慈善领域较好的数据基础并未带来大规模的AI应用与部署。改变现状的前提是认清现状，报告的重要发现之一是，目前该领域使用人工智能促进发展方面存在着根本性的教育差距：89%的受访者认为，人工智能将使他们的团队更有效率，但只有28%的人表示，他们的组织已经部署、正在实施或正在试验人工智能。如何加速技术的采用并增加慈善筹款额度而改变社会，成为这份报告及其作者最为关注的问题。
撰文 | 微胖
美国拥有百万个慈善组织，捐款金额达到几千亿美元。其中，七成来源于个人捐款。比如，离婚离成女首富的贝索斯前妻表示要捐出一半财产，数额高达 170 亿美元。
美国宗教组织的募款是常态，许多学校也都依赖校友捐款，比如哈佛大学。
对于非营利组织来说，捐款者众多，筹款活动频繁，管理软件就非常必要，存在较大市场空间。仅美国加上加拿大，慈善市场规模就达 4400 亿美元。
遗憾的是，虽然非营利组织有很多关于捐赠者的数据，但在过去十年中，他们并没有很好地利用这些数据，也没有明显受到人工智能技术的影响。
非营利组织以筹款为生。电子表格和 CRM 系统，帮助筹资者跟踪、分类和接触潜在的捐助者。但在本质上，慈善工作仍然是以人为本，与那些最大、最频繁的捐赠人的接触，通常需要高度定制化和个人化。
对于资源十分有限的非营利性组织来说，妨碍他们接触更多潜在捐赠人的主要障碍之一，正是这种高度个性化要求。
某些创业公司，比如 Gravyty 、Wisely 开始尝试利用现有数据和 AI，帮助慈善组织完成一些定制化、预测性的任务，比如，预测高潜在捐赠者并起草个性化电子邮件。
「那些从事单调工作的时间被节省出来，」Gravyty 说，「更多的时间被用于建立关系，激励捐赠者支持那些更有影响力的工作。」据报道，一家基金在使用 Gravyty 的应用程序的第一年，该基金将筹款增加了 49％，近 200 万美元。
接下来，Gravyty 再接再励。去年秋天，他们成立了一家由 16 人组成的非营利组织 AAAC（AI in advance Advisory Council），成员包括筹款领域最具前瞻性的思想领袖。
比如，哈佛大学艺术与科学学院 (FAS) 首席进步官（Chief Development Officer）Armin Afsahi、麻省理工学院资源开发副总裁兼首席运营官 David Woodruff 等。
成立组织的初衷，是考虑到当前的慈善行业正处在历史上一个关键时期：
捐赠在美国国内生产总值中所占的比例一直停滞不前，过去五年多的时间，一直保持在 2% 左右。只要再多出 1%，就能多数十亿美元，帮助那些组织改变世界。
委员会相信，AI 有能力创造这么巨大的变化。
一方面，他们希望能够加速人工智能应用，并发现新的人工智能应用程序；
另一方面，推动世界各地非营利组织接触这些革命性技术，并最终鼓励更多大规模捐赠行为，改变世界。
遗憾的是，AI 的变革力量还没有被接受或完全理解。既然变革的前提是看清现状，因此，AAAC 最近推出了一份 27 页的报告。
通过对 210 位相关专业人士的在线调查和定量分析，力图反应出行业里的 AI 现状。受访者均来自非营利部门的各种受访者组成，包括高等教育机构，非营利组织和医疗机构。
严格的说，这份报告不算长，也与通常定义上的报告还有差距，比如缺少对业内公司、技术应用场景、投融资情况的统计与具体分析。但是，鉴于这是第一份相对详细地介绍慈善行业 AI 状态的报告，我们仍然选择扼要介绍这份报告的主要内容（三方面）：
AI 与慈善历史、非盈利机构对 AI 看法，以及 AI 与劳动替代问题。其中，后两个部分是重点。
从报告的调查结果中可以明显看出，在使用人工智能促进发展方面存在着根本性的教育差距：
89% 的受访者认为，人工智能将使他们的团队更有效率，但只有 28% 的人表示，他们的组织已经部署、正在实施或正在试验人工智能。
AAAC 希望这份报告成为行业人工智能状态的基准，并打算每年更新一次。
需要注意的是，尽管中国社会组织已经突破 80 万个，但规模和特点均与美国存在很大差异。
比如，七成的捐款来源于企业，慈善组织的透明度也颇受质疑（「郭美美事件」），个人捐款意愿难以提升。相比之下，国内筹款软件赛道相对更窄。
不过，随着「水滴筹」等公益与技术的新探索不断出现，AI 或许会在其中找到新的存在感。
1 AI历史与慈善
50 年前，由达特茅斯教授约翰麦卡锡呼吁洛克菲勒基金会拨款 135000 美元为人工智能「打开大门」，所以，慈善事业对人工智能发展的重要性不可小觑，我们可以通过利用 AI 来促进慈善事业来回报这一点。
尽管由于著名的 1973 年《灯塔报告》中对 AI 未来价值提出的悲观看法，引起的政府从研究中撤款、私企退出 AI 的商业应用，但是，从实验室中的辛勤研究，到如今 AI 的发展依然生机勃勃，各方面都预示着一个光明复兴的未来，「世界已经看到了 AI 的迅速进步。」
在历史这一部分，报告着重介绍了 AI 在筹款中扮演的角色。
多年来，AI 一直在筹款方面发挥作用，特别是在潜在客户开发方面。机器学习是利用人工智能理解和解释数据的第一步。它被广泛采用，用于记录、跟踪和报告捐助者和潜在客户的近况、频率和获得情况。
与分析销售中客户价值的近因、频率、货币价值（RFM）模型非常相似，这些模型被转化为算法，许多实体围绕数据创建了专有的捐赠者模型。
报告认为，尽管有些职位可能已经被 AI 取代，但它同时也创造了其他需要组织和监控使用的数据，然后通过报告、项目规划和创建新的移动管理模型来解释结果的岗位需求。
报告提示，在考虑 AI 存在的筹款行业的发展方向时，人们需要时刻记住技术为劳动力带来的机会和进步以及与技术配合能够取得的更好的效果：
「让我们考虑一下，随着技术进入其领域，劳动力拥有持续再教育的历史。让我们记住，技术让人类不再完全依靠天气模式和动物劳动。让我们记住，虽然满是会计师的办公室可以完成很多事情，但与正确工具相连的更少的专家可以更快速地推动整个组织在当今世界的发展。」
2 非营利组织如何看待AI
1、当我们试图界定 AI 会如何影响慈善组织之前，要搞清楚底线。摸清了 AI 在当前慈善行业中的应用现状，才谈得上加速发展。以下是问卷调查对象所在组织的主要分布情况。
如果从组织规模上来看，超过一半（62%）来自大型、权威型非盈利组织。前者的预算通常在 1000 万到 5000 万之间，后者的预算开支在 5000 万以上。这意味着报告描述的 AI 现状更具风向标型。
总的说来，目前离 AI 主流使用还有一段路要走，71% 的组织仍然处于「研究」阶段，或者没有计划采用 AI 进行改进。在使用 AI 以进步方面存在着一个根本的教育差距。
虽然相比起 54%，42% 的非营利组织报告研究性人工智能的占比是十分令人鼓舞的，但仍有增长空间。
超过四分之一（28%）的非营利组织报告说，其组织中的人工智能的当前状态要么已部署，要么已在实施阶段，要么已在实验中。尽管如此，89% 的受访者同意 AI 将提高他们的晋升团队的效率。
报告指出，「我们要做的工作是确保全世界的非营利组织都能接触到所有的技术。
2、尽管很多非盈利组织都对人工智能感兴趣，然而，高达 30% 的组织报告说他们没有部署或研究 AI 的计划。
其中，42% 的人报告说他们目前正在研究「AI研究 AI 应用程序，但不希望在 12 个月内部署」；
15% 的人报告说他们已经实施了至少一个 AI 应用程序；而 4% 的人说他们现在正在实施「升级版的 AI」，并希望在三个月内实施；9% 的人报告说，「为了进步，他们正在试验 AI，这意味着他们将在 6 个月内实施」。
超过四分之一（28%）的非营利组织，将在未来 12 个月内使用 AI 来提升自己的地位，然而，30% 的组织没有部署或研究 AI 的计划。
报告指出，人工智能的采用已不再处于早期阶段，目前世界上超过 10% 的组织已经采用了这项技术，相对来说，慈善领域显然距离大规模采用还比较远，鉴于调查给出的数据，71% 的组织还处在研究阶段，或者还没计划采用。
而且报告认为，根据现有分析，这有可能是一个危险的立常
这些组织希望直到完全理解了 AI 技术提供的不同用途和结果，再去执行能够带来进步的 AI 策略，然而研究表明，成为一个「快速的追随者」可能是一个有害的战略。就采用人工智能而言，成为一个快速的追随者是失去竞争优势的第一步。
正如 Vikram Mahidhar 和 Thomas H.Davenport 在《哈佛商业评论》（Harvard Business Review）中所描述的那样，
「当一个后来的采用者做了所有必要的准备工作时，以前的采用者将占据相当大的市场份额他们将能够以更低的成本和更好的性能运营。简而言之，胜利者可能会全力以赴，而过晚的采用者可能永远赶不上。」
尽管如此，报告似乎仍然期望组织们能够等待，直到他们搞清楚了技术带来的不同后果。他们希望，借由类似 AAAC 这样的机构通过教育和服务的方式，来弥补科研研究与应用的鸿沟，并以年度报告的形式监督工作进展。
3、各个组织认可 AI 在提升效率上的功效
报告认为非常有趣的一点是，尽管有 72% 的组织表明在未来的一年内不会有实施 AI 的计划，但是，当询问他们是否同意「AI 将使我的团队更有效率」这一说法时，89% 的绝大多数人要么同意，要么强烈同意；只有少数 10% 的人不同意，只有 1% 的人强烈反对。
这至少表明，绝大多数（89%）人还是理解 AI 给组织带来潜在好处，态度是积极正面的。
虽然效率并不能说明 AI 的全部价值，但是，其带来的效益仍然至关重要。
报告指出，他们也已经开始看到这项技术给组织带来效率提升的早些苗头。实际上，今年三月《慈善纪事报》专门讨论过问题，详细介绍了人工智能在慈善活动中一系列应用，比如提升配捐计划（gift programme）以及捐赠处理（gift Processing) 的工作效率。
比如，在人工智能的帮助下，著名的克利夫兰诊所如今可以处理 8 万多个捐赠，几年前，该诊所员工最多只能处理 3 万多。而且人工智能还帮助诊所自动识别潜在捐赠者，并将之列入在册。
4、谁来负责？
当被要求完成「我所在组织负责推广 Al 的人是……」这句话时，调查发现大多数人（32%）认为，该角色属于高级服务执行官（Executive Director of Advancement Service），而 25% 的人认为该角色属于执行官、副总裁、高级副总裁或主管晋升的副总裁 (Vice president of Advancement）。
此外，18% 的人说这是首席信息官或首席运营官的责任 (CIO/COO)，13% 的人说是筹款执行董事（Excutive Director of Fundraising），12% 的人说是该组织的首席执行官或总裁（CEO）。
由于最近的采购趋势使得非 IT 角色更容易做出技术决策，因此，看到这些不同的回答也并不奇怪。
组织不同，采用技术的方式也会不同。所以，我们可以理解为什么大多数人选择高级服务执行官（Executive Director of Advancement Service），因为本质上，这些专业人士是分析技术和前线筹款者之间的一座独特桥梁。分析专业人员可能对自动化技术有更多的了解，并更愿意了解所有解决方案的价值以及如何实施它们。
5、谁会受益？
调查发现，69% 的调查对象认为，捐赠专员会成为受益者，紧随其后的是年度基金团队（63%）、高级筹款领导层（59%）和研究人员（54%）。38% 的受访者还认为，执行董事、总裁和首席执行官将从晋升中受益。
报告指出，很高兴看到调查对象同时也相信，随着 AI 的进步，所有人都会受益。不过，从当下来看，身处筹款前沿并对此负责的人，以及制定战略计划的高层领导者将最为受益。
6、AI 与道德
大多数调查对象表明在道德约束下使用 AI 是重要的。
「绝大多数（87%）的受访者表示，在道德上使用 AI 是「重要的」或「非常重要的」。相反，其余 13% 的受访者表示，道德只是「一个小问题」或「不是一个问题」。
作者指出，道德伦理在 AI 发展中扮演了一个重要角色，并且所有人都要为之出力。同时，报告指出，表示道德问题并非那么重要的调查对象，可能「已经实施了解决方案或制定了战略，以解决有关 Al 道德应用的问题」，而非不重视这个问题。
3 AI与劳动力替代
1、为了能为 AI 的变革做好准备，对于一个行业来说，很重要的一点是要尽早了解哪些岗位会面临被 AI 取代的风险。
AAAC 基于两个变量（行业中自动化的最大风险，以及 AI 对现有岗位的影响能力），考虑了几个问题。比如哪些地方，要为员工开发获得新技能，提升其在行业内的价值。
从表格中可以看出，数据处理师，初级潜在客户研究员，数据分析师，社交媒体，捐赠专员初级捐助者关系及管理等职业，同时面对高自动化风险和被 AI 影响的较高可能，因此，有必要在这些岗位开发新的工作路径。
2、虽然新闻和互联网上充斥着 AI 将带来前所未有的失业率的说法，作者提到，正如 Singularity Hub 的 Byron Reese 指出的那样，
「在过去的 250 年里，技术一直在不断进步，而在美国，失业率几乎一直保持在 5% 到 10% 之间，即使是在蒸汽动力和电力等激进的新技术出现的时候。」
他继续引用了美国劳工统计局（US Bureau of Labor Statistics）预测：
「许多职业的就业增长速度快于平均水平，预测 Al 将对这些职业产生影响：会计师、法医科学家、地质技术人员、技术作家、核磁共振操作员、营养师、金融专家、网络开发商、贷款中断。ICER、医疗秘书和客户服务代表等。
尽管在 AI 的影响下，这些领域将不会经历就业增长，但他们能渡过这次革命。」
尽管根据《经济学人》预测，此次变化的速度将会快得多，政府和经济体（无论是发达国家还是欠发达国家）将没有足够的时间来调整和确定下一代「迷失的一代」将在哪里找到工作，但是，为了能够尽最大努力为未来的发展和非营利劳动力做好准备，AAAC 依靠两个来源：
一个是斯特恩大学校长 Joseph Aoun 博士的书《机器人证明：人工智能时代的高等教育》；另一个是世界经济论坛（WEF）和波士顿大学（Boston Co.）于 2018 年 1 月发布的名为「走向一场再洗牌革命为所有人创造就业机会的未来」的报告。
3、后者（也就是报告）提出了终身学习的建议，如果人们不愿意仅仅停留在填饱肚子，而是希望找到更能实现自我、有不错报酬的工作。
报告认为，未来的成功人士（经济上）会是那些与机器共事，或者能为机器所不能为工作的人。
前者（也就是 Aoun 博士的书）概述了三种新的文学技术、数据和人类这将使我们能够充分利用数字世界的潜力，因为我们与其他人和机器都建立了网络。
而要学习这些文学，人们需要掌握四种认知能力：批判性思维、系统思维、企业家精神（也就是以原始方式创造价值的行为）、文化灵活性。
AAAC 的建议是，这四种认知能力成为我们对员工培训和升级/再培训机会进行分类和评估的框架：
前两种能力，可以看作是元技能，每个人都需要分析和应用思想，理解和指挥复杂的系统。后两种能力，是使人不被机器人取代所必需的认知能力能够以原始方式创造价值，能够在全球经济中运作，并欣赏不同文化观点为问题或情况所带来的价值。
虽然 Aoun 博士的著作为所有现有和未来员工在未来的工作能力提供了一个良好的总体框架，不过，（后者）报告的研究提出了更具体的策略，重新安排和增加现有员工的工作能力。
报告使用数据驱动模型来发现特定角色和行业的员工的再培训途径和工作过渡机会。它的模型使用两个作业之间的作业需求比较来计算相似性得分。
这一得分有助于确定从预计将被淘汰的工作到预计将保持相关或为未来需要而创建的工作的过渡选项。基于其长期前景和工资与原来的工作比较，这些选择的可行性再进一步缩校
作为其分析的基础，那份报告使用了劳工统计局的预测：
到 2026 年，美国劳动力市场将出现 140 万个冗余就业岗位的结构性就业下降，同时创造 1240 万个新就业岗位。
根据这些预测，最适用于我们职业、办公室和行政工作家庭的行业预计将获得足够的新工作机会，我们不必担心行业内的大量失业，但我们应考虑重新规划道路。
AAAC 建议将本研究中使用的方法作为解决先进和非盈利行业工人再培训需求的蓝图，以下是为慈善领域创建路线图的推荐步骤：
1. 确定哪些工作面临自动化的风险最大；
2. 使用 WEF 研究中的方法确定工作过渡机会；
3. 绘制从当前工作到未来机会的潜在再培训途径图；
4. 确定成功地将员工转移到重组路径所需的培训类型；
5. 利用 Aoun 博士的四种认知能力框架，评估和组织我们目前和未来的所有职业培训机会。
