虽然最终预测 AI 将促进美国经济，它还指出，「因为 AI 有可能替代一些工作，或降低某些工作的工资，自动化将增加教育和受过教育的工人之间的工资差距,可能增加经济上的不平等。」报告最后提出了进一步研究这个问题的建议，研究可能从研究技术如何改变工作场所开始，改变技能的本质，甚至在传统上与自动化绝缘的行业。例如，现在的银行业务主要不是会计表，而是复杂的计算机模型。

自动化的空间

富国银行的执行副总裁 David Julian 表示，「庞大的模型对我们如何管理我们的业务有着巨大的影响。我们有数百万的贷款，有些系统需要计算利息。」他还说，在更复杂的层面上，计算机模型可以通过计算和分析人类大脑无法测度的数据，来预测 10 年后房地产市场的损失。如今的银行越来越需要工程师和数据科学家。他们需要构建复杂的计算机模型，了解他们的内部机制，这样他们就可以对它们进行测试。

Julian 说，「我们可以很容易地测试输入，数据进入系统，测试我们得到的数据。但是要测试那个黑盒子是很难的。还有更多的依赖于那个黑盒子。我不得不雇佣更多有背景技能的人，他们懂得如何打开这个盒子，看看它是否在做它应该做的事情」。

这种转向依赖计算机模型的转变让银行争夺人才。朱利安的风险管理团队在三年内从 550 名员工增长到 950 人，他预计每年还会再招聘 100 到 200 名员工，「他们非常非常抢手，极客们现在对金融机构来说就是摇滚明星」。

曾经远离科技领域的其他职业也对它的来袭做出了反应。今天的媒体公司、广告公司已经招募了大数据和高级软件的力量，以最大化页面浏览量，并获得更多的人眼球。「媒体行业是由机器人运营的。」广告和营销巨头 Young & Rubicam 全球生产和伙伴关系执行副总裁 Grant Theron 说。

Young & Rubicam 全球人才管理执行副总裁 William Manfredi 认为，营销本质上已经转变为今天的数据分析过程，这是关于如何解释数据来理解人们的行为。有什么见解?什么是创造性?然后是什么渠道?这些渠道越来越自动化。

「创造性想法的表达正在慢慢地被拉进自动化的空间，」Theron 说，当你点击你的设备时，技术知道你的大量信息，让它可以定制你所看到的瞬间。Manfredi 认为这比以往任何时候都更科学，而那些能够看到这一过程的人，他们将在未来推动业务。

处理系统

与法律和广告相比，像重工业这样的技术部门似乎容易受到自上而下的自动化的影响。当 Pete McCabe 还是通用电气运输公司全球服务组织的副总裁时，他负责管理这家老牌跨国公司的服务部门，该公司负责建造、部署和管理重型运输机械。

McCabe 的大部分权限都是复杂的软件。例如，他的组织管理着 800 英里长的单轨铁路的交通流量，决定何时分流列车，以优化交付时间。McCabe 说，「我们有一些非常非常复杂的算法，可以在速度上提高 10% 的速度，并在准时和交货的情况下改进。一条大铁路每小时 1 英里的差值是 4 亿到 5 亿美元。」

在过去的几十年里，像通用电气这样的工业巨头越来越多地将他们的商业策略转向软件。他们不再依靠出售巨型火车或喷气发动机或工业涡轮机来积累财富，而是通过监控、诊断和优化绩效来获得收入。从硬件转向软件的转变降低了成本，提高了效率，并颠覆了员工所需的技能。McCabe 之前说过，99% 的劳动力都是机械培训的，通过在电子、机械或暖通领域的贸易学校类型的教育。相比之下，如今他招聘的都是工程师、数据科学家和软件程序员。尽管如此，McCabe 补充说，即使是在像数据科学这样的高需求领域，领域特定的培训是不够的。根据他的说法，从根本上改变结果的问题，无论是生产力、医疗保健，还是其他地方，都将是系统问题。

例如，通用电气最近着手解决的问题：在广阔的平原上，狂风猛烈的阵风偶尔会以 90 度的角度击打车厢，导致偏离轨道。这将威胁到公众和环境的安全，通用电气的电力业务已经建立了一个模型，用来预测哪些树木可能会在风暴中倒下，帮助公用事业公司提前将维修卡车定位。因此，尽管在内布拉斯加州荒凉的平原上没有风速表，但他的团队决定应用这个概念来预测风吹过的问题。

McCabe 说，为了监督像这样的系统项目，他一直在寻找一个可以称之为「四分卫」的角色。「我能找到工程师，我能找到软件人员，我能找到优秀的数据科学家，但很难找到一个能把所有的线索都拉到一起来监督专家团队的人」。这种整体的思想被各种各样的公司所重视，而这就是所有公司都在寻找的管理者。

工作的想法

越来越多的管理能力，如跨功能，现在是入门级职位的要求。一些公司，如谷歌，甚至将其作为招聘过程的基石。「当你面试谷歌时，不只是在面试一份工作。」谷歌办公室的工程总监兼网站负责人 Steve Vinter 说，谷歌喜欢雇佣通才。面试过程评估求职者对广泛挑战的反应，而不是在任何具体的领域询问他们：你认为怎么样?你如何分析问题?如何开发算法?你如何衡量这些算法的性能?

谷歌的求职程序通过协作解决问题的活动来测试候选人。这种招聘制度的一个好处是，它衡量的是专业技能和良好的推理能力，也包括求职者的好奇心、他们对创新的本能，以及他们与他人合作的能力。

例如工作日每天的签到，每个人都站在那里，谈论白天要做的事情。他们中的一些人做的事情似乎是不相关的，但是通过告诉每个人你要做什么来发现他们之间的关系。

这种结构化的意外发现得到了员工的支持，他们必须向团队报告他们的日常进展，建立在同伴压力的积极方面，同时也要求在概念化、综合和交流思想方面有技巧。

Demo days 是谷歌业务文化的另一个特点，它是一种展示和讲述，为那些非常有成就的技术人员展示他们的骄傲和求知欲，同时也是他们评估他人想法并创造性地建立在他们身上的自然倾向。这些人的品质是谷歌惊人成功的一个重要组成部分，它弥补了数字和生活世界之间的差距。展望未来，人们仍然需要知道具体的知识体系在工作场所是有效的，但当智能机器在很大程度上提高信息的时候，单靠这一点是不够的，员工必须也随之表现出更高层次的思想。

关键和系统思考

批判性思维的定义在某种程度上是流动的，我们可以说它需要以一种巧妙的方式分析想法，然后将它们应用于有用的方法。

要做到这一点，一个人需要能够观察，反映，综合，想象概念和信息，并传达结果。简而言之，批判性思维是我们在教育中所做的许多事情所期望的最终产物。在关键思想的保护伞下，机器正在变得越来越好，包括观察和交流。但他们并没有抓住所有的机会。

因此当一名律师考虑了一场棘手的合同纠纷，并想出如何让客户获得胜利的位置时，当一个营销人员制作了一个网站的内容，让眼睛盯着屏幕的时候，他们就在使用专属于人的认知能力。因此，批判性思维仍将是数字时代人类工作的基石。

同样地，系统思维涉及到在各个领域中看到机器可能能够单独地理解，但不能以集成的方式进行分析。考虑到它们的复杂性，概念化的系统似乎是一项任务，数字头脑比人类更适合这个任务，而且我们确实依赖计算机来理解复杂的网络。

但计算机无法决定如何处理这些信息。例如计算机可以模拟气候变化，但它需要人类来设计和制定政策来阻止它。在被风吹脱轨的情况下，计算机可以帮助工程师团队预测何时可能发生，但他们不能为项目提供所需的不同的人才，给他们方向，解释发现的更广泛的影响，并决定如何实施改变。一台计算机在一开始就不会有这个项目的想法，只有人类才有这种创造力。

因为批判性思维和系统思维对于未来的人类雇员是至关重要的，所以我们必须通过现在的教育来灌输他们。大学将不得不发展培养学生认知能力的方法，如果他们希望维持他们古老的社会契约，为毕业生提供充实、富有成效的生活，并产生新的知识。为了与智能、先进的机器竞争，我们需要理智地思考推进高等教育的问题。