【管理】人工智慧將開始取代白領，媒體娛樂業要走向怎樣的未來？

7月5號刊

Shelly Palmer在電子書《數據驅動的思維》（2016年由Digital Living Press出版）中寫道：「當下的技術變革步伐是你一生中所要遇到的最慢的。」

他在12歲時就走上了成為音樂家的道路，20世紀70年代他在紐約的大小場所演奏單簧管、薩克斯管和長笛。他還是模擬和數字合成器的早期實驗者。他擁有兩項主要的互動式電視技術的專利，這種方法實現了廣播電視與基於伺服器的文本同步，又叫增強電視。他還曾經為《政界小人物》和《羅傑斯與凱茜·李脫口秀 》創作主題曲，以及指揮倫敦交響樂團。目前，他是紐約Fox 5電視台的廣播技術和數字媒體專家，創辦有一份廣受歡迎、頗有先見之明的郵件簡報，探討技術對媒體和日常生活帶來的影響，尤其專註於智能汽車和智能家居。

在過去的十年，身為風險投資家的Palmer在自己開辦的諮詢公司及營銷廣告代理公司Palmer Group任職首席執行官，他把注意力放在了廣告、營銷及相關行業的發展演進，還有像智能家居系統和數據分析這些先進技術上。本期高端訪談邀請他，探討人工智慧及商業模式的劇烈變化在未來幾年會如何影響廣告、媒體及相關領域。

Q

您覺得媒體公司的前景如何？

A

想在娛樂媒體（實際上乃至在大多數行業）成為一家成功的公司，要麼做到規模龐大，要麼做到小巧、靈活和獨立。如今成功的媒體公司不是很大，就是很小。這就是為什麼我們看到這麼多大企業在進行合併。如今中型公司確實很脆弱。

即便在技術行業，中型公司也不多。而小公司被收購的可能性要大得多。我們看到金額在2000萬美元至3000萬美元的「人才收購」（acqu-hire）大幅增加――收購方看中的是被收購公司的一流人才團隊，而不是因對方經營很成功而選擇了它們。

Q

您覺得媒體公司在這個新時代如何靠內容獲利？

A

媒體只有三種商業模式：消費者付費、媒體付費或第三方付費。即消費者付費給媒體（訂閱費），或者媒體支付費用給消費者（因為獲得消費者這個受眾有價值），或者第三方（比如廣告商）為有機會接觸消費者而付費給媒體。

媒體行業過去的結構堪稱完美，可充分利用這三種模式。而如今，由於消費者行為迅速變化，許多傳統媒體公司想賺錢變得極其困難。除此之外，廣告支持的媒體模式中三大公開交易的大實體：廣告公司、媒體公司和品牌商各自的目的恰好相反，各自有不同的方法來創造股東價值。廣告公司需要賺取利潤；媒體公司需要為每次廣告印象（impression）獲得最高的價格；品牌商需要加快速度。這三個目標彼此不一致。

另外，消費者並不關心這任何一個目標。消費者只想免費獲得所有媒體，他們想要簡單的、可互操作的平台。這聽起來不錯，但蘋果和谷歌對互操作性卻毫無興趣。消費者想要互操作性，並不意味著公司提供互操作性就是明智之舉。

矽谷的其餘公司往往站在消費者這邊，提供消費者所需要的一切――免費提供，以此顛覆傳統行業。如果你不在乎賺不賺錢，那這個想法很好。可到頭來，互聯網媒體公司不得不想方設法獲得廣告支持、銷售內容或服務，或採用另一種手法為零售品牌加快傳播速度。否則，它們將無法謀生。必須有買賣交易，企業才能賺錢。

Q

您認為什麼樣的模式可解決這個問題？

A

眼下這三種類型的模式，只有成功的公司在結合運用。比如說，有線電視行業把三者結合起來。消費者付費給有線電視公司，但付費之後還得看廣告（付費頻道除外）。有線電視公司同時獲取了消費者的數據，並靠這些數據獲利。論數據精細度，有線電視公司遠不及Facebook或其他專業的數字媒體，但它們有足夠好的數據集，可為廣告客戶帶來數千億美元的銷售額。

說到數據驅動的公司，恐怕再也找不到像亞馬遜這樣「擁有豐富數據」的公司了。它可能擁有世界上最大的資料庫，收錄了消費者消費方面的數據。亞馬遜嚴加保護該數據，幾乎每家製造商都抱怨亞馬遜的「帶圍牆的花園」。但它沒有阻止其他公司在其平台上銷售，我非常著迷於這一點。由於消費者更有可能在亞馬遜上的購買商品，亞馬遜上的搜索對於許多廣告商而言比谷歌上的搜索更有價值。消費者訓練有素，如果你想要買東西，先到亞馬遜上轉轉，逛一遍后「添加到購物車」。

這些模式存在很嚴重的缺點。它們將受眾分得極細，鼓勵人們過濾掉任何讓他們感到不舒服的東西。無論是娛樂、新聞還是信息，如今所有內容都存在著很強烈的確認偏誤（confirmation bias）。隨著技術日趨改進，確認偏誤只會有增無減。作為內容分發商，我們在打一場最艱苦卓絕的戰鬥：讓囿於自己世界觀的那些人接受不同的內容，許多人沒有興趣跳出舒適區。

我認為將來那是個大問題，我不知道什麼會打破慣例。以前，你可能閱讀青睞的報紙，偶爾會發現新內容。當然，它有偏誤。你明白這個偏誤是什麼，還明白新聞與觀點的區別。如今，你得到的是演算法「認為」你最有可能感興趣的內容，它提供的一切就是為了你有響應。相比人類歷史上的任何技術，自由開放的互聯網讓人們更局部化、更部落化，更容易受確認偏誤的影響。

學會變成數據驅動

Q

您之前寫過，廣告會「演變成一個由數據驅動、以價值為中心的捕獲消費者的遊戲。」如何解釋？

A

營銷信息想獲得最大的效果，必須在合適的時間和地點傳達給合選的人。引導這個過程的最佳方法是，鼓勵整個企業奉行數據驅動的思維。在大多數情況下，這需要改變企業文化。數據是現金，應該像對待現金那樣對待數據。你需要數據損益表。

Q

能否介紹一下具體的操作方法？

A

有三種數據。第一方數據是你本公司的資產，你直接負責收集。它可能來自cookie、電子郵件訂閱、訂單或銷售單據。也可能由客戶行為生成，比如點擊特定按鈕或訪問位置的用戶習慣。

第二方數據就是別人的第一方數據。

第三方數據由外部公司收集。安客誠（Acxiom）和益博睿（Experian）之類的公司從許多不同地方收集和匯總客戶數據，然後分析和索引數據，直至它們擁有每個客戶的完整資料。安客誠跟蹤近4000個用戶習慣。比如說，你可以要求列出這個客戶群體。豪華汽車偏好指數超過150%，精釀啤酒偏好指數超過200%，然後用地理圍欄功能將他們圈出來。點擊按鈕，這些人就會列出來。所有奉行最佳實踐的第三方數據提供商竭力驗證數據，但它仍然是第三方數據，因此準確性不及第一方數據或第二方數據。

你使用數據損益表來運作時，往往青睞那些結合了其他組織第一方數據從而充分利用你本身數據的交易。這幾乎總是會創造額外價值，因為數據在結合其他數據后更強大。

Q

如果演算法太複雜而無法控制，人類怎樣才能正確地判斷結果？

A

我稱之為「數字單一文化主義」（digital monoculturalism）。如果你只有五個認知云：微軟、谷歌、亞馬遜、IBM和蘋果，每個在編程中都會有一些固有的偏誤，這些是不可避免的，外人看不見。這五個嚴重偏誤的工具集將為全球成千上萬的高管做出決定。誰為那些工具編程？

媒體企業自動化

Q

過去，您說過機器最終能做人類現在能做的一切。今天您怎麼看待這個？

A

我說過機器幾乎無所不能，但這不是關鍵。有四種一般類型的任務：手動重複的（可預測）、手動不重複的（不可預測）、認知重複的（可預測）和認知不重複的（不可預測）。裝配線工人執行的主要是手動重複任務，這類任務可實現自動化，具體取決於複雜性和成本效益分析。一家大型跨國企業集團的首席執行官執行的主要是認知不重複任務，這些任務實現自動化要難得多。

機器學習系統領域的快速進步讓我們得以將低端的認知不重複任務實現自動化，以前這類任務被認為是人類的唯一堡壘。比如說，機器學習系統可以學習駕駛，所以，貨運卡車和計程車行業將迎來重大變化；高層企業管理是高端的認知不重複任務，這方面不會迎來太大的變化。

機器將接管的第一批白領崗位是中層經理、商品銷售員、報告撰寫員、會計師、簿記員、熟練創意工作者（平面設計師、背景音樂作曲家、繪製酒店房間裝飾畫的藝術家）以及病理科和放射科醫生。最後接管的白領崗位將是學前班和國小教師、專業運動員、政治家、裁判員和心理健康專業人員。還有就是極少數真正稱得上創新天才的創意藝術家。這些是人類才能幹得好的工作；它們的安全係數很高，除非機器果真統治世界。

Q

人工智慧將如何影響媒體企業的人，尤其是創意人員？

A

如果你有人工智慧，可能會有人工創造力。在許多方面，它與普通的人類創造力無從區別。實際上，每一代人當中只有少數人能超出人類對創造力的種種期望。

這就剩下了熟練創意工作，這絕對可以由人工智慧來完成。音樂是一種傳達情感的語言，精通音樂很罕見，但機器有可能做到音樂方面一貫很好。它不會適用於每個客戶或每種使用場景，但適用於足夠多的客戶，因而在行業產生巨大的影響。

基本的說明文寫作也是如此。七年級英語老師教你回答的問題：誰、什麼、何時、哪裡、為何、如何就是一種演算法。當然，機器學習系統經訓練后就能寫這種散文，它們遲早會。

不過，它與世界一流的藝術和創造力無關。對於願意為藝術忍飢挨餓的藝術家而言，人工智慧並沒有改變什麼。為了每天可以跳舞，舞者仍然會作出瘋狂的犧牲。人工智慧也沒有改變超大公司的前景。但是人工智慧完全顛覆了繁瑣的創意工作。

營銷人員做的許多工作岌岌可危。如果你是個營銷人員，你搭建支持公司品牌、使命和願景的內容支柱。你要逐一檢查，如果某個文案沒有符合所有標準，你得重寫，直到符合為止。如果那不是演算法，我不知道演算法是什麼。那就是你如何讓3000個獨自思考的營銷人員以統一的聲音將信息傳達出去。如果你告訴我無法讓其中一部分實現自動化，那麼你不了解自動化。

即使只有20%的白領工作實現了自動化，也會給媒體公司帶來巨大的影響。比如說，假設我可以讓機器來構思擬寫慶典邀請函，在使人想起我品牌的一種字體後面採用Chagall風格的視覺和陰影。你可能認為，這麼做會提高我那位藝術總監的工作效率，這就是主要的影響。

Q

數字轉變如何影響貴企業物色人才的方式？

A

我們堅信零工經濟（gig economy）；無論在哪一天，我們的員工都能滿足我們業務的需要。我們使用靈活的共享辦公空間組織，比如WeWork。我們可以派用的每一位技術精湛的技術人員都在尋找收入更高的下一個機會，他們不想被全職工作束縛。

我們Palmer Group招募人員時也在強調我們是這個領域的精英，如果他們與我們共事，處理非常酷的項目，將會受益匪淺。我們主持各種會議和活動，探討重要的技術課題。我們還讓與我們合作的編程人員每晚花一兩個小時，為開源項目做貢獻。這一招是我們從Facebook那裡學來的，Facebook有自己的腳本語言：React。Facebook的軟體開發員將一些代碼放在GitHub上，大家開始貢獻代碼、交流筆記；突然，Facebook針對編程人員推出了一項招聘和培訓計劃，未花一分錢。誰不想給Facebook的人員留下深刻的印象？

Q

您是否以同樣的方式招聘您的內容專業人員？

A

不，因為創意人才庫非常龐大。比如說，由於我出身電視行業，我們認識好多人。程序員比較難找到，因為眼下許多公司在激烈爭搶程序員。

西班牙卡斯蒂略金字塔有一幅40800年歷史的洞穴畫，據說那是已知最古老的洞穴畫之一。那名藝術家創造這個作品只為了一個目的，就是被世人看到。那名藝術家感受到了什麼，或者需要解釋什麼，於是創作了這件作品來表達。如今，電視廣告供人看，圖書供人讀，歌曲供人聽。如果你沒有主旨要傳達，就不需要電視，不需要印刷機，不需要互聯網上的數據流。如果你確實有強烈的想法要表達，你的任務就是傳達出去，無論你使用什麼技術，或採用什麼商業模式。這個沒有變，可能永遠也不會變。