23年的时间，拉里·柯林斯在旧金山湾区卡奎内兹大桥的一个小棚里收通行费。票价随时间变化，从几美元到6美元，但工作的基本原理保持不变。
但是在3月中旬的一天，由于确诊的新冠病毒病例激增，柯林斯的上司打电话告诉他第二天不要上班。为了保护驾驶员和收费员的健康，收费站已经关闭。展望未来，驾驶员将通过安装在其挡风玻璃上的FasTrak标签自动支付桥梁通行费，或者将收到发送到与车牌链接地址的账单。柯林斯的工作正在消失，北加州桥梁上约185个其他收费员的工作也在消失，所有工作都将被技术所取代。
几个世纪以来，机器已经淘汰了工作。旋转的机器取代了织布工，按钮取代了电梯操作员，互联网使旅行社停业。一项研究估计，从1990年到2007年，美国工厂的自动化损失了约40万个工作。但是，随着公司努力避免工作场所感染 COVID-19并保持较低的运营成本，用机器替代人的工作正在加速发展。在大流行高峰时，美国减少了约4000万个工作岗位，尽管有些人已经回来，但有些人再也不会回来。经济学家估计，失去的工作中有42％永远消失了。
随着公司从生存模式转变为在流行病继续蔓延的情况下如何运作，在未来几个月内，用机器代替人的速度可能会加快。麻省理工学院和波士顿大学的经济学家最近发表的一篇论文显示，到2025年，仅在制造业中，机器人就可以替代多达200万名工人。
与大流行一样，新一轮的自动化浪潮对于像柯林斯这样的有色人种（黑人）和低薪工人来说将更加困难。麦肯锡认为，许多黑人和拉美裔美国人是收银员、食品服务员和客户服务代表，这是自动化威胁最大的15个工种之一。甚至在大流行发生之前，这家全球咨询公司估计，到2030年，自动化可以在美国取代13.2万名黑人工人。
为应对新冠病毒，机器人的部署迅速。他们在机场打扫地板并测量人们的体温；医院和大学部署了由科技公司创建的沙拉制作机器人Sally来代替餐厅员工；购物中心和体育馆购买了安全防护机器人来巡逻空旷的场地；生产医院病床和棉签等需求商品的公司转向工业机器人以帮助提高产量；公司关闭了雇用人客户服务代理的呼叫中心，转而使用由技术公司创建的聊天机器人或AI平台。
从理论上讲，自动化和AI应该使人类从危险或无聊的任务中解放出来，从而使他们能够承担更具智力刺激性的任务，使公司更具生产力并提高工人工资。过去，技术是零碎部署的，使员工有时间过渡到新角色。那些失业的人可能会寻求再培训，也许会使用遣散费或失业救济金来寻找其他领域的工作。这次变化是突然的，因为雇主担心COVID-19或突然的停工令，急着用机器或软件代替人工。没有时间再培训。公司裁掉工人，这些工人只能靠自己来寻找掌握新技能的方法。
过去，美国通过投资教育来应对技术变革。当自动化在18世纪末和19世纪从根本上改变了农业工作时，各州降低了进入公立学校的门槛。第二次世界大战后，通过GI法案扩大了大学入学率，该法案从1944年到1956年将780万退伍军人送入学校。但自那以后，美国对教育的投资一直停滞不前，给工人们带来负担。美国花费GDP的0.1％来帮助工人应对工作转型，不到30年前的一半。
成千上万在大流行期间失去工作的美国人可能失业多年，或者像科林斯这种，永远失业。虽然他可以通过工会获得再培训资金，但现年63岁的科林斯说，他计划提早退休，年纪大了，不能考虑做其他工作，只想回到自己正在做的事情。
今天入住一家酒店，机器人公司设计的机械管家可能会在大厅运送毛巾和牙刷（不需要小费）。在大流行期间部署了机器人，用新消毒的钥匙在客房内与客人见面。砌砖机器人每8小时轮班可铺设3,000块砖，是人类的10倍。机器人可以播种和收获农作物，在屠宰场中分离胸骨，在加工设施中包装食物托盘。
这并不意味着机器抢走所有人的工作。几个世纪以来，从织布工到磨坊工人，人类一直担心技术进步会创造一个没有劳动力的世界，这种情况一直没有发生过。例如，ATM并没有立即减少银行柜员的数量。实际上，由于消费者在自动取款机的便利吸引下开始更多地到访银行，因此导致了更多的出纳工作。银行开设了更多的分支机构，并雇用了柜员来处理ATM机无法满足的任务。没有技术的进步，大部分美国劳动力将在农场上劳作，1910年，农场占美国工作的31％，现在不到1％。
在过去，当自动化淘汰了一些工作岗位时，公司会创造新的工作来满足他们的需求。例如，能够使用机器生产更多商品的制造商需要人运送商品，而营销人员则需要接触更多的顾客。
现在，由于自动化使公司可以用更少的人做更多的事情，所以公司不需要那么多的工人。此外，AI越来越擅长处理曾经属于人类的工作，这使人类更难领先于机器。AI成为企业在流行期间急于应对的简单选择。在线教育提供商表示，他们可以按照工人自己的时间表进行再培训和技能提升，而且费用比传统学校要少。可以提供相对便宜的升级技能选择，因为他们没有指导顾问、教室和实体学校。
由于经济总量比大流行前减少了3000万个工作岗位，因此工人和雇主在培训中可能看不出太多用处，这些培训可能要持续数月甚至数年。并不是每个工人都对研究数据科学、云计算或人工智能感兴趣。那些已经找到了从垂死的领域转到需求工作的方法的人可能会做得更好。
作者Alejandro de la Garza、Julia Zorthian ，原载于时代杂志，清研智库李梓涵编译
京公网安备 11010802035086号