来客网

金融圈的你,会被机器人抢走工作吗?

声明:本文转载自 「华尔街见闻」, 或因排版与篇幅原因进行过编辑,内容未经本站独立核实,不代表本站立场、观点或建议。 如涉及版权问题,请联系我们,核实后立即删除。 [ 免责声明 ]

最新那期《纽约客》的封面图肯定吓到你了吧:大街上,机器人机器狗,频繁往来,一幅上班族的姿态。而画面中唯二的活物,居然是一个胡子拉渣的乞丐,正接受着机器人老爷们的施舍,而他身边的小狗狗更表情呆滞地看着自己的机器“同类”。

每周五下班时间,红绿Life都带来金融人士生活方式话题。本期测试:你会被机器人抢走工作吗?

文章配图

关于这个话题,这两天朋友圈还有篇热文列举了“剑桥大学研究者分析的 365 种职业在未来的‘被淘汰概率’”。对于金融业的各位大佬读者而言,与其关心什么电话推销员、打字员为什么会倒霉,还不如听听专业人士怎么预测“金融职场”的未来吧。

文章配图

Q = 红绿LIFE

A =白嘉琪

文章配图

白嘉琪(Kate Bravery),美世咨询全球合伙人

Q:随着人工智能科技的进步,许多金融从业者也对自己的职业生涯感到担忧。在你看来,哪些金融圈的岗位会在5-10年内被彻底失业或被迫转型呢?

A:根据我们的研究,中国仅有20%的管理层相信,自己的公司能成功地对一名需要转型的员工进行二次培训。但拥有“机器人顾问”不意味着,人类都要失业了。

事实就是的确有部分职业将会消亡,比如记账、数据处理的职能在不久的将来就会被人工智能取代。而那些要处理语境信息的工作,比如做出判断、与客户沟通等等的工作还是要我们人类来做的。

文章配图

科技的发展会促进零售和贸易行业的繁荣,因而也催生出更多的金融服务需求,但对个性化也有了更高要求。个性化可能正是让公司从市场上脱颖而出的关键,而这非人来做不可。

Q:根据今年早先一份调查报告,在工作6-10年且没有度过MBA的华尔街人中,有高达30%坦言将在短期内谋求转职或转行。你觉得金融业也会面临“人才危机”吗?

A:科技的作用就是破坏固有基础、促进各行业的转型,因此你所说的现象在很多行业都已出现。但无论来自什么行业,职场人都可以通过深造和培训,提高自我,以适应一个又一个新时代。只有抱着不断吸收新事物的心态,而非一味回避行业的变迁,这样的人才才能生存下来。

我们曾通过调查发现,大多数人都喜欢在一家不停寻求创新的公司工作。这说明只要人在职场上能顺应本性,也会更有动力在一个职位上待久一些,反之亦然。

文章配图

Q:我上面提到的同一份调查还提到:华尔街的金融从业者最看重一份工作是否具有“弹性”。恰好“零工经济”近些年开始在西方国家流行,你认为它在金融行业有未来吗?

A:我们的研究也指出,很多人追求的“弹性”,其实就是渴望工作和生活的平衡。如果传统的工作模式无法满足他们这点,很多人都会转向“零工经济”,而这一现象在中国也在显现。但金融行业在传统上就是以工作稳定,经济安全而著称,所以我不看好零工经济在这一行业的发展前景。

调查给到反馈是,仅有三分之二的金融从业者表示做外包合同工,而医药产业和高科技产业的该数据分别为90%和81%。这也证明了我的看法,“零工经济”与这个行业的核心价值观是格格不入的。

Q:IT与金融无疑是目前中国最热门且赚的最多的行业。不过金融公司对编程技术、数据处理和算法分析人才的需求也在与日俱增,并与IT行业产生了人才争夺。从HR专家的角度,你认为金融行业在这场争夺中有何优势和劣势所在?

A:我们正预言中国IT人才将面临紧缺,这与你提到的情况十分切合。时至今日,计算机技术非常热门,而在未来,大数据、算法、人工智能将会在商业行为中普及。金融服务行业也在这块加大投入,为这些人才制定了职业发展框架,并提供重要岗位。同时,金融业正通过Fintech谋求转型,这个新兴且尖端的行业也给了IT人才更多优质的职业发展选择。

文章配图

Q:我们注意到,许多世界级金融服务公司,比如高盛已开始使用社交媒体发布招聘信息。与此同时,报告也提及高盛启用了在线评估系统,寻找具有特定技能的人才。那么你觉得有朝一日,金融公司会普遍通过一名应聘者在社交媒体上的表现对其做出评估吗?

A:其实不少公司在招聘评估时,已在查看应聘者的社交媒体行为了,而我们也觉得这会成为一种背景审查的标准之一。而较为先进的评估体系也开始通过挖掘社交媒体信息,以“描绘”一个对象了,或许这种“被动输入”的印象最终会取代传统的背景评估工具。

不过因为现在也不是搜有人都在社交媒体上留下过痕迹,而且这还需要强有力的第三方介入监管,所以看起来短期内这种评估方法无法完全取代现有的方式。

Q:常言道,经验造就决策,我想科技的发展同样离不开人类经验的帮助吧。报告中有一个设想,就让我觉得很有意思:人类员工在未来可以作为导师,培训各AI员工。您能否对此具体说一说?

A:想提高机器学习算法和人工智能的复杂性,要提供大量带语境信息的数据,这就需要有经验的人类员工,不断“培训”甚至“塑造”新一代人工智能。

与此同时,人工智能往往会“算”出一些出人意料和偏差的结果,我们也需要有经验的人类,看出这种错误的科学原理,并找出“治疗”的思路。

评论 (0)