析技能结合起来，发挥综合优势。
制造商如何应用生成式人工智能
以ChatGPT为代表新一代生成式人工智能，可以进一步强化此前的人工智能原有的创建优化计划、开展预测性维护、降低风险、改善通信以及提升质量控制的能力。
例如，我们可以使用ChatGPT等生成式人工智能模型分析质量控制的书面报告和数据，检测可用信息中的异常情况，识别产品缺陷的模式和趋势。它们还可用于预测性维护，通过分析传感器和其他来源的数据来预测设备何时会出现故障，并在故障发生前安排维护。如果发现问题，生成式人工智能可以推荐潜在的解决方案和服务计划，以帮助维护团队纠正问题。对于制造工厂中的流程和设备状态，它也可以通过使用机器学习算法不断改进性能，这些算法可以从以往的经验中吸取教训，生成更有效的代码。
使用这类工具的制造商将能够做出更好的决策，降低成本，提高质量，从而获得更高的客户满意度。
然而，聊天机器人也给制造业企业带来了前所未有的崭新能力。比如，它可以用于改变与客户的关系。它可以快速回复客户提出的常见问题，加快诊断速度，并提出个性化建议。它可以优化回复时间，为用户提供有用的信息，帮助制造商通过提供更好的服务、个性化服务和响应速度，与客户建立更牢固的关系。
这回应了制造业售后服务的门槛越来越高的现实。据Salesforce称，80%的企业买家希望公司能够实时响应并与他们互动，82%的企业买家表示个性化关怀会影响他们的忠诚度。为了实现这些期望，制造商越来越多地转向生成式人工智能，它带来了有用的增值客户服务体验。
生成式人工智能也可以提供自然语言界面，让使用者以更直观的方式与系统进行交互，从而使制造执行系统或维护系统更方便使用。制造工程师可以使用自然语言和常见查询与该技术进行交互，对现有员工来说更容易使用，并对新员工有吸引力。更进一步地，它可以推荐提高生产线效率或减少浪费的方法。它甚至可以设计新的部件或产品，使制造业务更上一层楼。
在制造业中，产品和服务手册可能非常复杂，这使得技术服务人员很难找到修复损坏零件所需的关键信息。订购和报价也可能非常复杂，销售团队在创建客户报价之前通常必须破译大量信息。生成式人工智能可以快速筛选整个产品生命周期中的几代文档，提取并总结销售团队和技术人员所需的信息。
使用生成式人工智能，制造商可以获得一种有效的方法来将需求与他们购买的产品规格相匹配，并向客户提供相同的服务。支持该技术的销售应用程序可以根据历史销售数据、库存数据、主数据等提供销售建议，并可以将结果与销售的更具描述性的统计数据相结合，从而清晰地了解购买过程。
最后，生成式人工智能可以充当供应链顾问，在复杂的网络中提供更大的可视性，并根据相关标准（例如物料清单规格、原材料可用性和交付计划或可持续性指标）为最合适的供应商提供建议。它擅长使用自然语言处理从法律和合同文件中提取条款，可以提供对供应链绩效的实时洞察，以帮助改进决策。
工作世界的划时代转变
归根结底，在所有情况下，制造商向数字运营模式的过渡都意味着人类从价值交付的关键路径中被移除。相反，人类被转移到“边缘”，以监督和控制价值交付流程。值得注意的是，人工智能并不是要取代人类，而只是将人类解放出来，让他们从事与以往不同的工作。人类仍在创造价值，但他们不再是业务扩展的限制因素。
工作世界由此面临着划时代的转变。根据麦肯锡全球研究所的报告《失去的工作，得到的工作：自动化时代的劳动力过渡》，到2030年，全球约有3.75亿名工人，大约占全球劳动力的14%，可能需要转换职业类别，因为数字化、自动化和人工智能的进步正在颠覆工作领域。
这个挑战有多大？就规模而言，它类似于应对20世纪初在北美和欧洲以及最近在中国发生的从农业工作到制造业的大规模转变。但就谁必须找到新工作而言，我们正在进入一个未知领域。早期的劳动力转型经历了几十年的时间，让老工人退休，让新加入的劳动力过渡到不断发展的行业。但今天的变革速度可能更快。每个经济体，尤其是发达经济体，面临的任务可能是重新培训和重新部署数以千万计的职业生涯中期的中年工人。很少有社会成功重新培训如此大量人员的先例。
为此，需要全社会共同努力，发展相应的教育和培训系统。对于企业来说，这意味着，公司将技能培训视为员工价值主张的核心部分，制定相关政策、工具和IT平台，以促进技能培训资源和可用工作岗位的开发；系统地定义与企业战略相关的关键技能，将其与各种加速器计划、技能之旅和技能转移目标相对应；推动在工作中学习，通过见习任务、内部学徒期和试用期进行尽可能多的内部培训，并实施内部人才市场等。对政府而言，可以通过资金、政策和公共项目来激励培训投资。当地大学和培训机构则可以和企业建立合作关系，为没有技术背景的工人提供实用的技术培训，从而使公司能够对新技术做出快速反应，并满足快速变化的技能需求。
本文刊登于《北大金融评论》第18期。
