如果人工智能能取代工程师，难道管理层不是更容易被自动化吗？

大多数关于人工智能的讨论似乎都默认软件工程师是最先被取代的白领。我开始认为管理层可能实际上更易受影响。原因如下。 工程不仅仅是编写代码。它还包括调试混乱的生产系统、处理未记录的行为、绕开硬件和基础设施的限制、集成不完善的API以及不断适应边缘情况。人工智能在编码方面已经非常出色，但在复杂现实环境中可靠执行仍然困难。 相比之下，管理在很大程度上是一个信息处理和决策制定的职能。管理者通常： * 从多个团队收集信息。 * 确定工作优先级。 * 分配资源。 * 评估风险。 * 跟踪执行情况。 * 解决冲突。 * 传达决策。 * 预测结果。 * 制定策略。 这些都是依赖于处理大量信息的任务，而人工智能在这方面正在迅速进步。理论上，一个人工智能管理者可以： * 同时阅读每一条Slack消息、文档、代码评审、事故报告、客户投诉、销售电话、财务指标和支持工单。 * 持续监控数千个KPI，而不是依赖每周更新。 * 比人类更早发现新出现的风险。 * 在提出建议前评估数百种战略选择。 * 应用一致的决策标准，而不是受办公室政治、层级、疲劳或近因偏差的影响。 * 为每条建议提供证据。 * 跨时区全天候运作。 * 即时吸收新的研究、法规、市场数据和技术知识。 * 以每位员工偏好的语言和技术深度进行沟通。 高管们经常谈论拥有“全局观”。一个足够强大的人工智能可以说比任何单个CEO拥有更广阔的视野，因为它可以同时推理整个组织，而不是依赖通过多个管理层传递的摘要。 如果认为工程师容易受影响是因为编码是一项认知任务，那么管理层似乎至少同样容易受影响，因为它几乎完全是一个认知和信息处理的角色。真正的障碍似乎不是技术能力，而是问责机制、治理、激励机制、法律责任，以及组织是否愿意将高影响力决策委托给人工智能。 我遗漏了什么？管理从根本上来说比工程更难自动化，还是讨论聚焦于工程师仅仅是因为人工智能在编码方面先于在行政决策方面变得有用？