先說結論中的結論。
「不要問AI如何影響工作，而是要問你希望AI如何影響你的工作！」這應該是「微軟2023年未來工作報告」（Microsoft New Future of Work Report 2023）最關鍵的一句話（也有種霸道總裁感）。
去年十二月，微軟發布了這份報告。有別於2022年關注疫情後混合工作模式（Hybrid work）的實踐與研究，2023年報告的關鍵字，除了AI還是AI。報告蒐集了2023年的研究數據，勾勒出去年生成式AI爆發為人們帶來的工作影響，包括型態改變，現階段AI協力流程，人類AI互動趨勢，以及未來辦公場景會變成什麼樣子。
然而閱讀此份報告之前，我們不能忘記微軟作為OpenAI富爸爸，並且已將內嵌GPT-4的Copilot整合進自家的辦公系統Microsoft 365這個大背景。就這點來看，微軟發布AI展望不免有些老王賣瓜。不過閱讀完後，還是有幾點在我意料之外，也值得後續追蹤。
簡單總結這份報告為六點：
1. 人們利用LLMs提高生產力：
微軟強調LLMs在提高資訊任務效率的潛力，但也警告我們需要注重精準性，搭配相應策略解決潛在的不精確。這點可搭配我們之前提過的AI幻覺來看。
報告中研究顯示，使用ChatGPT，寫作效率提高了37%；在與波士頓顧問集團（BCG）合作的實驗中，產出的諮詢品質提高了40%，但某些情形裡，有20%的機率會產生錯誤的解決方案。
而根據微軟Copilot 365的企業使用者調查顯示：
73%的人認為Copilot讓他們工作更快；85%的人表示它能幫助他們更快完成初稿；72%的人同意它減少進行重複或乏味事情的心理負擔。
值得注意的是，LLMs對新手或技能較低者的效益大於較高者。同樣是來自與波士頓顧問集團（BCG）合作的實驗：技能較低的工作者提高了43%，而技能較高的工作者僅提高17%。這點未來對人力資源的控管調配或許會有影響。
報告顯示AI對工作生產力而言，主要是正向的。但實驗結果對BCG來說，好像有點微妙？
（來源：microsoft.com）
2. AI能增加批判性思維：
乍聽之下有些違背常理。研究的切入點是：將AI視為「挑戰者」，而非僅僅是工作助手，這可以促進知識型工作者的批判性思維。也就是說，AI給你的不要照單全收！
此外，隨著AI生成內容增多，知識型工作可能更傾向於分析和關鍵整合，這些能力比搜尋和創造更重要。報告提到，在典型的使用情境中，人類選擇、使用 AI工具制定任務，AI產生初稿，人類再檢查、評估、整合AI的成果，就像一個三明治，AI在中間，人類在兩端。在這種模式下，人的深度思考和分析更是不可或缺。
典型的批判性運用AI模式。人類把關前後，中間產出交給AI。（來源：microsoft.com）
3. AI協作是動態改變的：
報告強調了人類和AI之間的共生關係，值得注意的是，未來可能有越來越多工作，會需要人類監督AI運作，並在需要時干預。
然而，人類的注意力是有限的，所以也會有越來越多自動化監管和干預系統出現（用AI對付AI？）。這讓我想到《超智慧》一書提到的，美國2010年股市大崩盤，其實是因為演算交易程式出現一連串問題。因此，更有效、更聰明的自動化監管、干預，攸關人類與AI的共生。
4. AI在創意過程中有所發揮，但人類同樣重要：
LLMs在創意任務方面幫助人類，但人類仍需要創造力和保有主導權。報告提到有趣的一點是，使用生成式AI仰賴強力的自我意識與信心來校準。同時，它也可以幫助達到這點。
也就是說，使用者的自我意識與信心與生成式AI相互成就——使用AI，同時也在考驗你是不是合格的詠唱師。
5. AI多樣化應用，並且可能在社會科學方面帶來革命：
報告提到了LLMs在各個領域（包括軟體工程、教育和社會科學）的影響。比較令我意外的是社會科學方面。
報告指出，AI可幫助分析社會科學數據（研究提到的主要是經濟學），人類也可借助其文本能力，達到即時性的理解對話，作為訪問或調查工具。更革命的是，透過AI，沒受過統計訓練的人也能處理數據資料。
不過，這引發新的問題：關於LLMs生成的調查資料意義，又要如何進行統計分析？如何驗證LLMs合成資料的分析有效性？以及如何將來自人類的資料與LLMs的資料結合？這有點像前陣子大家在討論電子投票，許多人會提出的問題，人工計票還能一張張驗票，但電子投票要如何驗證？
AI引發社會科學領域變革同時也帶來新的問題。（來源：microsoft.com）
6. AI對知識碎片具強大整合能力，或將改變知識傳播：
過往，我們習慣知識儲存在書本或文檔、表格中，但更多時候知識是碎片化的散布在對話裡，而現在越來越多知識以對話形式傳送、接收，無論是人與人之間透過數位媒介的對話，還是人與LLMs之間的對話。這些對話中的知識將可被LLMs利用。
這帶來的革命影響是，過往知識從建立到流通，要經歷一系列龐雜的「加工」，例如將一個發現寫成論文、出版著作，再經由出版社或媒體傳播，但LLMs將縮短整個流程。不過這或許會引發出版社與媒體的焦慮，例如一月中美國參議院聽證會上，媒體專家、學者討論生成式人工智慧對新聞業的影響，新聞媒體聯盟（News/Media Alliance）的Danielle Coffey指出，媒體在目前AI的生態圈中完全沒有商業模式。
我們對話中散落的知識碎片可透過AI捕捉整合。但不知道AI有沒有聽膩垃圾話的一天？（來源：microsoft.com）
從上述可見，這份報告對AI應用於工作、知識運用的評估是樂觀的，但也不能忘記報告產出的背景跟脈絡。在可見的未來，沒人能置身AI之外。套用《超智慧》說的，如果AI發展是一列快車，「不會在人類這一站就停下來，連減速都不會。它很有可能過站不停。」既然被迫上了車，如何努力抓緊，不被甩掉或適應車速，將是我們面臨的課題。
訂閱電子報
