在麦肯锡最新关于美国就业情况的报告中，研究者深入分析了生成式人工智能与办公自动化对未来就业的影响。数据统计数据截止到今年 4 月，因此大模型的影响也被考虑在内。麦肯锡研究院承认，生成式人工智能展现出了一部分原先人类所特有的能力，并为加速美国实现办公自动化而助力。
那么，自动化带来的人员精简，是否是人工智能冲击就业的信号呢？事实上，最容易受到生成人工智能影响的职业类别可能在2030年之前还会继续增加就业机会，尽管它的采用可能会减缓其增长速度。尽管研究人员不能明确排除人工智能造成失业的可能，但可以肯定的是，新的生产力必然会推动经济和就业增长。
除此之外，未来，将会产生哪些岗位需求？哪些岗位正在逐渐消失？哪些岗位更加不易被取代？报告给出了以下几点预测。
在大流行期间（2019-2022 年），美国劳动力市场出现了 860 万次工作跳槽，比前三年增加了 50%。大多数涉及从事食品服务、线下销售和办公室支持的人群。
到2030年，占美国经济目前工作时间 30% 的活动或可实现自动化——这一进程正在被生成人工智能加速。然而，我们看到生成人工智能丰富了 STEM、创意以及商业和法律专业人士的工作方式，而不是完全接手他们的工作。自动化的最大可能会影响到其它工作类别。办公室支持、客户服务和食品服务就业因此可能会继续下降。
联邦将继续投资以解决气候和基础设施以及结构性转变问题，这将改变劳动力需求。净零转型（The net-zero transition，指即平衡温室气体清除和温室气体排放，使整体净排放为零）将使就业从石油、天然气和汽车制造业转向绿色产业，以实现适度的就业净增长。基础设施项目将增加建筑业的需求，目前建筑业已经短缺近 400 万名工人。我们还看到，随着人口老龄化进程加快，医护人员、电子商务运输服务人员的需求也随之增加。
到 2030 年，职业转型次数或将再增加 1200 万次。随着人们辞掉岗位紧缩的工作，盈利机会可能会重新向高薪工作倾斜。从事低薪工作的工人需要改变职业的可能性是高薪职业的工人的 14 倍，而且大多数人需要额外的技能才能成功做到这一点。女性从事新职业的可能性是男性的 1.5 倍。
美国将需要更大规模的劳动力发展，雇主则应当采取更广泛的招聘方式。雇主需要招聘具有职业技能和工作能力的人，而不是一纸证书。同时，还要关注像农村工人和残疾人那些易被忽视的人群，并为其提供相应培训以适应不间断的变化。
美国劳动力市场正在经历就业人群和工作方式的快速演变。在MGI发布上一份关于美国未来工作报告的几个月后，大流行席卷了全世界。从那以后，美国就业市场从经济萧条的冲击中渐渐恢复了过来。由于许多工作性质发生变化，更多工人坚持使用远程或混合模式上下班，这也使得雇主们加快了自动化技术的采用。最近，生成式人工智能的加速发展，凭借其先进的自然语言功能，将自动化的可能性扩展到更广泛的职业。
在此期间中，人们正在以惊人的速度换工作 ——一部分人的工作性质取得了较大的飞跃，进入了完全不同的行业。从2019 年到 2022 年，发生了大约 860 万次工作跳槽。现在，更多的变化正在酝酿之中。我们预计到 2030 年将增加 1200 万次工作跳槽。到 2030 年，转型总数可能比我们两年多前的预测还要高出 25%。
多种力量将推动某些职业的增长，并侵蚀其它岗位的就业机会。它们通常分为三类：包括生成式人工智能驱动的办公自动化；工业净零转型和基础设施建设；包括老龄化、数字化在内的长期结构性需求驱动。我们没有预测短期内商业周期对总就业的影响；相反，我们关注的是这些力量如何长期重塑劳动力需求的构成。
在大多数职业（雇用了 75% 的劳动力）中，大流行加速了职业转变的进程，这一趋势原本可能持续到本世纪末。在经济衰退期间受到打击的职业可能会随着时间的推移持续萎缩。其中包括受电子商务和办公室白领工作内容转变而受影响的、面向客户的角色。这些角色可以通过自动化或精简人员、远程上班等方式取代。到 2030 年，食品服务、客户服务和销售、办公室白领工作岗位数量下降的可能占预计的 1200 万次跳槽的近 84%，及接近 1000 万次。
相比之下，商业和法律专业，管理、医疗保健、运输等职业在大流行期间显现出了很强的韧性，并有望持续增长。预计到 2030 年，这些类别的工作跳槽将少于 100 万次。
除了上述两种情况，其余的行业中还会产生约 100 万次的职业转变。对于这些行业来说，大流行是暂时的逆风。教育和培训等领域的就业在未来几年将会增加，以适应当前全球对早期教育和终身学习持续需求的扩大。在疫情高峰期，行业对建筑工人的需求也停滞不前，但在这之后，预计将强劲反弹。
我们早期研究中所评估的变化发生得更快，而且规模甚至比预期的还要大。因此，解决职业地域性不匹配问题，加速推进培训效能以帮助人们找到前景更好的工作，应当尽早提上日程。事实上，工人们有愿意转变职业道路，而劳动力市场趋紧则鼓励公司从更广泛的群体中招贤纳士。这一事实有理由让我们对未来的就业市场充满信心。
在大流行期间，辞职率飙升至新高，2021 年约有 4800 万美国人离职，2022 年有 5100 万。人们离职后的去向，从这份数据中还并不能完全显现。有些人得到了更好的工作，薪水变得更高。也有一些人离开了劳动力市场，无论是出于经济萧条还是出于个人健康原因，目前尚不清楚他们是否会或何时返回职场。
疫情后，总就业人数创下历史新高，许多雇主遇到招工短缺问题。截至 2023 年 4 月，仍有约 1000 万个职位空缺；劳动力参与率有所上升，但比大流行前的水平低 0.7 个百分点。这意味着大约 190 万人既没有就业也没有积极寻找工作。这个空缺，来自于二十年内长期延续的就业率下滑。
在未来，劳动力供应可能会继续受到限制，因为到 2030 年，四分之一的美国人将达到退休年龄或更高。如果没有更高的就业率、更多的移民或有意义的生育率增长，随着经济和人口的增长，劳动力短缺将成为一个持久的问题。这仍然是市场、经济学家和雇主面临的一个悬而未决的问题。
虽然人们大多数注意力都集中在了大流行期间飙升的戒烟率上，但也发生了一些更具结构性的事情。一部分人所做的不仅仅是更换雇主；他们完全跳槽进入了不同的行业。根据就业的净增加和减少，从 2019 年到 2022 年发生了约 860 万次工作跳槽，比前三年增加了50%。虽然无法追踪个人的调动，但数据表明，许多人跳槽之后，在其他行业中找到了薪水更高的工作。
这些转变大部分来自离开食品服务、客户服务和销售、办公室支持和生产工作（如制造业）行业的人。与此同时，从 2019 年到 2022 年，管理和专业角色以及运输服务总共增加了近 400 万个工作岗位。我们之前的研究已经预料到这些类型的变化会在更长的时间范围内发生，但大流行突然加速了事情的发展。2019 年到 2022 年，人们的工作结构发生的结构性转变，将是整个21世纪人类工作结构变革的预览。
更多的高薪工作，更少的人从事低薪的服务工作
中低工资职业的总体就业人数已从大流行前的水平下降，而年薪超过 57，000 美元的职业增加了约 350 万个工作岗位。然而，目前尚不清楚有多少高薪职位由升职者填补，有多少是由新进入劳动力市场的人填补的。与此同时，低工资职位空缺的数量并没有减少。对低工资服务工作的需求仍然存在，但接受这些工作的人越来越少。
从过去三年的工作转换和职业转变中可以清晰地看出，美国劳动力市场适应了更高水平的动态流动。需求激增和劳动力稀缺迫使许多雇主考虑有潜力的非传统候选人，并在他们缺乏直接经验时对其进行培训。虽然这在未来可能不会成立，但雇主和工人都可以利用他们所学到的知识，使得自身获得快速调整和接纳新领域的潜力。
自动化，从工业机器人到自动化文档处理系统，仍然是改变各种行业需求的最大因素。生成式人工智能既加速了自动化，又将其扩展到一系列全新的维度。虽然这项技术正在迅速发展，但其它力量也在影响劳动力需求。总体而言，预计到本世纪末，美国的职业组合将发生重大变化。
自动化和生成式 AI 的影响
随着最近引入的生成式 AI 工具，自动化实现飞跃式发展。「生成」是指这些工具可以识别大量数据集中的模式并生成新内容—— 这种能力通常被认为是人类独有的。他们最引人注目的进步是自然语言能力，这是大量工作活动所必需的。虽然 ChatGPT 专注于文本，但来自主要平台的其它 AI 系统可以生成图像、视频和音频。
尽管生成式人工智能仍处于早期阶段，但企业的潜在应用是重要而广泛的。生成式 AI 可用于编写代码、设计产品、创建营销内容和策略、简化运营、分析法律文件、通过聊天机器人提供客户服务，甚至协助科学发现。它可以单独使用，也可以与「循环中的人类（人机协同的办公场景）」一起使用 ——鉴于其目前的成熟程度，后者目前更有可能。
所有这些都意味着自动化将影响更广泛的工作活动，涉及专业知识、与人的互动和创造力。自动化采用的时间表将会加速提上日程。我们的研究估计，如果没有生成人工智能，到 2030 年，自动化可能会接管占美国经济工作时间 21.5% 的任务；有了它，这一比例现在已经跃升至29.5%。
影响未来劳动力需求的其他因素
当然，自动化不是在真空中发生的。其它趋势正在影响对某些职业的需求，我们预计到 2030 年职业组合将发生重大变化，医疗保健、STEM 和管理职位将增加，客户服务、办公室支持和食品服务方面的工作将减少。
联邦投资：最近的联邦立法正在推动其它影响就业领域的势头和投资。实现净零排放目标是这些优先事项之一。大约 350 万人位可能因整个经济的直接和间接影响而流离失所。但在宏观层面，这些损失会被 500 万个工作岗位的增加所抵消，这些工作岗位主要是由可再生能源的资本支出主导的。净零转型可能对就业产生利好因素，但这些工作可能位于不同的地方，需要不同的技能。
同样，对全国各地基础设施项目的重大投资将增加建筑业就业，从 2020 年到 2030 年，就业人数可能增长 12%。然而，该行业在 2023 年 4 月已经有大约 383000 个空缺职位。必须解决这一短缺问题，才能使基础设施项目从东海岸到西海岸实现投入使用。
CHIPS 和科学法案正在为半导体制造以及研发和科学研究提供额外资金。与此同时，一些公司一直在调整其供应链，导致国内制造业人才需求上升。虽然制造业可能会在未来几年提振整体就业需求，但该行业正变得更加高科技。它将涉及比过去更少的传统生产工作，但涉及更多具有技术和 STEM 技能的工人。
其它结构性趋势：与此同时，收入和教育水平上升等其它趋势将维持就业。人口老龄化将需要更多的医护人员担任多种角色，而正在进行的数字化经济进程将需要在每个部门增加更多的技术工作者。
综上所述，工作组合正在发生变化，我们预计还会发生 1200 万次工作跳槽。
最近几个月最大的问题之一是生成人工智能是否会取代人类。我们的研究并没有使我们得出这个结论，尽管我们不能明确排除人工智能造成失业的可能，但至少在短期内，不会。技术进步往往伴随着旧物的逝去，但螺旋上升的历史告诉我们，新的事物终究会推动经济和就业增长。
这项研究没有预测未来的综合就业水平；相反，我们对劳动力需求的各种驱动因素进行了建模，以研究工作组合可能如何变化 —— 这些结果会产生部分收益和损失。事实上，最容易受到生成人工智能影响的职业类别可能会在 2030 年之前继续增加就业机会，尽管它的采用可能会减缓其增长速度。即使自动化占据主导地位，投资和结构性驱动因素也将支持就业。我们可以肯定地说，对知识工作者的最大影响是，生成式人工智能可能会显著改变他们的工作内容。
医疗保健行业迎来最大幅增长，STEM从业人员需求增加
预计在未来，最大的就业增长会来自于医疗保健行业，这是一个已经不平衡的行业。截至 2023 年 4 月，有 190 万个职位空缺。我们估计，卫生助理、卫生技术人员和卫生工作者可能需要增加 350 万个工作岗位，另外还需要 200 万医疗保健专业人员。
到 2030 年，我们进一步估计对 STEM 工作（科学 Science、技术 Technology、工程 Engineering、数学 Math 结合的跨学科综合教育）的需求将增加 23%。尽管科技行业的裁员在 2023 年成为头条新闻，但随着经济继续数字化，这并没有改变各种规模和行业的公司对技术人才的长期需求。例如，银行、保险、制药和医疗保健行业的雇主正在进行重大的数字化转型，需要具有高级技能的技术工人。此外，预计到 2023 年，运输服务类别的就业增长将达到 9%。
自动化或将取代重复性作业工种
未来最大的失业可能发生在办公室支持、客户服务和食品服务方面。我们估计，对文员的需求上，除了零售销售人员损失 160 万岗位外，行政助理将损失约 83 万个，出纳员损失约 71 万个，总计可能减少约 630 万个工作岗位。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所有这些活动。我们的分析还发现，尽管美国制造业整体上升，但生产工作岗位略有下降，这是因为该行业需要更少的传统生产工作，但需要更多熟练的技术和数字角色。
我们估计，到 2030 年，目前从事需求缩减的职业的 1180 万人可能会进入不同的工作领域。其中大约 900 万人可能最终进入不同的职业类别。考虑到已经发生的事情，这将使本世纪末的职业转型总数比我们之前的估计高出近 25%，从而在整个经济中的就业组合中产生更明显的变化。
总体而言，我们预计需要更高教育和技能水平的工作需求将进一步增长，而通常不需要大学学位的职位需求将下降。
将美国人年均收入划分为多个档次，最低的两档分别各占美国人口的五分之一（年收入低于30，800美元的人和年收入30，800美元至38，200美元的人），他们在本十年末需要改变职业的可能性分别是最高收入者的 10 倍和 14 倍。与在同一职业中寻找新工作相反，改变职业通常需要增加新技能并且更具挑战性。
今天，这两类人群的工作不成比例地由受教育程度较低的人、女性和有色人种担任。女性在办公室支持和客户服务中占很大比例，到 2030 年，这两个部门可能分别减少约 370 万个和 200 万个工作岗位。同样，黑人和西班牙裔工人高度集中在客户服务、食品服务和生产工作中一些萎缩的职业。
虽然我们的分析显示，到 2030 年，这两类人群的工作岗位将减少 100 万个，但工资最高的那五分之一的人的工作岗位可能会急剧增加，增加 380 万个。帮助从事低工资、萎缩职业的工人进入薪酬更高、更稳定的工作将需要广泛获得培训计划、有效的工作匹配、雇主的不同招聘和培训实践以及更好的地理流动性。
整个劳动力市场对社交情感和数字技能的需求将更高。尽管对基本认知和手工技能的需求可能会下降，但体力劳动并没有消失。它可能仍占花费时间的不到 31%，这是由运输服务，建筑和医疗保健等行业的增长推动的。
由于变革的步伐不太可能放缓，挑战将是帮助工人与未来的工作相匹配。虽然其中一些可能需要大规模合作，但个别公司可以通过调整自己的招聘和培训方法来填补许多空白。
通过自动化和生成式 AI 提高生产力
MGI 最近的研究重点是如何重新点燃美国的生产率增长。自动化和技能再培训对这项工作至关重要。自动化可以激发处于低迷时期的企业生产力，同时缓解劳动力短缺。
到 2030年，生成式人工智能有可能将美国的劳动生产率提高 0.5% 至 0.9% 。该范围反映了自动化释放的时间是重新部署到 2022 年的生产力水平还是 2030 年的水平，这两种情景都考虑到了 2030 年预期的职业组合。
将生成式人工智能与所有其他自动化技术相结合，潜在的增长可能会更大。在采用中位数评估的情况下，所有类型的自动化都有助于推动美国生产率每年增长 3% 至 4%。然而，这将需要公共和私营部门的利益相关者采取重大行动。工人在学习新技能方面需要支持，与生成人工智能相关的其他风险也需要减轻和控制。但是，如果工人的过渡和风险得到妥善管理，生成式人工智能可以为经济增长做出实质性贡献。
为了充分利用生成式人工智能的好处，使知识工作更有效率，雇主、政策制定者和更广泛的生态系统需要建立明确的指导方针和护栏——工人需要将这些工具视为工作增强器，而不是工作破坏者。当机器接管枯燥或不愉快的任务时，人们可能会留下更有趣的工作，这些工作需要创造力、解决问题和与他人合作。员工需要熟练掌握这些工具，重要的是，利用腾出的时间专注于更高价值的活动。例如，当管理者将更多的管理和报告任务自动化时，他们可以花更多的时间进行战略思考和指导。同样，研究人员可以通过依靠自动化工具来对大型数据集进行排序和综合，从而加快项目速度。
抢人大战，创新人才招聘策略
大多数雇主可以从在招聘中使用更广泛的视角中受益。组织可以评估候选人的学习能力、内在能力和可转移技能，而不是坚持尽可能接近空缺职位职责的先前经验。
雇用有潜力的人并在工作中培训他们可以解决劳动力短缺问题，并为需要的人提供机会。
大量的技能发展发生在工作中。MGI 之前的研究发现，在美国，工作经验占个人平均终生收入的 40%。对于没有教育证书、从低工资工作开始的人来说，通过工作经验学到的技能是一个更大的决定因素。
填补未来的工作岗位是使劳动力市场更具包容性的机会。雇主可能需要重新考虑某些证书要求是否真的必要。大约 60% 的美国工人拥有通过经验获得的技能，但缺乏四年制大学学位。像「撕纸天花板」这样的倡议通过提高雇主的意识和提供资源来支持有经验但没有学位的工人。
雇主还可以从经常被忽视的人群中招聘，例如希望重返工作岗位的退休人员、有就业缺口的人以及以前被监禁的人。例如，远程工作为无法通勤的残疾人和农村社区的人们提供了长期需要的机会。
优化社会岗位匹配机制，培训人才供给企业招工
在大流行期间，女性离开劳动力市场的人数相对高于男性。美国职业女性的数量花了整整三年的时间才完全反弹。许多从事低薪工作的女性有家庭义务，这可能会让她们觉得自己不能冒险回到学校或尝试新的职业。除了可以鼓励和帮助妇女进行职业过渡的招聘做法之外，对负担得起的儿童保育的需求仍然是一个主要障碍。为了解决这个问题，一些私营部门的雇主正在扩大儿童保育福利，而一些州和地方政府正在提供税收抵免、补贴或直接资金。此外，历史上男性主导的领域，如面临劳动力短缺的建筑，可以用更多的女性填补这些空白，从而改善这一过程中的多样性。
就业需求的一个关键领域是护理，这是关键的社会基础设施。我们预计，到本十年末，增长最快的两个职业将是护士和家庭保健助理。如上所述，儿童保育工作者为工薪家庭提供重要服务。但人们已经成群结队地离开了这些类型的工作。满足这些不断增长的需求可能取决于提高当今通常低薪工作的质量，这些工作几乎没有安全或晋升机会。
虽然大型雇主可能能够处理自己的培训需求，但整个国家技能再培训挑战的严重程度要求与行业团体、教育机构和非营利组织建立更广泛的合作伙伴关系，并激励人力资本投资。通过超越个别公司的努力来解决技能再培训的需求将有助于分散成本，解决雇主的担忧，这些雇主可能不愿意投资于随时会离职的员工的培训。
随着数以百万计的工作岗位可能被自动化所淘汰，在不同技能的领域创造更多工作岗位，美国需要广泛的有效培训计划以及可以帮助个人找到机会的工作匹配援助。许多举措已经到位，但关键是要大幅扩大有效的措施，并采取积极主动的方法来填补关键的短缺。一个仍处于早期阶段的有前途的解决方案涉及数字学习和就业记录 —— 一种数字微证书，可以记录单个工人如何获得技能，并随着时间的推移跨公司和时间进行翻译。
面对最近的挑战和快速变化，美国劳动力市场一直具有非凡的弹性。这种适应性也正是驾驭下一个十年所需要的，在帮助企业满足人才需求的同时支持个人，以便他们能够继续推动增长。
报告作者为：Kweilin Ellingrud、Saurabh Sanghvi、Gurneet Singh Dandona、Anu Madgavkar、Michael Chui、Olivia White、Paige Hasebe
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.