如今，機器工人可以明確知道如何像助理護士一樣在繁忙的住院樓該如何做事，如何在擁擠的倉庫裡挑選物品。專家強調，隨著這項新技術被部署在工作場所，我們必須有方法讓人類工人與機器人更好地互動。
朱莉•沙阿（Julie Shah）是麻省理工互動機器人團隊的領頭人，沙阿指出，如今我們對如何使用機器人上還有很多「局限」，儘管亞馬遜在倉庫裡使用機器人，但這些機器人是在一個物理隔絕的空間裡，汽車工廠裡流水線上的機器人並不是獨立工作的，而是跟人類在一起。
正如沙阿所指出的，我們在人類的團隊中還是得心應手的——比如在足球場上，在手術室裡，或者在移動的卡車上——但即便如此這也需要練習。為了能夠與他人協作，個人（或者是機器人）需要能夠推測出其他人心裡的想法，預測其他人的下一步行動，然後在事情未按照計畫進行時迅速作出調整。
沙阿正在努力讓這件事在機器人身上成為可能；她展示了一個自己實驗室裡的例子，在實驗室裡研究人員曾與波士頓一家醫院合作多年，以弄清產科護士是如何針對病人作出決定的。研究人員利用這些資料說明機器人理解工作流程。這樣機器人就可以閱讀病人資訊板，從而給出具體的建議，如哪個病人需要剖腹產，哪個護士來照顧這個病人。
儘管理論上這可能聽起來很有幫助——而且從沙阿展示的視頻來看的確如此，護士會問啟動的機器人「什麼是好的決策？」，然後會立即得到回應——但儘管在機器人運轉良好的狀態下，要想真正弄清楚該如何與機器人合作仍是十分困難的事情。
沙阿說，這是因為我們習慣了與其他人合作，但跟機器人合作「對我們來說還是比較陌生的。」合作可以產生效益，但前提是我們能夠確定出合適的思維模式。
梅龍尼•懷斯（Melonee Wise）是Fetch Robotics的CEO，同時是2015年度《麻省理工科技評論》35歲以下創新人士之一，她表示弄清哪些工作機器人不適合對我們來說還是很重要的。懷斯表示，某些需要精細化的任務——例如把各個零件擰到一起——並不適合機器人。
機器人研究人員可以通過向機器人展示一項任務如何完成，然後教給機器人如何複製完成這項任務，這種做法在機器學習中占據突出地位。但懷斯表示事情並不能總是如願。（你可以試著給機器人演示一下如何翻煎餅，然後再看機器人的表現就明白了。）
還在擔心在不遠的將來自己的工作會被分配給機器完成？為避免噩運的發生，可以聽取以下幾點建議——學習如何跟未來的機器人同事一起共事。
不斷學習：約瑟夫•奧恩（ Joseph Aoun）是美國東北大學的校長，同時也是《人工智慧時代的高等教育》一書的作者，奧恩認為隨著人工智慧持續改變工作場所，不斷學習對人類來說起著「至關重要的」作用。同時，奧恩提倡體驗式教育，例如讓學生參加長期實習，在實習中從事創意工作和研究。
專注自己的優勢：同時奧恩也指出，人類擅長的地方是創造性思維和創業精神、團隊合作以及從不同角度看待事物。
學習如何合作：沙阿的研究發現，人類在與機器人合作時存在問題——即使機器人已經工作得很好了。人類總是喜歡從機器人那裡搶活幹，或者給自己囤一些工作。這會降低整體的效率，對人類和機器人來說都沒有幫助。
