麦肯锡：AI与工作的新未来.pdf

工作的新未来工作的新未来：部署的竞赛部署的竞赛AI 和提高技能欧洲及其他地区和提高技能欧洲及其他地区AuthorsEric HazanAnu Madgavkar Michael Chui Sven Smit Dana MaorGurneet Singh Dandona Roland Huyghues-Despointes五月 2024麦麦肯肯锡锡全全球球研研究究所所麦肯锡全球研究所成立于 1990 年。我们的使命是提供一个事实基础，以帮助对世界公司和政策领导人最关键的经济和商业问题的决策。我们受益于麦肯锡的全方位区域，部门，和职能知识，技能和专业知识，但编辑指导和决策完全是 MGI 董事和合作伙伴的责任。我们的研究分为五个主要主题：生产力与繁荣：最有效地创造和利用世界资产世界资源：可持续地建设、供电和养活世界人的潜能：最大限度地发挥人的潜能全球联系：探索商品，服务，人员，资本和思想的流动如何塑造经济未来的技术和市场：讨论价值和竞争的下一个大舞台我们的目标是独立和基于事实的研究。我们的任何工作都不是由任何企业、政府或其他机构委托或支付的；我们免费公开分享我们的成果；我们完全由麦肯锡的合作伙伴资助。虽然我们聘请了多位杰出的外部顾问为我们的工作做出贡献，但我们出版物中提供的分析仅是 MGI 的分析，任何错误都是我们自己的错误。您可以在 上找到有关 MGI 和我们的研究的更多信息。MGI 董事董事Sven Smit（主席）克里斯 布拉德利 奎林 埃林 西尔万 约翰逊 奥利维亚 怀特MGI 合作伙伴合作伙伴Michael Chui Mekala Krishnan Anu Madgavkar Jan Mischke Jeongmin Seong Tilman Tacke新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越iiContents一目了然3背景：劳动力短缺和生产率增长放缓4加快未来工作过渡的潜力10劳动力市场中断的不同地理22新时代的新技能26聚焦：批发和零售贸易36聚焦：金融服务38聚光灯：制造业40聚焦：医疗保健42对劳动力的影响44在技术发酵时期提高生产力和人力资本52技术附录60Acknowledgments65新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越1新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越2一目了然一目了然在劳动力市场趋紧和生产率增长放缓的背景下，在人工智能和自动化的刺激下，欧洲和美国面临着劳动力需求的变化。我们对工作未来的最新建模发现，对 STEM 相关、医疗保健和其他高技能职业的工人的需求将上升，而对办公室工人、生产工人和客户服务代表等职业的需求将下降。到 2030 年，在中点采用的情况下，多达 30%的当前工作时间可以自动化，由生成 AI 加速。努力实现净零排放，老龄化。劳动力，电子商务的增长以及基础设施和技术支出以及整体经济增长也可能改变就业需求。到 2030 年，欧洲可能需要多达 1200 万的职业转型，是流行病的两倍。在美国，所需的过渡可能达到近 1200 万，符合流行病的标准。在 COVID-19 时期的高峰期，这两个地区都经历了更高水平的劳动力市场变化，这表明它们可以应对这种规模的未来工作转变。欧洲国家之间的职业变化速度大致相似，尽管具体的组合反映了它们的经济差异。企业将需要一个主要的技能升级。随着对身体和手动以及更高的认知技能的需求稳定，对技术，社交和情感技能的需求可能会增加。在欧洲和美国接受调查的高管表示，他们不仅需要先进的 IT 和数据分析，还需要批判性思维、创造力、教学和培训 他们报告说，这些技能目前供不应求。公司计划除了雇用或分包外，还专注于对工人进行再培训，以满足技能需求。随着需求重新调整欧洲和美国工资较高的职业，工资较低的工人面临着重新部署的挑战。工资较低的职业可能会减少需求，工人将需要获得新的技能才能过渡到薪水更高的工作。如果没有发生这种情况，则存在着更加两极化的劳动力市场的风险，高薪工作比工人多，而现有低薪工作的工人太多了。今天做出的选择可以恢复生产力增长，同时创造更好的社会成果。通过积极的工人重新部署来实现加速技术采用的道路，可以帮助欧洲实现高达3 到 2030 年。但是，缓慢的采用和缓慢的重新部署将限制在0.3 ，接近西欧当今的生产率增长水平。缓慢的工人调动将使数百万人无法有效地参与未来的工作。新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越3工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛4到 2030 年的未来几年。技术和其他因素将刺激劳动力需求模式的变化，但这些预期的变化需要在已经进行的深层次劳动力市场变化的背景下进行。我们的研究集中在 9 个主要经济体与美国相比，欧洲联盟和联合王国(我们在本报告中统称为“欧洲”)。几十年来，劳动力市场的结构性变化一直在持续，包括农业、工业和采矿业就业份额的长期下降，有利于服务业(图表 1)。最近，劳动力市场受到大流行冲击的冲击，这种冲击不仅推动了招聘需求的更快转变和更多的工作转换，还推动了新员工的偏好，如混合工作。虽然 COVID-19 加剧了劳动力市场的紧缩。欧洲的高就业率，人口的迅速老龄化以及工作时间的持续下降，使工人和技能的持续短缺成为未来的持续挑战。仍然存在的紧迫问题是：即将到来的技术颠覆在多大程度上可以解决欧洲的劳动力市场挑战？1背景背景：劳动力短缺和生产率劳动力短缺和生产率增长放缓增长放缓本报告关注劳动力市场在欧洲和美国，看着工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛5附件 1欧洲和美国的就业已转向服务业。1850-2022 年，欧洲和美国按部门划分的总就业份额，%Europe10080604020018501900195020002022US100806040200185019001950200020221包括捷克共和国、丹麦、法国、德国、意大利、荷兰、波兰、西班牙、瑞典和英国。2在美国，从 1850 年增加到 1860 年，主要是由于跟踪无薪劳动力的方式发生了变化。资料来源：欧盟统计局；美国综合公共使用微观数据丛书，2017 年；Ivan T.Berend，二十世纪欧洲经济史，剑桥大学出版社，2016 年 10 月；美国劳工统计局麦肯锡公司Construction运输农业ManufacturingUtilities家务劳动贸易（零售和批发）专业服务商业和维修服务电信医疗保健娱乐金融服务Education政府采矿Construction交通运输AgricultureManufacturing采矿Utilities家务劳动2贸易（零售和批发）专业服务业务和维修服务电信医疗保健娱乐金融服务教育政府工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛6在劳动力短缺和生产率增长放缓的情况下在劳动力短缺和生产率增长放缓的情况下，欧洲的工作未来得以展欧洲的工作未来得以展现现在欧洲和美国，劳动力市场的紧张程度一直在上升，两个地区的未填补职位都在上升，失业率处于历史低位。1随着大西洋两岸的人口老龄化和每名工人工作时间的减少，特别是在欧洲，劳动力市场的紧张局面不太可能自然解决。在这种情况下，雇主越来越多地争夺人才。大流行对工作场所产生了额外的持久影响，特别是混合工作的采用增加。尽管 2018 年约有 90 的工作人口在现场充分工作，但在 2021 年至 2022 年之间，这一数字下降到约 60 。数字已经稳定。但是，每天不必上下班而节省的 72 分钟中，只有 40 分配给工作，其余大部分分配给休闲和护理。2对生产率的总体影响仍在争论中。3总体而言，在全球经济中，生产力对于保持竞争力至关重要。4当一家公司变得更有生产力时，它可以用相同数量的资源生产更多或更高质量的商品或服务。这通常会导致生产成本降低，使公司保持竞争力甚至扩张。因此，他们可能需要雇用更多的工人来满足对其产品或服务不断增长的需求。此外，一个部门的生产率提高可以刺激相关行业的就业增长；它促进了创新，并导致在研发，工程和信息技术等领域创造新的就业机会。提高生产率将有助于应对劳动力市场的挑战，使雇主能够在紧张的人才市场中生产更多的产品，推动经济增长，并创造高薪工作，并有机会建立人力资本。然而，欧洲经历了长期的生产率放缓，自 20 世纪 60 年代以来，生产率增长几乎稳步下降（图表 2）。5除了生产率增长与美国的差异外，欧洲的竞争力也在减弱。这些问题似乎是系统性的，而不是周期性的。欧洲公司在投资资本回报率、收入增长、资本支出和研发等多个关键指标上落后于美国同行。欧洲在技术开发和采用方面的最初延误有助于解释这一差距，因为欧洲没有从信息通信中受益。自 1990 年代以来，美国已经出现了技术驱动的生产力进步。我们先前的研究表明，欧洲在十个关键的跨部门技术中有八个落后，“赢家最多”的影响很普遍，这扩大了两个地区之间的差距。6研究发现，欧洲公司仍然有优势的两个领域是清洁技术和下一代材料。12023 年第三季度，欧洲的失业率为 6.0，美国为 3.7，而 1994 年欧洲的失业率为 11.5，1992 年美国的失业率为 7.5 。有关详细数据，请参阅“失业统计”，欧盟统计局，2024 年 3 月；“职位空缺”，欧盟统计局，2024 年 3 月；和“职位空缺和劳动力流动”，美国劳工统计局，2024 年 3 月。2Cevat Giray Aksoy 等人，在家工作时的时间节省，国家经济研究局工作文件，编号 30866，2023 年 1 月。3 一些研究表明，远程工作与生产率下降 8%到 19%不等，而一些报告显示，个人员工的生产率下降了 4%。相反，其他研究表明，切换到混合工作时，生产率提高了 10 以上。例如，参见 Michael Gibbs，Friederie Megel 和 Christoph Siemroth，“在家工作和生产力：来自 IT 专业人员的人员和分析数据的证据”，芝加哥大学贝克尔 弗里德曼经济研究所工作文件，编号 2021-56，2021 年 7 月;。Natalia Emanuel 和 Emma Harrington，远程工作？选择，治疗和远程工作的市场提供，纽约联邦储备银行工作人员报告，编号 1061，2023 年 5 月；Marta Angelici 和 Paola Profeta，智能工作：无限制的工作灵活性，CESifo 工作文件，编号 8165，2020 年 3 月。4 假设汇率不变。5 “投资于生产率增长”，麦肯锡全球研究所，2024 年 3 月 1 日。6 “确保欧洲的竞争力，解决其技术差距，”麦肯锡全球研究所，2022 年 9 月 22 日。工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛7附件 2从 1950 年到 2022 年，欧洲和美国的生产率增长分别下降了 7 个和 3 个百分点。劳动生产率增长(每小时工作 GDP 的年度变化)，%逐年Second工业化战后吊杆时代争用市场时代电气化、大规模生产和工业化86持续的城市化和基础设施建设能源危机与滞胀全球价值链的整合；ICT 革命GFC 前和后减速4202461900191019201930194019501960197019801990200020102020注：生产率定义为以购买力平价衡量的每小时 GDP（2010 年美元）。使用 Hodrick-Prescott 滤波器（=6.25）计算。使用法国、德国、意大利、西班牙、瑞典和英国的简单平均值计算欧洲。由于数据可用性问题，我们分析中的其余十个欧洲国家被排除在外。1全球价值链。2信息和通信技术。3全球金融危机。资料来源：Antonin Bergeaud，Gilbert Cette 和 R my Lecat，“1890 年至 2012 年发达国家的生产率趋势”，收入与财富评论，2016 年 9 月，第 62 卷，第 3 期；麦肯锡全球研究所分析麦肯锡公司自动化技术具有恢复生产力增长的潜力，使经济体能够解决当今劳动力市场的大多数挑战。但是，欧洲和美国在捕捉这种生产力增长方面的轨迹不同:大多数与人工智能相关的创新都是在美国开发的。这两个地区都担心采用这些技术可能会破坏劳动力市场，并加剧在劳动力中找到必要技能和使工人从下降的职业转向上升的挑战。在 COVID-19 期间，工人们驾驭了工作需求的重大变化，这导致了职业转型的暂时激增-这表明劳动力市场可以成功地适应就业需求模式的快速和加剧的变化。在欧洲，在 2019 年至 2022 年之间，约有 3 的工作人口自愿或非自愿地退出了职业类别，是历史平均水平的三倍多。在。从 2019 年到 2022 年，5.5%的美国工作人口受到职业转移的影响，是历史平均水平的 1.5 倍。7欧洲和美国的职业转变随后恢复到历史水平，尽管一些职业继续受到影响，包括食品服务。7 根据美国劳工统计局的数据进行估算。美国Europe工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛8现在，随着欧洲的展望，自动化、人工智能和其他趋势为更高的生产率增长提供了机会，但职业转型更快。商业领袖和政策制定者将面临关键的选择，即在培训和重新部署工人进入未来工作的同时，接受技术变革和投资的程度。这些选择将决定欧洲的国家，公司和劳动力是否可以获得未来工作的全部生产力和人力资本收益。商业领袖和政策制定者将面临关键商业领袖和政策制定者将面临关键选择选择，即在培训和重新部署工人的即在培训和重新部署工人的同时接受技术变革和投资同时接受技术变革和投资进入未来的工作。进入未来的工作。新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越9工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛10在欧洲，气候变化等其他优先事项也将重塑对工人的需求。此外，大流行推动的一些趋势可能会持续下去，包括电子商务的增长和向远程工作的转变。这些趋势代表了生产率增长的机会，但也强调了工人需要从下降的职业过渡到上升的职业。根据我们的估计，在欧洲，更快的技术采用情景可能与每年大约 2 至 3 的生产率增长有关，需要大约 1200 万个职业转型，或者大约是前流行时期职业转变速度的两倍。在美国，其。如果劳动力市场更具活力，这一趋势将更接近历史常态，但这两个地区在 2030 年之后的自动化应用可能会进一步加速。虽然职业转型的规模可能看起来令人生畏，但欧洲和美国在大流行期间都经历了更高水平的劳动力市场变化，这也预示着应对未来转型的潜力。在本章中，我们概述了未来几年对劳动力的需求如何演变并需要加速职业转型，同时考虑了一系列情景以反映技术采用速度的不确定性（见方框 1，“我们估算职业转型的方法”）。2加快未来工作过渡的潜力加快未来工作过渡的潜力劳动力需求随着时间的推移，将继续发展，受到欧洲和美国结构性趋势的影响。其中最重要的是技术的预期进步，尤其是人工智能，这可能会加速生产率增长并改变劳动力需求。结构性因素，如劳动力老龄化和医疗保健需求上升，特别是方框 1我们估算职业过渡的方法我们估算职业过渡的方法我们使用了一致的方法麦肯锡全球研究所的其他报告可以追溯到 2017 年，以模拟职业，活动级别的工作变化趋势，和技能。1对于本报告，我们将分析重点放在 2022-30 年期间，我们还考虑了自动化采用将如何在 2030 年至 2035 年之后发展。2模型的驱动程序已相应更新。Our model differences between employment demand and occupational transitions.For the first,it estimates net changes in employment demand by sector and occupation;for the second,it estimates the net declines in occupities compared with the 2030 baseline.When计数转换，我们在此计算中不包括增益，以避免重复计数。在这份报告中，我们的分析重点是欧洲和美国。对于欧洲，我们包括十个国家：九个欧盟成员国，合计占欧洲工作的 75 人口-捷克共和国，丹麦，法国，德国，意大利，荷兰，波兰，西班牙和瑞典-和英国。在本报告中，涉及“欧洲”的数字对应于这十个重点国家的总估计，这些数字分别进行了分析。数字没有对于美国，我们基于 2023 年报告中发布的估算结果生成人工智能和美国工作的未来。3为了了解自动化的影响和每个职业需求的总体潜在变化，我们在建模中包括了多个驱动因素：自动化采用，净零转型，电子商务增长，远程工作采用，收入增加，人口老龄化，技术投资，基础设施投资，无薪工作市场化，新工作和教育水平提高。职业转型的关键驱动因素是采用自动化，AI 和生成 AI（generative AI）的速率（exhibit）。使用两种方案来记录工作自动化模型：“晚期”和“早期”。“早期”方案可以弯曲所有参数极端合理的假设，导致自动化发展的最快速度和采用，而“后期”情景使所有参数都朝着相反的方向发展。现实很可能介于两者之间。4对于此报告，我们对特定于区域的方案进行了建模：对于欧洲，我们对两种结果进行了建模：“更快”的情景和“更慢”的情景。对于更快的场景，我们使用中点 晚期和早期场景之间的算术平均值。对于较慢的场景，我们使用“中后期”轨迹，即后期采用场景和中点场景之间的算术平均值。我们对欧洲的这种较慢的中后期情景进行建模，因为通过以下方式实现了较快的中点情景。2030 年的职业过渡率将大大高于欧洲最近的大流行时期。对于美国，我们使用中点情景，基于我们早期的研究。这是我们采用自动化技术的后期和早期情景之间的算术平均值。我们还使用每位全职员工（FTE）的 GDP 作为生产率的衡量标准来估算自动化对生产率的影响。我们首先通过将 FTE 的预计数量乘以每个国家每个职业的估计自动化采用率来计算不同情景下的自动化位移。我们只考虑了截至本报告日期的可用且明确定义的工作活动。此外，保守地说，我们假设自动化具有劳动力替代效应，但没有其他性能。1该模型检查了 850 多个独特的职业，2,000 多种不同的活动以及每个活动的 18 种技术能力。我们还利用了 MGI 2018 年报告技能转变：自动化和劳动力的未来中设计的框架。有关更多详细信息，请参阅未来中的技术附录：自动化，就业，生产力，麦肯锡全球研究所，2017 年 1 月。2 对于 2035 年，我们仅对每个职业的潜在自动化采用率进行建模，而不是所需的职业过渡。3 有关更多信息，请参阅“生成 AI 和美国工作的未来”，麦肯锡全球研究所，2023 年 7 月 26 日。4 “生成 AI 的经济潜力：下一个生产力前沿”，麦肯锡，2023 年 6 月 14 日。新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越11收益。我们假设被自动化取代的工人在 2022 年生产率水平下重新加入劳动力队伍，扣除自动化。我们的主要数据来源是国家和地区劳工调查。对于美国，我们使用了美国人口普查局为美国劳工统计局进行的当前人口调查的数据。对于欧洲，我们使用了欧盟委员会进行的劳动力调查的数据和当地劳工机构的数据。如第 4 章所述，我们还对五个国家的 1100 多名高管进行了调查。我们的模型有一些重要的不确定性和局限性。首先，结构属性-如管理-员工关系，监管和投资框架，以及当前的人工智能和创新势头-将影响哪种情况会演变。其次，由于价格和成本的变化，劳动力需求可能会基于消费的宏观经济变化而发生变化，而我们的模型没有考虑到这一点。事实上，随着自动化提高生产率和收入，降低成本以及商品和服务的价格，它可能会以意想不到的方式改变消费，从而改变劳动力需求。在文献中，自动化的这种特定影响被认为是技术采用的“通货紧缩”性质。因此，快速采用技术可以建立新的需求平衡。第三，考虑到潜在的基础和当前的经济动力，我们建模的变化是人们广泛预期的变化。例如，我们不对可能由地缘政治，气候或社会因素驱动的工业生产，贸易或劳动力迁移的变化进行建模。Exhibit到 2030 年，欧洲有不同的自动化采用方案。当前工作活动的自动化，%的工作时间建模为自动化，具有生成式 AI 加速，欧洲和美国，2022-801008060402002022203020402050206020702080注：根据与专家的访谈和调查答复，方案的范围代表了技术能力可用性的不确定性。早期情景对所有关键模型参数(技术潜力、整合时间表、经济可行性、法规和公共采用)做出了更积极的假设。“更快的”或中点采用场景是早期和晚期场景之间的平均值。“较慢”情景是晚期情景和中点情景之间的平均值。1包括捷克共和国、丹麦、法国、德国、意大利、荷兰、波兰、西班牙、瑞典和英国。资料来源：欧盟统计局；职业信息网络；牛津经济学；美国劳工统计局；欧洲国家统计机构审议；麦肯锡全球研究所分析麦肯锡公司新的工作未来：在欧洲部署 AI 和提高技能的竞赛超越12早期情景欧洲1晚期情景欧洲1更快的场景欧洲1较慢的情景欧洲1 中点情景 US工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛13随着技术重塑工作随着技术重塑工作，各种职业的需求正在发生变化各种职业的需求正在发生变化我们的分析表明，到 2030 年，对某些职业的需求可能会急剧增长。在我们更快的中点技术采用方案中，对 STEM 和卫生专业人员的需求将在 2022 年至 2030 年之间增长 17 至 30，在欧洲增加 700 万个职位，在美国增加 700 万个职位。尽管 2023 年科技行业裁员激增，并且生成人工智能(geerative AI)有可能扩大编码等任务，但在日益数字化的经济中，各种规模和行业的企业对科技人才的更广泛、长期需求可能会保持强劲。同样，在 2022 年至 2030 年之间，对卫生助手，技术人员和健康工作者的需求可能会继续增长 25 至 30，在欧洲增加 330 万个职位，在欧洲增加 350 万个职位。美国。相比之下，食品服务，生产工作，客户服务，销售和办公室支持方面的工人需求-在 2012-22 年期间全部下降-可能会继续下降，直到 2030 年。8这些工作涉及大量的重复性任务，数据收集和基本数据处理-自动化系统可以有效处理的所有活动。总的来说，我们的分析表明，这可能导致对欧洲 30 万至 500 万个职位以及美国 10 万至 370 万个职位的需求减少。其他职业的需求将与整体需求增长保持一致。这包括欧洲教育工作者和劳动力培训师的职位，包括企业和美国的法律专业人士以及社区服务工作者。对管理，建筑，创意和艺术管理以及运输服务等职业的需求预计将增长约 8 至 9 。我们的分析强调了欧洲和美国在需求增长或减少的职业方面的一些差异。这些差异是两个地区之间职业组成差异以及文化特殊性的结果。例如，欧洲公共就业的更大份额，特别是在行政活动中，可能会减少未来几年预期中断对这些工人的影响。了解这可能如何发挥作用以及谁可能受到影响的细微差别对于确保个人和企业的平稳过渡至关重要。8 这里的例子包括收银员、呼叫中心代表、出纳员和客户服务代理。工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛14附件 3对医疗保健和 STEM 角色的需求可能会增长，而对办公室支持和客户服务角色的需求可能会下降。劳动力需求净预期变化，欧洲和美国，更快/中点情景，2022-30Europe US职业类别就业变化与 2022 年相比，million与 2022 年相比的就业变化，%就业变化与 2022 年相比，million与 2022 年相比的就业变化，%健康助手，技术人员和健康3.325.23.529.7STEM 专业人员2.316.71.823.1卫生专业人员1.523.62.030.1经理1.19.11.111.3商业或法律专业人士1.06.91.16.6建筑商0.76.90.811.9运输服务0.57.90.59.5物业维护0.45.30.510.3创意和艺术管理0.48.60.210.7社区服务0.33.50.46.6教育工作者和劳动力培训0.21.60.32.6机械安装和维修0.11.20.57.0Agriculture0.23.802.3食品服务0.33.30.31.9生产工作0.95.30.10.7客户服务和销售1.712.12.013.4Office 支持5.018.33.718.51对于欧洲，我们使用了“更快”的情景，它对应于美国的“中点”情景。“更快”或中点采用情景是早期和晚期情景之间的平均值。“较慢”的情景是晚期情景和中点情景之间的平均值。2包括捷克共和国、丹麦、法国、德国、意大利、荷兰、波兰、西班牙、瑞典和英国。资料来源：欧盟统计局；职业信息网络；牛津经济学；美国劳工统计局；欧洲国家统计机构审议；麦肯锡全球研究所分析麦肯锡公司工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛15到 2030 年，欧洲和美国可能需要大约 1200 万职业转型我们的分析发现，在我们更快的自动化采用方案中，到 2030 年，十个欧洲国家将需要约 1,200 万职业转型，影响占目前就业劳动力的 6.5%。9在较慢的情况下，欧洲所需的职业转换数量将达到 850 万，影响当前就业劳动力的 4.6 。在美国，我们使用的中点情景（对应于较快的欧洲情景）的数字是 1180 万职业变动，影响了当前就业劳动力的 7.5 。这两种情况对欧洲的结果范围反映了可以自动化的工作时间数量的不同潜力，从而影响了潜在的生产率增长和可能需要的职业过渡数量。未能实现快节奏的采用模型将意味着需要更少的职业过渡。但这也意味着在 2030 年之前无法实现生产率的显著提高。在欧洲，职业转型需要大约翻一番，但在美国，职业转型需要恢复到历史水平。在欧洲和美国之间，所需职业转型的变化速度是不平衡的。在更快和更慢的情况下，欧洲的职业变化速度可能会急剧加快，在 2022 年至 2030 年之间，这一数字每年上升到 110 万至 150 万。这是 COVID-19 大流行前 2016-19 年度历史增长率的 1.6 至 2.2 倍，表明欧洲就业市场的这一变化指标可能翻一番。相比之下，在。在美国，2022 年至 2030 年间每年需要的职业转换数量可能达到 150 万，我们的分析表明（图表 4）。这将略低于 2016-19 年的历史利率。差异的产生主要是由于美国就业市场的历史活力，每年约有 1.2 的美国劳动力转移职业。相比之下，在 2016 年至 2019 年之间，每年只有 0.4 的欧洲劳动力转移职业。2022 年至 2030 年所需的年度职业变化的潜在速度低于 2019 年至 2022 年 COVID-19 大流行期间这两个地区所经历的速度。在欧洲和美国，大流行期间的职业变化显着增加，欧洲每年达到 220 万，美国每年达到 290 万，或分别占各自劳动力的 1.2 和 1.8 。COVID-19 对欧洲和美国劳动力市场的变化既迅速又痛苦，但两个地区都适应了这些变化，这表明它们有可能有效应对 AI，自动化和其他驱动因素带来的破坏。劳动力需求的变化。109在这里，“职业过渡”是指个人从一个职业转移到另一个职业，与正常的就业流失不同，这包括个人在企业之间执行相同职业的流动。10COVID-19 期间发生的很大一部分职业转变是自愿的。未来的情况可能并非如此。工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛162.06.68.512.05.68.611.80.7(0.4%)2.2(1.2%)1.1(0.6%)1.5(0.8%)1.9(1.2%)2.9(1.8%)1.5(0.9%)附件 4相对于过去，欧洲可能需要更快的职业转型，而美国可能会恢复其流行病的步伐。2016-19 年和 2019-22 年的职业轮班，以及 2022-30 年的预期职业过渡，较慢，较快/中点年平均xx在此期间的职业过渡或轮班总数，百万Europe 历史US较慢的场景更快/中点方案 201619201922202230201619201922202230在各个时间段内具有最高转变或转变的职业类别示例Agriculture物业维护社区服务生产工作Office 支持Agriculture物业维护社区服务生产工作客户服务和销售Office 支持客户服务和销售生产工作食品服务机械安装和维修Office 支持生产工作客户服务和销售机械安装和维修建筑商食品服务客户服务和销售Office 支持生产工作STEM 专业人员Office 支持客户服务和销售生产工作食品服务商业或法律专业人士注：“职业转移”指 2016-19 年和 2019-22 年特定职业就业人数净下降。然而，我们并不确切地知道个人是如何从一个职业转移到另一个职业的，或者他们是否进行了多次转移；因此，我们指的是职业转移的数量，而不是指定进行这些改变的工人的数量。在对某一职业的净需求下降并且该劳动力的雇员必须离开另一职业的情况下，计算过渡。即使在总体增长的类别中，特定职业的就业也可能会下降，这需要一些工人寻找新的角色。加入新职业的人不计入过渡，以避免重复计算。1对于欧洲，我们使用了“更快”的情景，它对应于美国的“中点”情景。“更快”或中点采用情景是早期和晚期情景之间的平均值。“较慢”的情景是晚期情景和中点情景之间的平均值。2包括捷克共和国、丹麦、法国、德国、意大利、荷兰、波兰、西班牙、瑞典和英国。资料来源：欧盟统计局；职业信息网络；牛津经济学；美国劳工统计局；欧洲国家统计机构审议；麦肯锡全球研究所分析麦肯锡公司工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛17到到 2030 年年，约约 30 的当前工作活动可以实现自动化的当前工作活动可以实现自动化，并通过新并通过新一代一代 AI 部署加速部署加速我们的分析发现，到 2030 年，工作自动化是职业转型需求的主要驱动力。自动化和人工智能技术已经改变了人们在工作，并将继续这样做。最近，Gene AI 的出现和 ChatGPT 等解决方案的迅速普及可能标志着工作活动自动化的范式转变，因为该技术显着加速了曾经被认为是人类判断的唯一领域的复杂和认知任务的自动化潜力。11我们的分析发现，使用 Gene AI，到 2030 年，根据中点的采用情况，到 2030 年，欧洲工作时间的 27 和美国工作时间的 30 可以实现自动化（图表 5）。1到 2035 年，这些数字可能在欧洲上升到 45 ，在美国上升到 48 ，这反映出未来十年自动化潜力的持续增长。到 2030 年美国。）有了有了 Gen AI，到到 2030 年年，根据中点的采用情况根据中点的采用情况，到到 2030 年年，欧洲有欧洲有 27 的工作时间和美国有的工作时间和美国有 30 的工作时间可以实现自动化。的工作时间可以实现自动化。11麦肯锡发表了大量有关 gener AI 及其潜在用途的文章。例如，参见“生成式 AI 的经济潜力：下一个生产力前沿”，麦肯锡，2023 年 6 月 14 日。12工作时间是指在当今经济中从事特定活动的时间。自动化的采用源于自动化潜力，这是考虑到当前的技术能力，可以实现自动化的理论最大值。实际采用的速度通常落后于技术潜力。它受到解决方案集成所需的时间，用技术代替人力是否在经济上可行以及客户接受度，劳动法和缺乏正确劳动力技能的公司等多个其他障碍的影响。工作的新未来：在欧洲及其他地区部署 AI 和提高技能的竞赛181514131388776659796656Exhibit 5随着生成式人工智能的推动，到 2030 年，欧洲和美国将有多达 30%的工作时间实现自动化。自动化采用，欧洲 和美国更快/中点情景，2030 年，在当前工作活动上花费的时间百分比Europe 无创成式 AI 的自动化采用，%有创成式 AI 的自动化采用，%xx从生成式 AI 加速采用自动化，百分点US自动化采用，%2022employment,million自动化采用，%2022employment,million高度加速教育者和劳动力培训621STEM专业人员1327创意和艺术管理92211.6714.0144.110商业或法律专业人士社区服务办公室支持经理物业维护建筑商13261826293612191320243014.98.827.112.47.99.716192831381423121826326.820.19.74.67.0机械安装和维修食品服务生产工作运输服务卫生专业人员1911 5273331 5 3632 5 375 24166.116.68.56.36.32112 6283331 4 3532 5 375 26196.613.313.75.66.5客户服务和销售Agriculture212626 4 3014.04.1232927 3 3014.72.1适度加速健康助手，技术人员和健康14 3 1712.916 4 2011.6类别10 15 20 25 30 3510 15 20 25 30 35注意：由于四舍五入，数字可能不会求和。1中点自动化采用是早期和晚期自动化采用方案的平均值，如“生成 AI 的经济潜力：下一个生产力前沿”，麦肯锡全球研究所，2023 年 6 月 14 日。“较慢”的方案是后期方案和中点方案之间的平均值。2包括捷克共和国、丹麦、法国、德国、意大利、荷兰、波兰、西班牙、瑞典和英国。3总数按 2022 年各个职业类别中每个职业的就业人数加权。资料来源：欧盟统计局；职业信息网络；牛津经济学；美国劳工统计局；欧洲国家统计机构审议；麦肯锡全球研究所分析麦肯锡公司16161514249.9307.9252.23016.0All职业2082718521830158自动化的潜力因职业而异。随着 gener AI 的整合，欧洲的 STEM 专业人员可以看到自动化工作时间的百分比增加了一倍以上，从 13 增加到 27 。在教育和劳动力培训中，工作时间的自动化可以增加两倍以上，从没有整合 gener AI 的 6 增加到 21 。Ge AI 还可以将自动化的影响力扩展到需要想象力，创造力和批判性判断力的领域。例如，创意和艺术领域，通常与高度的人类原创和创新相关，工作时间的比例可能会从 9%的自动化而没有 geer AI 增加到 22%。同样，商业和法律专业的自动化采用率可能会从没有 Gee AI 的 13 上升到 26 。在评估自动化技术的影响时，机器的技术能力并不是唯一的因素。工人与技术之间的互补性-尤其是 AI-将在推动采用方面起决定性作用。互补性的概念虽然不是我们报告的重点，但对未来的工作至关重要。正如国际货币基金组织(IMF)最近的一份报告所讨论的那样，1人工智能互补性衡量的是技术可以在多大程度上支持工人完成任务（在不取代人类劳动的情况下扩大人类劳动）。互补性在不同类型的职业中有所不同，通过应用人工智能的技术性以及社会可接受性来衡量。这些见解表明，朝着全面拥抱 AI 和更广泛的工作时间自动化的方向发生了相当大的转变。但是，我们的分析还表明，AI 对劳动力的影响不是线性和均匀的，而是细微差别的和特定于职业的（见方框 2，“什么可能阻碍包括 AI 在内的技术采用？”）。13 Mauro Cazzaniga 等人，Gen-AI：人工智能和工作的未来，国际货币基金组织，2024 年 1 月。方框 2什么会阻碍包括什么会阻碍包括 AI 在内的技术采用在内的技术采用？许多因素可能会阻碍人工智能和生成人工智能(gen AI)的估计增长是我们在本报告中分析的基础。在需求方面，如果公司难以确定有效的应用程序或缺乏相关的劳动力专业知识，则将自动化，AI 和 ge AI 集成到现有系统中可能需要比预期更长的时间。此外，如果计算能力或能源资源短缺，与开发和部署这些技术相关的成本可能会上升。另一个潜在的挑战是劳动力增加导致工资增长的可持续性。这可能会阻碍进一步的技术吸收。最后，客户接受度和其他因素，包括社会、政治、或者我们没有明确建模的监管发展，可能需要考虑，因为人工智能驱动的自动化可能需要在Some cases for example,customers may need to accept that they will no