《机器与人: 埃森哲论新人工智能》作者是【美】保罗•多尔蒂和詹姆斯•威尔逊 ，原作名: Human + Machine: Reimagining Work in the Age of AI，2018年出版。
保罗•多尔蒂（PAUL DAUGHERTYH）：埃森哲首席技术官和创新官、埃维诺咨询公司董事长、世界经济论坛的成员，以及密歇根大学计算机科学与工程学院的顾问委员会成员，多年来一直负责埃森哲的技术战略和创新架构，是埃森哲人工智能研究工作的创始人。作为人工智能领域的技术专家，多尔蒂曾经与世界各地的企业和政府领导人合作，帮助他们应用技术进行机构改革。他凭借优越的技术领导才能入选科技杂志《计算机世界》评选的“2017年技术领军人物100强”。
詹姆斯•威尔逊（JAMES WILSON）：埃森哲研究部信息技术和商业研究领域董事总经理、巴布森高管教育学院高级研究员、贝恩公司研究项目负责人、《哈佛商业评论》《麻省理工斯隆管理评论》《华尔街日报》的长期供稿人，发表过大量关于智能机器如何提升员工表现的文章。威尔逊致力于技术研究和创新，曾经与政府、大学和商业领导人合作以应用技术来增强人类的能力，其中包括美国国家航空航天局以及美国美式橄榄球联盟。
这本书探讨了人工智能（AI）如何改变工作方式和业务流程。以下是每一章的总结：
**第一部分：人类+机器的今天**
理解人工智能对企业流程的转型作用是了解其对当前和未来影响的关键。
人们有一个普遍的误解，认为包括高级机器人和数字机器人在内的人工智能系统将逐渐取代各行各业中的人类工作者。例如，有一天自动驾驶汽车会取代出租车、货车和卡车司机。对于某些工种而言，情况可能的确如此。但我们在研究过程中发现，虽然人工智能可以实现某些功能的自动化操作，但这项科技的更大优势在于补充和增强人类的能力。例如，在索赔处理过程中，人工智能并没有取代人类，相反，人工智能在做着冗长乏味的工作，收集数据并进行初步分析，从而让索赔处理人员摆脱了繁重的负荷，能够专注于解决复杂的案例。事实上，机器正在做它们最擅长的事情：执行重复的任务；分析庞大的数据集；处理常规案例。人类也在做自己最擅长的事情：处理模糊信息；对棘手的情况做出判断；应对不满的客户。人与机器之间的这种新兴共生关系正在推动企业转型的第三次浪潮。
企业转型的第一次浪潮的特征是标准化流程。这个新纪元的开创者是亨利·福特，他解构了汽车的制造过程，实现了生产线的流程化，使整个过程中的每个步骤都可以进行测量、优化和标准化，从而使效率得到显著提高。
企业转型的第二次浪潮的标志是自动化流程。该时代始于20世纪70年代，并于20世纪90年代达到顶峰。这次业务流程再造的驱动力是信息技术的进步：台式计算机、大型数据库和自动执行各种后台任务的软件。在众多公司当中，沃尔玛这样的零售商趁着这股浪潮在全球站稳了脚跟，其他公司也经历了一个自我重塑的过程。例如，UPS（联合包裹速递服务公司）从一个包裹递送服务商转变为一家全球物流公司。
当今企业转型的第三次浪潮的标志是自适应流程。第三个纪元是在前两次变革的基础上发展而来的，它将比装配流水线和数字计算机引发的革新更加引人注目，并将迎来全新的创新业务方式。许多行业中的领先企业都在重构它们的业务流程，使其作业流程在某些时候更加灵活、快速，能够适应企业员工的行为、偏好与需求。这种自适应能力是由实时数据，而非预先设定的一系列步骤驱动的。这虽然不是标准化或常规化的流程，却可以持续提供更优的结果。实际上，前沿企业已经能够将个性化的产品和服务（而不是过去批量生产的产品）推向市场并实现盈利。
- **自我意识的工厂车间**：介绍了AI在生产、供应链和分销中的应用。举例说明了机器人和人类如何协同工作，以及AI如何使生产过程更加灵活和高效。
- **会计机器人**：讨论了AI在企业后台功能中的应用，如自动化处理、数据分析和决策支持。
- **终极创新机器**：探讨了AI在研发（R&D）和商业创新中的作用，包括如何通过AI加速创新过程。
- **迎接您的新前台机器人**：分析了AI在客户服务、销售和市场营销中的影响，以及如何通过AI技术提升客户体验。
**第二部分：缺失的中间环节** - **培养正确的算法**：讨论了人类在开发和部署负责任的AI中的三个角色。
这三个角色是：
训练者（Trainers）：这些人负责设计和训练AI系统，以确保它们能够正确地执行特定任务。训练者需要理解AI系统的工作原理，并能够通过提供数据、反馈和调整算法来优化系统的性能。他们还负责确保AI系统的行为符合道德和法律标准。
解释者（Explainers）：解释者的角色是帮助其他人理解AI系统的决策过程和结果。他们需要能够解释AI系统的工作原理，以及为什么它会给出特定的建议或决策。解释者对于建立用户对AI系统的信任至关重要，尤其是在那些AI系统被用于关键决策的场合。
维护者（Sustainers）：维护者负责确保AI系统在其整个生命周期中都能正常运行。这包括监控系统性能、更新数据集、修复可能出现的问题以及确保系统的安全性和可靠性。维护者还需要关注AI系统的伦理和社会责任，确保它们不会造成伤害或不公平。 - **日常人的超常成果**：描述了AI如何释放新水平的生产力，以及人类如何通过与AI合作实现更高的工作效率。
一些关键点：
增强人类能力（Amplification）：AI可以处理大量数据和执行重复性任务，从而释放人类从事更有创造性和战略性的工作。例如，AI可以帮助分析客户数据，提供市场趋势的洞察，让人类专注于决策和创新。
人类和机器是协同工作，AI可以增强而不是取代人类。
互动（Interaction）：AI可以通过自然语言处理和语音识别技术与人类进行交流，提高客户服务的效率。例如，聊天机器人可以处理常见问题，而将复杂问题转交给人类客服。
体现（Embodiment）：在制造业和物流等领域，AI可以通过机器人技术与人类并肩工作。例如，协作机器人（cobots）可以执行精确的组装任务，同时允许人类进行更复杂的操作。
智能决策支持（Intelligent Decision Support）：AI系统可以提供实时的数据分析和建议，帮助人类做出更快更准确的决策。这在金融交易、供应链管理和医疗诊断等领域尤为明显。
个性化和定制化（Personalization and Customization）：AI能够处理和分析大量个性化数据，为消费者提供定制化的产品和服务。这不仅提高了客户满意度，也提高了企业的市场竞争力。
持续学习和适应（Continuous Learning and Adaptation）：AI系统可以从经验中学习并不断改进，这意味着随着时间的推移，它们可以提供越来越精准的支持，从而提高工作效率。 - **领导者重塑流程的指南**：提供了五个步骤，帮助领导者开始重塑业务流程，以适应AI时代。
五个关键步骤：
建立正确的心态（Mindset）：领导者需要采用一种全新的思维方式，不仅仅是改进现有业务流程，而是彻底重新构想工作方式。这意味着要拥抱变化，并将AI视为一种能够释放员工潜能、提高工作效率和创新能力的工具。
培养实验文化（Experimentation）：领导者应该鼓励组织内的实验文化，以便快速识别AI技术在哪些领域可以产生变革性影响。这包括对AI应用进行试验和迭代，以确定最佳实践和提高效率的方法。
展现领导力（Leadership）：领导者需要在推动AI技术的同时，确保负责任地管理与之相关的伦理、法律和社会责任问题。这包括确保AI系统的透明度、公平性和可解释性，以及处理可能出现的偏见和歧视问题。
重视数据（Data）：数据是AI系统的基础。领导者需要确保组织能够访问、管理和利用高质量的数据资源，以便AI系统能够提供准确的洞察和有效的决策支持。
技能培养（Skills）：为了充分利用AI的潜力，组织需要培养员工的新技能，包括与AI系统合作的能力、数据分析能力以及适应快速变化环境的能力。这可能涉及到对现有员工的再培训，以及在招聘过程中寻找具备这些技能的新人才。 - **扩展人类+机器的合作**：介绍了在AI工作场所中需要的八种新的融合技能。
这八种融合技能包括：
智能审问（Intelligent Interrogation）：知道如何向AI系统提出问题，以便在不同抽象层次上获得所需的洞察力。
机器人赋能（Bot-based Empowerment）：与AI代理合作，扩展个人能力，创造商业流程和职业生活中的超能力。
全面融合（Holistic Melding）：开发强大的心智模型，理解AI代理的工作方式，以改善流程结果。
互惠学徒（Reciprocal Apprenticing）：与AI代理一起执行任务，让它们学习新技能；同时进行在职培训，使人们能够在AI增强的流程中更好地工作。
责任归一化（Responsible Normalizing）：负责任地塑造人机互动的目的和认知，以及它们与个人、企业和社会的关联。
判断整合（Judgment Integration）：在机器不确定如何行动时，基于判断决定行动方案。
重新人性化时间（Rehumanizing Time）：增加用于人际互动、创造力和决策等明显人类任务的时间。
不懈重塑（Relentless Reimagining）：从零开始创造新的流程和商业模式，而不仅仅是自动化旧流程。
这本书强调了AI不仅仅是自动化工具，而是可以与人类协作，共同创造更大价值的伙伴。作者提出了“缺失的中间”概念，指的是在当前经济研究和工作报道中往往被忽视的人类与机器合作的新方式。人和机器应该协同工作，各施所长。那些仅仅用AI和机器来代替人力的公司最终会停滞不前，而那些通过创新方式利用机器和AI来增强员工技能的公司将成为行业领导者。
对于创业者、企业管理层来说，会有一定启发：AI如何在生产制造、客服、供应链、研发等各个环节的具体应用，有助于帮助企业员工过渡到AI时代。
