遠程辦公的規范化推動了云監管軟件的市場。最近，一款名為Enaible的人工智能監控軟件賣得很好。這款人工智能軟件不僅可以盯著員工，還可以給員工的工作效率打分.

COVID-19爆發的肺炎已經逐漸使遠程辦公成為常態。美甲、飛書、企業微信、zoom等視頻會議軟件很好地解決了遠程通信問題。除了視頻會議軟件，另一種云監管軟件也在火上澆油。這個人工智能軟件可以觀察你的工作，看看你是否在“釣魚”，并給你一個分數。這個人工智能監控軟件被稱為可啟用。據報道，Enaible在所有員工在家工作時尤其受歡迎，前來咨詢的公司數量是以前的四倍。然而，一些批評家說這個軟件會使員工失去創造力和對公司的忠誠。

收集操作痕跡 可給工作效率評分

人工智能主管有什么魔力來監督員工的工作并給他們打分?據介紹，Enaible軟件安裝在員工的電腦上，可以一直在后臺運行，收集員工工作的詳細數據并提供給公司。該軟件使用一種稱為觸發任務時間的算法。該算法將根據電子郵件或電話判斷員工應該完成哪些任務，并計算完成這些任務需要多長時間，然后根據這些數據對員工的工作效率進行評分。

“我們使用的操作系統會以日志的形式記錄應用軟件的運行過程。打開哪個文檔，內容是什么，在互聯網上瀏覽哪個網頁會留下使用痕跡。在計算機中安裝一個監控軟件，并在操作系統中給予它很多權限。人工智能主管可以收集在辦公室操作計算機時留下的各種數據，并將其融合成計算機可理解的表達式。”天津大學智能與計算系教授韓亞紅解釋說，由于人工智能主管記錄的數據將包括圖片、字符、視頻、音頻和各種符號數據，因此將使用人工智能領域的最新技術，如模式識別、自然語言處理、語音識別、數據挖掘和多模態數據融合。

“人工智能監管的核心部分不僅僅是收集數據。最大的困難是通過算法模型分析這些數據來做出正確的決策，也就是給員工的工作效率打分。韓亞紅解釋說，這種算法模型的形成需要機器學習，特別是監督學習。有大量的數據用于監督學習是遠遠不夠的。需要積累大量的專業知識，以便在數據本身和最終的正確決策之間建立聯系，并形成有監督的信息，即有效的訓練數據。

“什么是有效的訓練數據?例如，當訓練機器識別動物時，我們會發現許多不同品種和形狀的貓和狗的照片，但是我們必須用貓或狗的名字來標記這些照片。這個標記是正確的決定，并且圖片和相應的標簽一起形成有效的訓練數據。通過學習大量有效數據，機器可以建立算法模型來識別圖片。”韓亞紅舉例說。

“為了生成觸發任務時間的算法模型，該領域的專家知識和數據是必不可少的。要訓練這樣一個模型，需要積累和儲備許多領域的相關知識，并尋找一種有效的知識融合方法。”韓亞紅分析說，這是實現人工智能監管的核心關鍵。

根據Enaible官方網站，這家公司的創始人有20年的首席執行官教練經驗。正是由于這種專業背景，AI監管軟件不僅可以對員工進行評判，還擁有一個領導推薦算法，可以為老板提供建議，自動發現員工工作中的問題，提高工作效率。

隱私無所遁形 AI被吐槽不近人情

人工智能監督者自誕生以來一直備受爭議。在許多員工眼中，人工智能監管軟件扮演著“飯碗殺手”的角色，是不人道的。

員工最常見的抱怨是“不信任”和“每分鐘都被監控，這讓他們感覺很糟糕”.2019年4月底，亞馬遜使用數字監控器跟蹤送貨倉庫提貨工人的工作速度，管理和限制員工離職時間，然后自動生成解雇指令。員工被“無形但無處不在”的“電子鞭子”所驅使，甚至不敢去廁所喝水，更不用說各種隱私了。

“人工智能監督者的存在引發了一個一直伴隨著人工智能發展的重要問題，即人工智能的倫理問題。道德是有界限的，超越某些界限可能涉及法律問題。”例如，韓亞紅說，例如，如果無人駕駛汽車在路上撞死人，誰應該承擔法律責任?這是人工智能的倫理問題。對于安裝在電腦上的人工智能主管來說，雖然員工在工作，但電腦畢竟是私人的，監控員工可能涉及個人隱私數據。因此，人工智能監管者的存在應該首先解決人工智能倫理問題。

也有很多員工質疑“人工智能主管的決策能否衡量員工的生產力”和“判斷結果是否準確”.韓亞紅表示，這種軟件肯定會考慮大多數辦公企業的情況，所以大多數決策結果都是準確的。然而，特殊情況確實存在。當機器遇到以前從未遇到過的特殊情況時，算法也可能給出不準確的判斷。因為這種監督員工工作效率的工作，即使由人來做，有時也是不準確的。

解決倫理問題 AI監工或迎長遠發展

面對各種各樣的抱怨，恩納貝爾公司也感到很委屈。根據他們的統計，在八小時工作制下，人們實際上只有三個小時的產出，而美國每年有4000億美元的損失是由員工的低效率造成的。管理者應該關注員工，判斷他們工作中的問題，在這個過程中人工智能也是如此。企業無論如何都要裁員，所以最好能準確地找出工作效率最低的人。

“Enaible的說法也有一定的道理，但為了將來能充分利用AI監督者，首先有必要澄清人工智能倫理與人工智能應用之間的關系。”韓亞紅提出了自己的意見。只有理順人工智能的倫理問題，我們才能決定人工智能主管是否可以繼續使用它。只有當員工和老板意識到這一點，人工智能主管才能發展。

"在技術層面上，增加交互功能將大大有助于改進機器算法模型."韓亞紅解釋說，當人工智能主管被部署到一個公司時，它的表現可能一開始就不太好。然而，如果人工智能監督者模型能夠以交互的形式設計并在交互中進化，其學習能力將會得到提高。如上所述，如果我們遇到模型算法沒有遇到的數據，我們可能會在決策中出錯。如果此時機器被告知通過交互做出正確的決策，機器的算法模型將從一個實例中得出推論，并在下次遇到類似問題時給出正確的決策。

“而在現實世界中，員工的工作狀態不可避免地會受到他們所生活的社會、家庭和生活環境的影響，因此不可能僅用與工作相關的冷數據來監督和管理員工。”韓亞紅表示，如果人工智能主管能夠變得更加人性化，即算法模型設計得更加個性化，比如通過捕捉員工的表情和動作的變化，通過大數據的線索發現員工狀態、情緒和健康的異常和變化，并將這些數據整合到模型算法的決策中，人工智能主管的最終決策可能會讓人感覺更加人性化。

正如《麻省理工科技評論》引用英國律師科里的話說，一個好的工作環境應該讓員工覺得他們的工作是值得信任的，但是光靠監督是做不到的。

關鍵詞： 人工智能