在我开始自己的职业生涯的时候，我曾经被那些五百强公司首席执行官们的本事惊到目瞪口呆。他们就像是魔术师一样。每次当他们回答即兴问题的时候，答案总是精细得体的。他们发出的每一封邮件都词藻精妙，他们做出的每个决定都基于深刻的市场知识和最新的信息。他们是如何做到的？
当然，他们是“聪明人”，但是他们也有一项秘密武器：他们的支持团队。他们拥有能够在几小时的时间内完成研究的市场团队。他们有能为他们提供仔细安排的每日行程的幕僚长，还会提供他们将见到的每个人的背景资料。他们拥有销售和运营总监，保证他们（CEO）拥有即时的与公司运行相关的每个方面的整体概览信息。这些团队为五百强CEO提供了看起来像是超人一样的知识。
所幸对于我们这些没有500强CEO那么多预算可供支配的我们来说，建立你自己的秘密支持团队已经变得越来越容易了。在五年的时间之内，绝大多数的执行官（无论公司大小），以及绝大多数的知识型员工就能够拥有完成CEO秘密军团工作的工具了。
原因是什么呢？人工智能。
"赛博系统（Cyborg systems）"或者我在我的“机器智能初创公司调查”一文中称作“代理”的机制，会将这一愿景成为可能。通过将学习算法和分布式劳动，甚至能够以更低的成本完成更广的任务内容。通过这些代理的帮助，我们就能和现在的这些CEO看上去一样聪明了。
我们也能够变得更有效率。绝大多数的知识型工作者只能用他们不到一半的时间来做他们真正擅长的工作（比如，他们被雇佣来完成的工作）。其他的时间则被消耗在了做研究，安排会议，和其他人合作以及完成办公室中的其它小事上面。
这些事能够被机器智能服务完成得一样好。例如，一名典型的知识型员工可能会使用：
日程和日历协作工作：通过像Clara和x.ai这样的代理来完成
通过类似Google Now, Siri和Cortana等软件的主动提示功能来执行日程安排
定期会议的组织工具，通过像Howdy，Standup Bot, Tatsu以及Geekbot等通过提供状态信息，促进会议召开的协作工具（Slackbot）模仿“幕僚长”的作用
在会议之后用几分钟的时间通过高亮关键词来继续跟进，此时可以采用类似Gridspace Sift和Pogo一类的工具
通过手写识别来索引手写笔记，可使用Google Docs或者Evernote一类的工具
通过Textio或IBM的Watson Tone Analyzer等文字分析工具来改进书写
在机器智能无法独立满足要求的情况下，按需要提供服务的供应商像Uber, Lyft, Brubhub，以及Blue Apron会为人们提供预定像私人司机，午餐外卖等节省时间的办法，并且花费相对低廉。
我在开始使用Wonder的时候就对这种情况有了一些体会。Wonder就像是拥有了一名私人研究者。他们会分配一小组专业人士，包括受过专业训练的图书馆员，来为我从事小型的目标明确的研究项目。比如当我需要这周晚些时候会见的一个人的资料，某个公司产品的内幕，或者一家公司竞争格局的概况，我就会向Wonder寻求帮助。花上30刀到60刀，Wonder让我每周节省了数小时的时间。
越来越多的产品和服务会将机器智能和人群的工作相融合，帮助用户完成任务。Uber就是一个很好的例子：它将对司机的需求和通过算法进行的时间安排和统筹相结合，来安排出行服务。
需要厘清的一点是，CEO们的支持团队并不会消失。那些顶尖的执行官们会继续从忠诚可信，能够处理困难、紧急、复杂工作的支持团队那里获益。但是机器智能系统能够以相对低廉许多的价格，完成那些人能完成的任务中的重要部分，从而让这些功能变得民主化（易获取）。
诚然，在我们意识到这些虚拟支持团队的全部能力之前，会存在大量的垃圾。只要看看现在涌入市场的大量聊天机器人就会明白。一些机器人在简单工作上完成得非常好。但是他们中的许多甚至不能完成最基础的承诺，就像这个天气机器人没办法告诉你天气一样。
并不是每一个机器智能应用都能正常工作的，其他的会被证明仅仅是新鲜好玩而已。但是如果你能从这大量的新产品中寻找到有价值的工具，你的工作就会得到提升，你甚至也会开始看起来就像那些在我刚工作时羡慕的超人一般的CEO一样。
本文作者Shivon Zilis 是Bloomberg Beta的合伙人和创始人，这一公司在未来的工作方式上进行了大量的投资。她专注于初期的数据和机器智能投资。
