研究 的 結果 可 看出 ， 取代性 低 的 職業 多半 具 以下 特徵 ： 需要 創造力 或 溝通 能力 、 屬於 非形式性 工作 ， 或是 無法 定義 的 非 系統化 業務 等 。然而 ， 若 只 靠 這樣 的 觀點 來 選擇 將來 的 工作 ， 也 會 有 問題 。 需要 這些 難以 被 取代 之 能力 的 業務 ， 在 勞動 市場 上 不一定 有 很 大 的 需求量 。 大家 要是 為了 爭取 不會 被 電腦 所 取代 的 工作 ， 一窩蜂 地 跑去 學 藝術 或 歷史 ， 卻 由於 社會 這 方面 的 需求 並 不 多 ， 實際 上 能否 找到 工作 還 是 個 問題 。 又 如 溝通 能力 ， 因為 有 許多 職業 都 需要 這 項 能力 ， 所以 也 很 難 單純 將 某 特定 的 能力 跟 業種 、 業態 連結 。 律師 的 工作 也 是 如此 。 雖說 從 大量 法律 相關 文件 中 找出 必要 的 部分 ， 是 AI 所 擅長 的 領域 。 但 與 委託人 相談 ， 從中 整理出 問題點 的 作業 ， 對 現在 的 AI 而言 仍 有 難度 。 單 就 律師 這 一 個 職業 來 看 ， 其中 便有 AI 擅長 的 業務 ， 以及 AI 不 擅長 的 業務 。 而 按 職業 的 不同 ， 人類 透過 科技 的 運用 ， 讓 人 、 AI 或 機器人 各別 負責 自己 所 擅長 的 領域 ， 藉 此 提高 生產力 和 品質 的 作法 ， 將 會 是 未來 趨勢 。 一般 企業 的 課題 在於 引進 成本 在 這 次 的 研究 結果 中 ， 還 有 另 一 個 需要 注意 的 地方 。 那 就 是 被 取代 的 機率 ， 終究 只不過 是 指 在 技術 上 能 被 AI 或 機器人 取代 的 可能性 ， 並 沒有 針對 實際 的 取代 狀況 來 分析 。 這 是 什麼 意思 呢 ？ 就 讓 我們 從 客服 中心 的 具體 實例 來 瞭解 吧 ！ 近年 來 ， 運用 IBM 「 華生 」 等 AI 系統 開發 而 成 的 解決 方案 ， 開始 提供給 客服 中心 使用 ， 協助 接線員 回答 顧客 所 提出 的 問題 。 由於 現在 的 技術 還 無法 讓 AI 直接 回答 問題 ， 因此 按 目前 一般 的 使用 方式 ， AI 所 扮演 的 角色 就 像是 接線員 的 助理 一般 。 具體 來 說 ， 工作 內容 有 針對 顧客 的 問題 提供 可能性 高 的 回答 候選 清單 ， 或是 提醒 接下來 應當 詢問 的 事項 等等 。 但 未來 在 技術 上 ， AI 的 能力 有 可能 完全 取代 接線員 的 業務 嗎 ？ 如 大型 金融 機構 等 ， 由於 客服 中心 所 雇用 的 接線員 人數 都 是 以 百 人 為 單位 ， 即便 得 投入 數億 日圓 的 資金 ， 還是 會 選擇 引進 解決 方案 吧 。 因為 ， 若 能 達到 大規模 的 人員 削減 ， AI 的 引進 就 具有 高 投資 效果 。 反之 ， 若是 接線員 人數 不 多 的 企業 ， 又 是 如何 呢 ？ 用來 開發 跟 客服 中心 的 接線員 做 同樣 工作 的 AI 所 花費 的 成本 ， 與 接線員 的 人數 無關 ， 而是 會 受到 如 顧客 提問 的 多樣性 等 ， 對 AI 學習 的 知識量 產生 極 大 的 影響 。 因此 ， 即便 客服 中心 的 人數 僅有 十 人 左右 ， 只要 顧客 提問 的 多樣性 是 跟 大型 金融 機關 一樣 的 ， 開發 AI 所 需 的 成本 也 是 一樣 多 。 想當然耳 ， 接線員 只有 十 人 的 企業 大概 就 不會 引進 AI 了 。 雖說 在 技術 上 無論 哪 一 邊 都 有 可能 實現 ， 但 僅有 十 名 接線員 的 公司 卻 不會 採用 。 像 這樣 ， 認為 人力 比較 便宜 的 公司 想必 也 不少 。 對 各 企業 而言 ， 是否 要 引進 AI 取代 某 一 項 業務 ， 不會 只 評估 技術 實現 的 問題 ， 能否 獲得 高 投資 效果 才 是 最 大 的 論點 。 所以 說 ， 這 次 研究 結果 所 得到 的 數據 ， 僅只 表示 在 技術 上 能否 取代 人類 的 可能性 。 實際 的 取代 狀況 則 會 因 引進 AI 或 機器人 所 需 的 成本 多寡 ， 而 有所 不同 。 但願 大家 對於 這 部分 都 能 有所 瞭解 。 AI 運用 程度 與 引進 成效 的 關係 那麼 ， 引進 AI 或 機器人 能 帶來 極 大 成效 的 領域 ， 會 是 哪 個 領域 呢 ？ 就 現在 而言 ， 越 能夠 讓 AI 有所 發揮 的 業種 ， 引進 的 成效 也 會 越 好 。 如 谷歌 或 臉書 等 網路 企業 ， 在 AI 應用 這 方面 ， 無疑 是 最 積極 推行 的 企業 。 谷歌 早已 將 AI 應用 於 超過 一千五百 項 專案 ， 如 屬於 語音 對話型 助理 的 「 谷歌 個人 助理 」 （ Google Assistant ） 或 搜尋 引擎 等 ， 多數 以 消費者 為 對象 的 服務 均 以 運用 了 AI 技術 。 谷歌 之所以 會 在 這 類 以 消費者 為 對象 的 網路 服務 中 ， 率先 引進 AI 技術 ， 原因 之 一 便是 可 獲得 高 引進 成效 及 高 投資 效果 。 例如 ， 在 網路 服務 中 存有 好幾億 的 使用 者 ， 只要 藉由 運用 AI 的 推薦 ， 讓 購物 網站 的 成交率 上升 數 個 百分比 ， 便 能 獲得 龐大 的 收益 。 另外 ， 在 日本 ， 急速 擴大 引進 AI 的 領域 則 是 製造業 。 其中 又 以 汽車 產業 引進 AI 的 積極 程度 最 令 人 瞠目結舌 。 二○一六年 一月 ， 豐田 汽車 在 美國 設立 了 進行 AI 研發 的 豐田 研究所 （ Toyota Resear ch Institute ） 。 不僅 在 五 年 內 投入 五千萬 美元 的 巨額 資金 ， 更 聘請 在 DARPA 主持 機器人 專案 的 吉爾．普拉特 （ Gill Pratt ） 擔任 CEO 。 除此之外 ， 還 有 許多 來自 麻省理工 學院 ， 及 史丹佛 大學 的 第一線 研究 者 參與 其中 ， 熱中 程度 可見一斑 。 如 自動 駕駛 汽車 或 機器人 等 ， 將 同 一 套 AI 應用 在 數量 龐大 的 產品 上 ， 也 是 屬於 投資 比較 容易 回本 的 業務 。 再者 ， 利用 這 類 有 搭載 AI 系統 的 產品 來 取代 某些 業務 ， 其 所 帶來 的 引進 成效 也 是 值得 期待 的 。 好比 說 ， 將 自動 駕駛 汽車 引進 運輸業 ， 帶來 的 AI 引進 成效 之 大 已 無需 言語 。 相對於 此 ， 有關 在 一般 企業 業務 領域 上 的 應用 ， 則 是 仍 處在 摸索 高 投資 效果 領域 的 階段 。 現今 的 AI 技術 ， 在 運用 機器 學習 的 模型 開發 上 ， 以及 在 學習 資料 的 準備 上 ， 都 需要 花費 相當 龐大 的 成本 。 為 此 ， 針對 AI 的 引進 ， 除了 得 評估 在 技術 上 能否 有效 支援 員工 或 加以 取代 外 ， 也 得 個別 評估 其 帶來 的 投資 成效 。 至於 學習 資料 的 部分