叫囂着要取代全世界的人工智能，終於在最近陷入了失業的煩惱。
據報道，瑞典的一家在線銀行Nordnet，準備對自家的AI員工Amelia炒魷魚。Amelia去年夏天剛剛入職Nordnet，其日常工作就是幫客戶開個銀行戶頭、處理一些銀行數據等任務，正常來說速度肯定是應該比工作人員要快，銀行的工作效率和效益也該有個明顯的提升。
但事與願違，這一年來，Amelia好像並沒有表現出一個AI員工該有的能力。
其實Amelia並不是第一個被炒魷魚的AI。今年一月份，英國的一家超市就解僱了一個上崗僅僅一週的導購機器人Fabio。超市的初衷是希望它一能吸引顧客，二能幫助賣貨。然而幾天之後，他們發現這兩件事兒Fabio一件都沒做好，甚至有些顧客看見它就繞道走。
這是怎麼回事？正常來說，AI在提高工作效率這方面是共識，但上崗不久就被炒魷魚，多少令人有點意外。但細細想來，以如今AI發展的程度而言，出現這樣的情況似乎也是常事。
應聘自稱技術流，上崗才發現活不好
在所有最可能被AI取代的工作當中，銀行首當其衝。原因在於，相較於其他行業來說，銀行擁有龐大而又相對完整的數據積累，而進行數據分析又正是AI的拿手好戲。一個要算，一個能算，簡直無縫貼合。
但這並不意味着AI在銀行就可以暢行無阻，至少這並不是如今AI能完美而爲之的。儘管在實驗室中，開發者們已經針對AI可能遇到的各種問題進行了全面模擬，AI也在這過程中表現得遊刃有餘，但一旦投入實戰，其實用功能仍然有可能會受到挑戰。以Amelia被炒爲例，其可能是由於以下兩個原因所致。
第一，算法的問題。算法存在問題，其對數據的處理就會存在誤差。雖然銀行擁有完善的數據，但如果沒有合適的算法進行處理，或用了不合適的算法進行處理，其得出的結果仍然是不可接受的。比如在分析報告這方面，目前仍然是人類分析師爲主，原因就在於AI對動態性很強的金融業務上可能存在分析的誤差。而銀行做的畢竟是錢的生意，總是出錯，客戶肯定不幹了。
第二，溝通的問題。既然是用AI系統，那麼其要解決客戶問題就一定會涉及到語言溝通。銀行是一個非常繁忙的金融機構，我們能看到的場景就是銀行每天都在排隊。如果AI的連續性對話和專業性學習不徹底，其在於客戶溝通的過程中很可能會答非所問，造成遲鈍、誤解等問題，這一定會影響工作效率、消磨客戶耐心。
而Nordnet又是一家線上銀行，其對AI的語義識別對話能力的要求自然更高。這點兒類似AI客服，說不好話就賣不了貨，賣不了貨就只能等着被炒了。
對導購機器人Fabio來說，溝通不暢或溝通體驗不好一定是超市將其「辭退」的重要因素。也就是說，不是打着AI的名頭就一定會生意興隆。最核心的地方在於，技術是否真的成熟到足以應對任何情況。
本想事半功倍，奈何入不敷出
無論是僱傭AI還是僱傭人力，公司的目的只有一個：賺錢。但公司花了大錢把你招來，你卻坐吃等死，那就只能將你掃地出門了。
據Nordnet稱，去年爲了引入AI技術，公司付出了鉅額代價。整個2017年的年利潤僅爲2.47億瑞典克朗，是2012年以來的最低水平。雖然不能確定銀行利潤的降低一定是引入AI所致，但真正實用的消費級AI產品價格尚且不菲，遑論以提高利潤爲終極目的的企業級AI解決方案。
Nordnet從AI系統提供商IPsoft那購買的解決方案，而不僅僅是一個AI櫃員，花了多少錢我們也不得而知。但是看一下AI方面的資金投入數據：百度每年投入100億元、歐盟計劃2020年之前投入15億歐元、2014年以來中國人工智能累計投入超過600億元……不僅如此，AI人才動輒百萬美元的年薪，這些成本都會加在銷售給C端的產品上。
因此，正處於前期佈局、投入、研發的AI，有一點是可以肯定的，那就是成本居高不下。從這個角度來說，能在這個時候冒着賠本的風險去品嚐AI的公司，都是勇敢者。
物不能盡其用，鍋不能AI背
當然，鍋也不能全都讓AI背了，畢竟能力有多大它自己也沒辦法。這中間還可能存在的一個問題是，開發者和使用者的斷層。
這種斷層體現在，開發者窮盡己之所能，沒日沒夜地做出了自己認爲非常完美的產品，覺得考慮到了實際過程中可能產生的所有問題，應用起來完美無缺，結果客戶不會用。這就是個大寫的尷尬了。這種感覺就像你買了個上萬塊的手機給奶奶用，她卻只拿來照鏡子。AI如果是因爲這個原因被解僱，實在是有點冤枉。
事實上，這種情況的確值得注意。在關於AI會取代人類的什麼工作的大討論之後，有人就拋出了「AI不能取代教師，但不會用AI的教師將會被取代」的觀點，其中的教師可以被換成醫生、律師、工人等等諸多職業。可以說，會用AI就像會用手機一樣，未來將成爲必需品。但對很多人來說，手機的功能並沒有被充分挖掘，所以他們很難區分出5000元的手機和1000元手機的差別：不都能打電話裝軟件？
所以，要讓客戶能充分發掘AI的潛能，或許可以從以下兩個方面出發。
1. 開發者「私人訂製」。開發者想做好一件東西，而客戶想要的是用好一件東西。這就要求產品一定是最符合客戶需求的。根據客戶的需求，體現出開發產品的差異化，讓客戶在使用的時候能夠更快地上手，纔是發揮AI功能的第一步。
2. 客戶的技能培養。一般來說，客戶不需要知道AI到底是怎麼做的，只需要知道怎樣才能讓它按照自己的指令工作就夠了。但即便是這樣，還是有很多人存在着學習困難。比如很多年紀大的老師一輩子不會用電腦，也不願意學，投影儀就成了擺設。因此，開發者在進行產品交接的時候提供全套的技術指導，才能在產品符合自家需求的情況下，還能熟練操作，實現AI產品的價值最大化。
那麼，通過這種方式來解決開發者和用戶之間的斷層，顯然對洗白AI「無用」的冤屈是有積極意義的。
人機協作效果好，AI「獨立」難有爲
這就完了嗎？
實際上，被解僱的AI只能當作個案來對待，並不能將所有的AI應用一概而論，畢竟有更多的AI應用在如火如荼地燃燒着。這些應用身上也並未出現過所謂「不管用」或者「解僱」之類的尷尬字眼。
我們發現，被解僱的AI和應用得風生水起的AI之間，存在着一個變量，這個變量就是：人爲干預。而根據人爲干預程度的不同，我們可以把這兩類AI分爲獨立式AI和半獨立式AI。
所謂獨立式AI，是指人類沒有干預或干預較少、AI自主分析決策程度較高，甚至完全自主決定的人工智能類應用。Amelia、Fabio基本都屬於此類，因爲與客戶或消費者進行對話、分析數據並得出結論的過程，基本上是沒有人操作的，在此過程中其完成了與客戶的直接接觸。
我們常見的內容平臺的審覈方式，也可以算作此類。因爲AI可以自主進行審覈、通過或者駁回，在這個過程中沒有人工參與。這種獨立式AI很容易產生問題，比如內容平臺頻頻出事，雖然很多平臺都增加了人工審覈，但是誰知道呢？
而半獨立式AI則指的是人類干預較多，AI只是承擔前期的觀察、分析，最多再加一點初步結論，最終的決策仍由人類完成的人工智能類應用。比如用AI做各種預測、幫助醫生讀X光片、招聘、識別古文字、抓在逃犯等等。顯而易見的是，這類有人類干預和把控的AI反而是運行得頗爲良好。
也就是說，目前AI要完全獨立地承擔工作任務，也就是「替代」人類，可能還有些難度。有企業耐不住性子而趕鴨子上架，AI也很無奈。正因如此，人們更多地稱AI爲「助手」。從「助手」向「替代」的轉變過程，可能就是AI降低自己被解僱概率的過程，也是AI技術進步的過程。
當然，等到AI替代了人類之後還是會有被炒魷魚情況的發生，只不過作出這一決定的可能不是人類，而是更優秀的AI。到那時候，開發者又將面臨另一場永無休止的戰爭。