传统知识型工作面临的挑战

在这三个层面，核心工作是由知识型工作者完成的知识型工作。随着社会的发展，由传统的人力完成工作时，这些工作已面临着一些挑战。

第一个挑战是社会出现新要求。随着社会发展，客户现在对企业提出了更高的要求，因此企业对生产过程要更精细化。而制造业由于生产过程的复杂，很难精确建模。由于客户需求经常变化，要求模型保持敏捷，以应对包括原料和产品市场不确定性，因此要求企业进行信息化控制。

第二个挑战是新的信息环境。云平台、移动计算、物联网、大数据等新技术、新平台的出现使数据的种类和规模迅速增加，知识型工作者面对海量信息感到无所适从。以前的数据量可能依靠一个人、一张表格就可以完成工作，而现在很多数据往往个人完全无法处理。

第三个挑战在于如何利用好数据。因为知识型工作完成的质量，严重依赖于个人的素质，并且个人工决策往往趋于主观，具有不一致性，无法全流程稳定运行。同时，个人的经验、知识在推广、积累和传承等都面临困难。师傅带徒弟是传统办法，但这种机制不利于人工智能的实现。

所以，知识型工作自动化，跟原来的知识型工作还是有一定区别。比如，原来人在从事知识型工作的时候会存在一些问题与不足，未来的知识型工作自动化会通过机器进行弥补。

知识型工作自动化的案例

桂卫华提到了一个原材料工业中冶炼厂原料采购的例子。

原材料工业企业当中，原料采购占据着企业大部分的资金。但很多规模很大的企业，对产品的库存、采购企业的考虑都是由人来做的。

原料采购人员在采购过程中需要考虑小到采购目标、费用、金属总量、原矿品位、杂质、上下限等问题，大到供求关系、市场情况、宏观经济政策等因素带来的影响。同时，还需要结合企业本身的能力，比如存储能力、财务状况等等，综合各方面，做出判断、筛选、决策。

这些过程完全由知识型工作者去做容易产生很多复杂问题，比如腐败就是其中的问题之一。利用机器知识型自动化的办法来解决这个问题则比较简单，并且能有非常高程度的优化。

知识型自动化会如何完成这项工作呢？桂卫华提到，当时，他们通过数据知识激励模型把作为原料采购目标的一百多家矿山以品类的质量、范围进行基准，分成五大类。

第一步，充分虑市场知识和企业生产知识，将原料采购目标的五大类进行筛选、决策。

第二步，根据具体的供应商进行分析，评估已筛选出的每个类别。

第三步，在筛选的每一类里面决策出相应的供应商，最后得到一个完整的企业采购。

仅仅这一部分的内容，就可以为企业每年节约数千万的经费。

人工智能赋能有色金属工业面临的问题

绿色高效发展现在面临很多挑战性问题。我国要实现绿色高效发展，要领跑于世界，必须要借助人工智能技术。要推动有色金属工业的升级，实现绿色高效，人工智能是一个有力的抓手。而推动有色金属工业的升级、发展同样面临着许多挑战：

1.适应有色金属行业的特点。

2.升级后的工业流程需稳定运行问题。

3.人工智能要赋能工业也需完成进一步的升级。

其中，企业能够稳定运行是最为关键的环节。只有工业流程实现稳定运行，才能带来真正的效应。

桂卫华在最后强调，在促进人工智能健康发展时，一定要使得人工智能技术能够落地，能够解决问题。如果人工智能技术漂浮在空中而不落地，人工智能的发展难免再起起伏伏。