一場新冠肺炎疫情，讓遠程辦公逐漸成為常態。釘釘、飛書、企業微信、zoom等視頻會議類軟件，很好地解決了遠程溝通問題。除了視頻會議軟件，另一種云監工軟件也火了，這種AI軟件可以盯著你干活，看你是否“摸魚”，并給你打分。這款AI監工軟件名叫Enaible，據悉，全員在家辦公期間，Enaible銷售尤其火爆，前來咨詢的公司數量是以前的4倍。但也有批評聲音表示，這款軟件會讓員工失去創造力和對于公司的忠誠度。

收集操作痕跡 可給工作效率評分

AI監工有何神通能監督員工們的工作，還能為員工打分?據介紹，Enaible軟件裝在員工的電腦里，并可以在后臺一直運行，收集員工工作中的細節數據后提供給公司。軟件使用了一個名為Trigger-Task-Time的算法，算法會根據郵件或者電話，來判斷員工要完成什么任務以及計算這些任務花了多長時間來完成，隨后算法會根據這些數據給員工的工作效率打分。

“我們使用的操作系統，都會以日志的形式對應用軟件的操作流程進行記錄。打開哪個文檔、內容是什么、上網瀏覽哪些網頁都會留下使用痕跡。在計算機里面裝一個監控軟件，賦予它操作系統里的很多權限，AI監工就能把辦公中操作電腦所留下的各種數據收集起來，進行融合處理，形成計算機可理解的表達。”天津大學智能與計算學部教授韓亞洪解釋，因為AI監工記錄下來的數據會有圖片、文字、視頻、音頻以及各種符號數據，因此會用到模式識別、自然語言處理、語音識別、數據挖掘、多模態數據融合等AI領域的最新技術。

“AI監工最核心的部分不只是收集數據，其最大難度在于通過算法模型，對這些數據進行分析，從而做出正確的決策，也就是對員工的工作效率等進行打分。”韓亞洪解釋，這個算法模型的形成需要進行機器學習，具體說是監督學習。監督學習光有大量的數據是遠遠不夠的，必須要有很多專業領域知識的積累，這樣才能為數據本身和最后的正確決策建立起一個關聯，形成有監督的信息，也就是一條條有效的訓練數據。

“什么是有效的訓練數據?比如訓練機器識別動物，我們會找很多貓、狗的照片，不同品種、不同形態，但是我們都必須為這些圖片標注上貓或者狗的名稱，這個標注就是正確決策，圖片和對應的標簽共同形成了一條有效的訓練數據。通過對大量有效數據的學習，機器就可以建立起一個算法模型，對圖片進行識別。”韓亞洪舉例說。

“生成Trigger-Task-Time的算法模型，領域內的專家知識和領域內的數據缺一不可。訓練這樣一個模型，需要有很多領域內的相關知識積累和儲備才能做到，并找到有效的知識融合方法。”韓亞洪分析，這才是成就AI監工的核心關鍵。

據Enaible官網介紹，這家公司的創始人擁有20年的“CEO教練”經驗。也正是有這樣的職業背景，讓AI監工軟件除了評判員工外，還有一個領導力推薦算法可以給老板們提供建議 ，自動找出員工工作中的問題、提高效率。

隱私無所遁形 AI被吐槽不近人情

AI監工從誕生之初就伴隨著爭議，在不少員工眼里，AI監工軟件正扮演著“飯碗殺手”的角色，而且是不近人情的。

員工們吐槽最多的就是“不被信任”“每分每秒被監控，感到很可怕”……2019年4月末，亞馬遜就用數字監控器追蹤發貨倉庫里揀貨工人們的工作速度，并管理和限制員工離開崗位的時間，然后自動生成解雇的指令。員工則被這種“看不見、卻無處不在”的“電子皮鞭”驅趕得疲于奔命，連喝水上廁所都不敢隨便去，更別提各種隱私無所遁形。

“AI監工的存在引發了一個始終伴隨著人工智能發展的重要問題，那就是人工智能倫理問題。倫理是有界限的，超過一定的界限可能就涉及到法律問題了。”韓亞洪舉例說，比如無人駕駛汽車上路把人撞死了，這個法律責任該由誰擔負呢?這就是人工智能倫理問題。對于裝在電腦里的AI監工，雖然員工在辦公，但電腦畢竟是私人的，監控員工就有可能會涉及到個人的隱私數據。因此AI監工的存在，首先要解決好人工智能倫理的問題。

還有很多員工質疑“AI監工的決策是否能衡量員工的生產力”“評判的結果是否準確”……韓亞洪表示，這類軟件肯定會考慮到大多數辦公業務的情況，因此決策的結果大部分是準確的。但特殊情況肯定也是存在的，當機器遇到的是它從來沒碰到過的特殊情況時，算法可能也會給出不準確的評判。因為這種監督員工工作效率的工作，即使由人來做，也有不準確的時候。

解決倫理問題 AI監工或迎長遠發展

面對各種吐槽，Enaible公司也感到非常委屈，根據他們的統計，8小時工作制里，其實人們有產出的只有3個小時，美國每年有4000億美元被員工們的低效率損失掉。管理者本來就是要盯著員工干活，判斷他工作中的問題，這個過程換成AI也一樣。企業反正都要裁員，那不如精準地找出工作效率最低的人。

“Enaible公司的說法也有一定的道理，但是未來要全面使用AI監工，首先需要厘清人工智能倫理與人工智能應用的關系。”韓亞洪提出自己的看法，只有捋順AI倫理問題，才能決定AI監工是否能繼續使用。而讓員工和老板都認可，AI監工才有可能發展下去。

“在技術層面，增加交互功能，對于完善機器算法模型將有很大的幫助。”韓亞洪解釋，當AI監工部署到一個公司時，可能開始的時候，它的性能沒有那么好。而如果AI監工的模型能設計成可交互的形式，并且在交互中能夠進化，它的能力就會在學習中再提升。就像我們上面提到的，如果遇到模型算法沒有遇到過的數據，就有可能出現決策錯誤。如果這時候，通過交互告訴機器正確的決策，那么下次再遇到同類問題，機器的算法模型就會舉一反三，給出正確的決策了。

“而且現實世界里，員工的工作狀態必然受其所處的社會、家庭和生活環境的影響，所以對員工的監督和管理也不可能只用與工作有關的冰冷冷的數據。”韓亞洪表示，如果AI監工能變得更人性化一些，也就是算法模型設計得更個性化一些，比如通過捕捉員工的表情、動作等方面的變化，并通過大數據的蛛絲馬跡去發現員工狀態、情緒、身體健康等方面的異常和變化，并且把這些數據也融入到模型算法的決策中去，這樣AI監工最終的決策也許會讓人覺得更有人情味。

正如《麻省理工科技評論》援引英國律師科瑞的話，良好的工作環境，應該讓員工覺得自己的工作備受信任，而單純的監控是無法做到這一點的。