每10名工作者中有6人将在2027年前需要接受培训，数据来源于世界经济论坛《2023年未来就业报告》。
但要找到方法，为员工提升技能和再技能化，以填补岗位空缺并跟上新兴技术的发展步伐，可能并不容易。
斯坦福大学以人为本人工智能研究院教授Erik Brynjolfsson解释，如何利用人工智能发现可相互衔接的技能，从而帮助弥合这些缺口。
“信不信由你，如果你让一名司法会计师学习一些网络安全知识，他们就能成为网络安全专家，”此话出自斯坦福大学以人为本人工智能研究院教授Erik Brynjolfsson。
“这两个职业之间有大量技能重叠，尽管如果不查看底层数据，你可能根本不会想到这一点。”
Brynjolfsson及其在斯坦福数字经济实验室的同事正利用人工智能筛查数百万份招聘信息，识别技能缺口以及可以帮助企业对团队成员进行再培训、以满足未来工作需求的技能“相近关联”。
世界经济论坛《2023年未来就业报告》指出，到2027年，60%的工作者将需要额外培训，其中最重要的优先事项是分析性思维。
与技术相关的岗位在报告的“增长最快职业”榜单中占据主导地位，其中AI与机器学习专家位居榜首。为撰写《2023年未来就业报告》，领英进行的研究确定了100个“上升中的岗位”，即在过去四年中“持续且全球范围内增长最快”的岗位，其中与技术和IT相关的岗位占16个。
技能与人工智能将是世界经济论坛增长峰会（5月2日至3日于日内瓦举行）的热门讨论议题之一。
正如Brynjolfsson所知，人工智能对所有岗位的重要性日益凸显。他的Work2Vec项目通过识别现有技能与未来技能之间的相似性，帮助企业为新兴岗位对员工进行再培训。以下摘录自他关于人工智能对工作世界影响的访谈：
人工智能对就业产生了什么影响？它是否会彻底取代人类的工作？
我们正处于人工智能如何影响工作与就业的一场真正革命的早期阶段。这项技术正在呈指数级增长，但我们的技能、组织和制度的适应速度远远跟不上。
大约十年前，我开始更仔细地研究这一问题。其中一个项目是为适合机器学习的任务类型制定一套标准。很明显，虽然人工智能在许多任务上达到了人类水平甚至超人类水平，表现非常强大，但在许多其他方面，人类仍然具有很大优势，而且这种优势在相当长的一段时间内仍将持续。
我并不预言任何形式的就业末日或大规模失业，但我确实认为，随着人工智能开始执行以往只能由人类完成的更多任务，工作将发生巨大的结构性调整。
你从第一个项目中学到了什么？
我们提出了一套用于判断哪些任务最适合机器学习的标准以及哪些任务不适合。我们将其写成一篇文章发表在《科学》杂志上，随后将该评估框架应用于美国经济中约18,000项任务，数据来自名为O*NET的数据集。
大多数工作包含许多不同的任务。例如，如果你是一名放射科医生，你不仅要查看医学影像，还要与患者沟通，并与其他医生协调护理等等。放射科医生大约需要完成26项不同任务，而我们发现，机器学习可以影响其中的许多任务。但在我们研究的950个职业中，没有一个职业的所有不同任务都能被机器学习全部完成。
在每种情况下，工作中既有最适合由人类完成的部分，也有机器可以提供帮助的部分。例如，就放射科医生而言，机器学习非常擅长分析医学影像，并且在诊断各类病理方面越来越出色。然而，它并不擅长在诊断后安慰患者或与患者交谈，也不擅长与其他医生协调护理。对于公交车司机、经济学家、护士、收银员，每一种职业都是如此。其中有些部分机器学习可以承担得更多，另一些部分则承担得更少。因此，展望未来，我认为工作将继续经历重大的结构性调整，但不会因人工智能而出现大规模失业。
在机器学习无法完成的任务中，是否更多集中在软技能方面？
正是如此。许多机器未能很好完成的任务包括一些较为“软性”的技能，例如人际关系、情商，还有创造力，比如提出新的问题加以研究，以及科学家、创意工作者、艺术家或创业者所从事的新型创新。因此，在广泛的领域中，人类仍然具有优势。
在你最新的项目Work2Vec中，你正在利用人工智能描绘未来的工作岗位图景。目前为止你有哪些发现？
在这个领域工作的一大乐趣在于，我们不仅研究人工智能如何改变工作，还可以运用人工智能，特别是机器学习工具，来理解工作本身。因此，我们有一个大型项目，名为Work2Vec，它将工作岗位进行数学化的向量转换，并分析各岗位之间的相似之处与差异。
我和斯坦福数字经济实验室的同事正在筛查数亿条招聘信息。每条招聘信息不仅描述了职位名称，还描述了所需完成的任务和所需的技能，因此，借助自然语言处理技术，我们可以看出各岗位之间的相似程度与差异。
通过梳理这些岗位，我们开始发现规律，了解工作如何随时间变化，例如迈阿密与丹佛的技能有何不同，或者如果在一个原本不需要某项技能的岗位上新增Python专业技能，会发生什么。这对薪酬意味着什么？这些正是利用Work2Vec可以开展的分析。拥有的不仅是海量数据，还有非常强大的机器学习工具，真正深入洞察劳动力市场的动态，这一切都令人欣喜。
在技能和岗位方面，你观察到了哪些转变？
我们拥有大约十年的数据，并且可以看到随着时间推移发生的转变。显然，最重要的转变之一是，人工智能在许多岗位中变得日益重要，不仅限于核心工程类岗位，它也开始渗透到医学、商业、法律等其他领域。
我们也开始看到所需技能类型的变化：管理和领导力技能，以及人际关系技能，正变得越来越重要。其中一些变化很可能也源于我们所看到的底层技术变化。我们发现，低薪工作者，即受过高中或以下教育的人，其工资水平一直未能跟上受教育程度更高者的步伐。但在过去几年里，这一情况发生了逆转：至少在美国，低薪工作者的工资涨幅和薪酬增幅都超过了中等或高收入群体。
这些分析是我们首次能够开展的。这就像一种新型工具，一台显微镜，使我们能够以前所未有的方式，洞察劳动力市场正在发生的变化。因此，对于像我这样试图理解未来工作的研究人员而言，这确实是非常有意思的时代。
这些工具可能有哪些应用？
利用这些工具，你现在可以为招聘经理、人力资源经理和首席执行官提供建议，这是一件非常好的事情。我有一家公司名为Workhelix，它将其中一些工具商业化，使企业不仅能够洞察自身的员工队伍，还能洞察整个人才市场。这样，他们就能在薪酬方面做出更好的决策。他们可以了解，哪些现有员工可能因市场提高了其技能价值而面临被挖走的风险。他们还能更好地了解如何招募合适的人才。
他们还能“滑向冰球将要去的地方”。我的意思是，投资于未来两到三年甚至五年内将需要的技能，而不仅仅是当下所需的技能。因为通过观察机器学习能够辅助的岗位类型，以及受其影响较小的岗位类型，我们对未来有了一定的洞察。那些拥有这种人才前瞻雷达的企业，比那些盲目行事的企业更能取得成功。
今年一月在达沃斯，人们对企业需要成为人才的培育者、在内部培养技能进行了大量讨论。
我认为企业确实需要成为人才的培育者。仅仅试图从外部招聘是不够的。在许多情况下，这些企业内部已经拥有大量所需人才，只是它们自己并不知道。或者，可能存在我们所称的“技能相近”的情形：企业并没有恰好符合需要的人选，但有一位非常相似的人。Work2Vec将描述这些技能如何重叠，或许只需增加一些额外的培训、在线课程或其他工具，也许短至60到90天，就能把一个并非完全匹配的人，转变为正是你所需要的人选。
对于另一个岗位角色而言，存在技能相近关系的岗位有哪些例子？
我的公司Workhelix正与亚马逊合作，亚马逊需要为其数据中心招聘大量人员。他们需要招聘更多机器学习专家，需要招聘网络安全人员，还需要招聘能够铺设光纤的人员。这三类人才都非常难找。然而，事实证明，如果你选择一名数据科学家，并教授他们一些Python和其他技能，他们就能承担大量的机器学习工作。
你还可以选择一名一直从事铜缆工作的电工，教他们如何铺设光纤。因此，在每种情况下，你都可以找到供应量充足的人员，并通过少量培训，将其转变为亚马逊等公司所急需的稀缺人才。
你能否也指出正在出现的具体新岗位名称？
全新的职业、全新类型的职位正在涌现。有时你可以从新的职位名称中看出这一点。“提示词工程师”这一概念，是我们以前从未听说过的。提示词工程师是指使用ChatGPT等新工具、编写有用提示词的人，这些提示词能够引导工具提取知识与洞见，从而使其撰写出更好的广告文案，或者说，写出更好的招聘信息。有时，编写正确的提示词需要一点独创性。
在未来十年，比起仅仅获得好的答案，提出正确的问题将变得愈发重要。而这正是人类特别擅长的事情。因此，我们不仅能够关注职位名称，还能深入研究岗位的实际内容，了解人们究竟在哪些方面通过提出正确的问题创造了价值。
这些未来的工作会是质量更高的岗位吗？它们会改善工作与生活的平衡吗？
未来十年的重大挑战将不是岗位数量的问题，而是岗位质量的问题。也就是说，目前美国和许多其他国家的失业率几乎处于创纪录的低位。因此，市场上有大量岗位，但它们的薪酬未必丰厚，工作与生活的平衡也未必良好，并不总是人们乐于从事的工作。
未来我们社会面临的挑战之一，是努力提升岗位质量。我不认为我们必然会做对或做错。这是我们需要努力、有意识地推动的事情。首席执行官、工会领袖、政策制定者、技术人员和技术专家都需要思考如何提升工作质量，创造不仅对客户和股东富有生产力和价值，也能让从业者感到充实的工作。如果我们能做到这一点，我认为我们将获得更高的工资和更好的工作与生活平衡。
你认为人工智能的风险是什么？你在论文《图灵陷阱》中提出了一个论点：取代人类实际上会摧毁劳动的价值。
随着我越来越多地接触人工智能技术，我对其能力印象深刻，但我也担心它可能被用于具有破坏性的方式，从而破坏我们都希望看到的共享繁荣。特别是，人工智能中有一个概念叫作“图灵测试”，其核心在于：判断人工智能是否具有智能，取决于它能否完美模仿人类，使你无法分辨哪些答案是人类给出的，哪些是机器给出的。我认为这是一种非常富有启发性的愿景，我能理解它为何具有激励作用。然而，作为一名经济学家，我认为就创造价值而言，这恰恰是一个完全错误的愿景。
如果一台机器所做的事情与人类完全相同，那么它将压低工资，并削减人类劳动的价值。但还有另一条路径，那就是打造能够增强人类能力的机器，使人类能够做到以前从未做过的事情，生产质量更高、更具创造性或全新的产品和服务。能够实现这种创新的人工智能，更有可能提高工资，并创造广泛共享的繁荣。
因此，我对技术人员的呼吁是：更多思考如何打造增强人类能力的人工智能，而不是简单地实现劳动自动化。企业家和管理者也应有同样的使命，即构建以人类为基础、提升人类劳动价值的商业模式，并让人类保持在循环之中，甚至更进一步，让人类掌控全局。政策制定者需要思考，他们制定的政府政策是在鼓励这种共享繁荣，还是在破坏它。
例如，美国和大多数其他发达国家目前的税收政策偏向资本而非劳动。对劳动征收的税费明显高于对资本征收的税费，这基本上使创新偏离了帮助劳动者的方向，转而试图将利益集中到资本所有者手中。我认为这不是明智的政策。至少，我们应当营造公平的竞争环境，让人们能够做出创造最大价值的决策，而不是让政策制定者在天平上动手脚，将价值转移给资本所有者。如果我们为技术人员、管理者、企业家和政策制定者做好这三件事，那么我们就能让人类保持在循环之中、保持掌控，并拥有能够广泛造福所有人的人工智能。
近几个月来，我们看到生成式人工智能取得了如此巨大的飞跃。你如何回应人们对这些工具的担忧？
我认为，很多人担心最新的生成式人工智能或ChatGPT等基础模型，以及DALL-E和Stable Diffusion等图像模型所带来的突破性力量。这些技术的力量极为强大，我与许多外行和技术人员一样，对这些工具的有效性惊叹不已，远远超出了许多人的预期。
人们担心它们会取代工作。但我认为还有另一种方式，我在《图灵陷阱》一文中谈到过，即利用它们来增强创造力、提升工作。未来十年可能成为人类繁荣发展的十年：借助这些生成式人工智能工具，我们能够创作出更多、更好的艺术作品、写作内容和各种维度上的创意，甚至在发明和科学发现方面，去做以前无法完成的新事情。
我并不主张阻止这些工具，例如禁止学生使用它们，而是在我的课堂上鼓励学生拥抱这些工具。我期待，借助这些工具的帮助，他们的作品质量会大幅提升。最终，到学期结束时，我期望学生提交的作业，在创造力和趣味性上，都会明显超过往届学生能够完成的作品。
在研究中你发现了一些技能缺口，我们如何才能大规模地为人们再培训技能，以填补这些缺口，并跟上技术发展的速度？
借助Work2Vec，我们能够更精准地锁定并更好地理解劳动力队伍中存在哪些缺口，哪些领域需要新类型的技能，劳动力中哪些人已经具备我们所需的许多技能，以及我们如何重新配置这些人才。展望未来，我认为我们将在配置地球上最宝贵的资产方面变得更加量化和科学，而这一资产就是人力资本。
仅在美国，人力资本的价值就约为220万亿美元，但由于衡量得很糟糕，因此管理得也非常糟糕。因此，我们正致力于更好地理解劳动力中真正的技能是什么，以便人们能够做出更好的决策。最终，这不仅对企业和社会有益，对个人本身也有益。大多数人在从事真正能发挥其潜能的工作时更加快乐，而不是在做与其技能和能力不太匹配的工作时。
