据报道，瑞典的一家在线银行Nordnet，准备将自家的AI员工Amelia炒鱿鱼。Amelia是去年夏天刚刚入职Nordnet，其日常工作就是帮客户开个银行户头、处理一些银行数据等较简易的任务，正常来说速度肯定是应该比工作人员要快，银行的工作效率和收益也会有个明显的提升。

但据了解，这一年来，Amelia好像并没有表现出一个AI员工该有的工作能力。所以Nordnet准备淘汰掉Amelia。

其实Amelia并不是第一个被炒鱿鱼的AI。今年一月份，英国的一家超市就解雇了一个上岗仅仅一周的导购机器人Fabio。超市的初衷是希望它能达到吸引顾客前来购物和帮助卖货两项要求。然而几天之后，他们发现这两件事儿Fabio一件都没有做好，甚至有些顾客看到它就绕着走。那这又是怎么回事呢？

以我们正常的说法来看，AI在提高工作效率这方面几乎是共识，但刚上岗没多久就面临淘汰，这不免令人感到意外，但仔细想一下现在AI的发展程度，也就觉得不那么意外了。

应聘时的说法与上岗后反差太大

在所有最可能被AI取代的工作当中，银行排在第一位。原因在于，相较于其他行业来说，银行拥有非常庞大但又相对完整的数据积累，而进行数据分析却又正是AI的拿手好戏。所以一个要大量计算，另一个能满足计算的要求，所以配合非常契合。

但这并不意味着AI在银行就可以畅行无阻，至少这并不是现如今AI能达到的要求。尽管在实验的时候，开发者们可能针对AI回遇到的各种问题进行了全面模拟，AI也在这过程中表现得游刃有余，但实战与试验始终有所不同，其实用功能仍然有可能会受到挑战。我们就以Amelia被炒为例，Amelia被炒鱿鱼可能是以下两个原因所致。

第一，算法的问题。算法一旦存在问题，其对数据的处理肯定会出现误差。虽然银行拥有完善的数据，但如果没有与其相适应的算法进行处理，或用了不合适的算法进行处理，其得出的结果仍然是不可能被顾客所接受的。比如在分析报告这方面，目前仍然是人类分析师为主，原因就在于AI对动态性很强的金融业务上有很大几率出现分析上的误差。而银行做的毕竟是钱的生意，如果总是出错，客户肯定不干了。

第二，沟通的问题。既然是用AI系统，那么想要解决客户提出的问题就一定要与客户沟通。银行是一个非常繁忙的金融机构，我们能看到的场景就是银行天天都挤满了人。如果AI与客户的对话衔接不起来或者是专业性的学习不彻底，其在于客户沟通的过程中很可能会答非所问，造成迟钝、误解等问题，这回影响工作效率，并破坏顾客心中的好感度。

而Nordnet又是一家线上银行，其对AI的语义识别对话能力的要求自然更高。这点儿类似AI客服，说不好话就卖不了货，卖不了货就只能等着被炒了。所以AI最核心的地方就在——现有的技术是否能够应对所有的突发事件

本想事半功倍，不成想事倍功半

各大公司无论是雇佣AI还是雇佣人力，其目的只有一个：赚钱。但如果公司花了大钱把你招来，你却什么事都做不了，创造不了应有的价值，那无奈只能将你扫地出门了。

Nordnet从AI系统提供商IPsoft那购买的解决方案，而不仅仅是一个AI柜员，花了多少钱我们尚且不得而知。但是看一下AI方面各公司的资金投入数据：百度每年投入100亿元、欧盟计划2020年之前投入15亿欧元、2014年以来中国人工智能累计投入超过600亿元……不仅如此，AI工作人员动辄百万美元的年薪，这些成本最终都会加在销售给C端的产品上。

因此，正处于前期布局、投入、研发的AI，有一点是可以肯定的，那就是成本居高不下。换句话来说，能在这个时候冒着赔本的风险去探索AI方面的公司，都是勇敢者。

当然，锅也不能全都让AI背了，毕竟能力有多大它自己也没办法。这中间还可能存在的一个问题，就是开发者和使用者之间连接不够紧密。开发者穷尽己之所能，没日没夜地做出了自己认为非常完美的产品，觉得考虑并排除了实际过程中可能产生的所有问题，应用起来完美无缺，但如果是因为客户不会用这个原因的话，那就真的愿望AI了。

因此，要让客户自己能充分发掘AI的潜能，或许要做到下面两个方面。

1. 私人订制。开发者要明白客户需要哪一类型的AI，而客户也要懂得如何操控。这就要求产品一定是最让客户满意的。所以只能根据客户的需求专门制作，体现出开发产品的差异化，让客户在使用的时候能够更简单轻松的上手，这才是发挥AI功能的第一步。

2. 教会客户熟练使用。一般来说，客户虽然不需要知道AI的制作过程，只需要知道怎样才能让AI完成自己指定的工作就够了。但即便是这样，还是会有许多人不会怎么操作。比如很多上了年纪的老师一辈子不会用电脑，也不愿意学，投影仪就成了摆设。因此，开发者只有在进行产品交接的时候提供全套的技术指导并且教会客户如何熟练操作，在能满足客户的实际需求下，才有可能实现AI产品的价值最大化。

人机相互协作，才能达到更好效果

事实是，被解雇的AI只能当作个别案例来对待，并不能将所有的AI应用一概而论，毕竟有更多的AI应用在高速的发展着。这些应用身上也并不是没有出现过所谓“不管用”或者“解雇”之类的尴尬字眼。但被解雇的AI和应用得风生水起的AI之间，存在着一个变量，这个变量就是：人为干预。而根据人为干预程度的差异，我们可以把AI分为两类：独立式AI和半独立式AI。

所谓独立式AI，是指不需要人为干预其操作或很少需要人为干预的AI、AI自主分析决策程度较高，甚至完全由AI自身的人工智能独立工作。上面的Amelia、Fabio基本都属于此类，因为与客户或消费者进行对话、分析数据并得出结论的过程，基本上是没有人操作的，在此过程中其独立完成了与客户的直接接触。

我们常见的某些平台的审核方式，就是此类。因为AI可以自主进行审核、通过或者驳回，在这个过程中没有人工参与，确实是节省了人力，但容易产生问题的就是这种独立式的AI，比如内容平台频频出事。

而半独立式AI则指的是人类干预较多，主要还是以人类为主导，AI起辅助作用，AI只是承担前期的观察、分析，最多再加一点初步结论，最终仍由人类决定的人工智能类应用。比如用AI做各种预测、帮助医生读X光片、招聘、识别古文字、抓在逃犯等等。可想而知，这类有人类干预和把控的AI肯定是运行得十分良好。

也就是说，目前AI要完全独立地承担工作任务，要想完全替代人类，可能还有些难度。正因如此，人们更多地称AI为“助手”。

当然，就算等到AI能够替代人类之后也还是会出现被炒鱿鱼情况的发生，只不过作出这一决定的可能不是人类，而是更优秀的AI。