工厂工作、计件工作和外包都是在线分配任务的前身，因为它们涉及的都是琐碎而重复的工作，无关宏旨。这些工作收入微薄、朝不保夕，大多数情况下，都是由经济学家认为的可有可无或“低技能”的人完成。市场亲切地把这些人叫作“人力资本”。点击“狗”或“猫”给图片贴上标签，使它最终能被苹果手机识别为家庭宠物，与拧紧一颗螺丝钉，最终制造一辆福特卡车没有什么不同。但从这里开始工作相似性就终结了。
蓝领制造业一直是人工智能发展最直接针对的目标。2016年，生产苹果手机的富士康工厂据称用机器人取代了6万名工人。根据报道，同一年，亚马逊在20个物流中心部署了4.5万台机器人，与23万名工人一起工作。然而，这些数字没有说清自动化催生了多少工作岗位。人工智能会对全职蓝领工作产生影响的媒体相关报道可能会分散我们的注意力，使我们忽视了一种正在快速增长的新工人。当人工智能触及自身天花板时，这类新兴的工人将完善或倾向于使制造系统完成自动化。
过去20年里，最挣钱的企业已经从大规模生产家具、服装等耐用品，慢慢转型为提供医疗保健、消费者分析和零售等服务。把一种体验卖给消费者，比如喝一杯拿铁或浏览娱乐资讯，比制造一台电视赚的钱更多。13所有企业都在接入临时工人共享库，通过使用临时工来控制成本。在需要的时候获得想要的人，这种策略已经有半个世纪的历史，企业不再需要与全职雇员谈判，也不受制于保护全职雇员的职业分类和劳动法。
这种人类与人工智能的混合，可谓制造业、零售业、市场销售和客户服务的一次重新洗牌，已经超越了我们熟悉的就业类别。传统的制造业由全职工人轮班工作，他们每周工作40个小时，干的活重复而连续；现在的任务型工作完全不同，比如修正客户的纳税申报表，或者实时翻译视频并添加字幕，这些都需要人类不断贡献智慧和判断力。这些任务是动态的，而不是机械的，所以很难把人类排除在外。
人工智能并不像大多数人希望的或害怕的那样聪明。以驱动AlphaGo的人工智能为例，最近技术专家斯科特·哈特利（ScottHartley）在《模糊性与技术专家》（The Fuzzy and the Techie）一书中记录了它取得的斐然成就。14围棋是中国古代的棋盘游戏，2017年5月，AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后，AlphaGo迭代出AlphaGo Zero。但我们不必太震惊，因为有一点非常重要，即围棋的规则是死的，有固定的形式，在封闭的环境中进行，结果完全取决于两个玩家。在谷歌旗下的公司DeepMind，AlphaGo和AlphaGo Zero的人类程序员给出了输赢的明确定义。围棋的制胜之道是在对弈过程中预测落子的远期影响。15因此，通过人类围棋大师对弈的庞大数据库以及与自己对弈，AlphaGo接受了几十亿个棋局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。16之后AlphaGo Zero与它的镜像AlphaGo对弈，把之前的经验又复习了一遍。但是正如人工智能研究领域的著名专家汤姆·迪克里奇（Tom Dietterich）所说，“人工智能对世界的渊博知识必须依靠人类补充”，如此才能完成大多数日常任务。现实生活可比围棋复杂得多。
16