第二章 2020-2025年劳动力市场发展预测

过去五年，世界经济论坛持续追踪“未来工作”的到来，指出技术自动化和增强可能导致工人失业的规模，并探讨如何有效促进就业岗位从衰落型向新兴型转变。该报告及其分析的核心是“未来工作”调查，这是一项独特的工具，用于评估技术应用对劳动力市场的短期和长期趋势及影响。下一章概述的数据追踪了企业的技术应用情况以及不断变化的工作要求和技能需求。这些定性调查结果辅以来自私营机构的细化数据，这些数据追踪了关键工作和技能趋势。这两种数据来源共同提供了对劳动力市场发展趋势的全面概述，并为规划和制定更美好的未来工作战略提供了契机。

2.1 技术采纳

过去两年，受访企业采用新技术的速度明显加快。图 18 展示了一系列技术，并根据企业到 2025 年采用这些技术的可能性进行了排序。云计算、大数据和电子商务仍然是企业的优先考虑事项，延续了前几年的趋势。然而，企业对加密技术的兴趣也显著提升，这反映了数字时代新的安全漏洞；此外，预计采用非人形机器人和人工智能的企业数量也大幅增加，这两项技术正逐渐成为各行各业工作的核心。

这些技术采纳模式因行业而异。如图 19 所示，人工智能在数字信息与通信、金融服务、医疗保健和交通运输行业得到了最广泛的应用。大数据、物联网和非人形机器人技术在采矿和金属行业得到了广泛应用，而政府和公共部门则特别关注加密技术。

图 18：到 2025 年可能采用的技术（按受访公司占比统计）Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

图 19：按受访公司占比划分的选定行业，到 2025 年可能采用的技术Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

注：AGRI = 农业、食品和饮料；AUTO = 汽车；CON = 消费品；DIGICIT = 数字通信和信息技术；EDU = 教育；ENG = 能源公用事业和技术；FS = 金融服务；GOV = 政府和公共部门；HE = 健康和医疗保健；MANF = 制造业；MIM = 采矿和金属；OILG = 石油和天然气；PS = 专业服务；TRANS = 运输和仓储。

这些新技术有望推动各行业的未来增长，并增加对新职位和技能的需求。然而，这些积极影响可能会被劳动力市场动荡所抵消。大量文献表明，技术应用将影响劳动者的工作，使一些原本由人类完成的任务转移到机器的范畴。这种动荡的程度将取决于劳动者的职业和技能水平。³³

世界经济论坛的《未来就业调查》数据显示，企业预计将根据新技术调整其员工结构（图 20）。具体而言，受访企业表示，他们还希望改变其价值链的构成（55%），进一步引入自动化，减少现有员工人数（43%），并通过更深入的技术整合来扩大员工队伍（34%），以及增加对专业化任务外包人员的使用（41%）。

当前工作任务在人机之间的重新分配已经开始。图 21 展示了 2020 年人机完成工作任务的比例，以及根据高管们目前的估计和规划对 2025 年的预测。其中一项核心发现是…… 2018年未来就业报告 这一预测依然成立——到2025年，根据目前的工作任务，人类和机器的平均工作时间预计将持平。算法和机器将主要专注于信息和数据处理与检索、行政任务以及部分传统体力劳动。而人类预计将在管理、咨询、决策、推理、沟通和互动等任务中保持其比较优势。

图 20：各公司预计到 2025 年劳动力结构将发生哪些变化（按受访公司比例划分）Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

图 21：2020 年和 2025 年（预期）人类与机器完成任务的比例（按受访公司比例划分）Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

2.2 新兴和衰落的就业岗位

根据《2020年未来就业调查》的数据推断，雇主预计到2025年，日益冗余的岗位占比将从15.4%下降至9%（下降6.4%），而新兴职业占比将从7.8%增长至13.5%（增长5.7%）。基于这些数据，我们估计到2025年，在报告涵盖的15个行业和26个经济体中，由于人机分工的转变，可能会有8500万个工作岗位消失，同时，可能会涌现出9700万个更适应人、机器和算法之间新的分工的新岗位。

2020 年《未来就业调查》也揭示了各行业在日益战略化和日益冗余的职位方面存在相似之处。与 2018 年的调查结果类似，需求增长最快的职位包括数据分析师和科学家、人工智能和机器学习专家、机器人工程师、软件和应用程序开发人员以及数字化转型专家。然而，流程自动化专家、信息安全分析师和物联网专家等职位正在涌现，成为雇主需求不断增长的新兴职位。这些职位的出现反映了自动化进程的加速以及网络安全风险的再次抬头。

图 22：各行业需求增长和下降幅度最大的 20 个职业Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

此外，正如本报告第二部分“行业概况”中所述，一些特定行业正在涌现出一系列独特的岗位。这些岗位包括汽车行业的材料工程师、消费行业的电子商务和社交媒体专家、能源行业的可再生能源工程师、金融服务行业的金融科技工程师、健康和医疗保健行业的生物学家和遗传学家，以及采矿和金属行业的遥感科学家和技术人员。这些岗位的出现反映了多个行业向创新和增长领域发展的趋势。

另一方面，到 2025 年将逐渐被淘汰的职位与 2018 年确定的职位以及一系列关于工作自动化的研究论文中确定的职位基本一致。34 这些职位包括被新技术取代的职位：数据录入员、行政和执行秘书、会计和簿记员以及工资员、会计师和审计员、装配和工厂工人，以及业务服务和行政经理。

图 23：新兴角色汇聚成未来的工作岗位Image: 来源：LinkedIn经济图表

这种就业岗位的变动会被新兴领域（即“未来就业”）的就业机会所抵消。未来十年，新增就业岗位中相当一部分将是全新的职业，或是现有职业在内容和技能要求方面发生重大变革。世界经济论坛 未来的工作 这份报告由LinkedIn和Coursera等合作伙伴公司的数据科学家共同撰写，首次提出了一种利用实时劳动力市场数据来衡量和追踪经济中一系列新工作岗位涌现情况的方法。³⁵ 这项合作的数据识别出20个经济体中99个需求持续增长的岗位。随后，这些岗位根据技能相似性被归类为不同的职业集群。

由此产生的这一系列新兴职业反映了新技术的应用以及对新产品和服务日益增长的需求，从而推动了对绿色经济岗位、数据和人工智能经济前沿岗位以及工程、云计算和产品开发等领域新岗位的需求增长。此外，这些新兴职业也体现了人际互动在新经济中持续的重要性，例如在护理经济、市场营销、销售和内容制作等领域，以及那些需要具备理解能力和与不同背景人士有效沟通的岗位。图23展示了与每个职业集群相对应的岗位，并根据每个岗位的规模进行了排序。³⁶ 由于数据可用性的限制，以下分析暂未涵盖护理和绿色就业集群。

图 24：向未来工作的转型与转变Image: 资料来源：LinkedIn经济图表。

注：职业转型指任何职业变动，而职业转换指个人离开当前职业。职业族群是根据工作内容、技能、教育、培训和资格证书对职业进行分类的。数据来源于以下国家：阿根廷、澳大利亚、巴西、加拿大、法国、德国、印度、爱尔兰、意大利、墨西哥、荷兰、新西兰、沙特阿拉伯、新加坡、南非、西班牙、瑞典、阿拉伯联合酋长国、英国和美国。

本报告对上述分析进行了独特的扩展，利用过去五年收集的LinkedIn数据，探讨了从新兴行业集群的职业转型中获得的关键经验。为此，LinkedIn数据科学团队分析了2015年至2020年间专业人士进入新兴行业的职业转型情况。研究人员分析了专业人士转型到新兴行业集群的时间。 任何 分析师不仅关注员工担任新角色时的技能变化，还关注他们转型到全新职业的情况——本文称之为“职业转型”。为了解每种职业的技能概况，分析师首先基于LinkedIn的技能基因组指标（该指标使用TF-IDF方法计算不同角色中最具代表性的技能），确定了与该职业相关的最具代表性的技能列表。为了考察特定技能组与特定职业的关联程度，分析师计算了“技能渗透率”。该指标表示与该职业相关的特定技能组中，属于特定技能组的个人技能所占的比例。为了解每种职业的技能概况，分析师计算了与该职业相关的每项技能的“技能渗透率”得分。也就是说，“技能渗透率”表示在该职业中，拥有特定技能的员工占该职业所有员工的比例。

图 25：向“未来工作”的过渡Image: 资料来源：LinkedIn经济图表。

然后，计算两个职业之间的总体技能相似度，即这两个职业的余弦相似度。此外，对于每个技能组，通过将目标职业的技能渗透率占目标职业中相同指标的比例来计算技能差距指标。

证据表明，一些新兴职业集群为通过有效的职业转型进入需求不断增长的岗位（即就业前景广阔的岗位）提供了重要机遇。如图24A所示，在转型进入数据和人工智能领域的从业者中，50%来自非新兴岗位。销售、内容创作和工程领域的这一比例分别高达75%、72%和67%。可以说，这些领域更容易进入，而数据、人工智能以及人力资源和文化等领域则面临更多挑战。这些数据表明，一定程度的劳动力重新配置已经开始。

通过分析这些职业转型——即专业人士转行到全新职业的案例——我们可以发现，一些所谓的“未来职业”为那些希望彻底转换职业领域的员工提供了更多机会，从而为重新构想个人职业发展轨迹提供了更多选择，而其他新兴职业则仍然相对封闭。如图 24C 所示，分别只有 19% 和 26% 的工程和人力资源文化领域的职业转型来自这些职位目前所属的职业领域之外。相比之下，72% 的数据和人工智能领域的职业转型来自不同的职业领域，而 68% 的销售领域新兴职业转型也来自不同的职业领域。如图 25 所示，新兴职业集群通常由来自不同职业领域的员工组成，但这些来源职业领域的多样性因新兴职业而异。产品开发领域的新兴职位吸引了来自多个职业领域的专业人士，而人力资源文化领域的新兴职位通常来自人力资源领域。新兴的云计算就业群体主要由从IT和工程领域转型而来的专业人士组成。

最后，未来的许多工作岗位为职业转型提供了更多机会，使人们能够显著改变技能要求。如图24B所示，转型到人力资源和文化以及工程领域通常技能相似度较高，而市场营销和内容开发领域则对技能相似度的接受度较低。在本报告概述的新兴职业中，转型到数据和人工智能领域允许源职位和目标职位之间的技能差异最大。

图 25 显示，数据与人工智能、产品开发和云计算等新兴职业为人们提供了更多进入这些前沿领域的机会，而且事实上，这种职业转型并不要求目标职业与原职业完全匹配。然而，一些未来的职业集群仍然较为“封闭”，倾向于招聘具备特定技能的员工。我们无法判断这些限制是必要的，还是仅仅是既定的惯例。或许，通过放宽一些新兴职业的准入限制，并辅以适当的技能再培训和提升，可以重振这些“封闭”的职业集群。

2.3 新兴技能和衰落技能

全球企业利用新技术带来的增长潜力的能力受到技能短缺的制约。图26显示，本地劳动力市场的技能缺口以及无法吸引合适的人才仍然是采用新技术的主要障碍之一。在报告第二部分“国家概况”所涵盖的26个国家中，有20个国家的情况与此一致。由于缺乏现成人才，参与“未来就业调查”的雇主表示，他们平均为62%的员工提供再培训和技能提升机会，并计划到2025年将这一比例提高到11%。然而，员工参与这些培训课程的积极性不高，只有42%的员工参加了雇主提供的再培训和技能提升机会。

新兴职业领域的技能短缺问题更为严峻。在被问及如何评估在各种新兴战略岗位上找到技能娴熟的员工时，企业领导者一致表示，在招聘数据分析师和科学家、人工智能和机器学习专家以及软件和应用程序开发人员等新兴岗位人才时，都面临着诸多困难。虽然技能完全匹配并非职业转型的必要条件，但员工的长期生产力取决于其对关键能力的掌握程度。本报告的这一部分将盘点当前需求旺盛的技能类型，以及为满足这些需求而正在开展的各项工作，包括适当的技能再培训和提升。

图 26：采用新技术所面临的感知障碍Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

图 27：按受访公司比例划分的到 2025 年需求增长的技能和技能组Image: 资料来源：《2020年未来就业调查》，世界经济论坛。

图 28：未来最重要的跨领域专业技能Image: 资料来源：LinkedIn经济图表。

注：跨领域技能是指适用于许多职业和角色且易于转移的技能。

图 29：未来数据和人工智能工作、以往转型中的热门职位和典型技能Image: 来源：LinkedIn经济图表

注：差距指标上限为 1.00。

图 30：未来工作——数据和人工智能，典型学习计划以及掌握关键技能所需的时间Image: 来源：Coursera。

注：差距指标上限为 1.00。

自2016年版以来，本报告持续追踪需求日益增长的跨领域技能。图27展示了雇主认为在2025年之前将日益重要的技能和技能组。这些技能组包括批判性思维和分析能力以及问题解决能力，这些技能组一直稳居榜首，且持续多年。今年新出现的技能包括自我管理技能，例如主动学习、韧性、抗压能力和灵活性。此外，通过与LinkedIn和Coursera的指标合作，我们能够以前所未有的精细度追踪未来工作所需的专业技能类型。图28展示了多个新兴职业领域所需的技能。在这些“跨领域”技能中，包括产品营销、数字营销和人机交互等领域的专业技能。

本报告更详细地揭示了能够指导职业转型，实现适当技能再培训和提升的各类洞察。图 29 和图 30 展示了这些指标。图 29 展示了数据与人工智能 (AI) 职业集群目前涵盖的高增长新兴职位，以及过去五年中，从业人员转岗至这些职位时，其原职业与目标职业之间典型的技能差距。图 30 展示了 Coursera 学习者为转型至数据与人工智能领域而制定的典型学习计划，以及他们与相关职业集群中最佳掌握水平的差距，并量化了普通从业人员达到该掌握水平所需的学习天数。图 29 和图 30 共同表明，转岗至数据与人工智能领域的人员普遍缺乏关键的数据科学技能——但希望转型至此类职位的人员可以通过在建议的时间范围内（在本例中为 76 天的学习时间）掌握统计编程等技能，逐步获得所需的技能组合。

图 31：按课程专业、就业状况和年份划分的课程注册人数分布及兴趣增长情况Image: 来源：Coursera。

除了与工作直接相关的技能外，在2020年新冠疫情的背景下，在线学习平台Coursera的数据显示，学习者在技能再培训和提升方面越来越重视个人发展和自我管理技能。这与之前关于在远程和混合办公模式下保持身心健康重要性的研究结果相呼应：对新技能的需求出现了分化。图31A展示了不同就业状况人群的培训需求变化，对比了今年4月至6月与去年同期的数据。数据显示，个人发展课程和健康类课程的需求显著增长，就业人群和失业人群的需求差异明显。就业人群更加重视个人发展课程，这类课程在就业人群中的增长幅度高达88%。而失业人群则更加注重学习数据分析、计算机科学和信息技术等数字技能。图 31B 和 31C 更详细地展示了这些趋势。尤其值得注意的是，与 2019 年更受关注的技术技能相比，正念、冥想、感恩和善意等自我管理技能已成为就业人员十大关注领域之一。相比之下，失业人员则继续强调与工程、云计算、数据和人工智能等新兴工作相关的技能。³⁷

在为员工提供技能提升和再培训机会方面，与往年相比，雇主更倾向于采用非正式学习而非正式学习。在《未来就业调查》中，94%的企业领导者表示，他们期望员工在工作中掌握新技能，这一比例较2018年的65%大幅上升。企业的学习课程预计将融合多种方法——利用内部和外部的专业知识，运用新的教育技术工具，并采用正式和非正式的技能获取方式。根据《未来就业调查》的数据，正式的技能提升培训似乎更侧重于技术应用和设计技能，而情商技能则较少被纳入正式的技能提升培训计划。Coursera的数据也证实了这一发现，该数据显示了劳动力复苏计划和雇主主导的技能提升和再培训活动的重点领域。重点课程主要集中在技术技能方面，同时也涵盖了战略和领导力等管理技能。

根据“未来就业调查”，受访者平均估计约有40%的员工需要接受六个月或更短时间的技能再培训。消费品行业和医疗保健行业的这一比例更高，因为这些行业的雇主可能更倾向于短期技能再培训。金融服务业和能源行业中，能够在六个月内完成技能再培训的员工比例较低，因为这些行业的雇主预计员工需要更长时间的技能再培训。这些模式将在第二部分的“行业概况”中进行更深入的探讨。

根据“未来就业调查”的数据，雇主预计主要依靠内部能力提供培训：39%的培训将由内部部门提供。然而，这些培训将辅以在线学习平台（占16%）和外部顾问（占11%）。自新冠疫情爆发以来，由于线下学习受到限制，数字化在线技能提升的趋势加速发展。在线学习平台Coursera发布的2020年4月、5月和6月（第二季度）的最新数据显示，在线学习的使用量显著增长。事实上，主动寻求在线学习机会的人数增加了四倍，雇主为员工提供在线学习机会的人数增加了五倍，而通过政府项目参与在线学习的学员人数更是增长了九倍。

通过专注的努力，个人可以在一到两个月内掌握Coursera新兴职业领域（涵盖人力资源与文化、内容写作、销售与市场营销等）的十大核心技能之一。学习者可以在两到三个月内拓展产品开发、数据与人工智能方面的技能；如果他们希望全面转型到云计算和工程领域，则可以通过4-5个月的学习计划掌握这些关键技能。³⁸ 这些数据表明，尽管借助新兴数字技术学习新技能变得越来越容易，但为了巩固新技能，个人需要时间和资金来追求新的职业发展方向。LinkedIn在2.2节中提供的数据表明，尽管许多人可以凭借低或中等的技能相似度进入新兴职位，但初期适应性较差的转型仍然需要最终的技能提升和再培训，以确保长期的生产力。