大人的Small Talk

職涯AI 來了,上班族怎麼辦

AI 當老闆,努力也追不上

Joe 從大陸外賣騎手與英國亞馬遜倉庫員工的處境,談 AI 與演算法不是來搶工作,而是變成老闆、把標準越拉越高。他沒有解法,只提醒人別把希望放在拚命努力上。

主講 Joe 張國洋 · 讀 4 分鐘 · 原片 23 分 · EP246,2022-04-14 看原片 ↗

先知道

節目的題目別努力三五年,最後連渣都沒有留下——亞馬遜和外送員給我們的反思

這集是 Joe 一個人講。

怎麼做

  1. 送餐時限被一路壓縮

    Joe 讀的文章提到,三公里送餐的最長時限從 2016 年的一小時,縮到 2017 年的 45 分鐘,2018 年再縮 7 分鐘定格在 38 分。顧客、平台、商家都滿意,吃虧的只有騎手,路上的緩衝時間越來越少。

  2. 超速闖紅燈是被逼出來的

    騎手一旦遇到出餐慢、封路、一路紅燈,就得靠超速、闖紅燈、逆向行駛把時間追回來。文中引用的研究者把這叫「逆算法」,後果是交通事故大幅增加。

  3. AI 不取代你,而是當你的老闆

    Joe 認為短期內容易被取代的多是低門檻的重複性工作,換個工作也不難。更麻煩的是工作還在,但 KPI 由數據一直往上調。

  4. 溫水煮青蛙與僵屍狀態

    每次多拚一點才能守住原本的薪水,拚久了終究跟不上。但工作沒消失,人就沒有離開的動機,最後撐在一個沒死、也不會更好的狀態。

  5. 努力不是這題的答案

    Joe 說錄了 200 多集,這是唯一一集他沒有答案。他的結論是各行業的標準可能都會高到只有有天分的人留得下來,所以父母要及早幫孩子找出天分所在。

逐段聽

點時碼直接跳到原片的那一段。

01:50開場介紹這集要聊的文章《外賣騎手,困在系統裡》,主角是大陸的外送平台,重點是平台背後的演算法
02:52送餐時限縮短三公里送餐的時限從一小時縮到 45 分鐘、38 分鐘;從顧客和平台看是好事,看起來沒有人受傷
04:56只有騎手吃虧三年前一小時才算準時,現在 38 分才算;騎手在路上的緩衝越來越少,一點意外就會超時
06:15超速與事故為了追回時間只能超速、闖紅燈;一位騎手說最瘋狂的一單是一公里 20 分鐘,接著念各城市的傷亡數據
08:07為什麼要談這個講這些真正想談的是 AI 與演算法對每個人的影響,點出社會上隱約的焦慮
09:40問題問錯了大家問什麼工作不會被 AI 取代,Joe 覺得該擔心的是 AI 變成老闆;優化最便宜的做法就是調高 KPI
11:42外送月薪 10 萬聽說外送可以做到月薪 10 萬,他猜是早期紅利的短窗口;之後要持續拿到就得更拚、更冒險,像溫水煮青蛙
13:48僵屍狀態工作還在、人也熟了,所以沒有離開的動機;門檻不斷拉高,最後只能勉強糊口
14:50亞馬遜倉庫舉作家臥底英國亞馬遜倉庫的報導:廁所少又遠,員工只好尿在寶特瓶;並念出工會的調查數字
16:47各行各業都在導入演算法會算出平均時間,對產能較低的人是很大的壓力;他還看過波士頓工地用機械狗檢查進度的報導
17:35沒有解法坦承這集沒有答案,努力不是答案;他的結論是工作會嚴苛到只有有天分的人留得下來,父母要及早幫孩子找天分
20:42下一代的困境有嚴謹的 KPI 和數據,沒天分的人怎麼拚都達不到,最後還是被淘汰;邀請聽眾留言討論

原話

  • 「AI 沒有取代你,可是 AI 變成了你的老闆。」
    ▶ 10:27
  • 「所以進入一種我稱之為叫做僵屍狀態,就是你沒死可是你也不會更好。」
    ▶ 14:19
  • 「我目前唯一能告誡的是,努力不會是這個問題的答案。」
    ▶ 17:50
  • 「所有工作到某個程度恐怕它都會變得非常嚴苛,嚴苛到只有真正有天分的人可以留下。」
    ▶ 18:54
  • 「努力三年努力五年,最後連渣都沒有留下,這不是才是一切最慘的嗎?」
    ▶ 21:44

名詞與人物

《外賣騎手,困在系統裡》
Joe 在大陸微信公眾號「人物」上讀到的文章,談外送平台的演算法如何壓縮騎手的時間
外賣
大陸對外送的說法;Joe 說那邊主要的兩個平台是餓了麼和美團
逆算法
文中引用中國社科院助理研究員孫萍的說法,指騎手在演算法的控制下,為了達標而超速、闖紅燈、逆行的做法
僵屍狀態
Joe 的用法,指工作還在、薪水勉強糊口,但沒有死也不會變好的處境
布拉德沃思
臥底英國亞馬遜倉庫的作家,Joe 讀的是他在風傳媒上的報導

延伸

  • 臥底報導裡的數字:倉庫約有 1200 名員工,廁所只有一樓兩間,來回一趟平均要 10 分鐘;英國職業工會的調查中,近 3% 的亞馬遜員工因為時間考量而害怕使用廁所,55% 的受訪者感到心情壓抑,81% 的人表示不會在那邊工作第二次
  • Joe 說他一向主張大部分人生的問題不是靠努力解決的,AI 這件事更是如此:優化是一步一步來的,就算一開始拚得上,最後總會跟不上