编者按：人工智能技术引发的失业危机是业界老生常谈的话题了。大家更多讨论的都是机器会取代一些低技能要求的岗位。可如今，高技能白领的工作也可以由机器来完成。但这就意味着白领工作岌岌可危了吗？其实也不尽然。机器在消除一些岗位的同时，也创造出了一些新的岗位。本文编译自纽约时报原文名为《HIGH-SKILLED WHITE-COLLAR WORK? MACHINES CAN DO THAT, TOO》的文章。
印度电商网站Myntra上最畅销的的一款T恤结合了橄榄绿、蓝色和黄色三种色块。然而，这件T恤的设计师不是人类，而是一个计算机算法——或者说应该是两个算法才对。
第一个算法会随机生成图片，它会尝试将这些图片看作是衣服。第二个算法就必须将这些图片与Myntra库存里的衣服进行区分。在很长一段时间内，算法的表现都还不错。第一个算法能够更好地生成类似衣服的图片，而第二个算法则可以更好地确认它们是否与现有的产品相似——但并非一模一样。
这样的“你来我往”很好地诠释了人工智能的工作。公司的首席执行官Ananth Narayanan表示，设计出来的衣服“销售增长速率达到了100%”。“这确实是有效果的。”他说道。
服装设计不过只是算法变革时尚和零售行业的一处领先优势罢了。公司如今已经很频繁地在使用人工智能技术来决定在库存中添加哪些衣服并且推荐给消费者。
时尚行业在美国很早就削减了蓝领工人的岗位，如今它也成为了人工智能影响白领工作的一个典例。对于需要发现模式的工作来说，人工智能能够起到很大帮助，比如说挑选库存或是确诊癌症。
“在未来这些年，机器能够实现自动化或增强的任务组合范围会越来越大。”麻省理工学院的经济学家Erik Brynjolfsson以及卡耐基梅隆大学的计算机科学家Tom Mitchell去年在一篇期刊中如是写道。他们认为，大多数受影响的工作会实现部分自动化，而不是整体被取代。
时尚行业诠释了机器是如何侵入那些以人类创造力而闻名的工作，而不是那些需要凭借实践经验进行判断的岗位。会因此受到直接影响的人便是采购员和商品规划师。他们主要负责决定哪种裙子、上装或是裤子能够让商店库存销售一空。
采购员的核心工作就是要利用“千锤百炼”的理解力感知时尚趋势，然后预测消费者的需求。“如果你上个月卖出了500双松糕鞋，那么下个月说不定你可以卖出1000双。”在线零售商Kristina Shiroka说道，她曾为Outnet担任采购员多年。“但是人们到时候也许对此就不再感兴趣了，所以你需要减少采购量。”
商品规划师会利用采购员的信息来决定服饰组合——比如说多少双凉鞋、高跟鞋以及平底鞋——能够帮助公司达到销售目标。
行业内采用高性能算法的公司虽然不多，但是数量在日益增加。在这些公司里，通常是由机器——而不是采购员的直觉——来预测消费者的需求。
就拿在线时尚电商Stitch Fix来说吧。它会为顾客寄送一盒衣服，顾客可以选择保留或是返还衣物。Stitch Fix会留有顾客详细的资料信息，之后会针对顾客的偏好来寄送衣物。
Stitch Fix非常依赖算法来决定采购内容——事实上，没有算法的话，它的业务也许就没法展开。这些算法会预测未来几个月时间里，在一个给定的情况或“状态”下会有多少客户（比如说在换新工作之后需要买新衣服的）以及在各种情形下人们倾向于买多少衣服。算法还知道不同资料背景的消费者倾向于喜欢哪种类型的衣服——比如说一个生活在德克萨斯州、有孩子但身材娇小的护士。
印度在线零售商Myntra会用算法来为采购员提供信息。算法会根据具有类似属性——袖子、颜色或织物——衣服过往的销售情况来计算一件衣服的畅销可能性（采购员也可以选择无视预测）。
这一切都让采购员和商品规划师的未来蒙上了阴翳。原先这些高地位的工作者年收入能超过10万美元。
而在相对更为传统的零售商里，每一种衣服类型（名牌、现代或是休闲）或是服装类别（裙子或上衣）都会分派一队采购员以及支持员工。一些零售商还会针对针织以及梭织上衣安排不同的团队。同样，针对不同服装类别安排商品规划师，这也需要雇佣不少人。
采购员表示这种专门化能够帮助他们通过直觉感知时尚和颜色趋势。“如果你非常沉浸其中，那么你大概就有感觉了。”一直在Charlotte Russe以及ModCloth等零售商工作的采购员Helena Levin说道。
Lebin还提到了在2010年左右的畅销薄荷绿连衣裙。“突然有一天，它就是不火了。”她说道，“人们对它的喜欢到此为止。‘所有薄荷绿的东西，都走开。’之后，它就过时了。你能够感觉到这一点。”
但是擅长利用算法和大数据的零售商更希望能少雇佣一些采购员，然后为不同服装类别单独分配一位即可。这也许是因为他们不太相信直觉。
在线女装租赁以及零售服务Le Tote每年营业额在数亿美元，所有品牌的服装——连衣裙、上装、裤子以及夹克——都只由一个六人组成的团队负责采购。
创始人Brett Northart表示公司的算法会基于有多少用户将商品放在了在线购物清单里以及其他类似网络评价、近期购买量等因素，确认要购买哪些衣服。
类似于Stitch Fix的时尚男装服务Bombfell仅仅依靠一个名叫Nathan Cates的员工来采购所有上装和配饰。
公司开发的算法工具以及大数据库可以帮助Cates。他也表示相比传统零售商那里的采购员，他可以更加准确地预测服装趋势。
“我们很清楚自己的客户是谁。”他说道，“我们很清楚他们生活的区域、工作以及衣服尺码。”
至今为止，他的工作中只有一部分是需要人为完成的。Cates很喜欢在购买衣服之前触摸织物，并且总是在一开始就自己试穿一下。
“如果这是浅色的衣服，那么消费者会露点吗？”他解释道。（他在位于纽约的公司总部试穿了一件薄荷绿T恤，然后表示衣服有一些透。）
自动化还存在一些限制因素。与供应商的谈判通常还是需要人为参与。即便算法可以帮助采购员更快、更准确地作出决定，它们也无法应付与供应商的关系。
H&M会利用人工智能来指导供应链决策。为H&M管理高级分析工具以及人工智能的Arti Zeigham表示公司会“优化并且授权”给人类采购员和规划师，而不会想用人工智能取代他们。但是他也坦白承认，你很难预测5到10年内机器对于雇佣员工的影响。
专家表示部分工作最终会实现自动化。美国劳工统计局预测批发和零售采购员的雇佣情况会在十年内缩减2%，但在此期间所有职业会增长7%。这一现象的到来也许是因为一些不太复杂的任务将由机器完成，比如说给库存分类等。
不过在时尚行业，至少有一处地方机器是在创造岗位，而非消除岗位的。在服装盒子订阅领域，像Bombfell、Stitch Fix等公司开始雇佣越来越多的人类造型师。他们会获得算法关于服装方面的建议，但最终是由他们来决定给消费者寄送哪些衣服。
“如果在我询问她们有什么感受时，她们表现得不是非常兴奋，那我就会记录一下。”Stitch Fix的竞争对手Trunk Club的销售经理以及造型师Jade Carmosino说道。
鉴于此，造型师的存在似乎反映了行业内一个更大的趋势：纵然人工智能正将白领工作自动化，但是机器与消费者之间却需要雇佣更多的人介入其中。
举个例子，EquBot创建了一笔交易所交易基金并交由人工智能管理。公司的首席执行官Chida Khatua预测即便投资在很大程度上实现了自动化，资产管理行业也会雇佣更多的金融顾问。
作为造型师或金融顾问的缺点在于，他们的工资也许没有失业的采购员或拣股票者高。麻省理工学院研究自动化的经济学家Daron Acemoglu表示好消息是，也许在近几十年，这些岗位的工资依然会远远超过许多低级或中级技能工作岗位。
这些工作在未来也是很难被机器所取代的。
“如果我是消费者，我要阐述自己的需求，那么这就需要人为参与。”Khatua说道，“因为有时候我自己都不知道自己到底想要什么。”