重新发现人类劳动的价值：智能时代的职业变迁与职业教育应对

吕建强，许艳丽

(天津大学 教育学院，天津 300354)

人工智能是否成为人类工作的“终结者”是全球普遍关心的时代议题。乐观者认为，人工智能的就业创造效应引发就业需求放大，增加了对劳动力的需求。悲观者则强调，人工智能的替代效应较之以往更深刻，人类所有工作都有被数字化的可能。历史表明，即使最有益的技术进步也刺激了劳动力市场调整，比如特定技能的贬值，某些职业的黯然失色，甚至整个行业的淘汰。如，智能时代，自动化取代了流水线装配工、搬运工、翻译员等很多职业。

职业替代不是智能时代职业变迁的全部，而是起点。智能时代引发了职业替代、职业互补与职业创造三大职业变迁。通过观察职业变迁的不同方式发现，人始终是生产过程的中心环节，是最重要的生产要素。作为 “使无业者有业，使有业者乐业”的职业教育，承担着培育技术技能人才的重任，通过分析人工智能带来的职业变迁和人类劳动的独特价值，以及由此带来对技术技能人才能力培养的挑战，提出智能时代职业教育的应对方向。

一、智能时代职业变迁的表征

职业作为人类社会历史的阶段性产物，自人类劳动分工之初，就处于不断演化变革的进程之中。智能时代职业变迁的三种形态既共存又呈现出逐步发展的态势。

1.职业替代：机器换人

人类工作被机器取代的担忧，并不是智能时代所独有的现象，而是经济史上反复出现的议题。当一项新技术使以前由工人完成的一系列任务自动化时，就实现了机器换人。这一过程提高了总生产率，使机器比先前执行任务的工人更便宜、更快或更好地完成任务。这样的例子不胜枚举，电子不停车收费系统(Electronic Toll Collection, ETC)取代了高速公路收费员，从而提高了交通速度，减少了污染；计算机排版软件取代了物理排版机，实现了更快、更便宜的打印业务；税务核算软件代替了训练有素的税务会计师，使消费者可以通过电脑以低廉的成本申报税费。

以数字化和智能化为代表的第四次工业革命的就业替代效应更加显著，弗雷和奥斯本(Carl Frey & Michael Osborne)的著名研究发现，美国有47%的职位有较高风险被计算机替代。麦肯锡研究表明，截至2015年，全球范围内制造业劳动时间共计4 780亿小时，其中有45%的时间可以自动化。2018年，皮尤研究中心发现，在发达经济体接受调查的人中，65%到90%的人认为机器人和计算机可能或肯定会接管现在由人类完成的许多工作。[1]

2.职业互补：人机交互

以往研究大多基于线性思维去看待“机器换人”现象，实际上一个职业包含了多种技能，机器替换人类劳动往往不是整体替代关系，而是部分替代或者更确切地说是互补关系。即机器替代了部分人类劳动，补充了整个工作链条的完整性。比如，汽车装配过程中繁重零件的移动和装配，人类劳动者控制机械移动到合适位置进行装配，这既提高了装配的精确度，又减轻了人类劳动者体力劳动强度。此过程中人与机器成为一个团队(Man Machine Team，MMT)共同完成工作任务，任务在人与机器之间动态分配，两者都是生产流程中不可或缺的要素。因此，新技术通常提高工人在当前工作任务中的生产力，而不是将工人从这些任务中转移出去。例如，电动工具可以帮助建筑工人在更短时间内完成更多任务，医学成像仪器提高医疗专家诊断患者的速度和准确性，而不是让他们下岗。

智能时代，人和机器共享工作区域并通过不断地相互接触与合作来共同完成某项工作任务。人具有优越的感知能力和创造性，具有无与伦比的多功能性和敏感的“抓握系统”(人手)，可以自由移动，非常迅速地适应新的情况。另一方面，机器人非常精确，总是提供始终如一的高质量，可以执行危险的工作，在非常单调的活动中也不会疲劳。通过这种能力互补提高生产效率。

3.职业创造：新型职业

工业时代工作的关键词是标准化，绝大多数的企业从事的是标准化流程工作，它们的产出是事先确定好的，提供有形的实物或者明确的服务。明确的产出决定了企业可以借助大规模标准化保障产品的质量和效率。这也决定了工业时代员工的主要角色是配合流程和规章制度办事，创意要求不高。智能时代工作的关键词是创新，企业产出更多的是无形知识或难以标准化的服务，需要“摸着石头过河”，不断尝试、调整、验证，以符合客户需求。标准化流程的路径已不能保证产出，而人才的创意能力和投入质量，才是无形工作的最佳保障。[2]在这一背景下，计算机和软件逐渐取代了从事重复性工作的工人，创造了认知密集型工作，如设计、编程和复杂设备维护、数据分析等数字工作。例如，无人机取代了飞行员，同时在维护、远程控制、数据分析和网络安全方面创造出更多新工作。美国每派出一架无人机，就需要地面操作人员30名，后续数据分析师多达80名。[3]

二、智能时代重新发现人类劳动的价值

职业替代、职业互补与新型职业的兴起等职业变迁是纯粹的技术力量还是其他社会因素共同推动的，深入厘清智能时代职业变迁机理需要摒弃单一的技术视角而应采用“全视角”予以审视。20世纪50年代，Trist和Bam forth发现，在硬煤开采领域中先进的自动化并没有导致更高的生产效率和经济效益。原因是当时新的煤炭开采技术破坏了矿工之间既定有效的工作组织形式。他们在此基础上提出了社会技术系统理论(Socio Technical System)，该理论认为工作系统由人、组织和技术三个相互依赖的子系统构成，整个工作系统的效率取决于各子系统的可靠性及相互作用，而人在整个工作流程中起着基础性作用。

1.人是整个工作系统的中心

社会技术系统理论认为组织是技术要求(technical requirements)与人性要求(socio-psychological requirements)联合而成的社会—技术系统，其核心要义是人类作为工作系统的中心，不能被机械边缘化。如果不注重人的技能，仅从技术的角度改进生产，对企业而言很可能得不偿失。通用汽车的生产线自动化改造就很好地印证了这一观点。20世纪80年代，通用汽车通过在装配线上配置自动跟踪系统将零件引导到装配线上的适当位置，并配备机器人进行组装以提高生产效率。然而，由于与既定工作设计和组织活动不匹配，自动化机器人要么处于闲置状态，要么需要反复维修。在花费了500亿美元的十年后，通用汽车仍然是美国成本最高的汽车制造商。通用自动化改革的失败案例表明，简单地自动化难以达到高生产率和高质量。企业的数字化转型不仅是一个技术问题，而且是一个技能问题。在这一新模式中，提高劳动力素质至关重要。[4]

无论技术如何演进，智能机器的工具性是不会改变的。[5]人机合作并不意味着机器人将在可预见的未来向人类发出指令。人既是智能机器的创造者，又是智能机器的使用者，完成工作任务所需的感知、学习认知、分析决策与控制操作等均由人来完成。[6]机器人最多确定手动干预的时间，比如机器人完成了一项任务，必须手动插入新组件，或者在发生故障时需要人修正。这与导航系统给汽车驾驶员的指示相似。机器的工具性决定了机器本身并没有启动一系列动作的自我动力和意识。人追求目标并选择合适的工具，机器的行为方式最终由人给出。因此，布林约尔松(Brynjolfsson)和麦卡菲(McAfee)论及的自动售货机告诉员工该做什么的情形实质还是人通过机器来完成的。

2.人类劳动者依然具有成本优势

智能化需要考虑技术经济性问题，即用人类劳动力更经济还是用智能机器更划算。目前而言，人类劳动者相较于机器人仍然有较大成本优势。其一，机器人的部署成本高昂且不够灵活。自动化的软件监控和信息系统的建立非常昂贵，虽然自动化最终可能会为企业带来经济回报，但将视野扩展到整个社会生产领域就会发现，自动化通常是为特定工作模式量身定做的，如果结构或任务发生根本性变化，则可能会产生更大的固定成本。考虑到生产灵活性问题，企业仍然需要训练有素的人类劳动者。[7]实际也表明，机器人集成了认知、感知和驱动等要素，部署起来比传统软件系统更加复杂。它们的增长速度并不像我们在应用程序或基于网络服务等纯软件产品中看到的那样迅速。

其二，人类能举一反三，机器则做不到从少量经验中学习，只能依靠海量数据提炼出“规律”，而数据获取的成本较高。尽管在算法、数据存储和处理方面取得了巨大进步，但机器学习仍然需要大量的计算能力、专业知识和仪器等昂贵的配套内容。要实现自动化生产，除了自动化系统所需的机器人灵活性和机动性外，还需要对性能指标、培训数据和生产任务进行精确编码。生产小批量高度可定制产品的中小企业面临着额外的挑战，他们需要大量机器可读的培训数据，然后才能对算法进行适当的培训，以预测每一种意外情况。由于机器学习相对较新，必须针对每一个企业进行量身定制，没有现成的AI解决方案可供企业购买，因此公司需要专门聘请数据科学家来分析和优化其系统。只有当企业能够提供高质量的大数据供机器学习时，以及当简单的概率模型和人类的判断力被证明是不够的时候，完全自动化才具有成本效益。

3.人类劳动者拥有独特的能力

人拥有机器所没有的灵活性和现场改善力。比如，工作场所非常需要情绪技能，这种技能是识别和调节自己和他人情绪的能力。它是一套复杂的技能，包括与他人互动的意愿，帮助别人感到舒适和表达自我的能力，能够抑制和平息自己和他人的负面情绪以及自我控制的能力。[8]目前为止，机器人还很难替代人类劳动者具备这种情绪技能。智能社会中只有极少数的人最终会从事软件工程、生物技术或先进制造业的工作，未来许多重要工作需要情绪技能等软技能，而不是高级代数。

最近的生产实践表明，机器人技术的关键进步取决于工作设计的突破。有效使用机器人将需要重新设计如何利用新技术的优势完成工作，同时规避其局限性。例如，亚马逊(Amazon)仓库执行订单的Kiva机器人系统之所以有效，是因为工程师重新设计了仓库，以将机器人和人工操作的任务分离到工作流程的不同阶段。亚马逊将简单运输任务分配给机器人，分拣任务交给人类劳动者。新的工作流程集中并改变了仍然由人工完成的手动“拾取和打包”任务。因此，关键的创新不是使用机器人，而是在软件连接系统中的人机合作团队。美国前总统奥巴马的数字经济特别助理大卫·爱德曼(R.David Edelman)表示，自动化不代表工作岗位的变化，而是技能的变迁，人类劳动者可以借此不断提高自己的技能。

4.人类劳动者更能适应生产的复杂性

根据生产的复杂性，一个完全自动化的工厂所需的人工智能水平可能需要接近人类的智力水平，这是当今技术无法实现的。一是机器人难以处理人类劳动者轻松解决的问题。比如，机器人在生鲜配送环节暂时没有用武之地。一方面，生鲜商品更加容易损坏变质，机器人很难控制力度大小；另一方面，人类比机器人更简单高效地判断生鲜产品是否符合客户需求。比如，有的客户需要熟一点的水果，有的客户需要生一点的水果，人类劳动者一眼就能辨别出，而机器人则需要借助复杂的图像识别技术以及海量数据训练来提高分辨力。

二是人类劳动者更能灵活处理不可预见的生产问题。以焊接机器人为例，人类焊接专家设置和编程焊接机器人，并在出现故障的情况下进行故障排除。一块焊接不良的金属块，可能存在着焊丝性能、金属性能、温度和湿度等十几个变量产生的问题，只能依靠焊接专家找出问题所在，机器人编程很难查找出问题。如果没有准确的预见并做出相应调整，焊丝中的任何细微变化都会对焊接机器人造成严重损坏，而经验丰富的人类焊工可以轻松地应对这种不可预测性。[9]

三、人类劳动者何以应对智能时代的职业变迁

工业革命摧毁了织布工的传统工作，但并没有阻止他们重新就业。历史表明，当人们具备了工业时代的新知识、新技能和新思维，纺织业反而有了更多乃至更高薪的工作岗位。因此，问题的关键在于如何适应时代发展趋势去发挥人类劳动的独特价值。

1.差异化：发现人类独有的生态位

任何生态系统内，每种生物都有其自身的生态位及作用。人和智能机器作为工作世界生态系统中的两个“物种”处于不同的生态位，即两者有不同的生存之道。技术的生态位是机械、非认知、可重复等物理领域的内容；人的生态位则更多涉及创新、批判性思考、文化、社会情感交流等精神层面的内容。工作世界的生态系统的最终旨归是充分利用人和技术两者的优势，服务和满足人们对美好生活的需求。通过了解机器和人的生态位以及他们之间的关系，采取差异化发展策略，发挥人类劳动的独有特质，避免和机器处于同一生态位。简单而言，就是让人做人擅长的事，让机器做机器擅长的事。

2.协同化：优化能力结构与机器交互

智能时代，人与机器不是简单的替代关系，而是更高层次的共生关系。[10]只有把智能机器和人类的聪明才智相结合，才是更有益于长远发展的做法。斯坦福大学《2030年人工智能生活报告》指出，人工智能的未来重要趋势之一就是智能协同，即人机相互补偿和增强。智能化工作世界中，人成为连接物理世界和数字世界的中介，人不仅要懂智能技术，还要理解智能技术所需要配合的业务流程。人类劳动者的能力结构需要做到能够理解机器、可以和机器一起工作,并且还能跟机器进行协作。人类劳动者的角色既包括鉴定机器所不擅长的情况,也包括帮助机器实现比今天更高的生产力水平。在这种协同关系中，人类劳动者不仅增强了智能机器而且也被智能机器增强了。[11]

3.精深化：终身学习保持与变革同步

必须有终身学习的设计，以使劳动者的技能与经济社会变革同步进化。随着经济社会的快速变迁和技术进步的持续加速，技能的半衰期日益缩短。以人工智能为代表的新技术正在迅速取代常规工作的从业者，对灵活性和思维的要求不断增加，要求人们必须持续学习新知识和新技能并贯穿终身，以应对加速变化的生活和工作。这意味着人类劳动者的能力结构要不断重组和调整以响应技术和社会的持续变化，学会如何学习和学会找到有用的资源将成为人的核心素养，只有具备终身学习理念和学习力的人才会不断胜出。因此，人类劳动者要主动适应时代变迁，将目光放在更大的时代背景与更远的人类发展议程之中，持续学习未来工作需求的各种技能，唯有如此才不会被时代淘汰，不会被机器赶超。

四、改进职业教育助力人的价值提升

人的价值提升需要教育的培养和发掘，职业教育作为与产业变革联系最为紧密的教育类型，工作世界的变化势必要求职业教育调整人才培养策略，提供符合智能时代的高技能人才。

1.加强专业群建设，掌握领域知识

作为社会技术系统的中心环节，工作者只有对计划、组织、指挥、协调及控制等整个工作流程有所了解，才不会发生工作疏离。这就需要工作者具备领域知识而不是单一学科知识。领域知识包括个体对某个特定领域的所有知识，它通常由内容知识、程序过程知识、条件知识三部分组成。[12]领域知识的关键元素是为解决问题或业务领域而涉及的方法论、语言和工具，超越了人为划分的专业边界。无论何种职业都需要特定的领域知识才能顺利完成工作任务，智能时代的生产过程和网络具有领域特性，需要特定的领域知识。专业群建设旨在打破一直以来技能人才技能单一的问题，高职院校应积极迎接智能时代带来的新挑战，加快培养智能科学与技术方面的专业人才，通过人工智能与多学科专业教育的交叉融合，构建技术赋能的教育教学，探索“人工智能+X”的人才培养新模式，更多地关注学生方法能力和社会能力的培养，并借助人工智能开展教学监测、学情分析和学业评价，调动学生学习的主动性，激发学生的创造力与跨界思维。[13]

2.破解“壁炉现象”，提高技能适切性

校企合作培养通过提供与现实工作世界紧密相关的技能培养环境，提高技能人才的适切性，更好地满足智能化工作世界的技能需求。但是校热企冷的“壁炉现象”导致企业实习阶段形式化和表面化，人才培养效果不尽如人意。提高技能适切性就需要破解壁炉现象。一是高职院校、企业、政府等多个利益相关者共同探索化解人才培养中的信息不对称、合作不顺畅等矛盾，促进校企各类需求精准对接，降低校企合作的制度性交易成本，提升校企合作的意愿和效果。二是创新人才培养方式。企业由人才接收端前移到人才培养端，赋权企业参与学校教学与配套环境的搭建，将业界经验有机融入职业教育过程。三是创新人才培养内容。推广“人工智能+职业教育”，推动云计算、大数据、移动互联网及人工智能等新技术在技能人才培养中的应用，提高培训便利度和可及性。四是创新职业教育质量评价机制。将职业教育质量评价主动对接行业标准、职业资格和岗位要求，紧密结合产业转型升级需求进行技能培养，切实提升高职学生的技能水平与就业能力。

3.加强职业启蒙教育，培育人力资源

职业启蒙教育是一种关于职业的入门教育，是一种旨在帮助学生形成职业认知、培养职业理想、养成劳动习惯、习得职业技能的教育活动。[14]智能制造和工业4.0不仅需要劳动力，还需要在竞争激烈的教育体系中培养出的人力资本，为创造性的工作环境做好充分准备。大多数成功的国家之所以成功，是因为他们良好的职业启蒙教育，例如，日本的教育制度要求从小学一到三年级的学生只接受道德价值观教育。这是为了确保他们能吸收日本的文化和教育制度，理解工作环境伦理。通过职业启蒙教育，一方面使儿童初步了解职业的意义和内涵，培养其职业伦理和职业规划的初步意识；另一方面通过提早接触工作世界中技术应用情况，培养其技术亲和力。与后期教育阶段采用和推广先进技术相比，在幼年阶段接受技术可以使儿童更能适应智能时代的需要。