（原标题：How AI can make retirement transition easier for businesses and workers）
网易科技讯4月28日消息，据VentureBeat报道，随着经验丰富的工人退休，他们的经验和知识也可能随之消失，数字学徒能帮助挽救这些可能永远失去的宝贵财富吗？
2016年，联合国估算全球人口为74亿人，其中1/8的人年龄超过60岁。此外，据世界健康组织和伦敦帝国学院估算，最早到2030年，多个国家的人口平均寿命可突破90岁障碍。其他研究预计，从2012年到2022年，随着更多工人离开工厂，大约有1250万个工作岗位无人填补。在此期间，200万个新工作岗位将被创造出来，但只有700万名新工人将会进入职场。
这意味着将留下许多空闲岗位缺口。如果目前职场退出率依然在50岁左右，特别是53岁后再就业率急剧下降，意味着劳动力短缺现象将更严重。对于公司来说，这是个巨大挑战。审慎考虑和仔细规划能够减少损失，同时帮助退休者。可是在采取任何措施前，我们需要首先更多了解来之不易的经验和知识的价值，以及它们正处于何种危险状态。
理解知识的基础
在任何人想要解决职场老龄化问题前，我们首先需要更多理解职场所包含的知识。特别是这些知识有什么价值，在商业中如何能被掌握？在这样的假设场景中，将知识想象为“专业堆栈”很有用。这些堆栈含有结构化、非结构化以及其他细致入微的知识。
以电力行业为例，结构化知识包括资产数据库或其他记录系统，它们包含管道或电线布局、服务时间表等关键信息。非结构化知识则是来自多个源头的数据，这些源头可帮助员工回答有关任务或相关角色的问题。结构化知识和非结构化知识都非常重要，而且很有用。可是，我们最缺少的是知识和经验中最深层的东西，也就是堆栈中细致入微的知识。
“依赖于”科学
想象下细致入微的知识水平，员工经常使用“依赖于”这样的词汇。在这个领域，有时候没有明确的答案，人们只能根据经验和判断做出决定。许多公司没有意识到这种知识对他们企业的重要性，即使意识到，也可能已经太迟了。遗憾的是，这些恰好是失去后却最难再被重新创造起来的知识。
现在，如果你还不到25岁，下面的情况就可能会发生在你身上。事实上，许多正要退休的人都很了解流程和系统，而对于下一代人来说，这些流程和系统已经过时了，他们对此完全不熟悉。比如VHS视频播放器，对于VHS或Betamax播放器来说，产品表就是结构化信息。这个手册可以告诉我们，如何播放视频和录制视频，那些都是非结构化数据。可是，你可能无法从产品表中知道：你必须使用额外的磁带，并需要额外30分钟录制足球比赛。当比赛进入加时赛，或录制好电影时，你会发现很困难，需要从不断的失误中吸取经验。
这就是细致入微的知识。你可以在文档中记录详细数据。可是，结果通常是一系列提示，这些提示非常模糊、依赖于情境以及缺少判断，不容易理解。简而言之，产生的东西可能无法使用。依然以电力行业为例，电力工人在现场或前往电塔的途中，他们可能需要更多数据，而不是阅读企业网站资料。
认知推理可能有所帮助。它能捕捉许多微妙的判断，这些判断通常是经验丰富的专家每天做出的。可是，只有技术显然无法解决这个问题。这个过程并非一对一的记录信息，我们必须考虑这种专业知识如何能从人传给计算机。
数字学徒
这就是“数字学徒”出现的原因。举例来说，假如某人需要学习复杂的税法。数字学徒可以记录所有微妙的信息，但技术熟练的人类可将其整理出来，帮助未来的税务官和支持当前税务官。实际上可一举两得。但成功的关键是在公司中找到正确传播这些知识的人。你还需要有认知推理系统，它可供非技术人员使用。当这类系统受到训练后，人人都可使用它。
另一个有价值的概念是“数字退出面试”。当你要离开公司退休时，不会迅速变得无所事事，人力资源部会将你的技术进行广泛的技术评估。企业可以建立这类获取知识的流程，甚至为工人额外付费以便其传输自己的知识。将AI应用到这样的流程中特别有价值。这类技术可以整理某人的知识，并加入其它知识源，系统会逐步学习它们所需的知识。简而言之，计算机会随着时间推移变得越来越好、越来越智能化。
AI副驾
对于老龄化劳动力值得关注的最后概念是：我们许多人都无法按时退休，即使寿命正在延长，我们需要继续在职场中工作。在这种情况下，AI可被用于充当老年工人的“副驾驶”，帮助他们延长职业生涯。目前，我们已经可以看到许多处于半退休状态的人正为Uber开车。如果没有GPS系统，这几乎是不可能的。而在20多年前，GPS就是我们认为的AI。
随着我们年龄渐长，AI也会提供更多帮助。我们辛苦获得的经验和知识被记录到系统中，并用于帮助其他人，这可让我退休后依然被满足感所环绕。这种AI“副驾驶”能够帮助我们继续以半退休状态工作的想法，让我们对未来充满了希望。（小小）
本文来源：网易科技报道
责任编辑：
王凤枝_NT2541
