哈佛商业评论

1982年，通用汽车公司宣布正在建造一座“未来工厂”。位于密歇根州萨吉诺的这座工厂将实现生产自动化，在与日本汽车制造商丰田和日产的激烈竞争中重振通用汽车的业务。两年前，通用汽车公布了7.63亿美元的亏损——这仅是其72年历史上的第二个亏损年。CEO罗杰·史密斯（Roger Smith）参观了丰田的一家工厂回来后决定，通用汽车必须实现自动化才能竞争。萨吉诺项目设想的是由4000个机器人组成的一支大军来进行生产，目的是提高生产率和灵活性。这些机器人可以将通用汽车的五年生产周期大幅缩减两年，并能够在通用汽车的不同车型之间进行切换。员工的生产率将提升300%。人工系统和界面将被淘汰。机器人的成效之大，以至于几乎见不到人的踪影——甚至都不需要开灯。

然而，通用汽车的“熄灯”实验搞得一团糟。这家未来工厂的生产成本超过了那些雇用了数千名工会工人的工厂。好几处设施的机器人难以区分车型：它们试图将别克的保险杠安装到凯迪拉克上，也有反过来的情况。这些机器人的油漆工作也干得不好；它们互相喷漆，而不是给流水线上过来的汽车喷漆。通用汽车1992年关闭了萨吉诺工厂。

在那家工厂关闭后的三十年里，科学家和工程师在机器人硬件（物理机器）和自动化软件（驱动机器的计算智能）方面取得了显著进展。机器人和其他自动化技术以日渐提升的安全性和准确性执行重复性任务。它们可以持续切割和焊接金属，且不会受伤。它们可以给汽车喷涂油漆，而不会互相喷漆。自动化现在在工厂车间以外更复杂的新环境中得到了应用。

尽管自动化技术取得了进展，但是，“熄灯制造”的前景——用最少数量的人类员工实现高效且灵活的自动化——还远未成为现实，主要的原因有两点。首先，这项技术的采用一直处于停滞和受限的状态。根据2018年的美国普查数据，不到10%的美国制造企业报告称使用了机器人。2020年，当新冠疫情和居家令可望增加对工厂自动化的需求时，美国、德国和日本的机器人购买量却跌落至2019年水平之下。在中国，尽管对机器人的采用提供大量补贴被当成了推动自动化的国家战略的一部分，但使用机器人的制造商比例估计与美国大致相同。研究表明，即使企业真的采用了自动化技术，随着生产率的提高，它们最终雇用的员工也会更多而不是更少。

第二，我们的研究表明，企业因自动化而在生产率方面获得的效益往往又会在流程灵活性上失去。机器人的日常维护（如重新校准传感器）可能会让生产陷入停滞，而第三方顾问也会受邀前来。预先编程的机器人会受制于僵化的方式去完成任务，阻碍一线员工的创新等等。我们称其为零和自动化。

根据我们研究、开发和部署人工智能（AI）和机器人的经验，以及作为麻省理工学院“未来工作”（Work of the Future）特别工作组成员进行的数十次采访和实地考察，我们发现，企业可以避免零和自动化——如果放弃熄灯策略的话。企业一定不要再拿机器的成本和产出与人类员工的成本和产出进行比较，以此来衡量项目的成功；这种方法忽视了自动化如何能够在多个方面促进流程的改进。相反，企业应该关注以下问题：目前执行有自动化之需的任务的团队在尝试新事物时是否会提高生产率？使用自动化技术的团队相比没有自动化技术的团队是否会产生更多的创新想法或承担更多样化的任务？

在本文中，我们会介绍正和自动化的概念，我们将其定义为设计和部署能够同时提高生产率和灵活性的新技术。正和自动化依赖的设计技术可以使一线员工更容易训练和调试机器人；使用自下而上的方法来确定哪些任务应该进行自动化；并选择正确的指标来衡量成功。

“熄灯”式自动化的局限性

旨在最大程度提高生产率的自动化技术通常会在三个关键方面限制灵活性：1）它们不容易适应外部环境的变化；2）它们需要特定、深奥的技术能力来进行编程和维修；3）它们通常是“黑箱”，在没有人类反馈或建议的情况下运行。这些局限性往往迫使企业放弃熄灯的目标，转而依靠人类员工的灵活性、创造性和即兴发挥的能力。

埃隆·马斯克（Elon Musk）在2017年试图恢复熄灯式工厂的想法，以便大规模生产特斯拉的Model 3。该公司制造了机器人，以帮助提高其加州工厂的产量，并解决雇用和培训员工方面的挑战。可是，特斯拉遭遇了生产延误，而且难以驾驭马斯克所形容的“疯狂、复杂的传送带网络”。与通用汽车一样，特斯拉改弦易辙，放弃了对自动化的部分投资，扩大了熟练员工队伍的规模。马斯克得出的结论是，“人类被低估了。”

在中国，制造商也得出了类似的结论。他们原本计划在各工厂广泛使用机器人来操作和组装电子元件，但结果发现，机器人无法像人类一样完成电子组装所需的精细工作。哈佛大学社会学家雷雅雯（Ya-Wen Lei）援引一位制造业高管的话说：“机器人经常弄坏精贵的部件。从这个过程中，我认识到了人体的神奇。”

或者让我们看看一个来自制造与机器人业界之外的例子。2013年，MD安德森癌症中心（MD Anderson Cancer Center）启用了IBM的沃森（Watson），帮助医生在庞大的研究数据库中快速找到治疗方案。可是，该软件难以理解患者复杂的病历，需要大量的人工输入来提供诊断建议。在某些情况下，沃森提出的是不可靠或不完整的证据。当医学证据发生变化时——比如一项新的临床试验提出了新的治疗方法——人类需要手动更新沃森的建议。在最初的热情浪潮过后，用户们确定，沃森的用武之地有限。MD安德森在2017年取消了这个项目。

当机器人的外部条件发生变化时——它们不可避免地会发生变化，比如，当企业希望更新其生产流程或开始生产某一产品的新版本——自动化系统需要重新编程、重新测试和重新教学。转换某一自动化系统来从事新任务的成本通常远比转换某一人类员工团队的成本高。转换成本如此之高的一个原因是，对自动化系统进行调整、维修和重新编程的专业知识通常来自该系统使用团队之外的人。一个生产团队可能依靠第三方集成商或维修团队来对某一自动化系统进行重新编程。一家医院的财会团队在计费系统崩溃时可能需要请IT部门来修复软件。正是在这种时候，“熄灯”式自动化的灯就灭了。

正和自动化

为了实现正和自动化，企业必须同时针对生产率和灵活性设计系统。我们认为灵活实现自动化有三个要诀。

设计容易理解的工具并对培训进行投资。许多机器人和自动化系统是由第三方技术顾问设计和配置的，其设计和配置的方式令它们僵化脆弱。即使是生产环境或过程中的细小变化也会阻碍系统的运行。为了避免这些问题，企业应该确保自动化系统纳入低代码编程接口等容易理解的技术，让没有什么技术能力的一线员工能够实时进行修理或调整。

请看看这个例子：员工拒绝使用自动化，因为无法对其工作方式进行微调。在美国一家组装科学传感设备的工厂，一个机器人与一名技术员紧密合作。当技术员踩下一个踏板时，机器人就会操控头顶上的组件，将其向左旋转，并向下、向前倾斜，这样技术员就可以执行紧固件置放和精密传感器安装的灵巧工作。技术人员和机器人合作，完成任务的时间与技术人员单独完成任务的时间相同或较之更短。机器人让技术员不必伸长脖子或将手腕扭成不舒服的姿势。可是，机器人通常闲置未用。在有选择的情况下，技术人员更愿意去下一个工位，他们在那里可以在没有机器人帮助的情况下执行任务。一名员工在被问及原因表示，机器人的一系列动作都预先编制了程序，但她更喜欢以不同的顺序来完成这些步骤。由于该系统的构建十分僵化，机器人的动作背后有复杂的代码，技术员无法根据自己的偏好调整机器人或自己的工作空间。

初创企业和研究实验室现在正专注于低代码自动化软件，它可以协助一线员工对机器人进行配置和故障排除。其他低代码工具可以让机器人能够从人类专家那里学习新的多步骤任务。人类向机器人演示过程，机器人则观察和学习。当它准备好执行任务时，人类会观察这一过程，确保机器人正确执行任务。

除了选择正确的硬件和软件，企业还应该对培训进行投资，不仅在操作技术方面，而且在针对新应用重新配置技术方面树立一线员工的独立性。培训应该包括多种岗位的多种人员，确保没有一个故障点，也确保对设计、整合和测量结果的不同观点予以考虑。对自动化进行投资的企业需要掌握技术发展的最新动态，并在技术进步的过程中发现新的机会去改进或加强技能。

征求一线员工的反馈意见。当企业使用自上而下的方法实现自动化时，首要目标通常是最大限度提高生产率。高级管理人员会分析企业的流程，并在咨询公司或IT团队的帮助下，打造自动化的工具。可是，高层领导者通常对流程所需的东西、自动化中必须建立的灵活性程度以及自动化可能无法处理的情况类型缺乏详细的了解。自下而上的方法让那些对某一流程的运行有最近视角的一线员工负责建议和开发它的自动化方式。我们的研究表明，可以由一线员工——车间工人、计费专家、客户服务专员——灵活地分配任务并进行指导的自动化能够增强和加快员工和企业的创新能力。自下而上地实施自动化更容易赢得员工的认同。

美国麻省总医院布里格姆分院（Mass General Brigham）在其整个医院系统中实行了自下而上的方法来实现行政办公自动化。它首先聘请了一家咨询公司，帮助确定合适的技术，然后询问各行政部门的分布式团队哪些任务需要自动化。接近常规流程的员工确定了一些平凡的活动，如跟踪病人转诊到专科诊所的情况，检查员工的执业许可是否更新，以及管理进账款项。然后，医院招募了一些人学习如何为机器人编程，重点是在内部寻找人才，尤其是未来会实施自动化的团队中的人才。团队成员与接受过机器人编程培训的人合作共事，以准确地确定如何将软件与错综复杂的流程相匹配。谁的任务正实现自动化，谁就支持这个项目，因为机器人（2018年首次上线）使他们摆脱了那些他们觉得特别枯燥乏味的工作。

总部位于俄亥俄州的G&T 制造公司2016年开始了类似的转型。这家20人的工厂为航空航天业、农业等各行各业生产各种零件。其员工曾经的任务是将40磅重的机器零件从一台将金属零件切割成型的机床上搬进搬出，每小时要重复这一过程多次。G&T希望对这项手工劳动任务进行自动化。此类情形的企业通常依靠第三方集成商的专业知识来帮助管理自动化过程。

一家集成商帮助G&T开始用机器人干活，但G&T的副总裁科林·卡茨（Colin Cutts）自学了如何培训和再培训机器人。然后，他教G&T的机械师对机器人进行编程并排除故障。他们为车间的机器人开发了编程指令库，在G&T的生产从一种零件转换到另一种零件时、改进某个过程或探索新事物时可以进行相应的调整。卡茨的目标是使软件技能——让机器人适应不断变化的生产环境的专业知识——成为机械师日常工作的一部分。

在G&T采用这个新系统之前，每台机器都有一名机械师，负责装零件、卸零件和检查零件。现在，每三台机器才有一名机械师，负责监督管理的工作。机械师们不再搬运和装载，而是专注于检查零件，并在问题出现时加以应对。自从这项任务实现自动化以来，G&T公司的废品废料率已从12%降至不到1%，每位员工的产出是原来的三倍多。

选择正确的关键业绩指标。人们不可能提供一个单一的程式来决定自动化的成功。企业应该制定关键业绩指标，考虑到每一个需要自动化的流程、每一个涉及的团队以及每一位任务可能改变的员工。他们还应该考虑到无形收益，包括产品创新、员工满意度和安全性的提升，以及流程的重新构想。

生产力是企业采用自动化技术的首要动机，但我们深入研究并要求管理者更详细地解释自己的决定时，发现他们的动机千差万别。一些企业建立自动化是为了处理危险的任务，一些企业选择对员工不愿从事的任务进行自动化，还有的企业则专注于减少浪费或提升流程的可靠性。我们访谈过的几家企业采用机器人是出于好奇，或者因为竞争对手在做这事；在开始实施几个月后，他们仍在研究商业案例。

对于动机微妙的企业而言，挑战在于衡量成功也必须细致入微。在某些情况下，将人工系统和自动化系统进行同类比较没有意义：自动化系统需要流程再造——去除效率低下的步骤，或许增加其他步骤。为了实现这一点，企业应该在三个层面制定一系列的指标：机器、系统和团队。在机器层面，成功的衡量标准可能集中在实际的灵活性上：与人类员工相比，一个自动化系统需要多长时间来学习一项新任务？在系统层面，衡量标准可能集中在转换成本上：机器人或自动化软件需要多长时间来建立和运行一个新的流程？

我们认为衡量人类团队成功的标准是最重要的：自动化系统是否令他们的工作更出色？团队成员的表现是否比以前的水平更高？他们能否更有创造性地应用自己的技能？自动化技术的可用性是否让团队能够做一些原本无法做到的事情？

通用汽车公司对未来工厂的愿景是在不需要为员工照明的情况下提高生产力和灵活性。可是，我们从处于自动化前沿的企业那里了解到，即使能够实现熄灯之类的目标，他们可能还是会失败。他们已经明白，将生产力和灵活性结合起来需要人类参与其中，了解技术在哪些地方发挥作用，在哪些地方可以改进。对企业最有利的正和自动化会同时利用智能机器、管理人员、工程师和一线工人的优势。这并非一个无人的愿景，而是一个自动化系统让人类在工作中更具能力、更有活力的愿景。

本·阿姆斯特朗是麻省理工学院工业性能中心（MIT’s Industrial Performance Center）的执行理事和研究科学家，他在此与人共同领导“未来工作”计划。朱莉·沙阿是麻省理工学院航空航天学斯莱特教授（H.N. Slater Professor）。她是互动机器人（Interactive Robotics）团队的负责人，并与人共同领导“未来工作”计划。

本·阿姆斯特朗（Ben Armstrong） 朱莉·沙阿（Julie Shah）| 文  

永年 | 译   蒋荟蓉 | 校   时青靖 | 编辑