自动化和人工智能(AI)正在改变企业，而且将通过对生产力所做的贡献来促进经济增长。它们还将有助于解决从健康到气候变化等领域的巨大社会难题。

与此同时，这些技术将改变工作性质和工作场所本身。机器将能够执行更多本来由人工执行的任务，补充人类所做的工作，甚至执行超出人类能力的任务。结果，有些职业将衰落，而另一些职业将增长，还会有更多职业发生变化。

虽然我们相信未来会有足够多的工作(除各种极端情况外)，但社会需要应对重大的劳动力转移和失业的问题。工人需要掌握新技能并在工作场所中适应功能越来越强大的机器。他们可能不得不从日益衰落的职业转向兴旺的职业，在某些情况下甚至转向新的职业。

本行政简报借鉴了麦肯锡全球研究院的最新研究成果，探讨了工作场所自动化和人工智能的前景及其所面临的挑战，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。

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将机器的能耐推向极致。我们的研究表明，社会需要这些改进来为企业提供价值，促进经济增长并在我们最困难的社会难题中取得难以想象的进展。综上所述：

除了传统的工业自动化和先进的机器人之外，新一代功能更强大的自动化系统也出现在各种应用环境中，如行驶在道路上的自动驾驶车辆到杂货店的自动结账。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。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且利用了算力的剧增和可用于训练它们的数据的巨幅增长。令人叹为观止的突破见诸于各大头版头条，其中有许多涉及计算机视觉，自然语言处理和围棋(Go)等复杂游戏的人类无法企及的能力。

这些技术已经在各种产品和服务中产生了价值，各行各业的公司在一系列流程中使用它们来精准推荐产品，发现生产中的异常，识别欺诈性交易等等。最新一代人工智能技术的进步(包括解决分类，估算和聚类问题的技术)仍然有望带来更多价值。我们对数百个人工智能用例所做的分析发现，部署人工神经网络的最先进的深度学习技术每年的市值可以达到3.5万亿至5.8万亿美元，占所有分析技术所创造价值的40%。

在老龄化和不断下降的出生率正在拖累增长的这样一个时刻，人工智能和自动化技术的部署可以为提升全球经济和促进全球繁荣做出巨大贡献。劳动生产率增长(推动经济增长的重要因素)在许多经济体中已经放缓，从十年前美国和主要欧洲经济体的2.4%降至2010年至2014年的平均值0.5%，而这发生在上一个生产力繁荣衰退之后的2008年的金融危机之后。人工智能和自动化有可能扭转这种下降趋势：未来十年，生产率增长可能每年达到2%，其中60%来自数字化方面的机遇。

人工智能也被用于材料科学，医学研究和气候科学的各个领域。将这些技术应用于这些学科和其它学科有助于解决社会的各种难题。例如，Geisinger的研究人员已经开发出一种算法，这种算法可以将颅内出血的诊断时间缩短96%之多。与此同时，乔治华盛顿大学的研究人员正在利用机器学习来更准确地衡量政府间气候变化专门委员会使用的气候模型。

人工智能和自动化仍面临各种难题。这些限制有一部分是技术性的，例如需要大量的训练数据并且难以将算法“推广”到各个用例。最近的创新才刚刚开始解决这些问题。另一些难题则在于使用人工智能技术。例如，解释机器学习算法所做出的决策在技术上十分困难，这对于涉及金融借贷或法律应用的用例尤其重要。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。欧洲由于实施了《通用数据保护法规》而领先一步，该法规为用户提供了更多的数据收集和使用方面的权利。

另一类难题涉及到组织是否有能力采用这些技术，其中人员，数据可用性，技术和流程的就绪程度方面往往会带来困难。各行业和各国的技术采用已经十分不均衡。金融，汽车和电信行业引领了人工智能的采用。在诸多国家中，美国对人工智能的投资在2016年排名第一，多达150亿至230亿美元，其次是亚洲，其投资额为80亿至120亿美元，欧洲则以30至40亿美元而落后。

即使人工智能和自动化为企业和社会带来了好处，我们也必须准备好应对其对工作所带来的颠覆。

我们对800多个职业的2000多项工作活动所做的分析表明，某类活动比另一类活动更容易实现自动化。这类活动包括高度可预测和结构化环境中的物理活动以及数据收集和数据处理。这些活动约占人们在所有部门开展的活动的半数。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交流。

几乎所有职业都将受到自动化的影响，但这些职业中只有5%能通过现有技术完全实施自动化。其实还有更多职业所包含的活动其实是可以自动化的：我们发现60%的职业中约30%的活动可以实现自动化。这意味着大多数工作人员(从焊工到抵押贷款经纪人再到首席执行官)将与快速发展的机器一起工作。这些职业的性质可能因此而发生改变。

自动化将取代一些工人。我们发现，2016 至2030年间约有15%的全球劳动力(即约4亿工人)可能会因自动化而遭到取代。这反映了我们在预测采用速度和范围方面的中点应用场景。在我们所建模的最快的采用情景中，这个数字上升到30%，即8亿工作人员。而在最慢的采用情景中，只有约1000万人遭到取代。

如此大的范围突出了影响人工智能和自动化采用的步伐和范围的多种因素。自动化的技术可行性只是第一个影响因素。其它因素包括部署成本;劳动力市场动态(包括劳动力供给数量，质量和相关工资);有助于商业案例的采用的劳动力替代以外的好处;最后还有社会规范和人们的接受程度。由于上述因素的差异(尤其是劳动力市场动态)，各国和各部门的采用将继续存在显著差异：在工资水平相对较高的发达经济体(如法国，日本和美国)，自动化到2030年可能会取代20%到25%的劳动力，在中点采用情景中，劳动力的百分比是印度的两倍多。

即使工人遭到取代，市场对工作和职位的需求也会增长。我们根据推动工作需求的几个因素制定了延续到2030年的劳动力需求情景，包括收入增长，医疗支出的增长以及基础设施，能源，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(5.55亿和8.9亿个工作岗位)劳动力的额外需求在21%至33%，这远远超过了失业人数。一些最大的收益将来自印度这样的新兴经济体，那里的劳动年龄人口已经在迅速增长。

包括商业活力和生产力增长在内的额外经济增长也将继续创造就业机会。如果历史可以作为指引的话，那么我们目前无法想象的许多其它新职业也将陆续出现并且有可能占到2030年创造的就业机会的10%。此外，技术历来是纯粹的就业创造者。例如，在20世纪70年代和80年代，个人计算机的引进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。

随着机器逐渐填补人工，局部自动化将变得更加普遍。例如，能够以高精度读取诊断扫描图的人工智能算法将有助于医生诊断患者病例并确定合适的治疗方案。在其他领域，工作内容单调重复的岗位可能会朝这样一个模型发展——管理自动化系统并对其进行故障排除。以零售商亚马逊为例，曾经负责搬运和堆放物品的员工正在成为机器人操作员，他们负责监控自动化机器臂并解决物品流动中断等问题。

依据大多数情景来看，虽然我们预计2030年将有足够的工作岗位来确保充分就业，但伴随自动化和人工智能采用的转变是十分重要的。大量不同的职业将发生变化，技能和教育要求也将发生变化。我们需要重新设计工作以确保人们高效地与机器协作。

自动化将加速我们在过去15年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，批判性思维和复杂的信息处理)也将不断增长。基本的数字技能需求一直在增加，这种趋势将继续并加速。企业对身体和手工技能的需求将下降，但在许多国家，这方面的技能在2030年仍是最大的劳动力技能类别。这将对业已存在的劳动力技能方面的难题以及对新的资格认证体系的需求造成额外的压力。虽然一些创新的解决方案正在浮出水面，但我们仍需要能够与挑战难度匹敌的解决方案。

我们的研究表明，在中点采用情景中，大约3%的全球劳动力需要在2030年前改变职业类别，尽管各种情景的采用徘徊于0%到14%不等。其中一些变化将发生在公司和部门内部，但许多变化将发生在各个部门甚至各个地区之间。在高度结构化的环境或数据处理或收集中由身体活动组成的职业将会出现下降。不断增长的职业将包括那些难以自动化的活动，如管理者以及那些处于不可预测的物理环境中的人，如水管工。其他呈增长趋势的职业包括教师，护理助手，科技和其他专业人士。

随着智能机器和软件更深入地集成到工作场所，工作流程和工作场所将不断发展，使人类和机器能够协同工作。例如，随着自助结账机器进驻商店，收银员可以成为协助客户结账的助手，他们可以帮助回答问题或对机器进行故障排除。更多系统级解决方案将促使人们反思整个工作流程和工作场所。仓库设计可能会发生显著变化，因为某些部分的设计主要适用于机器人和其他人，从而促进安全的人机交互。

职业组合的变化可能会导致薪资水涨船高。发达经济体目前的许多中等工资岗位主要是高度自动化的活动(例如制造业或会计业)，这些活动可能会衰退。高薪工作岗位将大幅增加，特别是对于技能娴熟的医疗人员，技术人员或其他专业人员，但大量工作岗位有望诞生(包括教师和护理助手，通常具有较低的工资结构)。风险就在于，自动化可能会加剧工资的两极分化，收入不平等以及刻画过去十年中发达经济体的欠收，由此引发社会和政治方面的紧张局势。

大多数国家已经面临着这样一个难题，即对其劳动力进行充分的教育和培训以满足雇主当前的需求。在过去二十年中，经合组织(OECD)的成员国在工人教育和培训方面的支出一直在下降。工人过渡和失业援助的支出也以GDP百分比的形式持续缩减。我们在过去十年学到的一个经验教训就是，虽然全球化可能使经济增长和作为消费者的人们受益，但工人的工资和失业的影响却没有得到充分解决。大多数分析(包括我们自己的分析)表明，这些问题的规模可能会在未来几十年持续增大。我们过去也见证了大规模的劳动力转移对工资所产生的持久影响;在19世纪的工业革命期间，尽管生产力提高了，但英国的工资在长达半个世纪的时间里仍然停滞不前——这种现象被称为“恩格斯停顿”，这一术语命名自发现该现象的德国哲学家恩格斯。

在寻求应对这些难题的适当措施和政策时，我们不应该倒行逆施或减缓技术的传播。公司和政府应该利用自动化和人工智能，从绩效的提升和生产力贡献以及社会效益中受益。这些技术将创造有助于社会管理劳动力转型的经济盈余。相反，重点应放在能确保劳动力转移尽可能顺利的方法上。这可能需要在几个关键领域采取可操作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难题的灵丹妙药，但这是就业增长和日益繁荣的先决条件。生产力增长是经济增长的重要因素。因此，发掘投资和需求以及实现生产力贡献的自动化至关重要。

促进业务活力。企业精神和新业务快速形成不仅可以提高生产力，还可以推动就业机会的产生。适合小型企业的活力十足的环境以及适合大型企业的竞争环境可以促进业务活力并通过这种方式促进就业增长。加快新业务的形成速度和企业(无论规模大小)竞争力发展的速度需要更简单且不断发展的法规，税收和其它激励措施。

不断发展的教育系统和工作场所变革的知识。与教育提供者(无论是传统和非传统意义上的教育提供者)和雇主合作的政策制定者可以通过学校系统和得到改善的在职培训来提高基本的STEM(科学，技术，工程和数学)技能。我们必须重点关注创造力，批判性思维和系统思维以及适应性学习和终身学习。我们需要大规模的解决方案。

投资于人力资本。扭转疲软的趋势。在某些国家，对工人培训的公共投资的下降是十分危险的。政策制定者可以通过税收优惠和其他激励措施来鼓励企业投资人力资本(包括创造就业机会，学习和能力培养以及工资增长)，类似于私营部门投资其他资本(包括研发)的激励措施。

改善劳动力市场活力。能够使工人与工作，资格认证相匹配的信号在大多数经济体中都能很好地发挥作用。数字平台还有助于人们找到工作，恢复劳动力市场的活力。当更多人换工作时(即使在公司内)，证据也表明工资在上涨。随着更多的工作和创收机会出现(包括零工经济)，我们需要解决福利的可携带性，工人分类和工资变化等问题。

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。在创造安全和富有成效的环境方面，这既是机遇也是挑战。组织也在发生变化，因为工作的协作程度更高了，各大公司希望变得越来越灵活并且去等级化。

重新思考收入。如果自动化(无论是全局自动化或局部自动化)确实导致就业和/或工资压力大幅减少，那么我们可以考虑并验证一些想法，如有条件转移，对流动性的支持，普遍的基本收入和顺应潮流发展的社会保障。关键是找到经济上可行的解决方案并将工作中的多种职责结合起来，包括这一系列做法——不仅提供收入，还赋予意义，人生目标和尊严。

反思对受影响的工人的过渡支持和安全保障。随着工作在不同部门，地点，活动和技能要求之间以更快的速度发展变化，许多工人将需要不同的帮助。我们有许多过渡安全保障的最佳实践方法可以使用，我们应采用和调整这些方法，同时应考虑和测试新方法。

投资于促进工作需求的因素。政府必须考虑加大本身就十分有益且能促进工作需求的投资(例如，基础设施，气候变化适应)。这些类型的工作(从建筑到重新布线的建筑物和安装太阳能电池板)往往是中等工资的工作，所以受自动化影响最大。

稳妥地接受人工智能和自动化。即使我们获得了这些快速发展的技术的生产力优势，我们也需要积极防范风险并减轻任何危险。数据的使用必须始终考虑到数据安全性，隐私，恶意使用和潜在的偏见问题，政策制定者，技术和其他公司以及个人必须找到解决这些问题的高效方法。

如今人人都能找到合适的工作，未来也一样，即使在实施了自动化的未来也是一样。然而，工作将会有所不同，因为需要新的技能，而且对劳动力的适应性要求远远超出我们所见。对于即将到来的挑战，对职业生涯中期的工人和新一代工人进行培训和再培训将成为当务之急。政府，私营部门的领导者和创新者都需要共同努力，更好地协调公共计划和私人计划(包括创造适当的激励措施)，从而更多地投资于人力资本。自动化和人工智能的未来将充满挑战，但如果我们从容不迫地利用技术并减轻其负面影响，那么未来将会更加丰富多彩。