电脑已有足够的能力执行过去我们以为专属于人类的活动。1977年，IBM超级电脑深蓝(Deep Blue)击败世界西洋棋王盖瑞.卡斯巴洛夫(Garry Kasparov)。2011年， 美国知名益智抢答节目《危险境地》(Jeopardy!) 的史上最强参赛者肯. 詹宁斯(Ken Jennings) 输给IBM的华生电脑(Watson)。今天， Google的自动驾驶汽车已经在加州上路。虽然知名赛车手戴尔.恩哈德(Dale Earnhardt Jr.) 不觉得备受威胁，但英国《卫报》(Guardian)(为全球数百万车主和计程车司机)担心，自动驾驶汽车「可能导致下一波失业潮」。
大家都预期电脑未来能做更多的事，多到有些人怀疑30年后还会有事留给人来做吗?趋势预言家希望这个答案是肯定的。对抗工业革命的卢德运动者(Luddites)则深怕被机器取代，宁可完全停止建立新科技的脚步。两边的人都没有质疑电脑进步必然会取代人工。不过，这个前提并不正确，其实电脑应该和人类互补，并不会取代人类。未来数十年最有价值的产业还是会由创业家建立，电脑发展的目标是增强人类的能力，而不是淘汰人类。
人类和电脑擅长的事截然不同，人类有意识，会在碰到复杂状况时拟定计划，做出决策，但人类不擅长整理大量的数据。电脑正好完全相反，它们比较擅长有效的资料处理，却很难做出大家都觉得很容易的基本判断。
想要了解差异到底多大，可以拿Google的「电脑取代人类专案」(computer-for-human substitution projects) 为例。2012年，Google的超级电脑登上头条新闻，因为在扫描1000万张YouTube影片缩图之后，它终于可以有75%的準确度辨认出猫。这好像很厉害，不过你可能会想到其实一般4岁小孩就能完全无误的做到这件事。一部便宜的笔记型电脑在某些工作可以击败最聪明的数学家，但有些工作就算是给有1 万6000颗中央处理器(CPU)的超级电脑，也赢不了小孩。所以说，人类和电脑不该比较哪个会赢、哪个会输，他们根本就不一样。
人类和机器完全不同，意味着和电脑合作得到的成果要比和其他人交易得到的成果还大得多。我们不和电脑「交易」，就像我们不会和牲畜或桌灯交易一样，这就是重点：电脑是工具，不是竞争对手。
利用电脑发展事业
电脑和人类互补不只是从社会整体的角度观察出来的事实，这个结论也是建立伟大事业的途径。我透过PayPal的经验了解到这一点。2000年中，我们熬过网路泡沫并快速成长，但面临到一个重大的问题：每个月都因为出现信用卡诈欺事件而损失超过1000万美元。由于我们每分鐘得处理上千笔交易，不可能覆查每一笔的交易，因为没有哪个品管团队有这么快的速度。
所以我们做了所有工程师团队都会做的事，我们试着将解决方案自动化。首先，技术长马克斯.雷夫金聚集一群数学专才，仔细研究转帐诈欺的交易，然后将我们得出的结论写成软体，来自动辨识虚假的交易并立即取消。但我很快就发现光是这样行不通。一、两个小时之后，窃贼会反应过来并改变策略。和我们交手的是能快速适应变化的敌人，而我们的软体却无法跟着反应。
诈欺犯虽然能躲过自动侦测的演算法，但我们发现，要骗过人类分析师可没那么简单。所以马克斯.雷夫金和他旗下的工程师重新改写成可以综合侦测的软体程式，电脑可以在设计出色的使用者介面上先标示出可疑的交易，再交给专人做最后的判断。有了这套综合系统，我们在2002年第一季首度转亏为盈，1年前我们还净亏2930万美元。因为有个俄罗斯骇客夸口说我们绝对挡不住他，所以我们把这套系统取了个俄罗斯名字伊果(Igor)。联邦调查局也来问我们是否愿意出借伊果，协助侦测金融犯罪。这让马克斯.雷夫金大言不惭的说，他是「地下网路的福尔摩斯」。
这种人类和机器的共生关係让PayPal存活下来，数十万小商家才愿意收受付款，壮大网路生意。即使大多数人没有看过或听过，但如果没有人类与机器合作的解决方案，就不会有这些成果。
在2002年出售PayPal 之后，我还不断考虑，如果人类和电脑合作可以获得比单打独斗更优秀的成果，那还可以依照这个核心塬则创建出哪些事业?隔年，我向史丹佛的老同学艾力克斯.卡普，还有软体工程师史蒂芬.寇恩(Stephen Cohen)提出一个新创事业的构想： 我们可以利用PayPal安全认证系统的人机复合模式来辨识恐怖分子组织和金融诈欺。
我们已经知道联邦调查局对这个系统很感兴趣，所以在2004年创办Palantir， 协助人类从不同的讯息来源取得重要结论。这家公司在2014年可望顺利达成10亿美元的营收，《富比士》将Palantir 的软体称为「杀手级应用程式」(killer app)， 因为谣传它在美国政府寻找宾拉登下落时也出了力。
我们无法分享那次行动的细节，但我们敢说，光靠人类蒐集情报并不足以保护人民安全。
美国两大情报单位採用的工作方法刚好完全相反，中央情报局(CentralIntelligence Agency)由强调人类优势的间谍主导，国家安全局(National Security Agency)则由信奉电脑至上的将军主导。中央情报局的分析探员必须过滤许多杂音，所以很难辨识出最严重的威胁。国家安全局的电脑可以处理大量资料，但光靠机器无法準确判定是否有人正在计划进行恐怖攻击行动。
Palantir的目标是超越对立偏见，由电脑软体分析政府提供的资料，例如叶门激进分子的电话纪录或和恐怖活动有关的银行帐户，藉此标示出可疑活动让受过训练的分析师检查。
除了协寻恐怖分子，採用Palantir软体的工程师已经能预测叛军在阿富汗埋放土製炸弹的地点、起诉备受瞩目的内线交易案、扫荡全球最大的儿童色情犯罪集团、支援疾病控制和预防中心(Centers for Disease Control)抑制因饮食产生的疾病扩散，还有透过先进诈欺侦测系统，每年为商业银行和政府节省数亿美元。
先进的软体让上述的情况成为可能，但分析师、检察官、科学家和金融专家更是重要，没有他们积极参与，这些软体一点用处也没有。
想想看今天的专业人才都在做什么?律师必须分别对客户、对方律师或法官，以不同的方法清楚说明棘手问题的解决方案;医师必须有能力和不是专家的病人沟通诊疗结果;优秀的老师不只要对教授的科目有专业， 也必须了解如何配合学生的兴趣和学习风格，量身订作教学方式。电脑也许能执行部分任务，但无法有效加以整合。在法律、医药和教育界，就算有再好的科技也无法取代专业人才，这些专业让他们有更大的发挥空间。
抛开资讯科学的意识型态
「大数据」这个流行的词语也象徵机器会取代人类的偏见。今天的企业有再多的资料也不满足，误以为有愈多的资料就可以创造更多的价值。但「大数据」通常都是沉默的资料。电脑可以找出人类没有注意到的规律，但不知道怎么比较不同资料来源整理出来的规律， 或是用这些资料解释复杂的人类行为。可以找出见解的只有真人分析师(或者那种只存在于科幻片的人工智慧)。
我们沉迷于大数据中，只因为觉得科技很神奇。我们讚嘆电脑能独力完成的小事情，却忽略人类与机器互相截长补短所能达成的大成就，因为人类的参与降低机器的神奇性。华生电脑、深蓝电脑和愈来愈厉害的演算法是很酷，但是，如果企业问的是靠电脑可以解决什么问题，就不是最有价值的企业。未来最有价值的企业会问的是：电脑如何协助人类解决困难的问题。
