與AI共存，關鍵在於思維模式而非技能

近日，一位資深銀行家向我提出了一個引人深思的問題：“隨著AI的能力以驚人的速度提升，我應該專注於工作的哪10%，以確保AI永遠無法取代我？”這個問題反映了當前許多專業人士的焦慮。過去幾年，AI已經從能很好地完成簡單任務、在複雜任務上表現糟糕，發展到能出色完成簡單任務、在複雜任務上也表現良好。OpenAI的基準測試GDPval顯示，基於最新模型的AI代理在80%的情況下表現與人類相當或更好，而六個月前這一比例僅為50%。這一趨勢無疑對企業和員工構成了挑戰：我們多年來積累的技能可能很快被AI代理執行。

面對不確定性，人們自然傾向於尋找熟悉的安全區，固守最信任的習慣。但我的建議是：放棄那10%的信念，勇敢地讓舊習慣消亡，從而在職業上重塑自我，迎接全新的100%，即使它與你過去所學截然不同。不同職業受到的衝擊方式和時間線各異，但對於那些GDPval報告指出最容易受影響的職業——如開發者、律師和物業經理——適應之道尤為緊迫。我們需要保持好奇、開放，願意放棄最成功的職業習慣，同時堅守那些不變的人類品質：直覺、判斷力和價值觀。

過去一年，生成式AI已從類似谷歌搜尋的聊天機器人，進化為能夠模擬人類推理、制定計劃並採取行動的技術。如今，我們可以將更多工委託給AI代理，且只需極少的人工干預。在企業環境中，這些代理透過人類互動和內部評估反饋不斷改進。這種演變要求人類使用者轉變思維模式：信任這些代理，學會在適當時候放棄控制，從操作者轉變為監督者。這從根本上要求我們重新審視自己的習慣。

以銀行家為例，我建議他放棄直接控制每一步的衝動，比如不再親自制作簡報的每一行內容。他的新任務是提供清晰的指令，讓代理更有效地朝著目標運作，並確保系統性地應用適當的控制，從而安全地執行任務。從個人貢獻者到監督者和導師——這是新的100%。

換個角度思考：想象一位經驗豐富的騎手學習駕駛汽車。騎手應保留哪10%的騎術技能來掌握駕駛？可能沒有。那麼，成為優秀司機需要100%的技能是什麼？是他們的反應和直覺。銀行家經常收到客戶的複雜問題，如關稅對投資組合的影響及如何對沖風險。目前，回答這些問題需要收集資訊、驗證、制定策略，然後在數小時或數天後與客戶討論。未來，有了後臺的AI代理，我們可能能在客戶提問之前就給出答案——在t-1時刻。銀行家的增值在於審查建議、運用判斷力、與團隊和代理討論，並在客戶聯絡你之前主動致電。這如同經驗豐富的司機在惡劣天氣下利用牽引力和輔助制動系統導航山路。

新的挑戰不僅是最佳化，而是重新思考我們的角色和公司。不要把重點放在重新學習技能上，而要重新想象技能並建立新習慣。將人類與代理的混合勞動力視為新常態，並據此重組公司。這需要幾個基本要素：

領導力：放棄舊習慣不會自然而然發生。它需要強有力的領導和高層推動，要求人們對變革負責。這最具挑戰性。將AI應用於簡化舊流程可能帶來暫時緩解，但長期會錯過目標。大規模變革管理要求最高層領導承諾實現徹底轉型。如果希望開發者改變習慣，要求他們提高3倍生產力，而不是20%。如果希望防止候選人在面試中用AI作弊，設定只有透過AI精通才能完成的艱鉅任務。如果希望簡化採購到付款流程，目標是減少90%的手動接觸點，而不是20%。即使只達到一半，也能確保團隊經歷了徹底反思，而不僅僅是最佳化。

目標和結果的清晰度：如果我們不知道什麼算做得好，人類和AI都無法採取正確步驟。我們必須專注於評估和基準。大多數公司把任務視為一系列分步行動，將其編入標準操作流程，然後在此基礎上設立控制。現實中，組織流程和決策更像“垃圾罐問題”，有些混亂、偶然和非線性。在高盛，我們首先專注於定義什麼算做得好，從流程質量指標和經驗豐富的操作者的決策中汲取經驗，然後建立評估體系，將AI代理的輸出與期望結果進行比較。透過適當的反饋迴圈，AI自我改進直至輸出匹配結果。這如同告訴地圖應用以最快路線到達目的地，避開橋樑，而不是給出左轉右轉的次數，並在行程結束時提供反饋。從逐步的嚴格規則執行，轉向基於結果的代理系統，由人類在迴路中監督。

對自身資料的掌握：沒有上下文，代理無法運作，會退化為聊天機器人。資料是上下文的生命線——組織的真相地圖。沒有這個真相，就沒有明確方向。我的經驗是，AI轉型遵循資料轉型，而非相反。許多公司的資料分散、對映到多個不相關的本體、重複且陳舊。AI存在終極的“垃圾進，垃圾出”問題，因為垃圾輸出看起來合理。因此，領導者可能應推遲大規模AI專案（這是當前不受歡迎的概念），直到資料就緒。資料準備可能需要數月或數年，但可優先考慮AI轉型的用例。

這如何改變習慣？抵制直接接受AI輸出的誘惑。檢查來源、監督並驗證輸出，或學會這樣做，如果你過去只依賴自己的成果。代理未來要求每個人都成為某種程度的管理者。這是寓意所在。個人改變更難。有勇氣放棄自己的固有習慣，擁抱全新的職業身份，是在職者面臨的最大挑戰之一。