1. 具體建議

1.1. 如果當前的企業主尚未提供你正在尋找的培訓類型，請與人力資源部門就創建或者幫助你獲得相應的培訓進行討論

1.2. 如果企業主幫不上忙，請聯繫專業組織，看看他們能否幫到你

1.3. 如果專業組織也幫不上忙，請直接聯繫技術提供商，詢問有沒有可供你參加的培訓或適應計劃

1.4. 人們很容易在日常工作與生活中陷入“技術-技能-獲取方式”焦慮

• 1.4.1. 會忘記人類技能和特質的發展對於在智能自動化世界中茁壯成長至關重要

• 1.4.2. 成為更出色的機器操作人員並不足以為組織帶來價值

• 1.4.3. 成為更出色的觸控筆操作人員也不會使你成為更有價值的平面設計師

• 1.4.4. 在自動化世界中，你最好的選擇就是成為對身邊各種機器更有價值的人類合作伙伴

1.5. 如果沒有人類合作伙伴的指導、領導、調整、激勵、啓發、保護、解釋、表達、思考、調查、複核、教導、判斷和決定，智能自動化就永遠不會產生依靠它的組織所期待的結果

• 1.5.1. 人類才是讓智能自動化發揮作用的關鍵，尤其是在接下來幾十年中

• 1.5.2. 最主要的技能是領導力

• 1.5.3. 如果説領導力在這一切之前已經非常重要，那麼在充滿商品化、重複性和自動化任務的世界中，它會變得比以往任何時候都更加重要

2. 高級管理者、中層管理者和決策者

2.1. 學習填補判斷力方面的差距

2.2. 從長遠來看，隨着機器學習、智能自動化和人工智能的不斷改進，今天的數據分析工具將成為明天的指導性管理工具

2.3. 應將它們作為幫助人類做出明智決策的工具

2.4. 無論機器學習、智能自動化和人工智能在未來幾十年內變得多麼先進，他們都不會發展出比人類更出色的複雜業務決策技能

2.5. 不完整的信息和程序偏見將繼續限制機器看清全局的能力

• 2.5.1. 將始終缺乏人類在上下文信息、細微差別、直覺和批判性思維方面的能力

• 2.5.2. 採用人機合作的方法來解決這個問題

2.6. 如果人類處理大量數據和快速處理數據的能力有限，那麼人類可以在解釋、驗證、理解新的信息以及衡量其意義這方面發揮出色表現

2.7. 最重要的技能是將判斷力注入人工智能驅動的決策過程的能力

2.8. 新的不確定性範式

• 2.8.1. 更好地處理“灰色概率”預測的能力

• 2.8.2. 灰色概率是指無法立即解釋為非黑即白的概率，尤其是在由機器進行解釋時

• 2.8.3. 既能識別、解釋並利用數據和分析模型中細微差別，又不會因此而裹足不前的能力，將成為對那些負責制定基於分析的複雜決策的人來説最重要的實用技能之一

• 2.8.4. 肯定需要在一定程度上精通特定的分析技術和基於人工智能的技術，但是從本質上講，這完全不是基於技術的技能

  • 2.8.4.1. 一種深層次的人類技能組合，深深根植於批判性思維，包括好學善問、善於分析、遵守紀律、避免偏見、懷疑精神、自我引導、自我監督和自我糾正

  • 2.8.4.2. 這種特殊的技能組合並不需要對技術有複雜的實際理解

3. 信息工作者

3.1. 關注重點不是人機合作關係方程的決策方面，而應該是如何對機器學習算法交付給他們的數據、預測性模型和指導性模型進行驗證

3.2. 無論機器創建的分析模型多麼複雜巧妙，信息工作者都應該始終假定這些分析模型沾染了偏見

3.3. 信息工作者的工作是識別這種偏見並對其進行檢查

• 3.3.1. 避免進行沾染偏見或存在缺陷的分析

3.4. 還不至於將檢測人工智能邏輯偏差的能力稱為“軟技能”

• 3.4.1. 至少是與軟技能相鄰的

3.5. 數百萬年的進化導致人類大腦能夠出色地檢測各種模式及其損壞

• 3.5.1. 即使我們不能立即準確地瞭解問題出在哪裏，我們也可以感覺到問題的存在

• 3.5.2. 人類的這種能力，正是信息工作者對於依賴機器學習和人工智能為其決策者提供分析、預測和指導性洞察的公司至關重要的原因

3.6. 信息工作者作為數據和洞察驗證者的工作也會填補與人類各種細微差別相關的洞察差距，包括提供與行為分析和心理學相關的更深入的洞察結果，以及對語言、文化和同理心方面的分析及預測進行精細調整

4. 藍領

4.1. 主動規劃職業路徑

• 4.1.1. 不必成為技術、製造或勞工問題方面的專家，也能瞭解體力勞動自動化對藍領工作造成的毀滅性打擊

4.2. 三個選擇

• 4.2.1. 選擇一個不容易被自動化的藍領職業

  • 4.2.1.1. 選擇不容易被自動化的藍領工作，往往是沒有地理圍欄的工作，要求工作者在受控、一致、可預測的環境（比如工廠）之外工作，需要舉升、搬運重物並將其送到無數個存在無法預測的地形或其他複雜地形的目的地的工作，在需要實時發揮高度隨機應變能力的環境中工作，以及在機器難以與人類效率匹敵或者成本高於人工勞動的偏遠地區工作

  • 4.2.1.2. 有些工作不會很快被機器人或機器淘汰

• 4.2.2. 改變職業是第二種選擇，但未必是徹頭徹尾的轉變

  • 4.2.2.1. 主動性對大膽的人有利

  • 4.2.2.2. 第一波綠色技術（以生態環保為重點）行業的藍領和黑領工作者可以受益於這種主動拋棄垂死掙扎的職業、改行到新興職業的大膽做法

  • 4.2.2.3. 藍領和黑領工作技能可以異常順利地遷移到綠領工作中

• 4.2.3. 學習使用（而不是拒絕）自動化

  • 4.2.3.1. 置身於自動化的包圍中

4.3. 人機合作範例

• 4.3.1. 虛擬現實、增強現實和混合現實

  • 4.3.1.1. 可以看到虛擬現實、增強現實和混合現實解決方案如何在工業和勞動密集型行業中被用來培訓、指導人類工作者以及增強他們的能力

  • 4.3.1.2. 新型可視化功能可供負責專業產品裝配的生產線工人在工作站使用，也能幫助運營經理實時查看工廠各個系統的整體狀況

• 4.3.2. 外骨骼和人體增強機器人技術

  • 4.3.2.1. 在這種環境下，還有一個頗有前景的人機合作領域側重通過機械外骨骼和可穿戴式承重機械裝置，以物理方式增強人類的能力

  • 4.3.2.2. 如果一種機械外骨骼能讓人類工作者拿起一個500千克的板條箱或零部件，並步行將其送到工作站、貨架或卡車車斗，那麼比起使用笨重的叉車或是操作受限的傳送帶系統來執行同一任務，這種外骨骼可以提高成本效益和運營效率

  • 4.3.2.3. 雖然“針對邊緣設計”的含義可能因人而異，但是有一種解釋適用於機械外骨骼解決方案

  • 4.3.2.4. 全身動力套裝

    4.3.2.4.1. 外骨骼類別都可以增強人類能力並提高生產力，但是能為那些希望在工業環境自動化進程中倖存下來的藍領提供長期價值的類別，是全身動力套裝

    4.3.2.4.2. 該類別具有較高的學習曲線以及實現深度專業化和推出相關認證的潛力

  • 4.3.2.5. “多餘”機械手臂

    4.3.2.5.1. 由機器人構成的第三條或第四條手臂

  • 4.3.2.6. 能夠抵消負荷的工具握持外骨骼

    4.3.2.6.1. 幫助人類工人握持、搬運和支撐重型工具

  • 4.3.2.7. 電動手套

    4.3.2.7.1. 增強雙手的力量和控制力，幫助雙手做出容易使人疲勞的精確手勢

  • 4.3.2.8. 能夠減輕負荷的背部支撐裝置

  • 4.3.2.9. 沒有椅子的椅子

    4.3.2.9.1. 便於人類工人在穿在工作服外面的輕型外骨骼上“坐下”​

    4.3.2.9.2. 每當他們需要坐下時，外骨骼就會鎖定到位

• 4.3.3. 轉變為維護、維修和系統管理角色

  • 4.3.3.1. 雖然智能自動化技術已經可以輕鬆處理工業環境中複雜自動化的同步操作和實時操作，但某些功能仍然需要人工處理

  • 4.3.3.2. 機器取代人工的程度越高，維修專家和維護技師的機會就越多

5. 零售工作者

5.1. 零售業將變得越來越流暢無摩擦、越來越以客户為中心

5.2. 雖然機器學習、智能自動化和人工智能將處理大部分計算工作，包括分析、客户檔案生成、預測性分析、營銷信息、時機和推送以及指導性見解，但是零售業員工將負責這些洞察結果轉化為令人愉快並最終富有成效的結果

5.3. 客户將為更友好的客户服務、更順暢的結賬流程、更快捷的配送服務、出乎意料的額外關懷，以及信任、信心和安全性支付溢價

• 5.3.1. 這些差異會影響他們的偏好

5.4. 關鍵差異化因素

• 5.4.1. 價格、供應情況和交付方式之間的關係，以及用户體驗

• 5.4.2. 店內體驗將成為變數最大的戰場，零售業員工可以在這裏為企業主或自身贏得優勢

6. 從事門診業務的醫生或醫療保健專業人士

6.1. 利用機器學習、智能自動化和人工智能解決方案，讓煩瑣任務（從預約安排到病歷存檔）實現自動化

6.2. 捕獲更多患者數據，以創建更有效的健康監測與分析實踐

6.3. 使患者能夠自行使用傳感器、應用和數據分析工具，更好地幫助你為他們提供幫助

6.4. 依靠指導性解決方案來確定你可能沒有考慮過的潛在問題和治療方法