人工智能可以为重要的一线工人创造经济流动性——以下是产品制造商如何转变我们的思维以涵盖这些体验
作者：乔恩·弗里德曼
关于人工智能的讨论通常集中在其对白领工作（知识型工作、办公室生产力、创造性工作）的颠覆性潜力上，但很少有人讨论人工智能将如何彻底重塑技术工人和一线工作。作为设计师，以人为本的视角意味着不断探索新领域，不仅从技术层面，也从人性的角度。
如今，我们在赋能信息工作者方面拥有卓越的成就，在迈入人工智能时代之际，我们正积极发扬这一传统。展望未来，我也看到了人工智能优先体验的巨大潜力，这些体验有助于为支持社会最基本系统的人们创造经济增长和流动性。构建和维护我们物理系统的是电工、钢铁工人、管道工、运输工人等等。支持我们人类系统的是教育工作者、儿童保育人员和护士等至关重要的工作者。至关重要的是，几乎所有这些职业都面临着严重的人员短缺，求职者数量也在不断减少。
精心设计的人工智能体验或许有助于有效解决这个问题，尤其是在融入整体方案时。随着我们拓展产品方面的思维，Microsoft Elevate 和人工智能经济研究所——我们企业慈善事业的下一个篇章——正在帮助确保人们在人工智能改变世界的过程中不会被遗忘。他们致力于为人们提供技能、知识和工具，让他们能够与人工智能共同发展，这体现了微软的信念：人工智能应该服务于每个人，包容性设计与包容性机遇相辅相成。
有表格可以帮你！减少官僚主义的复杂性
人工智能系统需要庞大的物理基础设施，而随着我们构建越来越大的人工智能系统和数据中心，能源需求也随之飙升。谁来满足这一需求呢？技术工人：负责布线的电工、建造冷却系统的管道工、以及建造承载人们数字梦想的钢铁工人。
然而矛盾的是，正当美国对专业电工的需求达到前所未有的高度时，美国却面临着熟练电工的短缺。
迫切需要吸引高中毕业生直接参与带薪学徒项目——承诺稳定、高薪的职业，且无需承担学生贷款的负担。这一需求为人工智能设计提供了一个清晰而强大的用例：简化从学校到学徒再到熟练工的复杂路径。人工智能解决方案可以简化流程、时间表、表格和认证，从而加速职业发展并促进经济流动性，惠及个人、家庭乃至整个经济。
人工智能是积极的合作伙伴，而不仅仅是另一个被动工具
想象一下，你是一名刚入行的电工学徒，踏入第一个复杂的工地。熟练工们辛勤工作，确保项目顺利推进，但工作节奏之快，让你很难停下来，实时解答每个问题。这时，人工智能就派上用场了——它并非取代经验丰富的电工的指导，而是为其提供支持。使用你的智能手机，人工智能助手可以直观地识别问题，并根据经验丰富的熟练工处理过的数千个实际场景，提供即时实用的建议。这就像在你的口袋里多了一个额外的支持——人工智能就像一个亲自动手的助手，可以强化你的学习，并增强你的工作信心。
这不是理论上的未来主义。而是实用且可扩展的人工智能设计，能够直接提升一线员工的生产力，加速学习，提升效率，并更好地保障安全。一线工人的工作通常需要体力劳动，有时甚至很危险，并且可能需要在不可预测的环境中连续工作10到12个小时——仅在美国，每年就有近100万起制造业伤害和卡车事故。这不仅会影响工作效率，背部受伤或手指缺失还会给整个家庭带来持续的经济困境。
在这种情况下，知道自己并不孤单不仅能增强信心、帮助你在工作中表现出色，还能让你相信下班后能安全回家。
通过以人为本的人工智能设计重建信任
除了人身安全之外，信任也是一线工作另一个方面的关键因素：科技的优势和前景。例如，护士基于过去的经验，对数字技术持怀疑态度，这是可以理解的。二十年前，他们被承诺电子病历 (EMR) 将积极改变他们的工作流程。然而，EMR 主要惠及的是管理人员、保险公司和技术供应商，却让护士承担了额外的繁琐工作，减少了与患者的面对面互动，并降低了他们对技术承诺的信任。
如今，这种怀疑依然挥之不去，其根源在于人们认为科技往往优先考虑企业效率或盈利能力，而非一线员工的实际需求。护士和许多其他技术专业人员理所当然地怀疑，人工智能能否真正帮助他们，或者历史是否会重演。人工智能未来的成功不仅取决于其强大的技术能力，还取决于我们能否重拾并维持信任，尤其是那些曾因技术前景而失望的人们。
解决这一怀疑的唯一可行方法是真正以人为本的产品设计。
前进的道路需要认真倾听一线员工的心声，深入了解他们的日常问题，并共同设计能够带来切实效益的解决方案。优秀的设计，真正植根于用户同理心和实际效用，不会将业务目标与员工需求对立起来，而是有效地协调和平衡两者。作为产品制造商，我们的工作就是实现这种平衡，确保人工智能工具不会为了技术而强加于员工，而是以协作、透明和同理心的方式进行开发。
以不同的方式思考要完成的“工作”
为了兑现这一承诺，我们需要重新构建我们的设计方法和假设。以“待完成工作”（JTBD）为例，这是一个用于理解用户问题的通用设计框架。从历史上看，我们通常将“工作”理解为更具体的行动，通常是通过信息工作（IW）的视角。要让所有员工都能用人工智能赋能，就需要超越表面行为，关注通常位于马斯洛需求层次更高层次的人类需求。
以年度绩效评估为例，无论你是送货司机还是设计师，都会进行绩效评估。通常，员工会填写一份表格，经理们会用这份表格来讨论职业发展。如果我们认为 JTBD 就是“填写表格”，我们就会设计一个 AI 解决方案，让填写表格变得更容易；也许你只是把想法写进表格，然后 AI 会赋予它们结构和更优美的措辞。如果我们意识到真正的 JTBD 是促进有意义的对话，我们就可以设计一个主动的 AI 代理，嵌入到日常工作流程中，让你和你的主管在职业发展对话开始前几周做好准备。该代理会帮助整合你的成就（包括你可能已经忘记的成就），提供相关的反馈，提出富有成效的谈话要点，然后促成一场引人入胜的对话——所有这些都将显著提高效率、增强意义，并减少事务性。
这种设计首先以最终用户的需求为中心，而不是为了满足需求而创造技术解决方案。虽然产品制造商经常与技术工人（FLW）打交道——比如你孩子的老师、你诊所的护士，或者你刚刚急需联系的水管工——但我们的工作性质截然不同，因此，共同设计以识别任务背后更深层次的需求尤为重要。
以不同的方式优先考虑多式联运场景
虽然多模式场景对许多信息工作者来说令人兴奋，但对一线工作人员来说，它们的影响远为关键。视觉捕捉白板笔记与向在雨夹雪中行驶的卡车司机发出迎面而来的车辆信号有着截然不同的意义。为运输工作者设计的以视觉为中心的输入和输出体验必然会极其灵敏、细致和准确——从而为现场物流工作者和信息工作者带来显著更好的体验。
从设计的角度来看，由于一线岗位高度的体力劳动和对话性，人类活动的范围更加广泛。虽然所有专业领域都推动着经济发展，并且意义深远，但未能满足一线工作者的需求会立即对社会各阶层产生深远的影响。通过将通用设计原则应用于针对这些更为极端和关键状况的多模式解决方案，我们正在创造惠及每个人的体验。
转变端到端工作流程
人工智能的更广阔潜力不仅在于实现任务自动化，更在于积极赋能人类，创造全新的途径和工作方式。这种潜力远不止于办公室，还涵盖教室、医院、建筑工地、交通系统等等。
例如，我们采访过的教育工作者已经看到人工智能深深嵌入到他们的课堂中，最初是由学生的采用推动的，但现在正在改变他们创建和教授课程的方式。
护士和医护人员同样利用人工智能来更有效地管理患者护理。
微软对 Microsoft 365 Copilot 等工具的愿景正是基于这一新现实：设计能够实时理解、预测并适应人类需求的智能系统。在我们重新构想整体体验的过程中，协同设计的一部分在于重新思考如何通过智能设计来衡量、定义和实现生产力。通过不再使用人工智能来自动化当前任务，而是从根本上重新思考任务本身，我们可以优先考虑最重要的事情：人际关系、快速学习、经济赋能和有意义的工作。
一种新的端到端思维
端到端体验通常指整个产品生命周期。当我们思考产品将存在于的世界时，需要一种不同的端到端思维。教育行业在整体思考经济增长时，通常采用“从摇篮到职业”的思维模式。讨论的重点并非仅仅放在教育隧道末端的工作岗位上，而是从幼儿教育开始，然后是K-12和高等教育途径，包括高等教育和带薪学徒制，最终是维持生计的工作岗位。
考虑到这些关键岗位的严重人员短缺，产品制造商的端到端思维应该包括引发关于如何最好地引导人们进入这些职业的讨论。像领英这样数据丰富的平台可以通过展示热门岗位、规划基于技能的职业发展路径，以及为有抱负的工作者（无论是高中生还是转行者）提供学徒计划、认证和导师支持，使一线职业发展路径更加清晰易懂、易于导航。通过将这些洞察融入产品设计，我们可以用全新的端到端思维，全面支持关键职业发展。
归根结底，下一代人工智能不仅仅是数字化的；它是切实的、交互式的、主动的、并且高度人性化的。对于人工智能设计师和产品创造者来说，我们的使命从未如此清晰：广泛、深入且人性化地重新定义生产力。在微软，这是我们的承诺——不断改进我们思考和构建全球最具影响力的人工智能工具的方式，确保从电工和教育工作者到设计师和商业领袖，每个人都能在这个新的现实中蓬勃发展。