人工智能可以為重要的一線工人創造經濟流動性——以下是產品制造商如何轉變我們的思維以涵蓋這些體驗
作者：喬恩·弗里德曼
關于人工智能的討論通常集中在其對白領工作（知識型工作、辦公室生產力、創造性工作）的顛覆性潛力上，但很少有人討論人工智能將如何徹底重塑技術工人和一線工作。作為設計師，以人為本的視角意味著不斷探索新領域，不僅從技術層面，也從人性的角度。
如今，我們在賦能信息工作者方面擁有卓越的成就，在邁入人工智能時代之際，我們正積極發揚這一傳統。展望未來，我也看到了人工智能優先體驗的巨大潛力，這些體驗有助于為支持社會最基本系統的人們創造經濟增長和流動性。構建和維護我們物理系統的是電工、鋼鐵工人、管道工、運輸工人等等。支持我們人類系統的是教育工作者、兒童保育人員和護士等至關重要的工作者。至關重要的是，幾乎所有這些職業都面臨著嚴重的人員短缺，求職者數量也在不斷減少。
精心設計的人工智能體驗或許有助于有效解決這個問題，尤其是在融入整體方案時。隨著我們拓展產品方面的思維，Microsoft Elevate 和人工智能經濟研究所——我們企業慈善事業的下一個篇章——正在幫助確保人們在人工智能改變世界的過程中不會被遺忘。他們致力于為人們提供技能、知識和工具，讓他們能夠與人工智能共同發展，這體現了微軟的信念：人工智能應該服務于每個人，包容性設計與包容性機遇相輔相成。
有表格可以幫你！減少官僚主義的復雜性
人工智能系統需要龐大的物理基礎設施，而隨著我們構建越來越大的人工智能系統和數據中心，能源需求也隨之飆升。誰來滿足這一需求呢？技術工人：負責布線的電工、建造冷卻系統的管道工、以及建造承載人們數字夢想的鋼鐵工人。
然而矛盾的是，正當美國對專業電工的需求達到前所未有的高度時，美國卻面臨著熟練電工的短缺。
迫切需要吸引高中畢業生直接參與帶薪學徒項目——承諾穩定、高薪的職業，且無需承擔學生貸款的負擔。這一需求為人工智能設計提供了一個清晰而強大的用例：簡化從學校到學徒再到熟練工的復雜路徑。人工智能解決方案可以簡化流程、時間表、表格和認證，從而加速職業發展并促進經濟流動性，惠及個人、家庭乃至整個經濟。
人工智能是積極的合作伙伴，而不僅僅是另一個被動工具
想象一下，你是一名剛入行的電工學徒，踏入第一個復雜的工地。熟練工們辛勤工作，確保項目順利推進，但工作節奏之快，讓你很難停下來，實時解答每個問題。這時，人工智能就派上用場了——它并非取代經驗豐富的電工的指導，而是為其提供支持。使用你的智能手機，人工智能助手可以直觀地識別問題，并根據經驗豐富的熟練工處理過的數千個實際場景，提供即時實用的建議。這就像在你的口袋里多了一個額外的支持——人工智能就像一個親自動手的助手，可以強化你的學習，并增強你的工作信心。
這不是理論上的未來主義。而是實用且可擴展的人工智能設計，能夠直接提升一線員工的生產力，加速學習，提升效率，并更好地保障安全。一線工人的工作通常需要體力勞動，有時甚至很危險，并且可能需要在不可預測的環境中連續工作10到12個小時——僅在美國，每年就有近100萬起制造業傷害和卡車事故。這不僅會影響工作效率，背部受傷或手指缺失還會給整個家庭帶來持續的經濟困境。
在這種情況下，知道自己并不孤單不僅能增強信心、幫助你在工作中表現出色，還能讓你相信下班后能安全回家。
通過以人為本的人工智能設計重建信任
除了人身安全之外，信任也是一線工作另一個方面的關鍵因素：科技的優勢和前景。例如，護士基于過去的經驗，對數字技術持懷疑態度，這是可以理解的。二十年前，他們被承諾電子病歷 (EMR) 將積極改變他們的工作流程。然而，EMR 主要惠及的是管理人員、保險公司和技術供應商，卻讓護士承擔了額外的繁瑣工作，減少了與患者的面對面互動，并降低了他們對技術承諾的信任。
如今，這種懷疑依然揮之不去，其根源在于人們認為科技往往優先考慮企業效率或盈利能力，而非一線員工的實際需求。護士和許多其他技術專業人員理所當然地懷疑，人工智能能否真正幫助他們，或者歷史是否會重演。人工智能未來的成功不僅取決于其強大的技術能力，還取決于我們能否重拾并維持信任，尤其是那些曾因技術前景而失望的人們。
解決這一懷疑的唯一可行方法是真正以人為本的產品設計。
前進的道路需要認真傾聽一線員工的心聲，深入了解他們的日常問題，并共同設計能夠帶來切實效益的解決方案。優秀的設計，真正植根于用戶同理心和實際效用，不會將業務目標與員工需求對立起來，而是有效地協調和平衡兩者。作為產品制造商，我們的工作就是實現這種平衡，確保人工智能工具不會為了技術而強加于員工，而是以協作、透明和同理心的方式進行開發。
以不同的方式思考要完成的“工作”
為了兌現這一承諾，我們需要重新構建我們的設計方法和假設。以“待完成工作”（JTBD）為例，這是一個用于理解用戶問題的通用設計框架。從歷史上看，我們通常將“工作”理解為更具體的行動，通常是通過信息工作（IW）的視角。要讓所有員工都能用人工智能賦能，就需要超越表面行為，關注通常位于馬斯洛需求層次更高層次的人類需求。
以年度績效評估為例，無論你是送貨司機還是設計師，都會進行績效評估。通常，員工會填寫一份表格，經理們會用這份表格來討論職業發展。如果我們認為 JTBD 就是“填寫表格”，我們就會設計一個 AI 解決方案，讓填寫表格變得更容易；也許你只是把想法寫進表格，然后 AI 會賦予它們結構和更優美的措辭。如果我們意識到真正的 JTBD 是促進有意義的對話，我們就可以設計一個主動的 AI 代理，嵌入到日常工作流程中，讓你和你的主管在職業發展對話開始前幾周做好準備。該代理會幫助整合你的成就（包括你可能已經忘記的成就），提供相關的反饋，提出富有成效的談話要點，然后促成一場引人入勝的對話——所有這些都將顯著提高效率、增強意義，并減少事務性。
這種設計首先以最終用戶的需求為中心，而不是為了滿足需求而創造技術解決方案。雖然產品制造商經常與技術工人（FLW）打交道——比如你孩子的老師、你診所的護士，或者你剛剛急需聯系的水管工——但我們的工作性質截然不同，因此，共同設計以識別任務背后更深層次的需求尤為重要。
以不同的方式優先考慮多式聯運場景
雖然多模式場景對許多信息工作者來說令人興奮，但對一線工作人員來說，它們的影響遠為關鍵。視覺捕捉白板筆記與向在雨夾雪中行駛的卡車司機發出迎面而來的車輛信號有著截然不同的意義。為運輸工作者設計的以視覺為中心的輸入和輸出體驗必然會極其靈敏、細致和準確——從而為現場物流工作者和信息工作者帶來顯著更好的體驗。
從設計的角度來看，由于一線崗位高度的體力勞動和對話性，人類活動的范圍更加廣泛。雖然所有專業領域都推動著經濟發展，并且意義深遠，但未能滿足一線工作者的需求會立即對社會各階層產生深遠的影響。通過將通用設計原則應用于針對這些更為極端和關鍵狀況的多模式解決方案，我們正在創造惠及每個人的體驗。
轉變端到端工作流程
人工智能的更廣闊潛力不僅在于實現任務自動化，更在于積極賦能人類，創造全新的途徑和工作方式。這種潛力遠不止于辦公室，還涵蓋教室、醫院、建筑工地、交通系統等等。
例如，我們采訪過的教育工作者已經看到人工智能深深嵌入到他們的課堂中，最初是由學生的采用推動的，但現在正在改變他們創建和教授課程的方式。
護士和醫護人員同樣利用人工智能來更有效地管理患者護理。
微軟對 Microsoft 365 Copilot 等工具的愿景正是基于這一新現實：設計能夠實時理解、預測并適應人類需求的智能系統。在我們重新構想整體體驗的過程中，協同設計的一部分在于重新思考如何通過智能設計來衡量、定義和實現生產力。通過不再使用人工智能來自動化當前任務，而是從根本上重新思考任務本身，我們可以優先考慮最重要的事情：人際關系、快速學習、經濟賦能和有意義的工作。
一種新的端到端思維
端到端體驗通常指整個產品生命周期。當我們思考產品將存在于的世界時，需要一種不同的端到端思維。教育行業在整體思考經濟增長時，通常采用“從搖籃到職業”的思維模式。討論的重點并非僅僅放在教育隧道末端的工作崗位上，而是從幼兒教育開始，然后是K-12和高等教育途徑，包括高等教育和帶薪學徒制，最終是維持生計的工作崗位。
考慮到這些關鍵崗位的嚴重人員短缺，產品制造商的端到端思維應該包括引發關于如何最好地引導人們進入這些職業的討論。像領英這樣數據豐富的平臺可以通過展示熱門崗位、規劃基于技能的職業發展路徑，以及為有抱負的工作者（無論是高中生還是轉行者）提供學徒計劃、認證和導師支持，使一線職業發展路徑更加清晰易懂、易于導航。通過將這些洞察融入產品設計，我們可以用全新的端到端思維，全面支持關鍵職業發展。
歸根結底，下一代人工智能不僅僅是數字化的；它是切實的、交互式的、主動的、并且高度人性化的。對于人工智能設計師和產品創造者來說，我們的使命從未如此清晰：廣泛、深入且人性化地重新定義生產力。在微軟，這是我們的承諾——不斷改進我們思考和構建全球最具影響力的人工智能工具的方式，確保從電工和教育工作者到設計師和商業領袖，每個人都能在這個新的現實中蓬勃發展。