可能被自动化的主要是一些重复性和常规性的工作，涵盖范围从解读X光（放射科医生的作用可能越来越有限了)、卡车驾驶，再到仓储管理。虽然我们已经看到过很多介绍关于可能被淘汰的工作类型的文章，但还有一个很少被发表的观点，那就是：不要问哪些工作将被淘汰，而是要问幸存的工作有哪些将要被机器所取代。
比如医生，很明显机器诊断疾病的能力很快就会超过人类。当数据集可以用于培训和测试时，机器学习出来效果就非常不错了，而且它们能诊断各种各样的疾病。不过，想像一下，机器与病人和家属坐在一起讨论治疗方案会是怎样的情景？在可预见的未来，这种情况要实现自动化的可能性小得多。
再比如另一个职业：咖啡师。在旧金山，Cafe X咖啡店所有的咖啡师都换成了工业机器人，也就是说机器人取代了咖啡师的位置。制作热饮时，机器人会用它们的滑稽动作来娱乐顾客。即便如此，Cafe X咖啡店里也另外雇佣了一位员工。他负责教顾客如何点饮料和解决这些机器咖啡师出现的一些问题。
对比一下咖啡师和调酒师两种职业，顾客往往更经常和调酒师攀谈。很明显，调酒师的工作不仅仅是把饮料混合在一起。就像医生一样，人们很容易将医生的工作分解成两个部分：重复的常规性的工作和与病人互动的工作。这好比咖啡店的工作可以分为制作咖啡和服务客人。
在综合考虑了许多工作及行业特点后，我们发现有两种非常规的工作似乎特别普遍，但却很难自动化。
首先是情感类。情感在人类交流中扮演着重要的角色。比如和病人交流的医生，以及和顾客互动的调酒师。这两种工作几乎都涉及到非语言和情感交流的所有形式。但更重要的是，它启发我们去考虑现在所做事情的优先次序，比如它帮助我们决定现在就需要做什么，晚做决定就会来不及了。情感不仅是复杂和微妙的，它还影响着我们许多的决策过程。事实证明，要科学地理解情感的作用是十分具有挑战性的(尽管已经取得了进展)，而且它很难构建成一个自动化的系统。
第二是环境。人类在做决定或与他人互动时，往往很容易将所处的环境因素考虑进去。环境的确很有趣，因为它是开放的。例如，每当有新闻报道时，它都会改变我们所处的环境(这个环境不论大小)。此外，环境的变化不仅可以改变各种影响因素之间的相互作用，而且可以引入新的影响因素，并从根本上改变各种因素之间的组织方式。而对于机器学习来说，环境改变是一个大的问题，因为机器学习要操作的是数据集，而这些数据集是在不同的环境下事先建立的。因此，环境因素对自动化来说也是一个挑战。
我们具有管理和利用情绪的能力以及考虑到环境影响的能力，这些是批判性思维、创造性解决问题、有效沟通、适应性学习和正确判断力的关键构成因素。事实证明，通过编写程序让机器完全模仿人类的知识和技能是非常困难的。目前尚不清楚日渐成熟的技术在何时或者是否能真正替代人类。
事实上，具备这两项能力的人才也是各行各业的雇主们一直在寻找的。在一项调查中，93%的雇主表示求职者如果具有批判性思维、良好的沟通能力以及解决复杂问题的能力，远比他或她的本科专业更重要。此外，雇主们还希望应聘者具备其他“软技能”，比如学习能力强、能做正确的决策以及与他人合作良好。当然，这些广受欢迎的能力人类是没有任何问题的，但是要实现自动化，无论现在还是将来都是很难的。
所有这些都表明，我们的教育系统不应该仅仅只关注人们如何与技术交互(例如，教学生编程)，还应该教他们关注如何做那些机器不能做的事情，眼光放长远点。这是一种新的方法来描述“软技能”的本质。这些“软技能”可能会被错误地认为是难以理解和系统化的技能，但它们给人类带来了优势，未来也将继续给人类带来超越机器人的优势。
还没有评论，来说两句吧...