人類會被機器人和人工智能奪走工作，甚至生命，早就不是什么新鮮話題。

　　各種影視作品和學術分析，都已經指明了未來人工智能在整個生活空間中必然會占據一個龐大位置，但問題是那很遙遠啊。遠遠還不到真正威脅我們工作和收入的程度。

　　然而來到了今年下半年，從巨頭到創業公司，從硅谷出來的風到國產黑科技，好像都在告訴我們這樣一個事實：人工智能真的能用了。

　　經歷了PC和移動兩個互聯網時代的我們，應該已經知道互聯網改變現實工作機會的方式：首先扎開幾個小孔，隨后是一場洪流般的普及運動，最終遍地開花。

　　那么，“真實應用版”的人工智能最有可能從哪些行業開刀呢？本文來做一個統計，希望作為讀者的你并不在其中。當然，在也無妨，畢竟任何工具的進化，本質上都會提供更多職業上升通道。

　　【速記】

　　羅永浩的新品發布會突然激活了語音輸入這個行業，可能是今年最有意思的不期而遇之一。但是不得不說，這是個必然而非偶然。

　　從最近火熱的訊飛，到行業老大搜狗輸入法，甚至BAT以及國際巨頭，人工智能語音識別其實已經不是一兩天內的新聞了。

　　但區別在于，基于語音精神元的單位化智能識別大大加強了人工智能語音識別的準確性。加上降噪、抗干擾、對話角色識別等功能，通過人工智能把語音轉換成文字已經成為了基本可行的工作。

　　而在這個轉換中被省略掉的人力勞動，顯然是速記。根據親身實測，很多付費軟件的語音文字轉換正確率已經比職業速記高出不少。而且顯然響應速度更快。目前最大的問題僅在于人名、地名以及部分專有名詞的識別上（事實上速記也識別不出）。

　　進一步可能受到威脅的職業是同聲傳譯。因為絕大多數同傳錯誤率本就很高，基于類似谷歌神經網絡翻譯技術得到的翻譯結果再通過語音傳輸，其實可以推翻大部分同傳的工作。

　　當然，涉及創造力和專業屬性的翻譯暫時還是安全的，但能安全多久我們也不得而知。

　　【股票分析師】

　　fintech已經被喊了有一段時間，但是在國內，這個名詞還更多被看做是p2p升級版的噱頭和合法化包裝。

　　然而從金融、證券，尤其是個人理財服務的本質上看，判斷收益率和選擇投放，并做出合適的一攬子配比就是這類工作的基本面。大數據和深度學習技術的完善，已令人工智能有能力完成大多數金融服務工作。

　　fintech體系中一個重要部分叫做“機器人理財”。眾多針對這項技術的硅谷和以色列創業團隊今年都收獲了巨額投資或者并購，從技術上看已經相對成熟。國內機器人理財方興未艾的原因，一方面是平臺缺乏公信力，無法贏得用戶和監管方的信賴，一方面是機器人理財平臺如何獲得收益是個問題。一但BAT級別的巨頭加入這個戰場，可能造成的變量相當可觀。證券分析、理財服務等從業者很可能受到沖擊，尤其是“民間專家”型分析者。

　　當然，AI＋人工的金融服務更可能成為未來主流。對于金融業來說，fintech更像是一次升級機會。

　　【導購】

　　對于用戶來說，導購人員的作用是什么呢？一是通過導購了解產品，二是幫助自己選擇商品，三是用來講價。

　　而在大數據，尤其是客戶數據體系、客戶畫像能力、智能推薦技術都日臻完善的今天，購物場景中通過新奇的技術體驗來幫助用戶完成選擇很可能成為主流。

　　淘寶的VR購物平臺buy＋一經上線就受到熱捧，可見消費者對于以新技術＋體驗的方式完成購物是非常認可的。實體店和商超廣泛引入人工智能導購體系，不僅可以大大節省人力支出，還能在平臺接入、支付系統、線上增值服務等端口獲得更多紅利，商家何樂而不為？

　　大規模把人臉識別、用戶畫像和智能推薦的導購體系推進商場，其實只需要一次聲勢浩大的補貼和返現活動，而中國互聯網人是極擅長這招的。由此產生的連鎖效應，很可能令低端導購、純粹提供分揀、拿貨、收銀、推薦等體力服務的導購失去工作意義。

　　當然，智能推薦＋購物可能創造的新就業機會也很多，這或許是O2O的又一次覺醒契機。

　　【客服人員】

　　容聯云、平安，包括阿里、騰訊，目前都已經推出了自己的云客服系統。這個2B產業風口已經被認為是企業級服務的突破口。當然，目前云客服工具對于很多企業來說應用價值還不高，僅僅是減輕了客服人員的部分工作而已，企業付出的人力成本基本沒有變化。

　　但人工智能廣泛入場之后，現狀很可能被進一步改寫。

　　人工智能目前已經可以提供語音識別、語言響應、智能推薦等功能?；趩栴}數據庫和處理方式數據庫，搭建比較完善的客服響應中心，輔以接通深度學習端口的人工服務，一個簡單實用的客服處理中心基本可以宣告完成。

　　人工智能＋客服，優勢是響應快而無時間限制，出錯率少，并且可以搭建多路徑整合的響應方式，這些是人工客服永遠無法完成的。甚至有美國研究機構發現，通過智能推薦，智能客服完成的二次交易率都比人工更高。相比起來，人工客服所能提供的只是情感交流、特殊問題解答等不可代替服務，前者應用頻次過低，后者可以通過深度學習不斷彌補。

　　因此，企業通過人工智能完成客服＋市場＋客戶群租運營的日子應該已經不遠了。國內就有很多平臺級玩家在解決這一升級需求。而相應的就是客服人員可能大量遭遇工作價值缺失，當然，人性總歸是復雜的，在緩解客戶情緒（尤其是挨罵）上，人工客服永遠有存在的必要。

　　【文字工作者】

　　沒錯，我跟我的同行也面臨著人工智能帶來的失業壓力。

　　人工智能寫稿，一直是未來媒體和新媒體領域探討的關鍵技術。但從今年的態勢看，這個技術已經很大程度能夠被投放應用。先不說寫詩寫小說這種創作型寫作（事實上這些人工智能也已經能完成），就說每個新媒體人和企業的新媒體運營、網絡編輯都會遇到的“抓熱點”“造點擊率”，人工智能的組稿和撰稿引擎已經被證明可以完美勝任。

　　相比人類，人工智能抓取的熱點和關鍵詞更準確，而初級網絡編輯的“拼稿＋塞圖”行為人工智能也能完整進行，而且效率超高。

　　另一方面，文案和公文寫作的文字工作者面臨的挑戰更大。這種模塊化寫作內容其實是人工智能的最愛，它可以準確滿足所有需求，避免一切錯誤，甚至能深度學習審稿人的愛憎。用人工智能寫手來寫公文，顯然可以永遠不犯領導名字順序寫錯這種錯誤?？胺Q眾多公職人員和媒體人的福音，同時也是他們的最大競爭對手。

　　當然，人工智能在創造力和深度上還完全沒有優勢，它只能滿足閱讀者的需要，卻不能給閱讀者提供任何新東西。

　　【這些行業的共同點】

　　其實還有很多行業馬上就會面臨人工智能的挑戰?？偨Y這些行業，會發現有以下共同點：

　　一、處在信息的兩端。目前的人工智能，能高效完成的其實只有兩件事：識別數據，推薦數據。而這兩者剛好處在信息的兩端。那么同樣，在識別數據端的速記、翻譯，和推薦數據端的導購、理財師，就很可能受到直接沖擊。相對來說，運用數據和基于數據再創造的職業會安全一些。

　　二、以歸類＋選擇為工作目的。有很多工作，其本質上并非是創造價值，而是在固有信息過多或者難以處理的情況下，幫助他人歸類并選擇信息。但是人力有時而竭，人工智能一但鏈入具體數據庫，所能提供的服務比人力要優越很多。

　　三、高度模塊化。還有一種工作很可能被人工智能打敗，就是職業本身內容是把高度模塊化的東西反復拼接在一起，尤其是信息拼接。這就像信息空間中的工業革命，人工智能拼接模塊和信息流的效率十分驚人，而且可以基于數據滿足使用者需求，從效率和目的上都是人力無法匹敵的。而其前提是工作的初始模塊已經完全固定，當然這樣的工作其實很多。

　　總的來說，識別、歸類、選擇的工作已經非常危險，即使人工智能不進行硬件化和設備化，也可以完成替代。如果設備化完成，那么駕駛、機械操作、攝影攝像等設備工作也將面臨巨大沖擊。

　　怎么辦呢？其實最好的辦法就是先知先覺變成人工智能專家，然后去搶別人的就業機會。