那些創造性的知識工作有什麼前景？_風聞

編者按

目前和不久的將來，組織戰略將重點放在機器、機器人和人工智能上。自動化減少卑微或重複的工作，數字化工作以使剩餘的工人更有效率，以及Al提供更可靠和更有生產力的高端專業工作。本文認為，在超越新自由主義邊界的技術邏輯中，存在着一種高效技術傳播的Ellulian現象，也就是説，算法方法試圖通過符號的有效解釋、形式化和操作來捕獲和減少人類知識和意義的所有形式。

這是社論前沿第S1299次推送

微信號：shelunqianyan

在不久的將來，人類工作的本質將由什麼構成?

麥肯錫(McKinsey and Co.) 2017年的一份報告稱，如今工人從事的活動中，約有一半有可能實現自動化，但“對大多數職業而言，中期而言，部分自動化比完全自動化更有可能實現，而這些技術將為創造就業機會提供新的機會。”

更具體地説，技術將創造新的就業機會，以補償那些受影響更大的工作，如獨立工作和其他可以通過自動化取代的工作。

其他研究者，如Kim, Kim, and Lee(2017)，對技術的經濟影響進行了更為冷靜的分析——他們認為，儘管從長遠來看，人類工人將需要更多的創造性工作，但當前的勞動力無疑將面臨挑戰。失業率上升，政府必須提供各種形式的干預，以緩解過渡。然而，並不是所有人都相信為工人提供更具創造性的工作;研究發現了新的管理控制形式，比如亞馬遜的Mechanical Turk，這是一個外包(實際上是隱藏)程序員勞動的平台。

同樣，《經濟學人》(2015年9月10日)也提到了“數字泰勒主義”，即科學管理在傳統工業背景之外的更廣泛的工作領域的迴歸，包括服務工人、知識工人和管理人員本身。

如今，技術在將工作劃分到更廣泛的工作領域、在較新的水平上進行時間-運動研究，以及將薪酬與績效掛鈎作為一項永無止境的試驗方面發揮着前沿作用。最終的結果似乎是工人和知識工人向管理領導階層的持續知識轉移，而管理領導階層又採取措施以一種非常以技術為中心的方式重新組織工作，即向自動化、平台技術和/或學習算法的方向轉移。伴隨着這種知識的轉移，相關的決策權也向這些相同的技術轉移。

本文認為符號操作現象代表了編纂的知識導致了一個高度缺陷的認識論，它假設所有的知識都可以以一種明確的方式獲取，我們將矛盾地認為，這一觀點造成了知識和創造力的嚴重匱乏。

這是因為這種認識論沒有認識到人類象徵主義的整體本質及其相關的符號轉換。因此，人類知識的一個重要方面被忽視，處理不當或幾乎被忽視，即隱性知識的形式。非常密切相關的隱性知識是人類自身的創造力,反過來,我們應該説,依賴於人類啓發式(再次)涉及到符號的轉換,允許我們做出看似無關的或不同的事件或元素之間的聯繫,從而允許專家人眼識別相關性新手眼睛:和機器(廣告)都不能。

因此，本文提出的關鍵論點是，人類的知識和創造力確實豐富，而且遠沒有因為機器自動化和人工智能的出現而過時。

最後，以Feenberg(1999)的觀點為出發點，提出了一種替代效率，以扭轉這一將知識和權力轉向統治精英及其相關技術的最新嘗試。它是一種基於人類對技術發展和組織的民主參與的效率。安排，其目的是為了人類的全面福祉。這也是一種效率，呼應了杜威(1927)的觀點，即通過人類知識和創造力的民主化來增強民主。

正如在本文中所討論的，在過去和最近的時間裏，各個組織都在科學管理實踐和數字泰勒主義中，從工人向管理精英爭奪決策權——而今天，在新的增強技術領域，專業知識工作者也在做着同樣的事情。

這些最新的操作範圍從量化自我的現象，在這種現象中，像英雄一樣的創造者的高層管理話語中灌輸了錯誤的自治意識和條件認同，再加上自我監控和自我驅動的實踐，以實現強加的目標:以不惜一切代價最大化為基礎;到今天(和明天的打算)使用人工智能來取代知識工作者的創造性和隱性知識，跨越有缺陷的知識截斷和基於純粹符號操作的偽創造性算法。

馬爾庫塞認為，人類的行動可以改變技術理性的結構，通過與技術進行持續的創造性鬥爭，同時將決策權從當前的新自由主義精英轉向大眾。

馬爾庫塞的主要論點是，這種權力必須重新分配，以實現更民主的組織結構，從而在社會和工作場所中顯示出真正和共同的積極力量。然而，馬爾庫塞並沒有明確説明如何做到這一點。

目前和不久的將來，組織戰略將重點放在機器、機器人和所謂的人工智能上以提高效率(生產力)和最大化利潤為總目標。這以各種形式表現出來，包括自動化以減少卑微或重複的工作，工作的數字化，使剩餘的工人更有效率(生產)和人工智能提供更可靠和生產的高端專業工作-所有相關的新自由主義倡議，由當前主導的效率和最大化的想象力制定。

然而，本文認為，這種主導的想象也超出了組織的馬爾庫塞現實，影響到各種領域，如CsCW，例如，人類和技術之間存在着明確或正式的“合作”。這是因為Ellulian現象，即有效的技術在技術邏輯中傳播，超越了新自由主義的邊界，跨越算法方法，試圖捕捉所有形式的意義，通過符號的有效解釋、形式化和操作，作為顯性知識的表徵。這種純粹的“效率”,剖析和減少所有知識和經驗的分析性嘗試，使我們無法認識到人類固有的複雜性和長處之一，即創造性及其相關的隱性知識。

從對榮格象徵主義更全面的理解中得到的啓發，使我們能夠為理解人類創造力和隱性知識的複雜、模糊、不斷湧現和本質上難以定義的方面提供一個可能的起點。這一點，連同知識民主化與民主決策過程之間存在關係的論點，為我們提供了根據，以提出Feenberg所提出的另一種效率設想。這樣一種想象，允許人類積極和民主地參與決策過程和技術的發展;同時也使我們能夠把人看作是技術的完全合法夥伴。