获得熟练工人是区分成功与失败企业的关键因素。欧盟委员会相信，在2020年以前，欧洲的信息通信技术领域将会出现75.6万个岗位空缺，在数据驱动越发重要的未来，是否能获取熟练工人的区别将会越发显著。
随着制造业越来越多地采用机器人等“智能”技术，公司们正展示出战略运营、软件工程和数据可视化方面的“前沿”技能。 尽管如此，制造业在技能差距和劳动力短缺方面的问题，仍有很长的路要走。
从智慧工厂、自动驾驶汽车，到个性化医疗，再到其他领域，这场革命正利用人工智能、物联网、机器人和大数据等技术，打造效率更高、响应速度更快和适应性更强的互联系统，以更好地满足人类需求。
基于数据驱动的无代码技术能够帮助前端业务团队和一线操作人员构建工作流程、提升数据分析及预测能力，构建应用程序，并根据他们自身的业务需求和逻辑进行定制。
好消息是，针对能源效率采取的行动具有巨大的潜在净收益：在需求端采取提高用能效率等措施可将能耗减少多达31%。 到2030年末，每年可节约 高达 2 万亿美元 ，并减少大量排放。
创业者如何将他们的想法转化为成功的创业公司？我们采访了世界经济论坛技术先锋社区的14位企业家。得到的经验包括：试验你的假想，对新机会持开放态度，以及永不停止学习。
其可追溯技术让消费者可以将废旧产品退回至制造商，优化了可重复使用塑料容器的利用率，帮助实现了50%的回收率。 该公司每年在全球追踪150多亿种药物，以保护消费者免受假冒产品的侵害。
数字孪生（基于数据的对象和流程表示）支持新基础设施的规划、现有资产的改造和性能改进。生命周期数字孪生可用于延长资产寿命、管理报废资产并优化产能利用率，例如通过减少建筑物中混凝土和钢材的使用。
一份有关AI的新报告表明，企业在扩大AI部署之前，需要正确掌握该技术的基础知识。 在普华永道的一项调查中，有90％的高管表示AI提供的机会多于风险， 但只有4％的人计划在2020年将其部署至整个企业 ，而20％的人表示他们原本打算在2019年就进行全面 ...
BenevolentAI的一个关键转折点是，我们部署了人工智能（AI）药物发现平台，以确定可能被重新用于治疗新冠肺炎的现有药物。 2020年1月，我们利用人工智能工作流程确定了一种药物，即Eli Lilly公司的的baricitinib，该药物最终获得美国食品和药物管理局批准，用于治疗住院病人，并在临床试验中降低了38%的死亡率。 我们的人工智能模型发现了该药物的一种未知的、非目标的抗病毒作用，使这种已知的、用于类风湿性关节炎的抗炎药成为挽救住院的新冠肺炎患者生命的疗法。 “日常生活中的裂缝比许多其他事情更能让我了解生活” Ariel Katz， H1 首席执行官和联合创始人. 我休息了一段时间。 在卖掉我的第一家公司之后、创办H1公司之前，我休息了6个月。
人力数据系统将不同来源的人力资源数据汇聚在一起，能够帮助员工了解为取得工作成果需要做到什么，以及如何为公司更大的目标做出贡献。 Ian White 是人力资本分析平台 ChartHop 的首席执行官、首席技术官和创始人。
白皮书认为，人力资源经理的工作任务中，只有16.1%有可能实现自动化，22.2%的工作有可能得到增强。前者包括“确定项目或运营的资源需求，管理预算或财务”，而后者主要涵盖“解释法规、政策或程序，并培训他人进行运营或熟悉工作程序”。
为了帮助公司加速引入新的管理理念，我有四点建议： 探索“相邻可能”、容忍拖延行为、投资“创意实验室”和寻求外部支持。 在维多利亚时代的英国，查尔斯·达尔文提出了惊世骇俗的自然选择理论。 他后来回忆道，这是他在阅读托马斯·马尔萨斯的《人口原理》时突然冒出的想法。 如果事实确是如此，那么这可谓一个绝妙的灵光乍现时刻。 不过， 事实却并非如此。 马尔萨斯的确对自然选择理论的形成有贡献，但他也只是助力了该理论的一小部分。 从达尔文的笔记可以看出，他的理论是随着时间的推移逐渐成熟的，不是产生于瞬间的顿悟。 同样，新的管理理念也难以在短时间内取得重大突破。 这是很正常的，因为比起科学探索，检验新的管理理念是否生效要困难得多，这意味着不可能轻易实现巨大飞跃。
为了充分发挥人工智能（AI）在制造业中的潜力，我们需要进一步的研究、讨论和行业案例研究来寻找尚未开发的应用。 制造业一直在努力利用最新的技术突破，不懈追求提高自动化程度、增强运营透明度并加快产品和技术开发。 生成式人工智能，特别是大型语言模型（LLMs），如ChatGPT，是目前在制造业内崭露头角的 范式转变。 生成式人工智能可以利用现有数据来编造新的、独特的数据集，而LLM则进一步发展了这一概念，提供了无与伦比的能力来剖析和协调错综复杂的信息，并和人类以自然语言对话互动。 除了优化工作流程外，人工智能和LLM可以如何重新定义制造业？ 制造业需要处理大量复杂的非结构化数据，包括传感器读数、图像、视频和遥测数据等。 实时数据流和与上下文数据源的集成对于及时有效地响应事件至关重要。
Discover stories on education and skills development from the World Economic Forum, presenting learning innovations shaping the future workforce and lifelong learning.
量身定制的调整工作环境：简单的调整工作环境，如灵活的工作时间、安静的空间或辅助技术，支持神经多样性员工。 培训和意识提升： 投资对 管理人员和员工神经多样性的培训，消除误解，让他们更好地了解如何与神经多样性同事有效合作。
实时交通和事故数据信息可以改善交通流量，提高道路安全性。通过动态调整红绿灯周期的计时，我们可以为现有交通优化道路通行能力，同时利用先进的交通管理技术，道路上出现障碍物时车辆可以得到通知。
决策者、社会组织、学术界和私营部门之间的合作对于创建整体解决方案至关重要，这些解决方案可提升老年人的安全、自主、福祉和尊严。 许多社会对老龄化的观念已经过时。
人工智能需要强大的计算能力，但人工智能工具也可以帮助促进能源转型。 科技公司报告称，为支持人工智能运行，数据中心的碳排放量因此增加。 但人工智能工具也有助于促进能源转型。 世界经济论坛的 人工智能治理联盟 等多边利益相关方平台，对于助力平衡人工智能的资源使用和正面效益至关重要。 人工智能会消耗多少能源？ 如果我们问问ChatGPT，它是这样说的： “人工智能系统的能耗因其复杂性和用途而存在很大差异，但通常需要大量电力才能有效地处理和分析数据。 据估计， ChatGPT光是回复这一句话，所需的电量即达到Google搜索的约十倍。 ChatGPT每周有1亿用户，因此额外的能源需求开始累积。 这还只是单个平台上的用户。