AI带来的劳动力双重挑战:平衡产能过剩与人才短缺

AI (Artificial Intelligence) letters and robot hand are placed on computer motherboard in this illustration taken, June 23, 2023: Automation is driving AI overcapacity in traditional roles where AI-critical skills are still lacking for post holders
Automation is driving AI overcapacity in traditional roles where AI-critical skills are still lacking for post holders.Image: REUTERS/Dado Ruvic/Illustration
本内容由人工智能自动翻译。
  • 自动化正在使传统岗位出现产能过剩,而对AI关键技能的需求超过供给,使传统劳动力模式变得过时。

  • 成功取决于大规模开展技能再培训、围绕人机协作重新设计岗位、将劳动力规划纳入核心战略,并运用各类人力资源手段,使转型更加平稳。

  • 将智能体AI与员工赋能相结合的企业,能够提升效率、韧性和竞争力;而仍停留在试点阶段的企业,则面临落后的风险。

生成式人工智能和智能体人工智能(AI)正以自工业革命以来前所未有的速度改变全球劳动力。曾经的尝试性探索,如今已演变为结构性变革。

AI带来的生产率提升,一方面导致传统岗位出现产能过剩,另一方面又使AI关键技能出现严重短缺。这一悖论并非遥不可及,而是正在当下发生。

在一项全球调查中,1,010名企业高管中有92%表示,其劳动力产能过剩最高可达20%。到2028年,近半数领导者预计过剩产能将超过30%,这表明结构正在发生急剧转变。

与此同时,如今94%的领导者面临AI关键技能短缺,其中三分之一的人表示缺口达到40%或以上。尽管预计短缺状况将有所缓解,但仍有近半数领导者认为,到2028年,关键岗位的缺口仍将在20%至40%之间。

这一双重挑战——劳动力冗余与AI技能稀缺——正在重新定义未来工作。它要求领导者重新思考劳动力规划,不应将其视为人力资源部门的日常事务,而应将其视为提升韧性和竞争力的战略杠杆,并作为每项AI战略中的一项系统性工作。

劳动力悖论:产能过剩与稀缺并存

AI对劳动力的影响具有双重性:

1. 传统岗位产能过剩

  • 半数领导者表示,其产能过剩已达10%至20%,主要源于自动化。

  • 到2028年,40%的人预计过剩产能将达30%至39%,34%的人预计将达20%至29%,结构性冗余难以避免。

  • 风险最高的岗位包括:客户支持、后台运营、交易型财务以及行政岗位。

2. AI关键人才严重短缺

  • 如今,94%的领导者面临人才短缺,其中约三分之一的人表示,AI关键岗位的缺口达40%至60%。

  • 到2028年,短缺状况预计将有所缓解,但仍有44%的领导者认为缺口将在20%至40%之间。

  • 新增需求主要集中在AI治理、提示词工程、智能体工作流设计以及人机协作等专业领域。

这一悖论表明,静态的劳动力计划和传统的岗位分类体系已不再可行。

Image: BearingPoint

领导者需要把握的四项要务

要应对这一悖论,高管必须超越试点项目和被动的劳动力调整。该研究突出了四项优先事项:

  • 技能再培训与技能提升:企业必须将技能再培训视为核心投资,而非附带项目。超过半数的领导者已在实施结构化的技能提升计划,但许多企业缺乏所需的规模。培训员工与AI协作(包括设计提示词、监督智能体以及解读输出结果)至关重要。

  • 围绕人机协作重新设计岗位:工作正从执行转向统筹协调。人类正逐步成为智能体的设计者、验证者和监督者。这需要重新设计岗位说明、决策权和问责框架。近52%的领导者将岗位重新设计列为其首要劳动力优先事项。

  • 将劳动力规划纳入战略周期:目前,仅有46%的组织将劳动力规划纳入其AI路线图。若技能预测与AI应用计划不相匹配,企业可能面临转型停滞的风险。应将五年期情景规划作为标准做法。

  • 充分运用全方位的人力资源手段:为在最小干扰下实现平稳过渡,领导者应采用组合式方法,结合重新调配、自然减员、技能再培训和交叉培训,以提升适应能力和内部流动性。目前,许多企业利用AI驱动的人才市场,为员工匹配新的机会;另一些企业则转向兼职或自由职业等灵活用工模式。其他手段还包括冻结招聘、选择性招聘,甚至进行内部外包,以最大限度地发挥现有人才的作用。

Image: BearingPoint

案例研究:宝马的“AIconic”系统

宝马公司是这一双重挑战及其解决方案的典型案例。2024年末,该公司在其采购部门推出了多智能体AI系统AIconic。如今,该系统已支持1,800名活跃用户,并已处理超过10,000次搜索。

该系统集成了10个专业AI智能体,用于简化招标分析、供应商数据管理和质量检查。宝马方法的变革性在于其路线图:该公司正推动AIconic从被动的搜索助手演变为主动的决策者,能够推荐供应商行动、监测风险并生成自动化报告。

关键在于,宝马在推进技术应用的同时,也注重赋能员工。该公司表示:“我们的多智能体系统AIconic显著提升了员工的效率与生产力,同时为AI的应用树立了新标准。”

为充分发挥AI解决方案的作用,宝马集团为各级员工提供数字化培训和专门的AI创新空间。通过这些举措,员工得以提升数字素养,并在整个组织内分享其新技能。

宝马的经验表明,AI的意义不仅在于提升效率。更重要的是重构岗位、工作流程和责任体系,使人类与AI智能体能够共同创造价值。

重要意义:韧性、效率与竞争力

AI不仅是提升生产率的杠杆,更在重塑企业韧性。只有那些果断采取行动、管理并使劳动力适应AI时代的组织,才能实现以下目标:

  • 效率提升:55%的领导者预计智能体AI将显著降低成本并提高生产率。

  • 新收入来源:43%的人预计AI将推动服务和商业模式创新。

  • 增强韧性:40%的人预计智能体架构将提升在动荡市场中的适应能力。

智能体AI时代需要大胆行动。现在行动的组织,不仅能够化解冲击,还将在未来十年释放韧性、竞争力和可持续增长的潜力。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。