?

如果要在一個商業模式被網絡翻轉的產業探索生涯，馬列特的方法確實奏效。不過這場變革的特性在于，它會導致某些類型的工作和技能徹底過時。當服裝業逐漸變成軟件業，馬列特有能力調整工作方式去調節，但萬一軟件也能熟練地設計襯衫、西裝外套和套服，馬列特的做法顯然不會有太大用處。當電腦日漸變得更有能智、機器人更為靈巧，如果你希望在這個時代建立長久且成功的生涯，該怎么做？

?

曼尼卡（James Manyika）花費多年時間思考這個問題。他是麥肯錫的合伙人，專門研究職場工作的未來趨勢；同時他也是一位父親，不久之后他正值青少年的小孩就要開始探索這世界。曼尼卡在「麥肯錫全球研究院」（McKinsey Global Institute）所領導的團隊，主要負責研究不同類型工作需要的能力條件，希望借此了解哪些工作最容易被機器取代，哪些工作相對有保障。

一家名為O*NET的研究機構多年來觀察數百種工作，并逐一列出每份工作需要的特定行為。舉例而言，零售店店長看起來是簡單的工作，但是O*NET重新拆解零售店店長的工作內容，其中包括有21種需要執行的任務、24種應具備的技術能力、23種不同的工作活動。任何你能想像得到的工作，他們都會分解出更精細的項目。此外，曼尼卡在麥肯錫帶領的團隊也會逐一交叉比對兩千種不同任務，測試現在以及在可見的未來電腦可以多有效率地執行每項工作任務。最后他們會完成一份工作地圖，顯示哪種類型的工作最有可能被數位科技取代，哪些類型的工作相對有保障。

?

令人驚訝的是，他們得出的結論不只是簡單描述「高技能工作是安全的，低技能工作是危險的」。事實上，所有的工作都會受到影響。因為真正重要的是工作組成要素，而非涉及的整體技能程度。

?

「就以會計專員與園藝師作為對照，」曼尼卡說，「第一個問題純粹是技術性問題。會計專員需要完成的工作活動是否容易被自動化？園藝師呢？他們會分析數據、進行解讀。園藝師必須有能力辨認目標、然后挑選出來，再用正確的方式親手修剪玫瑰。你需要設計精密的機器人，才有辦法在無人指引的情況下，讓機器人在它從未見過的花園中四處穿梭。當你提出以上的問題，你會得出以下的結論：會計專員的工作比園藝師更容易自動化?！?/span>

?

當你分析自動化的經濟效益之后，就會更加認同上述的結論?！敢詴媽T而言，多數可被自動化的工作都是透過標準化系統平臺以及軟件完成，成本也會隨之降低。但是園藝師的情況不同，即使你解決了技術性問題，還是得建造一臺由大量復雜零件組成的實體機器。」此外，會計專員的薪資通常高于園藝師，因此就經濟學角度而言，園藝師處于較有利的位置，且更為專業，所以雇主更難找到合適的人選。最后一項因素是「社會接受度」（social acceptance），沒有人真正知道或在意一家公司在臺面下如何管理帳務，但是如果鄰居的大型園藝機器人不小心修剪到自家的樹籬，恐怕會因此感到氣急敗壞。

?

當你在選擇學歷要求以及獎酬金額相近的工作時，也可采取類似的比較方式。在醫學界，你可以比較急診室醫生以及整天研究X光片的放射科醫生的工作內容。急診室醫生比較像是園藝師，必須針對不穩定或持續變動的環境及時做出回應，臨場緊急處理傷病，可能前一分鐘還在治療斷腿，下一分鐘就得急救心臟病患者，或得在瞬間決定病患的疾病屬于心理層面或是生理層面。在可預見的未來，沒有機器人能做到這些（但這并不是說新的數位技術無法提升急診室醫師的工作效率）；放射科醫師則比較像是會計專員，以結構化的方式應用知識，因此容易被更智能的軟件所取代。

?

在法律界，在法官面前代表客戶的法庭律師，可能比成天負責審查合約、確認所有細節的律師更有保障。重要的關鍵在于，那些有可能被完全取代的工作類型都有共通點，相對安全的工作類型也是。因此，當你要決定未來的生涯方向時，有兩種選擇。一是專注于不太可能因為自動化而消失的領域，因為他們的需求很難被電腦和機器人取代，相當于你所屬產業的園藝師。

?

當然，另一個選擇就是成為主導自動化的人，而非被自動化的人。也就是成為設計算法、引導電腦執行工作的人，而非從事會計專員、放射科醫師或是處理例行性合約的律師。你必須遵循前面幾章內容提到的帕雷托最適員工的做法—在會計與軟件工程、醫療與圖像科技，或是合約法律與自然語言處理等領域，同時具備深度的專業知識。這并不容易做到，但是如果你要在人工智能與機器人應用愈來愈普及的世界成功，這確實是一條清晰的路徑。