員工可否學會和機械同事呢？
現在在崗進修面對挑釁。龐大闡明技能、人工智能和機械人倏忽闖入了職場的方方面面，從根本上推翻了這一由來已久的有用進修方法。伴隨著技能讓事情愈來愈自動化，每一年都有數以萬計的人離任或失業，數以億計的人必需進修新技能和新事情方法。但更普遍的證據標明，公司安排智能機械會攔阻這一要害的進修渠道：我和我的同事發明，人工智能會讓新手失去進修時機，讓熟手在行削減實踐時機，迫使二者必需與此同時控制新辦法和舊辦法，令他們泰山壓頂。
那末，員工可否學會和這一些機械同事呢？此前的一些考察來源于到場挑釁通例實踐的進修者，這一些實踐并不是重點，并且人們對其后果的容忍度高。我將這一遍及存在且非正式的步驟稱為“黑暗進修”。
進修的阻礙
我發現了獵取所需技術的四大遍及停滯，這一些停滯觸發了黑暗進修。
1.新手正在失去“進修上風”
正在任何工作中，培訓員工都市發生本錢并下降質量，由于新手行為遲鈍且易出錯。組織迎來智能機械，通常會讓受培訓者削減介入風險和復雜度高的局部，以此作為辦理之策。因而，受培訓者將沒法取得擴大本領范疇界限，并正在有限輔助下由毛病中發展的機遇——而這一些恰恰是進修新技能的必備條件。
投資銀行里也是有一樣現象。紐約大學的卡倫·安東尼（CallenAnthony）正在某投行中發覺，合伙人用算法來幫忙公司并購并解讀估值，使得低級剖析師取高等合伙人越離越遠。低級剖析師的義務僅是由體系中提取原始告訴（正在網絡上對感興趣公司的財務數據舉行收集），然后將其傳遞給高等合伙人舉行剖析。
這類合作的隱含邏輯是什么？首先，下降低級員工正在面向客戶的龐大事情中出錯的風險；第二，最大化高等合伙人的效力：向低級員工詮釋事情的工夫越少，他們就越能專注于更高等其他闡明。那樣干短期內效力有所提高，但卻褫奪了低級闡明師挑釁龐大事情的時機，使他們更難以理解全部估值進程，并減弱了公司將來的本領。
2.專家取事情疏遠了
有時，智能機械會夾正在受培訓者和事情之間，有時則故障專家舉行主要實踐事情。機械人操縱的手術中，外科醫生正在手術過程的絕大多數工夫皆看不到病人的身體或機械人，是以沒法直接評價和辦理關鍵環節。比方，正在傳統手術中，外科醫生會敏銳地意想到裝配和器械若何碰觸病人的身體并舉行相應調劑。但是正在機械人手術中，若是機械臂撞到病人的頭頂部，或干凈臂行將替代器械，外科醫生必需依托別人提示能力曉得。這對進修有兩重危害：外科醫生沒法考驗全面理解本身事情所需的妙技，和必需經由過程別人能力得到此類新妙技。
3.學習者必需把握新舊兩種方式
機器人手術用一套全新的本領和技能來實現傳統手術試圖到達的成果。它包管更高的精確度和更優人體工程學，直接被納入了課程中，住院醫生被規定進修機器人常識和傳統辦法。但課程沒有充足的工夫讓他們二者兼通，這往往會致使最壞的成果：哪類都沒有控制。我將這一困難稱為辦法超載（methodologicaloverload）。
4.尺度學習方法被默許為有用
幾十年的研討和傳統讓實習醫生遵照“看一、干一、教一”的要領。但如我們所見，它不順應機器人手術。盡管如此，依附老派學習要領的壓力非常大，“罪大惡極”者寥寥：外科培訓研討、尺度步伐、政策和高等外科醫生皆持續夸大傳統的學習要領，哪怕該要領顯然已不適用于機器人手術。
黑暗進修
面對以上攔阻，黑暗學習者靜靜繞過或沖破劃定規矩來得到所需的指點和履歷，自然沒有足為奇。約100年前，社會學家羅伯特·莫頓（RobertMerton）就發明，當正當手腕對殺青有價值的目的沒有再見效時，就會發生很是手腕。關于專業知識（或許是職業的終極目的）還沒有破例。
鑒于我描寫的阻礙，我們應了解人們會采納其他方法進修環節妙技。這一些方法普通靈敏有用，卻往往會讓個人和組織付出代價：黑暗進修者可能會受到懲處，比方失去實踐時機或位置或導致糜費乃至組成損害。但人們仍然頻頻迫不得已，由于當合規的方法失利時，他們的進修方法見效。不加判別地效仿這一些極度手腕自然舛誤，但它們的確有組織值得進修的地方。
1.連續進修
跟著智能手藝變得更壯大，黑暗進修還正在迅速發展。新形式將跟著時候的推移而發生，給予新的經歷。堅持慎重至關重要。黑暗進修者常常意想到他們的做法沒有符合慣例，而且他們還許由于本人的做法而受到懲辦。（試想若是一名外科住院醫生讓他人認識他/她想找最沒有純熟的主治醫師互助。）由于能發生結果，只要黑暗進修者沒有公開供認，中層管理者常常對這一些做法視若無睹。當觀查者，特別是初級管理者公布想研討員工若何靠違背規矩來得到妙技時，進修者及其管理者還許沒有愿意分享經歷。對照好的解決方案是，引入中立的第三方，能夠確保嚴厲的匿名性，與此同時對照沒有同案例的做法。我的線人起頭認識并信任我，他們意想到我正在很多事情組和舉措措施中觀查事情，是以他們確信本人的身份會受到護衛。這關于讓他們說出究竟至關重要。
2.調劑您發明的黑暗進修實踐來順應構建組織、工作和技能
組織對智能機械的處理通常停留正在讓個體專家操縱事情，削減對受訓者依附的層面。機械人手術體系答應初級外科醫生正在較少的資助下操縱，他們照做了。投資銀行體系答應初級合伙人將低級剖析師從龐雜的估值事情中解除，他們還照做了。一切長處相干者都應對峙讓組織，手藝和事情設計進步生產力和增強OJL。比方，正在洛杉磯警員局中，這將意味著轉變對巡警的鼓勵步伐，從頭設計PredPol用戶界面，確立新腳色來毗連警員和軟件工程師，和由警員建議確立帶解釋的最好實踐案例庫。
3.使智能機械成為解決方案的一部分
人工智能能夠正在學習者碰到困難時供應扶助，為作為導師的專家供應培訓，并奇妙地毗連這兩個群體。比方，金柱赫（JuhoKim）正在麻省理工學院讀博時建立了ToolScape和Lecture-Scape，能夠眾包體式格局為教授教養視頻加解釋，并為之前停息探求解釋的用戶供應廓清表明和機遇。他將之稱為學習者采購。正在硬件層面，加強實際體系最先將專家指點和解釋帶入工作流中。
現有應用程序利用平板電腦或智能眼鏡，將引導實時添加到事情上。估計很快就會有更龐大的智能體系。比方，那樣的體系能夠正在學徒焊工的視野中疊加工場中榜樣焊工的錄相，表現事情若何完成，記實學徒的實驗取之比照，并根據須要將學徒取榜樣焊工聯系起來。這一些行業不停增加的工程師社區大多數專注于正式培訓，更深條理的危機是OJL。我們須要重新分配正在OJL上的精神。
幾千年來，技能的發展推動了事情步驟的由新設計，學徒們由導師那邊獲得了需要的新技能。但正如我們所見，如今智能機械正以生產率為名，迫使我們讓學徒取導師離開，讓導師取事情離開。組織通常在沒有經意間挑選生產率而非員工到場，因此在事情中進修變得愈來愈堅苦。然而，黑暗進修者正在尋覓有風險、打破常規的進修方法。想在智能機械天下中競爭的組織應當緊密親密存眷這一些“沒有按常理出牌的人”。他們的行為能夠讓您深入相識，當將來專家、學徒和智能機械配合事情和進修時，如何故最好體例完成事情。
馬刻·比恩|文
馬刻·比恩是加州大學圣巴巴拉分校技術管理助理傳授，也是麻省理工學院數字經濟項目研討成員。