随着机器在工作场所越来越多地补充人类劳动，我们都需要适应才能从中获益。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巨大社会挑战。同时，这些技术将改变工作的性质和工作场所本身。机器将能够执行更多原本由人类执行的任务，补充人类所做的工作，甚至执行超出人类能力的任务。结果，一些职业会衰落，而另一些会成长，还有更多的职业会发生变化。虽然我们相信未来会有足够的工作岗位（除非出现各种极端情况），但社会需要应对重大的劳动力转移和失业问题。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。他们可能不得不从衰落的职业转向欣欣向荣的职业，在某些情况下甚至是新的职业。借鉴麦肯锡全球研究所的最新研究，这份执行简报审视了工作场所自动化和人工智能的前景和挑战，同时概述了政策制定者、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推动机器的极限。我们的研究表明，社会需要这些改进来为企业创造价值，推动经济增长，并在应对我们最困难的社会挑战时取得难以想象的进步。总结一下：技术日新月异，除了传统的工业自动化和先进的机器人技术，新一代更强大的自动化系统正在各种应用环境中涌现，从道路上的自动驾驶车辆到杂货店。自动结帐。大部分进步是由系统和组件的改进推动的，包括机械、传感器和软件。人工智能近年来取得了特别大的进步，因为机器学习算法变得更加复杂，并利用计算能力的急剧增加和可用于训练它们的数据的巨大增长。令人惊叹的突破一直是头条新闻，其中许多涉及计算机视觉、自然语言处理和复杂游戏（如围棋）中人类无法企及的能力。转变业务和促进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准确推荐产品、发现生产异常、识别欺诈交易等等待。最新一代人工智能技术的进步，包括解决分类、估计和聚类问题的技术，仍有望带来更多价值。我们对数百个人工智能用例的分析发现，部署人工神经网络的最先进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拖累经济增长之际，人工智能和自动化的部署可以为提振全球经济和促进全球繁荣做出巨大贡献。许多经济体的劳动生产率增长——经济增长的重要驱动力——已经放缓，从十年前美国和欧洲主要经济体的2.4%下降到2010年至2014年的平均0.5%。在经济衰退之后的2008年金融危机之后以前的生产力繁荣。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。可能有助于解决几个社会最大的难题AI也被用于材料科学、医学研究和气候科学的各个领域。将这些技术应用于这些和其他学科可以帮助解决社会的各种挑战。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多达96%。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政府间气候变化专门委员会使用的气候模型。在这些技术实现其在各地带来经济和社会效益的潜力之前，挑战依然存在人工智能和自动化仍然面临着各种挑战。其中一些限制是技术性的，例如需要大量训练数据以及将算法“泛化”到个别用例的难度。最近的创新才刚刚开始解决这些问题。其他挑战在于人工智能技术的使用。例如，解释机器学习算法做出的决定在技术上是困难的，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。欧洲率先实施《通用数据保护法规》，在数据收集和使用方面为用户提供了更多的权利。另一组挑战涉及组织采用这些技术的能力，其中人员、数据可用性、技术和流程准备情况通常会造成困难。技术采用在各个行业和国家之间并不均衡。金融、汽车和电信行业引领人工智能的采用。在众多国家中，美国2016年对人工智能的投资位居首位，高达150亿至230亿美元，其次是亚洲投资80亿至120亿美元，欧洲30亿至4亿美元。而落后。AI和自动化将如何影响工作即使AI和自动化为企业和社会带来好处，我们也必须为它给工作带来的破坏做好准备。工人执行的大部分活动（不是工作）都可以自动化我们对800多种职业的2,000多种工作活动的分析表明，某些类型的活动比其他类型的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的体育活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。最不易受影响的类别包括管理他人、提供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，但其中只有5%的职业可以通过现有技术实现完全自动化。更多的职业包含实际上可以自动化的活动：我们发现60%的职业中大约30%的活动可以自动化。这意味着大多数工人——从焊工到抵押贷款经纪人再到首席执行官——将与快速运转的机器一起工作。这些职业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（即约4亿工人）可能会因自动化而失业。这反映了我们预测采用速度和范围的中点应用场景。在我们模拟的最快采用场景中，这个数字上升到30%，即8亿工人。在最慢的采用场景中，只有大约1000万人被替换。如此大的范围突出了影响人工智能和自动化采用速度和范围的多种因素。自动化的技术可行性只是第一个影响因素。其他因素包括部署成本；劳动力市场动态（包括劳动力供应数量、质量和相关工资）；除劳动力替代之外的其他有助于商业案例被采纳的好处；最后，社会规范和接受程度。由于上述因素（尤其是劳动力市场动态）的差异，不同国家和部门的采用率将继续存在显着差异：在工资相对较高的发达经济体（如法国、日本和美国），自动化可能取代20%到25%的劳动力，中点采用情景中的劳动力比例是印度的两倍多。就业机会增加：同期，将创造新的就业机会即使工人失业，市场对工作和职位的需求也会增长。我们根据推动就业需求的几个因素制定了到2030年的劳动力需求情景，这些因素包括收入增长、医疗保健支出增长以及基础设施、能源和技术开发和部署方面的持续投资或投资升级。这些情景表明，到2030年，全球对劳动力的额外需求（5.55亿和8.9亿个工作岗位）将在21%到33%之间，远远超过失业人数。一些最大的收益将来自印度等新兴经济体，那里的劳动年龄人口已经在迅速增长。额外的经济增长，包括商业活力和生产力增长，也将继续创造就业机会。如果以史为鉴，许多其他我们今天无法想象的新职业也将出现，并可能在2030年占创造就业机会的10%。而且，技术在历史上一直是纯粹的就业创造者。例如，在20世纪70年代和80年代，个人电脑的推出不仅为半导体制造商创造了数百万个工作岗位，还为所有类型的软件和应用程序开发人员、客户服务代表和信息分析师创造了数百万个工作岗位。数百万个工作岗位。工作发生转变：无论工作岗位如何增加或减少，最终都会创造更多的工作岗位，因为机器将在每个工作场所补充人力。随着机器代替人工，部分自动化将变得更加普遍。例如，能够高精度读取诊断扫描的AI算法将帮助医生诊断患者病例并确定适当的治疗方案。在其他领域，单调和重复的工作可能会演变为管理和故障排除自动化系统的模型。就零售商亚马逊而言，曾经负责移动和堆放物品的员工正在成为机器人操作员，他们负责监控自动机械臂并解决物品流动中断问题。关键的劳动力转型和挑战在大多数情况下，虽然我们预计2030年将有足够的工作岗位以确保在大多数情况下实现充分就业，但伴随自动化和人工智能采用的转变意义重大。大量不同的职业将会发生变化，技能和教育要求也会发生变化。我们需要重新设计工作以确保人和机器有效协作。工人将需要不同的技能组合才能在未来的工作场所中茁壮成长自动化将加速我们在过去15年中见证的所需劳动力的技能转变。企业对编程等高级技术技能的需求将迅速增长。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）也将得到提高。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。企业对体力和体力技能的需求将下降，但在许多国家，到2030年，这些仍将是最大的劳动力技能类别。这将给已有的劳动力技能挑战和对新资格体系的需求带来额外压力。虽然正在出现一些创新的解决方案，但我们仍然需要能够与挑战的难度相匹配的解决方案。许多工人可能需要改变职业我们的研究表明，到2030年，在中点采用情景中，全球约3%的劳动力需要改变职业类别，尽管在各种情景中采用率徘徊在0%到14%之间。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。在高度结构化环境或数据处理或收集中从事体力活动的职业将会减少。不断增长的职业将包括那些难以自动化的活动，例如经理，以及那些在不可预测的物理环境中工作的活动，例如管道工。其他正在崛起的职业包括教师、护理助理、技术人员和其他专业人士。随着更多人和机器协作，工作场所和工作流程将发生变化随着智能机器和软件更深入地集成到工作场所，使人和机器能够协同工作，工作流程和工作场所将发生变化。例如，当自助结账机到达商店时，收银员可以成为助理，协助顾客结账，他们可以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重大变化，因为一些部分主要是为机器人和其他部分设计的，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职业组合的变化可能会导致工资上涨。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（如制造业或会计）主导，这些活动很可能会减少。高薪工作岗位将大幅增加，尤其是熟练的医务人员、技术人员或其他专业人士，但预计会创造大量工作岗位（包括教师和护理助理，这些岗位的工资结构通常较低）。风险在于，自动化可能加剧过去十年发达经济体的工资两极分化、收入不平等和歉收，从而加剧社会和政治紧张局势。在这些迫在眉睫的挑战中，最紧迫的是劳动力。大多数国家已经面临对其劳动力进行充分教育和培训以满足雇主当前需求的挑战。在过去的二十年里，经合组织国家的工人教育和培训支出一直在下降。用于工人过渡和失业援助的支出占GDP的百分比也继续下降。我们在过去十年中吸取的教训之一是，虽然全球化可能有利于经济增长和消费者，但对工人工资和失业的影响尚未得到充分解决。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继续增长。我们在过去也看到了大规模劳动力转移对工资的持久影响；19世纪工业革命期间，尽管生产力有所提高，但英国的工资却停滞了半个世纪——这种现象被称为“恩格斯停顿”，这个词以发现它的德国哲学家恩格斯命名。要解决的十个问题在寻求应对这些挑战的适当措施和政策时，我们不应该倒退或减缓技术的传播。公司和政府应利用自动化和人工智能从绩效改进和生产力贡献以及社会效益中获益。这些技术将创造经济盈余，帮助社会管理劳动力转型。相反，重点应该放在确保劳动力过渡尽可能顺利的方法上。这可能需要在几个关键领域采取可行且可扩展的解决方案：(1)确保强劲的经济和生产力增长。强劲的增长不是自动化的灵丹妙药，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重要因素。因此，发现投资和需求以及自动化生产力贡献至关重要。（二）促进商业活力。创业精神和新企业的快速形成不仅可以提高生产力，还可以创造就业机会。小企业的动态环境和大企业的竞争环境可以促进商业活力，从而促进就业增长。加快新业务的形成速度和企业（无论规模大小）发展竞争力的速度需要更简单且不断发展的法规、税收和其他激励措施。(3)不断发展的教育系统知识和工作场所变化。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学校系统和改进的在职培训提高基本的STEM（科学、技术、工程和数学）技能。我们必须专注于创造力、批判性和系统性思维以及适应性和终身学习。我们需要大规模的解决方案。(4)人力资本投资。扭转疲软趋势。在一些国家，对工人培训的公共投资下降是危险的。政策制定者可以通过税收激励和其他激励措施鼓励企业投资于人力资本（包括创造就业、学习和能力建设以及工资增长），类似于鼓励私营部门投资于其他资本，包括研发。（五）提高劳动力市场活力。将工人与工作、资格相匹配的信号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。当更多人换工作（甚至在公司内部）时，有证据表明工资正在上涨。随着更多工作和创收机会的出现（包括零工经济），我们需要解决福利可携带性、工人分类和工资变化等问题。(6)重新设计工作。工作流设计和工作空间设计需要适应人机紧密合作的新时代。这在创造安全和高效的环境方面既是机遇也是挑战。组织也在发生变化，因为工作变得更加协作，公司希望变得越来越灵活和去等级化。(7)重新考虑收入。如果自动化（无论是全球的还是本地的）确实导致就业和/或工资压力的大幅减少，那么我们可以考虑和测试诸如有条件转移、支持流动性、普遍基本收入和推动发展的社会保障等想法。关键是找到经济上可行的解决方案，并结合工作的多重责任，包括这一系列的做法——不仅提供收入，还赋予意义、生活目的和尊严。(8)反思受影响工人的过渡支持和安全保障。随着工作在不同部门、地点、活动和技能要求中以更快的速度发展和变化，许多工人将需要不同类型的帮助。我们有许多可用的过渡性安全最佳实践，我们应该采用和适应它们，同时应该考虑和测试新方法。(9)投资于刺激就业需求的因素。政府必须考虑扩大本身有益的投资并增加对就业的需求（例如，基础设施、气候变化适应）。这些类型的工作（从建筑到重新布线和安装太阳能电池板）往往是中等收入的工作，因此受自动化的影响最大。（十）安全拥抱人工智能和自动化。即使我们从这些快速发展的技术中获得生产力优势，我们也需要主动防范风险并减轻任何危险。数据的使用必须始终考虑数据安全、隐私、恶意使用和潜在偏见等问题，政策制定者、技术和其他公司以及个人必须找到有效的方法来解决这些问题。今天每个人都能找到合适的工作，将来也一样，即使是在自动化的未来。然而，工作将有所不同，因为需要新技能并且劳动力适应性要求远远超过我们所看到的。面对未来的挑战，培训和再培训职业中期工人和新一代工人将是一个优先事项。政府、私营部门领导者和创新者都需要共同努力，更好地协调公共和私人计划（包括制定适当的激励措施），以增加对人力资本的投资。自动化和人工智能的未来将充满挑战，但如果我们花时间利用技术并减轻其负面影响，未来将会更加丰富多彩。
