編者按：人工智能技術引發的失業危機是業界老生常談的話題了。大家更多討論的都是機器會取代一些低技能要求的崗位。可如今，高技能白領的工作也可以由機器來完成。但這就意味著白領工作岌岌可危了嗎?其實也不盡然。機器在消除一些崗位的同時，也創造出了一些新的崗位。

印度電商網站Myntra上最暢銷的的一款T恤結合了橄欖綠、藍色和黃色三種色塊。然而，這件T恤的設計師不是人類，而是一個計算機算法——或者說應該是兩個算法才對。

第一個算法會隨機生成圖片，它會嘗試將這些圖片看作是衣服。第二個算法就必須將這些圖片與Myntra庫存里的衣服進行區分。在很長一段時間內，算法的表現都還不錯。第一個算法能夠更好地生成類似衣服的圖片，而第二個算法則可以更好地確認它們是否與現有的產品相似——但并非一模一樣。

這樣的“你來我往”很好地詮釋了人工智能的工作。公司的首席執行官Ananth Narayanan表示，設計出來的衣服“銷售增長速率達到了100%”。“這確實是有效果的。”他說道。

服裝設計不過只是算法變革時尚和零售行業的一處領先優勢罷了。公司如今已經很頻繁地在使用人工智能技術來決定在庫存中添加哪些衣服并且推薦給消費者。

時尚行業在美國很早就削減了藍領工人的崗位，如今它也成為了人工智能影響白領工作的一個典例。對于需要發現模式的工作來說，人工智能能夠起到很大幫助，比如說挑選庫存或是確診癌癥。

“在未來這些年，機器能夠實現自動化或增強的任務組合范圍會越來越大。”麻省理工學院的經濟學家Erik Brynjolfsson以及卡耐基梅隆大學的計算機科學家Tom Mitchell去年在一篇期刊中如是寫道。他們認為，大多數受影響的工作會實現部分自動化，而不是整體被取代。

時尚行業詮釋了機器是如何侵入那些以人類創造力而聞名的工作，而不是那些需要憑借實踐經驗進行判斷的崗位。會因此受到直接影響的人便是采購員和商品規劃師。他們主要負責決定哪種裙子、上裝或是褲子能夠讓商店庫存銷售一空。

采購員的核心工作就是要利用“千錘百煉”的理解力感知時尚趨勢，然后預測消費者的需求。“如果你上個月賣出了500雙松糕鞋，那么下個月說不定你可以賣出1000雙。”在線零售商Kristina Shiroka說道，她曾為Outnet擔任采購員多年。“但是人們到時候也許對此就不再感興趣了，所以你需要減少采購量。”

商品規劃師會利用采購員的信息來決定服飾組合——比如說多少雙涼鞋、高跟鞋以及平底鞋——能夠幫助公司達到銷售目標。

行業內采用高性能算法的公司雖然不多，但是數量在日益增加。在這些公司里，通常是由機器——而不是采購員的直覺——來預測消費者的需求。

就拿在線時尚電商Stitch Fix來說吧。它會為顧客寄送一盒衣服，顧客可以選擇保留或是返還衣物。Stitch Fix會留有顧客詳細的資料信息，之后會針對顧客的偏好來寄送衣物。

Stitch Fix非常依賴算法來決定采購內容——事實上，沒有算法的話，它的業務也許就沒法展開。這些算法會預測未來幾個月時間里，在一個給定的情況或“狀態”下會有多少客戶(比如說在換新工作之后需要買新衣服的)以及在各種情形下人們傾向于買多少衣服。算法還知道不同資料背景的消費者傾向于喜歡哪種類型的衣服——比如說一個生活在德克薩斯州、有孩子但身材嬌小的護士。

印度在線零售商Myntra會用算法來為采購員提供信息。算法會根據具有類似屬性——袖子、顏色或織物——衣服過往的銷售情況來計算一件衣服的暢銷可能性(采購員也可以選擇無視預測)。

這一切都讓采購員和商品規劃師的未來蒙上了陰翳。原先這些高地位的工作者年收入能超過10萬美元。

而在相對更為傳統的零售商里，每一種衣服類型(名牌、現代或是休閑)或是服裝類別(裙子或上衣)都會分派一隊采購員以及支持員工。一些零售商還會針對針織以及梭織上衣安排不同的團隊。同樣，針對不同服裝類別安排商品規劃師，這也需要雇傭不少人。

采購員表示這種專門化能夠幫助他們通過直覺感知時尚和顏色趨勢。“如果你非常沉浸其中，那么你大概就有感覺了。”一直在Charlotte Russe以及ModCloth等零售商工作的采購員Helena Levin說道。

Lebin還提到了在2010年左右的暢銷薄荷綠連衣裙。“突然有一天，它就是不火了。”她說道，“人們對它的喜歡到此為止。‘所有薄荷綠的東西，都走開。’之后，它就過時了。你能夠感覺到這一點。”

但是擅長利用算法和大數據的零售商更希望能少雇傭一些采購員，然后為不同服裝類別單獨分配一位即可。這也許是因為他們不太相信直覺。

在線女裝租賃以及零售服務Le Tote每年營業額在數億美元，所有品牌的服裝——連衣裙、上裝、褲子以及夾克——都只由一個六人組成的團隊負責采購。

創始人Brett Northart表示公司的算法會基于有多少用戶將商品放在了在線購物清單里以及其他類似網絡評價、近期購買量等因素，確認要購買哪些衣服。

類似于Stitch Fix的時尚男裝服務Bombfell僅僅依靠一個名叫Nathan Cates的員工來采購所有上裝和配飾。

公司開發的算法工具以及大數據庫可以幫助Cates。他也表示相比傳統零售商那里的采購員，他可以更加準確地預測服裝趨勢。

“我們很清楚自己的客戶是誰。”他說道，“我們很清楚他們生活的區域、工作以及衣服尺碼。”

至今為止，他的工作中只有一部分是需要人為完成的。Cates很喜歡在購買衣服之前觸摸織物，并且總是在一開始就自己試穿一下。

“如果這是淺色的衣服，那么消費者會露點嗎?”他解釋道。(他在位于紐約的公司總部試穿了一件薄荷綠T恤，然后表示衣服有一些透。)

自動化還存在一些限制因素。與供應商的談判通常還是需要人為參與。即便算法可以幫助采購員更快、更準確地作出決定，它們也無法應付與供應商的關系。

H&M會利用人工智能來指導供應鏈決策。為H&M管理高級分析工具以及人工智能的Arti Zeigham表示公司會“優化并且授權”給人類采購員和規劃師，而不會想用人工智能取代他們。但是他也坦白承認，你很難預測5到10年內機器對于雇傭員工的影響。

專家表示部分工作最終會實現自動化。美國勞工統計局預測批發和零售采購員的雇傭情況會在十年內縮減2%，但在此期間所有職業會增長7%。這一現象的到來也許是因為一些不太復雜的任務將由機器完成，比如說給庫存分類等。

不過在時尚行業，至少有一處地方機器是在創造崗位，而非消除崗位的。在服裝盒子訂閱領域，像Bombfell、Stitch Fix等公司開始雇傭越來越多的人類造型師。他們會獲得算法關于服裝方面的建議，但最終是由他們來決定給消費者寄送哪些衣服。

“如果在我詢問她們有什么感受時，她們表現得不是非常興奮，那我就會記錄一下。”Stitch Fix的競爭對手Trunk Club的銷售經理以及造型師Jade Carmosino說道。

鑒于此，造型師的存在似乎反映了行業內一個更大的趨勢：縱然人工智能正將白領工作自動化，但是機器與消費者之間卻需要雇傭更多的人介入其中。

舉個例子，EquBot創建了一筆交易所交易基金并交由人工智能管理。公司的首席執行官Chida Khatua預測即便投資在很大程度上實現了自動化，資產管理行業也會雇傭更多的金融顧問。

作為造型師或金融顧問的缺點在于，他們的工資也許沒有失業的采購員或揀股票者高。麻省理工學院研究自動化的經濟學家Daron Acemoglu表示好消息是，也許在近幾十年，這些崗位的工資依然會遠遠超過許多低級或中級技能工作崗位。

這些工作在未來也是很難被機器所取代的。

“如果我是消費者，我要闡述自己的需求，那么這就需要人為參與。”Khatua說道，“因為有時候我自己都不知道自己到底想要什么。”