随着机器越来越多地开始在工作场所填补人力，我们都必须适应才能从中获利。自动化和人工智能(AI)正在改变企业，并将通过它们对生产力的贡献来促进经济增长。它们还将帮助解决从健康到气候变化等领域的一些最棘手的社会问题。同时，这些技术将改变工作的性质和工作场所本身。机器将能够完成更多以前由人类完成的任务，补充人类所做的工作，甚至可以完成人类无法完成的任务。结果，一些职业会衰落，另一些会成长，还有更多的职业会发生变化。虽然我们看到了充分就业机会的未来（极端情况除外），但社会需要应对重大的劳动力转变和失业问题。工人需要掌握新技能并适应工作场所中功能越来越强大的机器。他们可能不得不从不断离开落日的职业转向日益繁荣，在某些情况下甚至是新的职业。这份政策简报借鉴了麦肯锡全球研究所的研究成果，探讨了工作场所自动化和人工智能的前景和挑战，并概述了政策制定者、公司和个人需要解决的一些关键问题。人工智能和自动化的快速发展为商业、经济和社会创造了机会自动化和人工智能并不是什么新鲜事物，但最近的技术进步正在扩大机器的可能性。我们的研究表明，社会需要这些改进来为企业带来价值，推动经济增长，并以前所未有的方式在应对我们最严峻的社会挑战方面取得进展。总结一下：技术正在突飞猛进除了传统的工业自动化和先进的机器人技术，新的和更强大的自动化系统正在各种环境中出现，例如道路上的自动驾驶车辆和杂货店的自动结账等待。大部分进步都是由系统和组件的改进推动的，包括机械、传感器和软件。近年来，随着机器学习算法变得更加复杂并利用计算能力的巨大发展和可用于训练它们的数据的指数增长，人工智能取得了特别大的进步。各大媒体纷纷报道了巨大的突破，其中不乏涉及计算机视觉、自然语言处理以及围棋（Go）等人类无法企及的领域。改变业务和推动经济增长的潜力这些技术已经在各种产品和服务中创造价值，各行各业的公司在一系列流程中使用它们来个性化产品推荐、检测生产异常和识别欺诈交易和更多。人工智能技术的一代进步，包括解决分类、估计和聚类问题的技术，仍然有望带来更多价值。我们对数百个人工智能用例的分析发现，用于部署人工神经网络的深度学习技术每年可能价值3.5万亿至5.8万亿美元，占所有分析技术创造价值的40%。在人口老龄化和出生率下降阻碍发展的时代，人工智能和自动化的部署可以极大地促进全球经济并加速全球繁荣。劳动生产率增长是经济增长的主要驱动力，但在许多经济体中已经放缓，美国和欧洲主要经济体在上一次生产率下降和2008财年之后从十年前的2.4%下降。平均为0.5%。人工智能和自动化有可能扭转这种下降趋势：未来十年，生产力增长可能达到每年2%，其中60%来自数字机会。人工智能有可能帮助解决一些社会挑战，还被用于材料科学、医学研究和气候科学等不同领域。这些技术在这些学科和其他学科中的应用可以帮助解决社会问题。例如，Geisinger的研究人员开发了一种算法，可以将颅内出血的诊断时间缩短96%，令人吃惊。与此同时，乔治华盛顿大学的研究人员正在使用机器学习来更准确地测量气候变化专门委员会使用的气候模型。在这些技术能够在各地发挥其经济和社会效益潜力之前，挑战依然存在人工智能和自动化仍然面临着各种挑战。一些限制是技术性的，因为人工智能需要大量的训练数据，而且很难将算法“泛化”到各种各样的用例。最近的创新正在解决这些问题。另一个挑战在于人工智能技术的使用。例如，人类很难从技术上解释机器学习算法做出的决定，这对于涉及金融借贷或法律应用的用例尤为重要。训练数据和算法中的潜在偏差，以及数据隐私、恶意使用和安全性都是必须解决的问题。欧洲率先引入了《通用数据保护法规》，规范了用户收集和使用数据的各种权利。另一个挑战涉及组织采用这些技术的能力，其中人员、数据可用性、技术和流程就绪性通常使技术采用变得困难。技术的采用在各个部门和国家之间非常不平衡。金融、汽车和电信行业在采用人工智能方面处于领先地位。各国中，美国2016年人工智能投资排名第一，投资额为150亿美元至230亿美元，其次是亚洲，投资额为80亿美元至120亿美元，欧洲仅次于美国30亿美元到40亿美元，远远落后。人工智能和自动化将如何影响工作即使人工智能和自动化为企业和社会带来诸多好处，我们也必须为工作中可能出现的中断做好准备。员工执行的活动中约有一半可以自动化我们对800多种职业的2,000多种工作活动进行的分析表明，某些活动比其他活动更有可能实现自动化。这些活动包括在高度可预测和结构化的环境中进行体力劳动，以及数据收集和数据处理。这些活动约占所有部门人们所做活动的一半。最不脆弱的活动类别包括管理他人、贡献专业知识以及与利益相关者沟通。几乎所有的职业都会受到自动化的影响，但只有大约5%的工作可以通过目前展示的技术实现完全自动化。大量工作涉及可以自动化的活动：我们发现60%的工作中大约30%的活动可以自动化。也就是说，大多数工人（焊工、抵押贷款经纪人、高管等）将与快速移动的机器一起工作。这些工作的性质可能因此而改变。失业：到2030年，一些职业将急剧下降自动化将取代一些工人。我们发现，在2016年至2030年间，全球约15%的劳动力（约4亿工人）可能会因自动化而失业。这个数字反映了我们在预测技术采用的速度和范围方面的中间状态。根据我们对最快技术采用场景的建模，这个数字上升到30%，即8亿工人。在最慢的模型中，只有大约1000万人失业。范围广泛的预测突出了将影响人工智能和自动化采用的速度和范围的各种因素。自动化的技术可行性只是一个影响因素。其他因素包括部署成本；劳动力市场动态，包括劳动力供应的数量、质量和相关工资；超越劳动力替代的许多好处，并推动各种商业案例采用技术；社会规范和社会接受度。由于上述因素的差异，特别是劳动力市场动态的差异，各国和各部门的技术采用将继续存在显着差异：在法国、日本和美国等工资相对较高的发达经济体，到2030年，自动化可能取代20%到25%的劳动力，在中等采用情况下是印度的两倍多。就业增加：同期也将创造就业机会。尽管许多工人失业，但各行业对劳动力的需求仍在增长，从而创造了大量就业机会。我们根据劳动力需求的几个驱动因素制定了到2030年的劳动力需求情景，包括收入增加和医疗保健支出，以及对基础设施、能源和技术开发和部署的持续或增加投资。这些情景表明，到2030年，全球劳动力需求（5.55亿和8.9亿个工作岗位）将增长21%至33%，足以抵消失业的影响。像印度这样的新兴经济体，那里的适龄劳动人口已经在迅速增长，它们将从中受益。额外的经济增长（包括商业活力和生产率提高）也将继续创造就业机会。如果以史为鉴，许多其他新职业也将出现，并可能占到2030年创造的工作岗位的10%，这些职业是我们今天无法想象的。此外，从历史上看，技术一直是就业的最终创造者。例如，在20世纪70年代和80年代，个人计算机不仅为半导体制造商创造了数百万个工作岗位，而且为所有软件和应用程序开发人员、客户服务代表和信息分析师岗位创造了同等数量的工作岗位。工作发生了变化：随着机器在工作场所补充人类劳动，创造的工作岗位将多于失去或赢得的工作岗位随着机器补充人类劳动，部分自动化将变得更加普遍。例如，可以非常准确地读取诊断扫描的AI算法将帮助医生诊断患者的病例并确定适当的治疗方案。在其他领域，具有重复性任务的工作可能会转向管理和故障排除自动化系统的新模式。在零售商亚马逊，以前搬运和堆放物品的员工现在变成了机器人操作员，负责监控自动化手臂并解决物品流动中断问题。关键的劳动力转型和挑战虽然我们预计，根据我们建模的大多数场景，2030年将有很多工作岗位，足以确保充分就业，但随着自动化和人工智能的采用，转型将是重要的。职业组合将发生变化，技能和教育需求也会发生变化。必须重新调整工作，以便人类和机器可以有效协作。工人需要不同的技能才能在未来的工作场所中茁壮成长自动化将加速过去15年见证的转变，这是不可或缺的劳动力的技能转变。对编程等高级技能的需求正在迅速增长。对社交、情感和高级认知技能（如创造力、批判性思维和复杂信息处理）的需求也将不断增长。对基本数字技能的需求一直在增加，这一趋势将继续并加速。许多国家对体力和体力技能的需求将下降，但到2030年这些仍将是技能类别。这将给本已捉襟见肘的劳动力技能组合带来额外压力，并且该行业需要新的资格体系。虽然一些创新解决方案不断涌现，但该行业仍然需要能够应对如此巨大挑战的解决方案。许多工人可能不得不换工作我们的研究表明，在中点情景中，到2030年全球约3%的劳动力将不得不换工作，尽管情景从0%到14%不等。其中一些变化将在公司和部门内部发生，但许多变化将跨部门甚至跨地区。由高度结构化环境中的体力活动、数据处理或收集组成的职业将会减少。不断增长的职业将包括那些难以自动化的活动（如经理），以及那些在不可预测的环境中工作的活动（如水管工）。预计增长的其他职业包括教师、护士、技术人员等。随着更多的人和机器一起工作，工作场所和工作流程将发生变化。例如，当自助结账机进入商店时，收银员可能会成为结账助理，帮助回答问题或排除机器故障。更多系统级解决方案将促使人们重新思考整个工作流程和工作场所。仓库设计可能会发生巨大变化，因为仓库的一部分为机器人等事物提供了空间，以促进安全的人机交互。自动化可能会给发达经济体的平均工资带来压力改变高级和低级职业的组合可能会给工资带来压力。发达经济体目前的许多中等工资工作岗位都由高度自动化的活动（如制造业或各种会计活动）主导，这些活动很可能会减少。高薪工作将大幅增加，尤其是熟练的医务人员、技术人员或其他工作，但预计将创造范围广泛的工作（包括教师和护士），这些工作往往支付较低的工资。风险在于，自动化可能会加剧工资两极分化，扩大收入差距，并导致过去十年发达经济体的收入增长放缓，加剧社会和政治紧张局势。面对迫在眉睫的难题，劳动力挑战已经存在大多数国家已经面临如何对劳动力进行充分教育和培训以满足雇主当前需求的难题。在过去的二十年里，经合组织用于工人教育和培训的支出一直在下降。该组织用于帮助过渡期工人的支出也继续缩减，缩减幅度高达GDP的1%。过去十年的教训是，尽管全球化有利于经济增长和消费者，但工资和失业对工人的影响并未得到充分解决。大多数分析（包括我们自己的分析）表明，这些问题的规模在未来几十年可能会增加。我们过去也看到，大规模的劳动力转移会对工资产生持久影响；19世纪工业革命期间，尽管英国的生产力提高了，但英国的工资半个世纪都没有出现崛起——这种现象被称为“恩格斯的停顿”，以发现该现象的德国哲学家恩格斯的名字命名。需要解决的十个问题我们寻求解决这些难题的适当措施和政策不应使技术倒退或减缓其传播。公司和政府应该利用自动化和人工智能，以便从改进的性能、生产力贡献和社会效益中获益。这些技术将创造经济盈余，帮助社会管理劳动力转型。相反，公司和政府必须专注于确保劳动力平稳过渡的方法。这可能需要在几个关键领域提供可行且可扩展的解决方案：确保强劲的经济和生产力增长。强劲的增长并不是解决自动化带来的所有问题的灵丹妙药，但它是就业增长和日益繁荣的先决条件。生产率增长是经济增长的关键因素。因此，重要的是要放弃投资和需求的自动化，拥抱生产力的贡献。培育企业活力。以更快的速度创业和组建新公司不仅可以提高生产率，还有助于创造就业机会。有利于小企业的动态环境和有利于大公司的竞争环境会增加商业活力，而随着这种活力，就业机会也会增加。加速新公司的成立以及企业（无论大小）的增长和竞争力需要更简单和更先进的法规、税收和其他激励措施。创新教育系统和学习以适应转变后的工作场所。与教育提供者（传统和非传统）和雇主合作的政策制定者可以通过基于学校的系统和改进的在职培训来提高基本的STEM（科学、技术、工程和数学）技能。特别强调创造力、批判性思维、系统思维以及适应性和终身学习。大规模解决方案必不可少。投资于人力资本。为了扭转这种低迷趋势，一些国家对培训工人的公共投资正在急剧下降。通过税收减免和其他激励措施，政策制定者可以鼓励企业投资人力资本，包括创造就业机会、提供学习机会、建设能力和提高工资，类似于私营部门投资其他资本（包括）的激励措施。提高劳动力市场活力。可以将工人与工作、资历相匹配的信息在大多数经济体中都很有效。数字平台还可以帮助人们找到工作并振兴劳动力市场。当更多的人换工作（甚至在公司内部）时，证据表明工资会上涨。由于工作和赚钱机会（包括零工经济）的激增，我们必须解决几个问题，即福利转移、工人分类和工资变化。重新设计工作。工作流程设计和工作空间设计必须适应人与机器更紧密协作的新时代。这在创造安全和高效的环境方面既是机遇也是挑战。随着工作变得更加协作以及公司希望变得更加灵活和扁平化，组织正在发生变化。重新考虑收入。如果自动化（无论是完全的还是部分的）确实导致就业和/或工资压力的大幅减少，那么有一些想法（比如有条件的转移、支持流动性、普遍基本收入和调整后的社会保障等）是开放的思考和实验。关键是要找到经济上可行的解决方案，并将包含许多要素的工作的多重责任结合起来，不仅可以为工人创造收入，还可以为他们提供意义和尊严。重新考虑如何支持过渡并为受影响的员工提供安全保障。随着工作在不同行业、地点、活动和技能要求之间快速变化，对许多工人的援助也需要调整。有许多可用的实用方法来转移安全性，必须采用和调整这些方法，并且必须考虑和测试新方法。投资于推动就业需求的因素。政府必须考虑扩大已经有益的投资（例如基础设施、气候变化适应），同时也有助于满足就业需求。这些类型的工作（例如建筑、重新布线建筑物、安装太阳能电池板等）往往是更容易受到自动化影响的中等收入工作。自信地拥抱人工智能和自动化。即使我们利用这些快速发展的技术提供的生产力优势，我们也必须主动防范风险并减轻任何危险。数据的使用必须始终考虑各种问题（例如数据安全、隐私、恶意使用和潜在偏见）；政策制定者、科技公司和其他公司以及个人必须找到有效解决问题的方法。今天每个人都有合适的工作，将来每个人都会有合适的工作，即使是在自动化的未来。然而，这些工作将有所不同，因为它们需要新技能，并且需要比我们过去看到的更具适应性的劳动力。培训和再培训处于职业生涯中期的工人和新一代工人以迎接未来的挑战是当务之急。政府和私营部门的创新者需要共同努力，更好地协调公共和私营部门的举措，包括制定适当的激励措施以增加对人力资本的投资。只要我们花时间利用技术并减轻其负面影响，自动化和人工智能的未来将充满挑战，但也会更加丰富多彩。
