【編者按】本文由機器之心原創編譯，作者Gideon Rosenblatt。雷鋒網(公眾號：雷鋒網)已獲得授權。
《紐約時報》早先的一篇文章展現了亞馬遜公司「惡劣」的工作環境。但你也許會有和我有一樣的困惑，為何這樣一家創造了優秀用戶體驗、如此聰明的公司，會在對待員工的事情上表現得如此愚笨？
但亞馬遜（惡劣的）工作環境背後是一個更大的故事，關於自動化如何改變藍領和白領工作的故事。亞馬遜只是恰好站在了刀刃上。
（藍色和白色亞馬遜機器人）
以下這段摘自《紐約時報》文章的話，激發了我的好奇心：
公司的老員工常說，亞馬遜管理的天才之處在於它激發了員工的自我驅使機制：「如果你是一名優秀的亞馬遜員工，你就會變成一個亞馬遜機器人（Amabot）」，一名員工說道，用 Amabot 這個詞來表示你已經成為體制中的一個。
換句話說，成為「體制中的一個」，很可能意味著已經是一個完整的生態系統，達到一種超然的狀態。但在這裡，我們討論的是在機器中做一個齒輪。當我們把公司看作是機器，那麼齒輪就是機器人，或者在這個事件中，齒輪指的是亞馬遜機器人（Amabot）。
藍領機器人和白領機器人
對於「藍領亞馬遜機器人」，最好的描述來自一本名叫《Mindless: Why Smarter Machines Are Making Dumber Humans》的書。根據這本書的介紹，亞馬遜有一個按分鐘監控員工的位置和工作表現的監控體系，其中詳細介紹了幾個令人不安的例子，例如當包裝工人經常到離工作場所最近的廁所時，他們就會受到譴責。這描繪了一幅高科技技術下的老式科學管理思想（又名 Taylorism）的場景。而且亞馬遜使用高科技來最小化「時間偷竊」（不允許員工偷懶），以提高整個運營中心和其他藍領工作場所的吞吐量。
由於計算薪資的方式不同，「白領亞馬遜機器人」和用時間效率系統監控、以小時計算工錢的藍領工人不同，大多數白領機器人從事的主要是腦力勞動。
白領機器人工作系統的首要目標，是利用個人智慧來最大化集體智慧。這個系統是為了讓想法分享最大化而設計的，換句話來說就是不僅讓員工在每周 80 小時的工作時間內完全奉獻，連周末和假期也不放過。
設計這個系統，另外的一個關鍵因素是通過一種天賦培養技術，來找到那些最有前景的腦袋，並使他們持續產出。這種技術主要被諮詢公司和其他高度依靠腦力的組織所使用。
去人化
去人化最容易在體力勞動上看到。當公司給員工帶上有衛星導航系統的標籤，保證他們以最佳路徑穿過一個倉庫時，我們很難不把這些人看做是機器上的齒輪。
去人化在腦力勞動的工種方面則沒有那麼普遍地被應用。首先從人類勞動力與自動化的關係就能普遍地看出。在我們今天的經濟框架中，人類勞動力扮演著機器所不能勝任的角色。
如果亞馬遜還讓人類在訂單履行中心幹著適合機器做的工作，那麼只是因為他們還沒研究出來該如何將這些工作自動化。在這個層面上來說，人類勞動力提供了我們的機器自動化還未能及之處的靈活性。當機器越來越高效及更廣範圍地被應用時，這套系統變得更高產。工作流的加速使這套系統中的瓶頸——人類勞動力承受著愈多的壓力。這就是我們在亞馬遜的故事中所見到的事實。
我們最初在腦力勞動的自動化嘗試主要集中在郵件、網站、資料庫還有其他提高集結和分配知識的工具上體現著。當這些工具被我們使用的爐火純青時，信息大爆炸發生了。機器還未能具備理解這些信息的能力，所以負責知識工種的人類在他們企圖與不斷加速的系統保持同樣步伐的時候，承受著越來越大的壓力。壓力增大，工作時間增加，同時工作與生活的平衡也被打破了，我們就這樣在這股洪流中迷失了自己。
我們在這裡談論的影響是兩方面的：「去人化」從字面上來理解是人類被機器取代的意思，同時也是我們的人性在這場洪流中不易察覺地就被腐蝕了。
機器崛起在亞馬遜帝國
亞馬遜的創始人及CEO 傑夫·貝佐斯和亞馬遜的其他高管會如何對現在這股對亞馬遜勞動力制度的討伐做出回應呢？當《紐約時報》在2012年對蘋果公司的生廠商富士康的惡劣工作環境進行揭露時，富士康在面對類似的壓力時，選擇了進行大規模的機器自動化。而亞馬遜早就在自動化這條路上走了很遠。當2012年收購Kiva systems——一個製造機器人的公司時，Amazon Robotics就躋身成為了訂單履行中心自動化系統的主要玩家之一。
（Amazon Robotics）
在過去的幾年中，亞馬遜在人工智慧方面也進行了高度的投入，主要在機器學習方面。在LinkedIn（領英）搜索「機器學習」方面的職位時，會看到亞馬遜發布了669個職位空缺，對比蘋果只有232個，和Facebook的266個，以及IBM的326個，Google的466個。雖然這邏輯並不完美，因為這並沒有已經存在於這些公司的職位計入其內，同時也沒有考慮這些公司在試用LinkedIn用作招聘時可能使用的不同策略，但是還是能或多或少地表現出這些公司現期在機器學習方面不斷增大的需求。
亞馬遜在使用機器學習來分析來自其網站的巨型的數據模型方面有著長遠的歷史。這就是這家公司那極其重要的「購買建議」的幕後功臣，同時也幫助亞馬遜的軟體開發人員創建Amazon Echo的語音識別能力，以及解決訂單履行中心物流上遇到的棘手問題。今年四月，亞馬遜宣布旗下的AWS（Amazon Web Services）平臺將包括亞馬遜機器學習（Amazon Machine Learning），這意味著給外部的軟體開發者提供對其人工智慧預測引擎的使用權。
亞馬遜機器人的命運
傑夫·貝佐斯向來對外界的壓力不為所動，尤其當這些壓力並不能對他的戰略或者服務顧客的能力造成影響。眼下，亞馬遜嚴苛的員工制度被曝光在大眾視野，這可能會導致客戶對其態度的轉變，但既然自動化已經毫無疑問是他們戰略的核心了，那麼亞馬遜可能選擇加速推進機器學習進程使更多機器人能夠取代藍領工人，以此來挽回他們受損的聲望。
亞馬遜白領機器人的未來才是真正的難題。亞馬遜機器人正在將機器還沒有掌握的工作流進行自動化處理，這個系統被稱為：亞馬遜土耳其機器人（指的是亞馬遜的Mechanical Turk服務，在2005年正式推出，它是關於使用人力來執行處理一些類似於電腦該做的任務，為企業解決了一些計算機很難處理，但人類可以輕鬆解決的數字任務，例如識別物體、轉錄視頻、執行重複數據刪除、標記圖像和研究數據詳細信息等）此項服務被稱作「人工的人工智慧」，旨在將白領的工作內容線性處理和商品化，這似乎是貝佐斯的心血結晶。實際上，很多十年前就設計出的圖樣自動匹配現在已經被機器學習算法掌握。
員工的角色應該是完成機器尚未學會的工作，加速機器學習的系統也加速了機器取代人力的步伐。這也是為什麼機器學習要了解未來「去人類化的」的工作是非常重要的。
目前，很多溝通以及決策制定的工作對於機器來說還過於複雜，但是這個情況將迅速改觀。
機器學習在自然語言處理技術方面進步飛快， 這說明機器將會很快以一種從前不可能的方式去理解人類傳達的信息。如果這點真的實現，機器足以接管更多由知識型員工來處理的溝通以及決策工作。進而，阻擋人類在組織智能發展進程中取得巨大飛躍的絆腳石就會從此消失。
而我們現在正經歷這個過程中的陣痛。
亞馬遜已經標榜自己為一個數據驅動的企業。今天的人們已經開始用機器衍生出的信息去促進決策制定。 亞馬遜斥資在西雅圖投資的新總部證明他們暫時還未做出大的改變。但可以肯定的是，這些決策，還有他們制定的工作流程正在越來越多地交付給機器。越來越少的人會隨著時間的推移從決策制定環節上走下來。這些改變會首先出現在那些在機器學習上深度投資的大企業中。
是的，亞馬遜這樣的公司會越來越多。
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。