本文字稿由语音识别软件生成,可能包含错误。请对照音频核实其准确性。
Ravi Kumar,Cognizant 首席执行官:如今的商业模式、人才模式和工作岗位,都将重塑为新的岗位和新任务。
所以我认为,人工智能带来的最大转变是,前景变得完全模糊不清。
Robin Pomeroy,Radio Davos 主持人: 欢迎收听 Radio Davos,这是世界经济论坛推出的播客节目,探讨最重大的挑战,以及我们可能如何解决这些挑战。本周的话题是:人工智能究竟会对我们的工作产生什么影响?我们需要怎样的教育和培训体系,才能让当代和未来几代人做好准备?
Ravi Kumar: 过去的工作岗位正在迅速消失,未来的工作岗位则以较慢的速度到来。
Saadia Zahidi,世界经济论坛董事总经理: 目前全球劳动力中至少有11%需要获得支持,以有序地转岗,可能转入相邻行业,也可能转入完全不同的行业。
Robin Pomeroy: 科技服务公司 Cognizant 的首席执行官 Ravi Kumar 表示,在资金大量涌入人工智能技术的同时,也需要投入教育和培训。
Ravi Kumar: 再培训应成为基础设施体系的一部分,不能作为附带事项来做。你必须像看待算力和大语言模型访问权限一样看待再培训,把它纳入基础设施体系。
Robin Pomeroy: 世界经济论坛董事总经理 Saadia Zahidi 表示,没人应该怀疑变化正在迅速发生。
Saadia Zahidi:事情的进展可能比我们几年前想象的稍慢一些,但另一方面,它们的速度仍远超现有体系所能应对的范围。
Robin Pomeroy: 欢迎在你收听播客的平台关注 Radio Davos。我是 Robin Pomeroy,接下来我们将探讨人工智能对所有工作产生的实际影响……
Ravi Kumar: 你如何将它融入所做的一切?
Robin Pomeroy 这里是 Radio Davos。
人工智能已经影响了我们大多数人的工作方式,但这仍只是个开端,很难准确预测哪些工作会彻底消失、会创造哪些新工作,以及这些变化将在何时何地发生。
这是一个与我们每个人都息息相关的话题,因此我的同事 Gayle Markovitz 采访了人工智能服务公司负责人、Cognizant 的 Ravi Kumar,以及世界经济论坛新经济与社会中心负责人 Saadia Zahidi。他们对人工智能对经济、就业的影响以及对教育和培训的意义,都有独到见解。
Gayle 首先请 Ravi Kumar 评估人工智能的影响。
Ravi Kumar: 有一点可以肯定:人工智能让前景变得模糊不清。
现代企业和现代金融体系建立在这样一种假设之上:我们必须做长期、缓慢见效的投资。如今前景一片模糊,这种远见也就无从谈起。
这些长期、缓慢见效的投资不再适用,因为如今的商业模式、人才模式和工作岗位,都将重塑为新的岗位、新任务和新的职业类别。
所以我认为,人工智能带来的最大转变是,前景变得完全模糊不清。
话虽如此,我认为我们迎来了一个独特的机会,可以重新调整方向,迈向繁荣共享的未来;我们可以重新调整方向,让人工智能创造的价值流向一线岗位。
过去50年来,技术创造的价值一直向上流动,而一线岗位实际上并未获得这种价值转移,因此我们造成了一定程度的分化。我认为,我们迎来了一个独特的机会,可以重新调整方向,让价值和能力向下流动。我们希望价值也能真正向下流动,让一线员工获得更高工资。
这正是我的期望,也是我们的信念。我们有一个很好的机会,重新规划整个职场和劳动力的未来。
Gayle Markovitz:Saadia,为什么你认为这是一个全球性问题,而不是各家公司各自面临的问题?
Saadia Zahidi:我认为 Ravi 所说的内容,无论从微观层面还是宏观层面来看,都非常准确。
或许可以在此基础上补充一点:我想我们通常把这视为一项全球性挑战,但不确定它是否完全算是一个问题。我认为这里也蕴含着巨大的机遇。
其中一个原因当然是,我们发现,各方对人工智能的押注和巨额投资,转化为生产力提升所需的时间正在拉长。这意味着,我们正处于一个很有意思的窗口期:如果我们希望获得这些生产力提升,就可以在此期间推动相应的劳动力转型,同时让人们能够逐步适应并妥善应对。
第二个原因是,必须解决社会层面的问题,因为并非每个组织都能独自应对这一变化。
我们在最近一份报告中发现(今年晚些时候会发布更新版),如果全球劳动力由100人组成,其中11人无法在当前组织内接受再培训并转岗。这意味着,目前全球劳动力中至少有11%需要获得支持,以有序地转岗,可能转入相邻行业,也可能转入完全不同的行业。
因此,公共部门和私营部门需要共同提供一系列支持。
最后,第三个原因同样是从宏观层面来看:人工智能并非唯一的趋势,它正与其他多种趋势相互作用,包括我们所见的地缘政治和地缘经济变化,以及人口结构变化。
以人口结构为例。对世界上许多劳动力而言,由于人口老龄化或劳动力规模萎缩,长期来看人才数量实际上会减少,这也带来了机遇,让我们以截然不同的方式融入人工智能。同样,人工智能工具也有机会帮助世界许多地区的人才获得支持并提升技能,因为这些地区的教育体系未能跟上大量年轻人口的需求。
所以,这幅图景确实复杂,但我认为,其中有一些广泛的全球影响,超出了各个组织内部正在发生的事情。
Gayle Markovitz: Ravi,我知道 Cognizant 最近就人工智能和工作岗位开展了新的研究,发现了一些你此前没有预料到的变化。哪项统计数据最突出、最令你惊讶?
Ravi Kumar: 我们在2023年做过一项研究,又在2026年初开展了另一项研究。我们还与世界经济论坛合作开展了一些联合研究。
2023年开展研究时,我们预计每个工作岗位都会受到影响。我所说的每个岗位都会受到影响,是指岗位本身的形式会发生变化,其下的任务也会改变;有些岗位会保留下来,但会朝不同方向重塑,同时还会出现新的岗位。
2023年,我们认为到2030年,90%的工作岗位会受到人工智能影响,至少10%的任务会受影响。如今到了2026年,我们在2026年开展第二次调查时发现,这些岗位中有93%实际上已经受到影响。
我们考察了近18,000项任务和1,000种职业,并围绕这些职业和任务开展了研究。
令人着迷的是,变化速度已经显著改变。原本预计到2030年才会发生的事情,现在到了2026年就正在发生。我们发现,变化速度约为每年9%。在受影响程度达到50%的工作岗位中——也就是你会认为这些岗位发生了根本性改变的岗位——有50%的影响比例,而实际上有30%的职业经历了这种变化。对于受影响程度达到25%的岗位,也就是那些朝不同方向重塑的岗位,我们几乎看到56%的工作岗位经历了这种变化。
所以,我们如今的大多数职业都将朝不同方向重塑。有些岗位将面向未来。事实上,我们认为人工智能将处于工作流程的核心位置,前端会出现许多岗位,后端也会出现许多岗位。前端岗位与身份认证、发现问题和创造力有关;后端岗位则涉及验证、核实、判断、问责和成果。因此,你会看到许多这样的岗位。
所以,差异将不再来自专业知识和智力,而是来自如何运用这种智力,以及如何将其纳入岗位的投入要素,形成工作产出。
这些机遇令我着迷。可以这样来看:如果一线岗位的产出和生产力提高,就能带来更高的工资。过去20年,人均工资并未上涨——如果按实际通胀调整的话。现在,产出提高会推动工资上涨;你将能在不引发通胀的情况下显著提高产出,这对经济体是好事。
关键在于,如何让这种能力向下传递?如何将更多产出能力向下推,让工资有所增加、产出更高?这是我们所追求的。
所以,这项研究告诉我们,变化正在迅速到来,相关能力已经触手可及,但企业中的实际生产价值远远落后。Saadia 所说的就是这一点:实际生产价值远远低于现有能力,两者之间存在巨大的鸿沟。因此,我们迎来了一个独特的机会,可以在这道鸿沟上搭建桥梁,培养劳动力技能并为劳动力提供再培训,从而提升生产力。
我们需要提高生产力,因为你知道,过去12个月,已有1万亿美元投入人工智能基础设施。这类基础设施的扩展周期只有六个月,也就是说,六个月后就会过时。因此,越快将这种价值转化为企业的实际生产价值,效果就越好。
要推动生产价值提升,使其达到与能力相同的水平,就必须为劳动力提供再培训。我在我们与世界经济论坛共同开展的研究中说过,再培训应成为基础设施体系的一部分,不能作为附带事项来做。它必须成为基础设施体系的重要组成部分。你必须像看待算力和大语言模型访问权限一样看待它,把再培训纳入基础设施体系。
Gayle Markovitz: 这具体是什么样的,尤其是对非科技组织来说?实际意味着什么?我也很感兴趣,你用了“桥梁”这样的说法,因为这确实像是在建设某种东西。
Ravi Kumar: 实际生产价值远低于现有能力,是因为能力还会继续提升。因此,这座桥梁的跨度实际上会越来越大。你必须持续搭建桥梁,我称之为“速度差距”。
原因很简单:我们不能把这项技术直接应用于企业中陈旧的事物。你必须重新设计工作流程,重新构想如何将数字劳动力与人类劳动力结合起来,也要重新设计和构想商业模式、运营模式和业务流程。
这项技术非常依赖具体情境。过去50年我们编写的传统软件具有确定性,我们将其编码。而在工作场所和企业流程中,许多其他事情都非常依赖具体情境,需要运用判断。你必须让这项技术扎根于公司的实际运作之中。
我们把这门科学称为“情境工程”:为技术设置护栏,搭建所需的支撑机制,让技术能够发挥效用,并与人的努力同步运作、融为一体。
所有这些工作意味着你必须重新设计企业。因此,我认为搭建这座桥梁非常重要。
之后还必须重新设计岗位,重新设计工作流程,重新设计由人完成的任务,以及这些任务如何与数字劳动力完成的工作相结合。
我们已经为此找到了一个不错的落脚点。我觉得这座桥还需要稍微修整得平缓一些,因为过去的工作岗位正在迅速消失,未来的工作岗位却以较慢的速度到来。我们必须在两者之间搭建一座桥梁。
事实上,我提出过一个主张:应对取代任务的数字劳动力征收相当高的税,而不是对增强人类潜能的数字劳动力征税。对资本征税是一个临时的过渡桥梁,可以让人类劳动和数字劳动之间的竞争环境稍微公平一些。
请记住,资本曾获得了一段畅行无阻的发展期,因为它确实创造了更多工资和就业岗位。如今,如果资本创造的是数字劳动力,而人类的努力、人类劳动力、工作和未来的岗位都以较慢的速度到来,就需要一个稳妥的落脚点。所以,我的建议之一是短期内以略有不同的方式看待资本税,将其作为平稳过渡的手段。
Gayle Markovitz: 听起来,人类要赶上这道差距是一项巨大的挑战。这方面有没有好消息?有没有值得期待的事情?Saadia,我知道有研究指出,关于提升技能所需时间,人们存在一些误解。
Saadia Zahidi: 是的,我们与 Cognizant 合作开展的研究发现,获得人工智能和大数据的基础理解,并不像人们想象的那么困难,大约学习30个小时就能达到基础水平。
当然,要达到更熟练的程度,大约需要137个小时;具体时长显然还要看你想掌握多深入的内容。
我提到这一点是想说明,在我们开展的一些跨行业调查中,需求增长最快的技能之一就是人工智能和大数据。但没人认为必须掌握得非常深入,只要具备运用和理解技术的能力就够了。
还有一个反复出现的发现是,最有可能取得最大成功的组织,会把人工智能与人的判断力结合起来。这意味着创造力、协作能力、人际互动能力、领导力和社会影响力仍然非常重要。此外,还需要理解技术的能力。
所以,我认为未来不会再有两条完全不同的发展路径,而是需要将其中一些能力结合起来。
我想补充一下 Ravi 所说的内容:这正是未来所需要的,但也正是一些痛点所在。
事情的进展可能比我们几年前想象的稍慢一些,但另一方面,它们的速度仍远超现有体系所能应对的范围。
因此,大多数组织都需要迅速采取行动。正如 Ravi 所说,要重新设计工作流程,同时也要尽快考虑,目前从事某些职业的人将面临哪些后果,因为这些职业会经历巨大变化。
政策制定者层面也需要采取类似行动。这也正是为什么各个组织不可能各自单独应对这一问题。
此外,还有如何为此提供资金的问题。Ravi 提到了相关思路,也还有其他办法可以考虑。当然,再培训和技能提升的成本也在下降,这要归功于人工智能。人工智能大大增强了个性化学习、再培训和技能提升的能力。
因此,我们可以设法把这项技术及其带来的颠覆转化为优势,加快再培训和技能提升。
Gayle Markovitz: 接着这个话题问一下:既然技能提升和再培训变得更加灵活,你认为专业知识在某种程度上会走向普及吗?我想请教 Ravi,这是否意味着我们都会成为通才?
Ravi Kumar: 肯定会发生的一件事是,这项技术将更深入地向下普及。
这是因为它的交互界面是自然语言,而过去访问技术需要数字技能。这种方式让整个过程更加普及。
过去,软件生产者和软件消费者之间有明确区分。如今这条界线正在模糊。人人都可以成为生产者和使用者,这意味着你可以构建自己的技术,让它增强自身能力。
因此,专业知识在某种程度上将触手可及。这意味着,过去50年来我们基于专业知识造成的差距——个人之间的差距、组织之间的差距——将不复存在。
未来的差距将来自跨学科技能。你可以是一名生物学家,同时能够运用智能体提高产出、改善成果;你可以是一名历史学家,身边有四个时钟终端,从而成为未来学家;你也可以是一名注册会计师,借助一系列人工智能智能体来增强洞察力。
这就是我们所有人都期待的未来。正如 Saadia 指出的那样,将这些能力作为跨学科技能加以吸收要容易得多。与过去相比,这相对容易得多,因为过去造成差距的是专业知识,而如今造成差距的是跨学科技能。
我们需要在专业领域、业务运营和技术之间找到交汇点。我认为,这相对容易得多,而且你还可以使用人工智能打造个性化、甚至高度个性化的导师。
现在,我们迎来了一个独特的机会,能够以极低的价格为地球上的每一个人配备一位导师和一名护士。这就是这项技术的力量。
我认为,我们必须转向这些有意义、有目标的应用场景,推动这一进程。
过去50年来,价值一直向上流动。我们创造了层层白领岗位,在那里获取价值,并形成了工资溢价。如果你让价值向下流动,医院里的护士、制造业的一线员工就能获得这些能力。但你必须通过设计工作流程和组织架构,让能力向下传递。这不一定会提高工资。你还必须让价值向下流动,因为价值跟随的是控制权,而不是访问权限。
完成这种重新设计后,差距就会转移到判断、问责和成果上。一线岗位一旦承担判断、问责并对成果负责,显然就会获得更高工资。因此,工资也会在这一过程中分配得更加广泛。
所以我认为,我们必须重新调整方向。我们迎来了一个独特的机会,可以重新规划劳动力、我们的工作方式以及价值的分配方式。如果设计得当,这就是一次独特的重塑机会。
Gayle Markovitz: 那么在这种情况下,传统的人才金字塔会怎样?它是不是就不那么适用了?
Ravi Kumar: Gayle,我一直非常相信这一点,也就此写过不少文章。这是一个与主流看法相反的观点。我认为金字塔会变得更宽,而不是像过去那样。它们会变得更宽。
职业生涯早期的人才会更多,成为专家所需的路径也会更短。人才金字塔的入门门槛将逐渐消失。
我一直坚信这一点。在 Cognizant,去年我们招聘了20,000名应届毕业生,今年将招聘超过20,00名。前年我们招聘了12,000人。因此,求职门槛在某种程度上将逐渐消失。
过去,许多工作与 STEM 相关。如今你将看到 STEM 和非 STEM 人才都能胜任,因为实际上你既可以是生产者,也可以是使用者,还可以将技术融入日常工作流程。这意味着你需要懂得运用智能体的律师,也需要懂得运用智能体开展生命科学和药物研发的生物学家。因此,人才金字塔会更宽、更扁。
每家公司的中层都将成为“实干型教练”。过去也有负责协调、统筹的岗位。这些岗位将会消失。因此,中层会有更多实干型教练岗位。这些节点将变得非常真实,并具备代理能力。因此,你会看到数字劳动力承担过去与协调、统筹以及信息上下传递有关的工作。正如我所说,这些岗位将会消失,并转变为数字劳动力。
新的岗位将是中层的实干型教练,而且组织架构的金字塔会宽得多。
这是一件了不起的事。我的意思是,如果金字塔宽得多,通往专业能力的路径更短,你就会看到更多模块化团队、更多小型独立小组,或者独立团队。
我的意思是,这很棒,因为要发挥自己的能力,你不需要大型团队,而需要小团队。事实上,在过去50年里,要实现自己的使命,我们依靠机构来完成任务,并与使命相通的公司合作。现在,你可以用更加模块化、民主化的方式做到这一点。
所以我认为,这就是未来组织架构的发展方向。它们将更多采用网络式结构,而不是层级式结构。
Gayle Markovitz:围绕岗位流失,有一种令人不安的负面论调。最近毕业典礼上,我们甚至看到一些毕业生对科技行业领袖发出嘘声。真正的增强赋能是什么样的?我们如何说服这些毕业生,让他们相信现在进入职场其实是个令人振奋的时机?
Saadia Zahidi:我认为,真正的增强赋能是什么样的,Ravi刚才提到的实干型教练模式就是一个例子,但许多组织还没有真正完成这方面的转型。
接下来,我想退一步,谈谈我们目前的发现。总体而言,净影响是积极的。我们发现,从长远来看,整体就业很可能会增长,而不是整体岗位被取代或减少。这意味着,正如Ravi所说,我们很可能会看到一个健康、不断扩大的金字塔,其底部规模更大。这是基于目前我们听到的一切得出的可能结论。
不过与此同时,人们大致有三种看法。
有一群人认为,这就像矿井里的金丝雀,预示着危险即将来临。大量城市地区会变成锈带,因为许多入门级和中层岗位将被彻底淘汰。
还有一群人,我想我们刚才谈到过这一点,认为金字塔会变宽。实际上,我们需要多得多的人才,不只是因为增强赋能,还因为会出现全新的岗位,以及人们能够创造的新附加价值。随着部分工作流程重新设计,我们可能创造出全新的产品和服务,其中有些东西现在还无法想象,因为我们仍在当前岗位的范畴内思考。但如果把目光放到四五年后,那将是一整套全新的岗位。
还有一群人可能会说,实际上这些都不成立。我们看到的不过是一些组织因当前经济形势而收紧开支。这就是入门级工作减少的原因,实际上与人工智能毫无关系。
我想,这确实取决于行业和组织的准备程度,以及它们实际吸收了哪些技术。并非每个行业都以同样的速度完成这一跨越。因此,不同组织的金字塔结构和发展情况会大不相同。
不过,有一点在过去10年里可能始终成立:我们发现,企业领导者以各种方式告诉我们,对约60%或70%的人来说,缺少具备技能的入门级员工,是阻碍组织转型的主要因素之一。这意味着,无论有没有人工智能,教育和大学体系培养出来的人才,尽管有许多可取之处,却未必总能让年轻人掌握当今新经济所需的技能。
因此,如果情况确实如此,教育体系就需要投入更多精力,培养这些新经济技能,并帮助人们在进入职场时具备这些技能。
我认为,这就是我们必须搭建桥梁的地方。世界经济论坛将把大量时间和精力投入其中,确保通过教育体系培养这些跨领域的新经济技能,并帮助人们在进入职场时掌握这些技能,因为无论哪个行业的组织架构具体如何,这都是必要的。
Gayle Markovitz:你觉得传统的四年制学位,或者三、四年制学位,现在仍然适用吗?你认为教育跟得上变化吗?
Ravi Kumar:这是个好问题。你知道,现在的模式是:一个人生命中的前25年全职接受学术教育,接下来工作50年,然后退休。这是工业革命时期形成的线性模板,当时世界变化的速度慢得多。
以我们现在的变化速度,我认为必须重新审视这一模板。K-12学校应着重培养终身学习者。然后,还可以建立合作关系,与行业合作,开展我所说的数字学徒计划、人工智能学徒计划,或者其他形式的计划。此后,我们一生都可以持续获取学习资源。
我的意思是,如今学校的校友会其实是为了建立人脉,而不是真正为了让人终身获取学习资源。我认为应该重新审视这一模式。人们应该在一生中把工作和学习资源结合起来,因为变化发生在人生中段,而不是开头或结尾。它发生在人们最需要变化的中段。
所以,这方面确实需要重新审视。每个机构都在做一些尝试,但还没有成为主流。我希望我们能够把本科教育中的几年,以另一种形式融入学徒计划。这可以是人工智能主导的学徒计划,也可以是数字学徒计划。然后,我们一生都持续获取学习资源。
Saadia Zahidi:谈到K-12教育时,也别忘了,年轻人在那里学习如何成为社会的一员。在那段时间里,他们还会培养许多其他技能、特质和品格,这些都极其重要。
但在世界许多地方,K-12教育体系旨在让学生竞争,并在学年结束时给他们排名。这与未来所需的技能大不相同。很少有这类体系会真正教授一些人际互动能力,以及协作所需的技能。我认为,这些内容越早开始培养,对整个社会就越有益,对企业和经济而言更是如此。
至于大学教育,当然,这也是我们在世界经济论坛设立“第一步试验平台”的原因。该平台致力于建立大学与行业的合作关系,包括Ravi提到的数字学徒领域。我们从五个行业开始,并计划将其推广到论坛合作的所有行业类别,原因正是这一整套方法必须改变。
正如Ravi所说,目前其中一部分工作围绕“第一步试验平台”展开,重点关注职业生涯早期阶段。但这需要贯穿整个生命周期,持续推进。
有一项有意思的数据:经合组织国家将大约0.11%的GDP用于终身学习,也就是大学毕业后的学习、再培训和技能提升。许多负担得起的大型企业会在每名员工的再培训和技能再培养上花费成千上万美元。
如果整个体系中已有的充足资金能够更好地对接那些职责所在、且真正具备专业能力的机构——大学、学院和社区学院——让它们大规模开展这项工作;如果我们能在整个生命周期中做到这一点,就会取得很好的成效。
这是必要的。我想,回到我早些时候谈到的政策制定者问题,他们从根本上必须重新思考如何设计激励机制,促进私营部门与教育部门合作。
Gayle Markovitz:我有个十几岁的孩子。我想问问,Ravi,这算是替朋友问的:如果她今年,也就是2026年毕业,正在找工作,你会给她什么建议?等她开始工作后,你又会给她什么建议?
Ravi Kumar:我家里有两个还在蹒跚学步的孩子。我希望将来能把这些话告诉他们。我想说,未来将更加需要跨学科能力。要在人工智能时代蓬勃发展,你不必是计算机科学专业毕业生。你需要想办法应用这项技术,这项非凡的技术。你知道,与过去的技术相比,它在能力上实现了重大飞跃。你如何将它融入工作场所和职业生涯中的一切?
有位政策制定者问我,中小学和本科院校应该怎么做,尤其是如何应对人工智能。我觉得很有意思:我们告诉学生,如果在课堂作业中使用人工智能,就要开除他们;同时又告诉员工,如果不用人工智能,就要开除他们。要应对这种矛盾,就应该培养不借助人工智能的基础能力,同时也要用人工智能完成作业和评估。
这样一来,你就可以用人工智能来增强自己的基础能力。你掌握了用于判断的基础能力,这正是Saadia提到的成果导向、问责意识、求知欲等能力,然后再借助人工智能提升自己的能力。
所以我确实认为,要先在不借助人工智能的情况下培养基础能力,再用它来增强这些能力,并尝试以跨学科的方式加以运用。
你可以成为记者、生物学家、化学家,也可以成为律师。你只需要看看这项技术,然后想一想:它就在指尖,随时可用。我如何将它融入自己所做的一切,提升生产力,创造新产品和新服务?
Gayle Markovitz:那些做对了的经济体,与做错了的经济体相比,会有什么不同?
Saadia Zahidi:我先简要介绍一下我们做过的情景分析,用非常简单的方式来说,可以把其中一个维度看作技术进步并融入经济的速度,另一个维度则是人们获得技能、重新培训和提升技能的速度。从根本上说,政策制定者唯一不会后悔的做法,就是把技术投资与以人为本的投资结合起来。
如果没有相应的人才投入,技术投资就不可能带来回报,因为这两者必须协同发挥作用。没有别的办法。
因此,我认为首先要做到的是,经济体必须明白这一点,不能把与人相关的投资视为事后补充。正如Ravi所说,这些投资从一开始就必须纳入整个体系。这种基本认识至关重要。
我认为第二点是提高所有人的数字能力底线。许多组织、企业和政府都在关注高端领域,但我们仍必须记住,全球近30亿人仍未获得基本的数字连接服务。因此,富者与匮乏者之间的鸿沟正在迅速扩大。我们必须提高所有人的数字能力底线。
第三点是,要妥善应对这一变化,就需要公私部门合作。我不想把它归结为一个简单的说法。
这涵盖了我们刚才谈到的一切。企业确实必须在内部做很多工作,政府也确实必须认真考虑如何制定政策。但在管理劳动力转型时,这两个部门必须加强沟通。
Robin Pomeroy:Saadia Zahidi,世界经济论坛总经理。你还听到了认知科技首席执行官Ravi Kumar的发言。他们接受了我的同事Gayle Markovitz的采访。
世界经济论坛及其合作伙伴围绕就业和技能的未来,以及更广泛的人工智能领域,开展了大量研究。请访问我们的网站查看,链接见节目说明。
这也是《达沃斯电台》密切关注的议题之一——请在你收听播客的平台关注我们。你还可以在 wef.ch/podcasts 收听论坛每周三期播客。
《达沃斯电台》下周再见。现在感谢你的收听,再见。
人工智能已经影响了我们大多数人的工作方式,但这仍只是开端,很难准确预测哪些工作会彻底消失、会创造哪些新工作,以及这些变化将在何时何地发生。
这是一个与我们每个人都息息相关的话题,因此《达沃斯电台》采访了人工智能服务公司的负责人、认知科技的Ravi Kumar,以及世界经济论坛新经济与社会中心负责人Saadia Zahidi。两人对人工智能对经济和就业的影响,以及其对教育和培训的意义,都有独到见解。




