自動化和人工智能(AI)正在改變企業，而且將通過對生產力所做的貢獻來促進經濟增長。它們還將有助于解決從健康到氣候變化等領域的巨大社會難題。

與此同時，這些技術將改變工作性質和工作場所本身。機器將能夠執行更多本來由人工執行的任務，補充人類所做的工作，甚至執行超出人類能力的任務。結果，有些職業將衰落，而另一些職業將增長，還會有更多職業發生變化。

雖然我們相信未來會有足夠多的工作(除各種極端情況外)，但社會需要應對重大的勞動力轉移和失業的問題。工人需要掌握新技能并在工作場所中適應功能越來越強大的機器。他們可能不得不從日益衰落的職業轉向興旺的職業，在某些情況下甚至轉向新的職業。

本行政簡報借鑒了麥肯錫全球研究院的最新研究成果，探討了工作場所自動化和人工智能的前景及其所面臨的挑戰，同時概述了政策制定者，公司和個人需要解決的一些關鍵問題。

自動化和人工智能并不是什么新鮮事物，但最近的技術進步正在將機器的能耐推向極致。我們的研究表明，社會需要這些改進來為企業提供價值，促進經濟增長并在我們最困難的社會難題中取得難以想象的進展。綜上所述：

除了傳統的工業自動化和先進的機器人之外，新一代功能更強大的自動化系統也出現在各種應用環境中，如行駛在道路上的自動駕駛車輛到雜貨店的自動結賬。大部分進步都是由系統和組件的改進推動的，包括機械，傳感器和軟件。人工智能近年來取得了特別大的進步，因為機器學習算法變得更加復雜并且利用了算力的劇增和可用于訓練它們的數據的巨幅增長。令人嘆為觀止的突破見諸于各大頭版頭條，其中有許多涉及計算機視覺，自然語言處理和圍棋(Go)等復雜游戲的人類無法企及的能力。

這些技術已經在各種產品和服務中產生了價值，各行各業的公司在一系列流程中使用它們來精準推薦產品，發現生產中的異常，識別欺詐性交易等等。最新一代人工智能技術的進步(包括解決分類，估算和聚類問題的技術)仍然有望帶來更多價值。我們對數百個人工智能用例所做的分析發現，部署人工神經網絡的最先進的深度學習技術每年的市值可以達到3.5萬億至5.8萬億美元，占所有分析技術所創造價值的40%。

在老齡化和不斷下降的出生率正在拖累增長的這樣一個時刻，人工智能和自動化技術的部署可以為提升全球經濟和促進全球繁榮做出巨大貢獻。勞動生產率增長(推動經濟增長的重要因素)在許多經濟體中已經放緩，從十年前美國和主要歐洲經濟體的2.4%降至2010年至2014年的平均值0.5%，而這發生在上一個生產力繁榮衰退之后的2008年的金融危機之后。人工智能和自動化有可能扭轉這種下降趨勢：未來十年，生產率增長可能每年達到2%，其中60%來自數字化方面的機遇。

人工智能也被用于材料科學，醫學研究和氣候科學的各個領域。將這些技術應用于這些學科和其它學科有助于解決社會的各種難題。例如，Geisinger的研究人員已經開發出一種算法，這種算法可以將顱內出血的診斷時間縮短96%之多。與此同時，喬治華盛頓大學的研究人員正在利用機器學習來更準確地衡量政府間氣候變化專門委員會使用的氣候模型。

人工智能和自動化仍面臨各種難題。這些限制有一部分是技術性的，例如需要大量的訓練數據并且難以將算法“推廣”到各個用例。最近的創新才剛剛開始解決這些問題。另一些難題則在于使用人工智能技術。例如，解釋機器學習算法所做出的決策在技術上十分困難，這對于涉及金融借貸或法律應用的用例尤其重要。訓練數據和算法中的潛在偏差以及數據隱私，惡意使用和安全性都是必須解決的問題。歐洲由于實施了《通用數據保護法規》而領先一步，該法規為用戶提供了更多的數據收集和使用方面的權利。

另一類難題涉及到組織是否有能力采用這些技術，其中人員，數據可用性，技術和流程的就緒程度方面往往會帶來困難。各行業和各國的技術采用已經十分不均衡。金融，汽車和電信行業引領了人工智能的采用。在諸多國家中，美國對人工智能的投資在2016年排名第一，多達150億至230億美元，其次是亞洲，其投資額為80億至120億美元，歐洲則以30至40億美元而落后。

即使人工智能和自動化為企業和社會帶來了好處，我們也必須準備好應對其對工作所帶來的顛覆。

我們對800多個職業的2000多項工作活動所做的分析表明，某類活動比另一類活動更容易實現自動化。這類活動包括高度可預測和結構化環境中的物理活動以及數據收集和數據處理。這些活動約占人們在所有部門開展的活動的半數。最不易受影響的類別包括管理他人，提供專業知識以及與利益相關者交流。

幾乎所有職業都將受到自動化的影響，但這些職業中只有5%能通過現有技術完全實施自動化。其實還有更多職業所包含的活動其實是可以自動化的：我們發現60%的職業中約30%的活動可以實現自動化。這意味著大多數工作人員(從焊工到抵押貸款經紀人再到首席執行官)將與快速發展的機器一起工作。這些職業的性質可能因此而發生改變。

自動化將取代一些工人。我們發現，2016 至2030年間約有15%的全球勞動力(即約4億工人)可能會因自動化而遭到取代。這反映了我們在預測采用速度和范圍方面的中點應用場景。在我們所建模的最快的采用情景中，這個數字上升到30%，即8億工作人員。而在最慢的采用情景中，只有約1000萬人遭到取代。

如此大的范圍突出了影響人工智能和自動化采用的步伐和范圍的多種因素。自動化的技術可行性只是第一個影響因素。其它因素包括部署成本;勞動力市場動態(包括勞動力供給數量，質量和相關工資);有助于商業案例的采用的勞動力替代以外的好處;最后還有社會規范和人們的接受程度。由于上述因素的差異(尤其是勞動力市場動態)，各國和各部門的采用將繼續存在顯著差異：在工資水平相對較高的發達經濟體(如法國，日本和美國)，自動化到2030年可能會取代20%到25%的勞動力，在中點采用情景中，勞動力的百分比是印度的兩倍多。

即使工人遭到取代，市場對工作和職位的需求也會增長。我們根據推動工作需求的幾個因素制定了延續到2030年的勞動力需求情景，包括收入增長，醫療支出的增長以及基礎設施，能源，技術開發和部署方面的持續投資或投資升級。這些情景表明，到2030年，全球對(5.55億和8.9億個工作崗位)勞動力的額外需求在21%至33%，這遠遠超過了失業人數。一些最大的收益將來自印度這樣的新興經濟體，那里的勞動年齡人口已經在迅速增長。

包括商業活力和生產力增長在內的額外經濟增長也將繼續創造就業機會。如果歷史可以作為指引的話，那么我們目前無法想象的許多其它新職業也將陸續出現并且有可能占到2030年創造的就業機會的10%。此外，技術歷來是純粹的就業創造者。例如，在20世紀70年代和80年代，個人計算機的引進不僅為半導體制造商創造了數百萬個工作崗位，而且為所有類型的軟件和應用程序開發人員，客戶服務代表和信息分析師創造了數百萬個工作崗位。

隨著機器逐漸填補人工，局部自動化將變得更加普遍。例如，能夠以高精度讀取診斷掃描圖的人工智能算法將有助于醫生診斷患者病例并確定合適的治療方案。在其他領域，工作內容單調重復的崗位可能會朝這樣一個模型發展——管理自動化系統并對其進行故障排除。以零售商亞馬遜為例，曾經負責搬運和堆放物品的員工正在成為機器人操作員，他們負責監控自動化機器臂并解決物品流動中斷等問題。

依據大多數情景來看，雖然我們預計2030年將有足夠的工作崗位來確保充分就業，但伴隨自動化和人工智能采用的轉變是十分重要的。大量不同的職業將發生變化，技能和教育要求也將發生變化。我們需要重新設計工作以確保人們高效地與機器協作。

自動化將加速我們在過去15年見證的所需勞動力的技能轉變。企業對編程等高級技術技能的需求將迅速增長。社交，情感和高級認知技能(如創造力，批判性思維和復雜的信息處理)也將不斷增長。基本的數字技能需求一直在增加，這種趨勢將繼續并加速。企業對身體和手工技能的需求將下降，但在許多國家，這方面的技能在2030年仍是最大的勞動力技能類別。這將對業已存在的勞動力技能方面的難題以及對新的資格認證體系的需求造成額外的壓力。雖然一些創新的解決方案正在浮出水面，但我們仍需要能夠與挑戰難度匹敵的解決方案。

我們的研究表明，在中點采用情景中，大約3%的全球勞動力需要在2030年前改變職業類別，盡管各種情景的采用徘徊于0%到14%不等。其中一些變化將發生在公司和部門內部，但許多變化將發生在各個部門甚至各個地區之間。在高度結構化的環境或數據處理或收集中由身體活動組成的職業將會出現下降。不斷增長的職業將包括那些難以自動化的活動，如管理者以及那些處于不可預測的物理環境中的人，如水管工。其他呈增長趨勢的職業包括教師，護理助手，科技和其他專業人士。

隨著智能機器和軟件更深入地集成到工作場所，工作流程和工作場所將不斷發展，使人類和機器能夠協同工作。例如，隨著自助結賬機器進駐商店，收銀員可以成為協助客戶結賬的助手，他們可以幫助回答問題或對機器進行故障排除。更多系統級解決方案將促使人們反思整個工作流程和工作場所。倉庫設計可能會發生顯著變化，因為某些部分的設計主要適用于機器人和其他人，從而促進安全的人機交互。

職業組合的變化可能會導致薪資水漲船高。發達經濟體目前的許多中等工資崗位主要是高度自動化的活動(例如制造業或會計業)，這些活動可能會衰退。高薪工作崗位將大幅增加，特別是對于技能嫻熟的醫療人員，技術人員或其他專業人員，但大量工作崗位有望誕生(包括教師和護理助手，通常具有較低的工資結構)。風險就在于，自動化可能會加劇工資的兩極分化，收入不平等以及刻畫過去十年中發達經濟體的欠收，由此引發社會和政治方面的緊張局勢。

大多數國家已經面臨著這樣一個難題，即對其勞動力進行充分的教育和培訓以滿足雇主當前的需求。在過去二十年中，經合組織(OECD)的成員國在工人教育和培訓方面的支出一直在下降。工人過渡和失業援助的支出也以GDP百分比的形式持續縮減。我們在過去十年學到的一個經驗教訓就是，雖然全球化可能使經濟增長和作為消費者的人們受益，但工人的工資和失業的影響卻沒有得到充分解決。大多數分析(包括我們自己的分析)表明，這些問題的規模可能會在未來幾十年持續增大。我們過去也見證了大規模的勞動力轉移對工資所產生的持久影響;在19世紀的工業革命期間，盡管生產力提高了，但英國的工資在長達半個世紀的時間里仍然停滯不前——這種現象被稱為“恩格斯停頓”，這一術語命名自發現該現象的德國哲學家恩格斯。

在尋求應對這些難題的適當措施和政策時，我們不應該倒行逆施或減緩技術的傳播。公司和政府應該利用自動化和人工智能，從績效的提升和生產力貢獻以及社會效益中受益。這些技術將創造有助于社會管理勞動力轉型的經濟盈余。相反，重點應放在能確保勞動力轉移盡可能順利的方法上。這可能需要在幾個關鍵領域采取可操作且可擴展的解決方案：

確保強勁的經濟和生產力增長。強勁的增長并不是解決自動化難題的靈丹妙藥，但這是就業增長和日益繁榮的先決條件。生產力增長是經濟增長的重要因素。因此，發掘投資和需求以及實現生產力貢獻的自動化至關重要。

促進業務活力。企業精神和新業務快速形成不僅可以提高生產力，還可以推動就業機會的產生。適合小型企業的活力十足的環境以及適合大型企業的競爭環境可以促進業務活力并通過這種方式促進就業增長。加快新業務的形成速度和企業(無論規模大小)競爭力發展的速度需要更簡單且不斷發展的法規，稅收和其它激勵措施。

不斷發展的教育系統和工作場所變革的知識。與教育提供者(無論是傳統和非傳統意義上的教育提供者)和雇主合作的政策制定者可以通過學校系統和得到改善的在職培訓來提高基本的STEM(科學，技術，工程和數學)技能。我們必須重點關注創造力，批判性思維和系統思維以及適應性學習和終身學習。我們需要大規模的解決方案。

投資于人力資本。扭轉疲軟的趨勢。在某些國家，對工人培訓的公共投資的下降是十分危險的。政策制定者可以通過稅收優惠和其他激勵措施來鼓勵企業投資人力資本(包括創造就業機會，學習和能力培養以及工資增長)，類似于私營部門投資其他資本(包括研發)的激勵措施。

改善勞動力市場活力。能夠使工人與工作，資格認證相匹配的信號在大多數經濟體中都能很好地發揮作用。數字平臺還有助于人們找到工作，恢復勞動力市場的活力。當更多人換工作時(即使在公司內)，證據也表明工資在上漲。隨著更多的工作和創收機會出現(包括零工經濟)，我們需要解決福利的可攜帶性，工人分類和工資變化等問題。

重新設計工作。工作流設計和工作空間設計需要適應人機緊密合作的新時代。在創造安全和富有成效的環境方面，這既是機遇也是挑戰。組織也在發生變化，因為工作的協作程度更高了，各大公司希望變得越來越靈活并且去等級化。

重新思考收入。如果自動化(無論是全局自動化或局部自動化)確實導致就業和/或工資壓力大幅減少，那么我們可以考慮并驗證一些想法，如有條件轉移，對流動性的支持，普遍的基本收入和順應潮流發展的社會保障。關鍵是找到經濟上可行的解決方案并將工作中的多種職責結合起來，包括這一系列做法——不僅提供收入，還賦予意義，人生目標和尊嚴。

反思對受影響的工人的過渡支持和安全保障。隨著工作在不同部門，地點，活動和技能要求之間以更快的速度發展變化，許多工人將需要不同的幫助。我們有許多過渡安全保障的最佳實踐方法可以使用，我們應采用和調整這些方法，同時應考慮和測試新方法。

投資于促進工作需求的因素。政府必須考慮加大本身就十分有益且能促進工作需求的投資(例如，基礎設施，氣候變化適應)。這些類型的工作(從建筑到重新布線的建筑物和安裝太陽能電池板)往往是中等工資的工作，所以受自動化影響最大。

穩妥地接受人工智能和自動化。即使我們獲得了這些快速發展的技術的生產力優勢，我們也需要積極防范風險并減輕任何危險。數據的使用必須始終考慮到數據安全性，隱私，惡意使用和潛在的偏見問題，政策制定者，技術和其他公司以及個人必須找到解決這些問題的高效方法。

如今人人都能找到合適的工作，未來也一樣，即使在實施了自動化的未來也是一樣。然而，工作將會有所不同，因為需要新的技能，而且對勞動力的適應性要求遠遠超出我們所見。對于即將到來的挑戰，對職業生涯中期的工人和新一代工人進行培訓和再培訓將成為當務之急。政府，私營部門的領導者和創新者都需要共同努力，更好地協調公共計劃和私人計劃(包括創造適當的激勵措施)，從而更多地投資于人力資本。自動化和人工智能的未來將充滿挑戰，但如果我們從容不迫地利用技術并減輕其負面影響，那么未來將會更加豐富多彩。