为什么这样形容它呢？追溯到20世纪50年代，当时不但可以“计算”数字，还能够正常的使用人工智能方法进行逻辑推理，以证明逻辑定理并用符号而不是数字解决代数问题。到了20世纪60年代中期，利用当时的人工智能技术，诞生了第一个聊天机器人。基于知识的系统使用“If-Then”规则在20世纪80年代激增，并被用于解决和支持各种实际的行业问题。许多基于规则的系统至今仍在运行，所有这些早期的人工智能应用都是基于处理抽象符号、编码和处理知识的能力。

  大约从2012年开始，具有新型功能的新一代人工智能方法席卷了全球，并在各个行业和应用程序中使用。但这股较新、较近期的人工智能应用浪潮，可以追溯到几十年前的原则和方法。只是由于数字形式数据的爆炸式增长、硬件能力的大幅提升、计算成本的降低，以及处理数据的新数学算法兴起，才使人们普遍认为人工智是最近才出现的“新技术”。

  所以人工智能并不是新技术。尽管近年来人工智能的能力和范围有显著的提高，但是上世纪50年代到80年代那些旧的人工智能方法并没有消失。它们仍在使用中，并发挥着重要作用。只不过现在主要与更新的、数据驱动的机器学习方法相结合使用，并已成为现代人工智能的核心。

  如今，人工智能和现实世界应用的新发展正在改变我们的工作、生活和娱乐方式。例如，在使用智能手机或网上购物时，都得益于AI应用程序。还有许多新的应用程序正在试验或已经进行，例如新型的虚拟助理或个人医疗顾问，虽然仍有局限，但功能更强。在全球，每个行业都有公司通过人工智能方法来改善产品、服务和内部运营，并且用AI的公司数量正在迅速增长。与此同时，在所有潜在用户公司中，只有一小部分公司将人工智能方法应用到他们的日常流程或产品中，因此我们还处于扩散周期的早期阶段。

  在各个国家的经济中，人工智能的扩展热情丝毫不减。因为人工智能的方法有不同的类型，可以进行多种形式的组合，它们蕴含着提高业务绩效、服务和产品的巨大潜力。

  在此背景下，美国巴布森学院信息技术与管理特聘教授兼麻省理工学院数字经济项目研究员 Tom Davenport 与新加坡管理大学信息系统名誉教授、前副教务长（研究）Steve Miller 一起研究了在现实世界的工作环境下，人们是如何在不同环境与人工智能系统合作完成日常工作。并将全套的29个案例研究和见解整理为《与人工智能合作：人机协作的线年下半年由麻省理工学院出版社出版。

  通过他们的案例研究，我们可以了解到人工智能在融入工作的过程中对工作性质产生了哪些变化。例如人工智能系统如何在实际操作中降低成本和提高工人生产率，为什么雇主在使用新的人工智能提高了生产率后，不但没有减少员工人数，相反还扩大现有员工工作量来提高生产率。他们的案例发现特别适合正在考虑或计划采用人工智能的公司。

  他们根据科尔尼(Kearney)咨询公司进行的一项研究指出，目前东南亚的人工智能使用率较低，超过80%的公司仍处于使用这种新技术的早期阶段。然而，随着商业中的AI应用开始出现，东南亚正处于一场重大技术革命的风口浪尖：五大经济部门——制造业、零售和酒店、农业、医疗保健和政府（包括安全、安保和智慧城市），将受益于人工智能的日益普及，从而产生强大的整体影响。

  以下是 Davenport 教授和 Miller 教授提出的一些关键观点，强调了在未来如何使用智能机器提升工作：

  平台是人工智能在应用中获取、整合和管理数据并确保人工智能系统有效运行的支撑系统。平台的选择至关重要，为 AI 应用程序提供从输入到处理输出的流畅流程。此外，它们对组织内部的工作角色有很强的影响：例如，参与创建和维护平台的IT和业务人员需要与内部或外部的数据科学家合作，数据科学家在平台的基础上设计和实现人工智能算法。

  利益相关者应该考虑单个AI应用所需的最佳平台，是应该构建多个单一用途的平台或是较少的多功能平台。他们也可以选择人工参与的类型和程度，将人工智能能力嵌入现有交易平台，更好地制定符合他们目标的人工智能战略。最后，企业还应该考虑到平台的选择对劳动力技能和工作角色改变的影响，以及它们是否有正确的路线图来优化人工智能技术和相关的人力资本。

  在使用前几代案例管理系统(CMS)时，员工们必须吸收信息，评估形势，做出判断和决定。这些系统提供的是信息支持，而不是交付系统驱动的决策建议。

  今天，人工智能支持的 CMS 可以使用可用数据和自动化决策算法来提出建议，甚至是初步决策。虽然这种智能系统可以提高组织的生产率，使工作流程自动化，但需要我们人类用户具备对系统决策的过程以及数据的实际理解能力，这样才能准确地检查、修改或更正智能系统的决策。

  人类和智能机器一起工作的明显优势就是人类可以通过确认一个自动化决策适合于当前的特定上下文和环境。例如，一个名为 ShotSpotter Connect 的工具软件，就可以根据智能机器的数据分析来建议警察应该巡逻的区域，以及巡逻时的注意事项。虽然最终的决策权在客户手中，但是他们可以将建议作为指导方向从而做出更好的选择。

  在许多工作环境中，「正确」的决定还需要考虑到对环境因素和突发事件的理解。因此如果忽略人工审查，完全依赖计算机的智能系统来自动化决策，是有很大风险的。只有人类和机器的专业知识结合起来，通常会达到更好的结果。

  自动化是采用人工智能系统的最大好处之一，例如使用基于计算机的智能 CMS 来实现无纸办公，或集成来自不同在线数据源和支持工具的输入并简化工作流程。多亏有了在线 CMS ，在一线的员工和主管就可以随时随地办公，在线应用程序中可以显示完成工作所需的所有资源。事实证明，在Covid-19期间这一点有很大帮助。

  然而，在员工享有更大自主权的同时，远程办公也引起了其他方面的考虑。例如，员工将需要在家中使用相关技术并且他们的工作还受到软件的监控，这会让他们有一种「被电脑拴住了」或者「工作永远不会停止」的感觉。因此，建议雇主们将这种形式的工作与其他非计算机工作相结合起来，这样既可以使员工有工作成就感，也可以避免员工倦怠。

  人工智能的增加也导致了新工作专业化的增长，我们注意到「与业务相关的职位与IT & AI深度技术相关的职位混合」的现象有所增加。这包括拥有 IT 和相关技术岗位业务背景的员工，以及有深厚技术（包括AI和分析）背景的人员被分配到业务部门和其他非IT企业。

  企业在IT、人工智能、网络安全和数据保护方面的需求持续增加。与此同时，还需要更多的人力资本来介入这些人才需求领域。

  如今，新的人工智能正在以极快的速度发展，但是无论对哪个行业来说，将技术、人员和工作职位整合在一起是都是一项非常复杂的任务。因此，致力于用AI策略的公司应该应该从参与由利益相关者、参与者和其他将受到影响的公司组成的复杂生态系统开始。企业领导人可以专注于人工智能的潜力，使企业能够在竞争日益激烈的市场中茁壮成长，并帮助快速提升运营水平和规避风险，同时还能在人工智能的生命周期内大幅减少相关成本。