麦肯锡：未来的工作新局面：欧洲及其他地区部署AI和提升技能的竞赛

概要

在劳动力市场趋紧和生产率增长放缓的情况下，欧洲和美国在人工智能和自动化的推动下面临着劳动力需求的变化。我们对未来工作的最新模型发现，对 STEM 相关、医疗保健和其他高技能职业的工人的需求将会上升，而对办公室工作人员、生产工人和客户服务代表等职业的需求将会下降。到 2030 年，在中点采用场景中，当前工作时间的 30% 可以实现自动化，并通过生成人工智能 (gen AI) 加速实现。实现净零排放的努力、劳动力老龄化、电子商务的增长、基础设施和技术支出以及整体经济增长也可能改变就业需求。

到 2030 年，欧洲可能需要多达 1200 万人进行职业转型，是大流行前的两倍。在美国，所需的过渡可能达到近 1200 万人，符合大流行前的标准。在 COVID-19 疫情最严重的时期，这两个地区都经历了更高水平的劳动力市场转变，这表明它们有能力应对未来如此规模的就业转变。欧洲国家的职业变化速度大致相似，尽管具体的组合反映了它们的经济差异。

企业将需要重大技能升级。随着对体力和体力以及更高认知技能的需求稳定，对技术、社交和情感技能的需求可能会上升。接受调查的欧洲和美国高管表示，他们不仅需要先进的 IT 和数据分析，还需要批判性思维、创造力以及教学和培训技能，而他们认为这些技能目前供不应求。公司计划将重点放在对工人的再培训上，而不是雇用或分包，以满足技能需求。

随着欧洲和美国的需求重新转向工资较高的职业，工资较低的工人面临重新部署的挑战。工资较低的职业可能会出现需求减少，工人将需要获得新技能才能过渡到报酬更高的工作。如果这种情况没有发生，劳动力市场将面临更加两极分化的风险，即高工资工作岗位数量多于工人数量，而现有的低工资工作岗位数量过多。

今天做出的选择可以重振生产力增长，同时创造更好的社会成果。通过积极主动地重新部署工人，走上加速技术采用的道路，可以帮助欧洲到 2030 年实现高达 3% 的年生产率增长率。然而，缓慢的采用将把这一数字限制在 0.3%，更接近西欧今天的生产率增长水平。工人重新部署缓慢将导致数百万人无法有效地参与未来的工作。

到 2030 年，一系列职业的需求将发生变化，包括 STEM 和医疗保健相关职业的增长等

本报告重点关注欧盟和英国九个主要经济体的劳动力市场，并与美国进行比较。技术，包括最近新一代人工智能的兴起以及其他因素，将刺激到 2030 年劳动力需求模式的变化。我们的研究使用麦肯锡全球研究所未来工作模型的更新版本，旨在量化劳动力需求模式的变化。所需的职业转型以及对不同类型工作和技能的需求性质的变化。

在劳动力市场趋紧和生产率增长放缓的情况下，欧洲和美国面临着劳动力需求的变化，这不仅受到人工智能和自动化的推动，还受到其他趋势的推动，包括实现净零排放的努力、人口老龄化、基础设施支出、技术投资和电子商务的增长等（参见侧边栏“我们的方法论”）。

我们的分析发现，2022 年至 2030 年间，对卫生专业人员和其他 STEM 相关专业人员等职业的需求将增长 17% 至 30%（图表 1）。

图表 1

相比之下，食品服务、生产工作、客户服务、销售和办公室支持领域的工人需求（所有这些在 2012-22 年期间均有所下降）将继续下降，直到 2030 年。这些工作涉及大量重复性任务，数据收集和基本数据处理——自动化系统可以有效处理的所有活动。

到 2030 年，在人工智能的推动下，多达 30% 的工作时间将实现自动化，从而导致数以百万计的人员需要进行职业转型

我们的分析发现，到 2030 年，欧洲目前大约 27% 的工作时间和美国 30% 的工作时间可以通过新一代人工智能加速实现自动化。我们的模型表明，即使没有人工智能，大约 20% 的工作时间仍然可以实现自动化，这意味着显着的加速。

这些趋势将以工人需要改变职业的形式在劳动力市场上显现出来。到 2030 年，在我们建模的更快采用情景下，欧洲可能需要多达 1200 万人进行职业转型，影响当前就业的 6.5%。这是大流行前速度的两倍（图表 2）。在我们为欧洲建模的较慢情景下，所需的职业转型人数将达到 850 万人，影响当前就业的 4.6%。在美国，需要转型的人数可能达到近 1200 万人，影响当前就业人数的 7.5%。与欧洲不同，这种转变的幅度与大流行前的常态基本一致。

图表2

在 COVID-19 疫情最严重的时期，这两个地区的劳动力市场变化程度甚至更高。虽然这些对许多人来说是突然和痛苦的，但考虑到这种转变的被迫性质，经验表明，这两个地区都有能力应对未来如此规模的工作转变。

企业将需要重大技能升级

上述职业转变预示着自动化和人工智能融入工作场所的未来劳动力技能将发生重大转变（图表 3）。工人使用多种技能来执行给定的任务，但为了量化的目的，我们确定了所使用的主要技能。

图表3

根据我们自动化采用的中点情景（这是欧洲更快的情景），欧洲和美国对技术技能的需求可能会大幅增长（与 2022 年相比，到 2030 年工作时间分别增加 25% 和 29%） ）。

欧洲对社交和情感技能的需求可能会增长 11%，而美国则可能增长 14%。这种增长的背后是对需要人际同理心和领导技能的角色的更高需求。在不断发展的经济中，这些技能对于医疗保健和管理角色至关重要，需要更大的适应性和灵活性。

相反，对以基本认知技能为主的工作的需求预计将下降 14%。办公室支持或客户服务角色主要需要基本的认知技能，这些角色很容易被人工智能自动化。以这些基本认知技能为特征的工作需求大幅下降，其中包括基本数据处理和识字、算术和沟通能力。

根据我们的分析，对较高认知技能占主导地位的工作的需求也可能略有下降。虽然创造力预计仍将受到高度追捧，到 2030 年可能增长 12%，但以其他高级认知技能（如高级识字和写作，以及定量和统计技能）为特征的工作活动可能会下降 19%。

另一方面，对体力和手工技能的需求可能与目前大致持平。这些技能仍然占劳动力技能的最大份额，约占 2022 年总工作时间的 30%。2022 年至 2030 年间对这些技能的需求增长可能来自基础设施的建设和对低排放行业的更多投资，而下降将与生产工作的持续自动化相一致。

企业高管报告今天的技能短缺并预计情况会进一步恶化

我们对五个国家的高管进行的一项调查显示，公司已经在应对技能挑战，包括技能不匹配，特别是在技术、高级认知以及社交和情感技能方面：1,100 多名受访者中约有三分之一报告这些关键领域的不足。与此同时，相当多的高管表示，他们有足够的员工具备基本的认知技能，以及较小程度的体力和体力技能。

在技术技能方面，我们调查的公司表示，他们最严重的短缺是高级 IT 技能和编程、高级数据分析和数学技能。在较高的认知技能中，批判性思维、问题构建以及复杂信息处理方面存在显着缺陷。约 40% 的受访高管指出缺乏具备这些技能的员工，而这些技能是与新技术一起工作所必需的（图表 4）。

图表4

公司将再培训视为获取所需技能和适应新工作环境的关键

接受调查的高管预计，他们的劳动力技能水平将发生重大变化，并担心到 2030 年找不到合适的技能。超过四分之一的调查受访者表示，未能掌握所需技能可能会直接损害财务业绩，并间接阻碍他们利用价值的努力来自人工智能。

为了获得所需的技能，公司有三个主要选择：再培训、雇用和承包工人。我们的调查表明，高管们正在考虑所有三种选择，其中最广泛报道的解决技能不匹配策略是再培训：平均而言，在将再培训作为解决技能不匹配策略之一的公司中，高管表示他们将进行再培训32% 的劳动力。再培训需求的规模程度不同。例如，汽车行业的受访者预计 36% 的员工将接受再培训，而金融服务行业的这一比例为 28%。在那些提到雇用或承包作为解决技能不匹配问题的策略的高管中，接受调查的高管表示，他们将平均雇用 23% 的员工，并平均雇用 18% 的员工。

职业转型将对高、中、低工资工人产生不同的影响

我们为本报告考察的所有十个欧洲国家可能都会看到对高收入职业的需求不断增加。相比之下，我们的分析发现，与最高工资收入者相比，两个最低工资职业的工人更换职业的可能性可能是最高工资者的三到五倍。在美国，这种差距要大得多，从事两种最低工资职业的工人面临职业转变的可能性是最高收入工人的 14 倍。在欧洲，中等工资人口受到职业转型的影响可能是美国同等人口的两倍，占可能面临职业转型的工作人口的7.3%。

在快速部署技术的同时增强人力资本可以促进年度生产率增长

组织和政策制定者可以做出选择；他们处理人工智能和自动化以及人力资本增强的方式将影响经济和社会成果。

我们试图在高水平上量化人工智能部署的不同立场对欧洲生产力的潜在影响。我们的分析考虑两个维度。首先是人工智能和自动化技术的采用率。我们考虑技术采用的较快场景和较晚场景。更快的采用将释放更大的生产力增长潜力，但也可能比后期情况带来更多的短期劳动力中断。

我们考虑的第二个维度是重新部署到经济中的自动化工人时间的水平。这代表了重新部署自动化和生产力提升所获得的时间的能力（例如，新任务和创造就业机会）。这可能会有所不同，具体取决于工人培训计划和匹配劳动力市场供需的策略的成功与否。

我们的分析基于两种可能的情景：要么所有失业工人能够以与 2022 年类似的生产率水平完全重新加入经济，要么只有约 80% 的自动化工人时间将被重新部署到经济中。

图表 5 说明了年生产率增长率的各种结果。右上象限显示了整个经济体的最高生产率，年生产率增长率高达 3.1%。它需要快速采用技术以及全面重新部署失业工人。左上象限还展示了技术的快速采用，并显示出相对较高的生产率增长率（高达 2.5%）。然而，大约 6.0% 的总工作时间（相当于 1020 万人没有工作）不会在经济中重新部署。最后，底部的两个象限描述了未能采用人工智能和自动化，导致生产力提高有限并转化为劳动力市场的有限破坏。

图表5

公司的四个优先事项

自动化技术的采用对于保护企业在自动化和人工智能时代的竞争优势具有决定性作用。为了确保在公司层面成功部署，业务领导者可以考虑四个优先事项。

了解潜力。领导者需要了解这些技术的潜力，特别是包括人工智能和新一代人工智能如何增强和自动化工作。这包括估计这些技术可以释放的总容量及其对角色构成和技能要求的影响。了解这一点可以帮助企业领导者制定与这些技术相关的端到端战略和采用目标。

规划战略性劳动力转移。一旦了解了自动化技术的潜力，领导者就需要规划公司的转变，为自动化和人工智能时代做好准备。这需要根据战略确定的用例来确定劳动力和技能需求的规模，以评估未来潜在的人才缺口。通过该分析，我们将详细了解新人才的招聘程度、当前劳动力所需的技能提升或再培训，以及将释放的产能重新部署到更具附加值的任务的位置。

坚持以人为本。为了确保在所有转型阶段都有合适的人才来维持公司战略，领导者可以考虑加强他们在紧张的市场中识别、吸引和招聘未来人工智能和新一代人工智能领导者的能力。他们可能还需要加快劳动力中人工智能和新一代人工智能能力的建设。非技术人才也需要培训以适应不断变化的技能环境。最后，领导者可以部署人力资源战略和运营模式，以适应后一代人工智能劳动力。

追求自动化技术的高管教育之旅。领导者还需要进行自己的自动化技术教育之旅，以便在即将到来的转型期间最大限度地为公司做出贡献。这包括授权高级管理人员探索自动化技术的影响以及随后为其他人树立的榜样，以及将所有公司领导者聚集在一起创建专门的路线图以推动业务和员工价值。

人工智能和先进新技术的工具箱正在以惊人的速度发展。对于公司和政策制定者来说，这些技术非常引人注目，因为它们有望带来一系列好处，包括更高的生产率，从而促进增长和繁荣。然而，正如本报告试图说明的那样，充分利用所提供的优势还需要关注人力资本的关键要素。在最好的情况下，工人的技能将得到发展并适应新的技术挑战。在我们的新技术时代实现这一目标将极具挑战性，但好处将是巨大的。

报告下载：https://hy.chnmc.com/EMBA/HR/2024-05-22/15066.html

或者扫码下载：

关于作者

Eric Hazan 是麦肯锡驻巴黎的高级合伙人； Anu Madgavkar 和 Michael Chui 分别是麦肯锡全球研究院的合伙人，总部位于新泽西州和旧金山；斯文·斯密特 (Sven Smit) 是麦肯锡全球研究院主席，也是麦肯锡驻阿姆斯特丹的高级合伙人； Dana Maor 是麦肯锡驻特拉维夫的高级合伙人； Gurneet Singh Dandona 是纽约的副合伙人兼高级专家； Roland Huyghues-Despointes 是一位驻巴黎的顾问。