AI重塑的岗位将远多于其取代的

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI模型价格对比 | AI工具导航 | ONNX模型库 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

在未来两到三年内，美国 50% 至 55% 的工作岗位将被 AI 重塑。对于许多员工来说，这意味着他们将保留相同或相似的职位，但在工作方式和产出方面将面临全新的期望。对于企业领导者来说，这将需要清晰地规划如何管理这一转型，包括大规模、战略性地上提升级和再培训技能，以及重构职业晋升阶梯。

这种转变已经发生——并且随着 AI 采用的扩展，速度将进一步加快。我们的分析基于微观经济建模，发现 AI 将对大量劳动力的现有角色产生显著增强作用。此外，当 AI 使用带来的生产力提升触发终端产品需求增长，且增强潜力较高时，我们认为将需要更多、甚至是全新的人类角色。虽然岗位增强和新岗位的创造会迅速发生，但 AI 完全替代岗位的过程将更为缓慢。五年后——或者可能更远的未来——美国 10% 至 15% 的工作岗位可能会被消除。这一潜在的工作岗位流失规模是相当可观的，对企业领导者发出了重要的行动号召。

需要强调的是，我们的分析并非失业预测。它没有考虑地缘政治或通胀等宏观经济因素，也没有考量当今前沿模型能力之外的 AI 新突破可能带来的影响。此外，我们的模型无法解决一些强大而有影响力的未知因素，例如 AI 对岗位可及性的未来影响以及技术被采用的速度。

1、任务自动化不等于岗位流失

为了构建我们的模型，我们计算了涉及至少 40% 可自动化任务的岗位数量。这代表了美国所有职业的平均自动化水平，也是角色和组织重新设计具有更强商业案例的阈值。超过这一阈值的 43% 岗位成为我们分析的重点。其余 57% 的岗位严重依赖人类工人的现场参与、动手工作或持续的人际互动，所有这些都限制了自动化的可能性，因此不太可能被 AI 颠覆。

替代与增强。 为了说明替代与增强之间的区别，我们来看客服中心代表和软件工程师这两个已经在规模化部署智能体 AI 的角色。

客服中心代表通常负责在既定工作流程中解决一组特定的客户咨询。大部分工作涉及结构化交互，如账户查询、政策解释和脚本化故障排除。当 AI 系统能够可靠地端到端处理这些重复性咨询时，所需的代表数量就会减少。在这种情况下，工作流程通常可以被明确分割，AI 处理一线交互，人类则专注于升级处理和异常情况。

在某些情况下，代表可以转型到更高级的角色，专注于关系建设和主动风险缓解。但客服代表角色的整体就业将随着最结构化的任务被系统吸收而下降。

相比之下，软件工程师产生截然不同的产出。虽然编码包括常规元素，但该角色的核心价值在于系统设计、架构判断、性能与成本之间的权衡，以及将业务需求转化为技术解决方案。AI 可以大幅加速代码生成和测试，但就目前的能力而言，它无法取代端到端拥有结果所需的系统级判断——这意味着工作无法在系统和工程师之间明确划分。相反，软件开发变成了一种持续互动，工程师定义目标、优化输出、验证结果，并将组件集成到更广泛的系统中。

AI 支持和加速这些步骤，但不能取代对人类判断和问责的需求。因此，AI 帮助工程师更有效地完成工作，而不是取代他们，使这些角色不太可能经历直接裁员，并将工程师的工作转向系统级思维、编排以及产品和设计任务，而不是重复性编码任务。

低与高需求扩展性。 当 AI 降低交付业务成果或最终产品的成本时，问题在于对产出的需求是扩展还是保持有限。如果较低的成本释放了未满足的需求、增加了可及性或加速了消费，总产出可能会上升，即使在任务层面存在显著自动化的情况下，就业也可能保持稳定甚至增长。如果对产出的需求是固定的，生产力提升更有可能转化为所需的更少工人。

这种动态并不新鲜。经济学家早就观察到，效率提升可以增加而非减少总消费量，这一现象通常被称为杰文斯悖论。当资源成本下降时，使用量会上升。同样的逻辑也适用于劳动力：生产力是否减少就业取决于对产出的需求如何响应。

软件工程说明了可扩展的需求。各行业的组织继续面临对数字产品、自动化和新功能的持续性未满足需求。随着 AI 降低构建软件的成本和时间，组织通常会构建更多软件。产出扩展，总体就业量可能保持稳定或增长，即使个体工程师的生产力提高，因为人类继续发挥着有意义的作用。在 2022 年 ChatGPT 推出后的几年中，软件工程人头的持续增长说明了这一现象。

客服中心代表则说明了有限需求。呼入交互量很大程度上由客户群规模和服务需求频率决定。当 AI 降低处理常规咨询的成本时，交互量不会按比例扩展。在这种情况下，生产力提升更有可能减少所需的代表数量。

2、大多数现有岗位将保留但会演变

通过根据上述因素分析角色，我们可以确定它们属于 BCG Henderson Institute 专有的 AI 劳动力颠覆细分中的哪个类别，该细分包含六个类别。

增强型角色。 当 AI 增强人类能力且需求扩展时，就业可能保持稳定或增长。人类仍然是价值创造的核心，随着更高的生产力增加了对熟练人才的竞争，可能会出现工资通胀。这类角色占当前岗位的 5%。

软件工程属于这一类别。许多律师也是如此，特别是那些从事咨询和判断密集型法律领域的律师。对法律科技初创公司的投资（如 Harvey AI）在 2025 年达到创纪录水平，引发了关于 AI 将如何重塑该领域的重大讨论。随着 AI 加速研究、起草和案件准备工作，法律服务可能变得更加可及。在存在未满足需求的领域（如合规、监管审查和合同管理），较低的成本可能会增加法律工作的量。高级法律判断仍将是核心，AI 增强专业能力。

再平衡型角色。 当 AI 增强工作但需求有限时，员工人数可能保持稳定，而角色将被重新设计。常规任务被自动化，而更复杂的职责得到扩展。随着工作转向更高价值的活动，技能要求提高，技能提升变得至关重要。我们估计 14% 的当前岗位属于这一类别。

内容营销就是一个例子，其需求受营销预算和战略优先事项的限制。同时，随着受众的碎片化以及影响者和大语言模型重塑客户旅程，品牌需要更多而非更少的内容，以更有针对性的方式在正确的时机传达给正确的受众。营销人员角色——而不是像现在那样按渠道划分——将会扩展，营销人员和创意总监将成为能够思考端到端活动的全渠道专家。

学术研究也是类似的情况。需求受机构资金限制，但随着智能体 AI 推动的生产力提高，对假设形成、数据解释和学术判断的需求增加——这些仍然是人类的领域。

分化型角色。 当 AI 替代人类任务但需求保持可扩展时，对就业的影响变得不均匀；我们的分析表明这适用于 12% 的当前岗位。在这些角色中，初级和初级职位在短期内更容易受到自动化的影响。这些层级传统上执行的大量结构化任务是最先被自动化的，这意味着该类别中会有一些岗位流失。同时，高级层级的职责持续存在，并可能随着需求扩展而增长，涵盖更多工作量。这造成了一种结构性张力。保留的角色需要情境判断、监督和协调技能，这些通常是通过在职经验积累的。这是一个数字本身无法讲述完整故事的典型例子。

保险销售代理属于这一类别。AI 自动化了潜在客户筛选、报价生成和保单比较等常规活动——这些任务通常由初级员工或销售助理处理，特别是对于标准化产品如汽车或基本人寿保险。同时，仍然存在显著的保护缺口，特别是在更广泛的人寿保险覆盖范围和保险不足的中小企业中。通过降低分销和服务成本，AI 使保险公司能够触达以前服务不足的客户，扩大整体市场参与度并释放潜在需求。因此，一些常规角色减少，而其他角色则转向更高价值的活动，如更复杂产品（例如商业保险或年金）的保单咨询和长期客户关系管理。

IT 支持技术人员提供了类似的例子。AI 可以解决常规工单并自动化诊断。随着数字基础设施的扩展和系统变得更加复杂，对高级故障排除和系统监督的需求可能会上升。初级解决工作可能会减少，除非工人能够快速提升技能，而更高级的技术协调角色则会持续或增长。

替代型角色。 只有当需求封顶且 AI 直接替代人类工人执行核心任务时，角色才会落入这一类别——我们的分析估计这影响约 12% 的当前岗位。效率提升转化为净岗位流失，并且对剩余职位形成下行工资压力。

某些金融分析师角色属于这一类别（客服中心代表也是如此）。金融分析量很大程度上与现有报告周期、投资指令和内部决策流程挂钩。当 AI 自动化常规建模、数据聚合和初步解释时，产出不会按比例扩展。在这种情况下，生产力提升更有可能减少所需的分析师数量，而非推动额外招聘。

需要注意的是，替代并不意味着被永久排斥在劳动力市场之外。随着增强型、较难自动化的和新兴角色在经济其他领域扩展，处于替代风险岗位的工人可以通过有针对性的再培训和流动支持转型到这些角色。现在就开始为这些重新部署做规划——即使它们不会立即或一次性发生——将是至关重要的，因为转型需要时间、协调和投资。

赋能型角色。 AI 将嵌入到 23% 岗位的日常活动中，重塑任务的执行方式，但不会根本改变工作的组织结构。工人将被期望使用 AI 来提高效率、准确性和决策能力。虽然常规元素可能被简化，但核心职责——通常涉及人类工人的现场参与、人际互动或特定领域专业知识——将继续由人类主导。随着 AI 成为基准能力，技能要求将提高，使持续提升技能变得不可或缺。

临床助理和实验室技术人员说明了这一动态。他们的工作仍然是动手操作或面向患者的，但 AI 越来越支持文档记录、工作流程协调和诊断分析的某些方面。例如，临床助理可以使用 AI 进行实时记录和患者登记，实验室技术人员可以利用 AI 解释测试结果或标记异常。随着时间的推移，有效使用这些 AI 工具将成为角色的一部分，在不根本改变其性质的情况下提高了对生产力和准确性的期望。

低暴露型角色。 在较低自动化岗位的其余部分——占当前岗位的 34%——自动化的技术可行性和 AI 驱动的生产力提升空间都仍然有限。工作通常是高度情境化的、关系驱动的，或依赖于人类现场的物理参与，这些方式难以通过 AI 编码化或扩展。因此，这些角色在近期不太可能被显著重塑。

医生和教师是典型例子。两者都需要形成复杂判断、进行人际互动以及实时适应个体需求的能力。AI 可能以有限的、特定任务的方式提供辅助，但不会显著重塑任何一个角色。工作的核心——患者护理和教学——将基本上保持人类主导。

影响规模。 在所有六个细分中，10% 至 15% 的岗位面临被淘汰的风险；这些是替代型和分化型类别中的岗位，按其自动化潜力加权并根据需求扩展进行调整。同时，50% 至 55% 的岗位将被重塑；这些是增强型、再平衡型和赋能型类别中的岗位，以及分化和替代类别中不易被淘汰的岗位部分。其余角色在近期基本缺乏显著的自动化潜力。同时，随着新需求的出现和 AI 赋予新能力，可能会创造数量不明确但相当可观的新岗位。

3、应对重大未知因素

我们的分析使我们能够对角色进行分类，但这并不是全部。每个细分——以及其中潜在的单个角色——都将演变并产生不同的连锁效应，必须在不同的时间范围内加以管理。因此，总体就业数字的稳定可能会掩盖企业领导者面临的关键问题。

智能体 AI 角色转型的副作用。 首先，AI 时代的一个关键挑战不仅是受影响的岗位数量，而是工人能以多快的速度被提升技能并重新部署到重新设计的角色中。因此，吸收如此规模的劳动力转型需要有意识地在再培训、流动性和能力建设方面进行投资，使劳动力发展成为领导层的优先事项。

在近期，一些组织可能会通过放缓或冻结招聘来回应，同时重新评估劳动力需求并推动利用 AI 提高生产力——这给现有员工适应和提升技能增加了额外压力。在某些情况下，这些措施是在 AI 实际影响实现之前采取的，应被视为一个临时阶段，而非新常态。产品和服务需求旺盛的公司将随着时间的推移继续招聘，因为生产力提升会转化为增长。

其次，随着 AI 吸收了历史上证明大规模初级招聘合理性的大部分常规工作，执行导向的职位需求将减少。在短期内，初级岗位的数量可能会减少。一些公司仍会选择投资初级员工以建立人才管道，而另一些公司可能会削减招聘。然而，随着时间的推移，这些岗位将被重新定义，由准备承担更高阶任务的候选人填补，例如监督 AI 输出、管理异常情况以及更早地在职业生涯中参与更复杂的问题解决。

在这种环境下，AI 熟练度可能成为评估承担增强职责准备程度时越来越重要的补充因素（相对于资历），公司将优先考虑那些主动采用 AI 工具并重新思考工作方式的候选人。在某些情况下，这将为初级候选人（包括应届毕业生）创造机会，他们可能比更有工作经验的工人更熟悉 AI。

第三，技能门槛将提高。重新设计的角色将要求员工展示更高的专业知识、监督能力和问责水平，增加对领域知识和可靠判断的重视。更持久的角色通常需要更高的资质和更多的资历。进入这些角色需要新的能力，在许多情况下，还需要额外的培训或正式资质。即使总就业人数保持稳定，这些更高的门槛也可能造成进入壁垒和劳动力转型中的摩擦。

最后，认知负荷将加剧。许多角色目前平衡着结构化执行和高级思维。随着重复性任务被自动化，剩余的工作将集中在问题解决、决策制定和复杂输入的整合上，增加工作的认知强度。虽然一些工人将在更多以判断为导向的角色中蓬勃发展，但其他人可能在向持续高水平认知参与的转变中挣扎，需要提升技能。如果没有有意识的角色设计和能力建设，组织可能无法充分发挥 AI 的生产力潜力。

这四种动态即使在总体就业稳定的情况下，也可能在岗位层面产生短期流动、不确定性和颠覆。因此，AI 对劳动力的影响不仅关乎有多少岗位存续，还关乎这些岗位的可及性和可持续性。

变革时间线上的开放性问题。 另一个关键的未知因素是时间。经济影响往往滞后于模型能力，因为前者还取决于应用成熟度、工作流程重新设计、与遗留系统的集成，以及具备部署和管理这些 AI 系统能力的人力资源的可用性。

联络中心工具是最成熟的应用之一，但相对于整个行业规模，整体市场渗透率仍然有限。根据我们的经验，完全的工人替代推广速度比增强更慢。替代通常意味着在流程中保留更少的人类，这需要大量的流程重新设计和隐性知识的正式化。人类工人也可能形成关键的"升级处理层"来处理智能体无法交付的结果。相比之下，增强可以更快地扩散，因为人类仍然大量存在，可以在过渡期间管理上下文、边缘情况和模糊性。

扩展智能体系统需要专门的集成人才，包括前置部署工程师、系统集成商和项目经理，他们将系统调整为适合企业特定上下文的解决方案。这些技术专家直接嵌入业务团队，将 AI 能力转化为真实的、可用的解决方案。他们处于 AI 技术和组织之间，调整工作流程、集成遗留系统，并确保输出可靠且可用。在这些集成角色中，供应相对于需求仍然有限，使实施能力成为关键瓶颈。这些角色也是 AI 采用创造新就业机会的例子，随着企业扩展部署，需求预计会增加。

因此，在自动化潜力和已实现的劳动力市场影响之间可能会存在数年的滞后。具有高自动化潜力的行业并不总是展示出高水平的规模化 AI 采用。在其他行业，如技术和软件，采用率已经远高于平均水平，尽管今天的平均水平对大多数行业来说仍远未达到全部潜力。还有一些行业，包括金融服务和法律服务，具有巨大的自动化潜力，但规模化部署尚未跟上。扩散速度将因行业、公司规模和集成专业知识的可用性而异，大型企业通常由于资源、系统和数据访问问题而比小型组织行动更快。

4、CEO 们现在需要做什么

对于领导者来说，有四个关键的起点。

将劳动力战略嵌入竞争战略。 AI 将重塑竞争动态并赋能新商业模式。通过加速创新、重新设计产品或重新配置企业在业务线、产品和职能层面的价值交付方式来应对的公司，将从根本上改变其组织内部的工作性质。劳动力战略不能处于自动化的下游。它必须嵌入战略规划中。重塑劳动力是一项竞争性要务。

领导者应避免由头条新闻或同行行为驱动的被动成本行动。劳动力决策必须反映特定企业内部可自动化和可增强工作的具体组合。不了解自身暴露程度而照搬其他公司的裁员会损害生产力和长期竞争力。

将自动化的重点重新聚焦于重新设计，而不仅仅是削减成本。 智能体 AI 不是一件钝器。不同的角色需要不同的方法。有时成本是主导因素。其他时候，其他优先事项占主导，如工作速度和质量。成本行动——如冻结或减少人头——是可见且直接的，具有明确的运营支出影响。但当 AI 驱动生产力而非削减成本时，ROI 变得更难定义和捍卫。

在这些情况下，领导者必须重新设计工作流程并重新思考绩效衡量方式。获取价值需要新的、特定领域的 KPI，将生产力提升与具体成果联系起来，如每位全职员工更高的收入、更多的产品出货量或更强的客户影响力。角色内的任务周转率将是衡量角色向更高价值工作演变速度的指标。实现 AI 的上行空间通常意味着在改进中成长——通过预算和劳动力规划将生产力提升转化为财务成果。

将技能提升、再培训和重新部署置于劳动力战略的中心。 岗位保留并不意味着员工为此做好了准备。技能提升、再培训和结构化的重新部署路径必须成为劳动力战略的核心。此外，随着技术发展，工人可能需要更频繁的（而非一次性的）技能提升。领导者应根据角色演变的方式分阶段培养劳动力，并创建通往相邻、增强和新兴职位的清晰路径。在预计 AI 将对工作产生重大影响的五个 AI 劳动力颠覆细分中，领导者应针对每个类别注意以下考虑：

• 增强型角色。 领导者应专注于留住和发展这些人才，重新发明基于团队的工作流程以最大化人机协作，并重新定义卓越的标准。随着生产力期望的提高，领导者应注意认知过载并积极管理工作负荷。强化 AI 增强长期价值的叙事对于维持参与度和绩效至关重要。
• 再平衡型角色。 机遇在于角色重新设计。领导者应识别可自动化的可重复组件，并将节省的时间再投资于更高价值的活动。AI 熟练度和结构化实验方面的技能提升对于确保更高阶技能转化为可衡量的产出质量改进至关重要。
• 分化型角色。 这里的挑战是结构性的。领导者应有意识地重新设计职业路径，创建加速发展通道和通往更高技能职责的清晰路径。保留入门通道、投资年轻人才以及审慎管理晋升对于避免长期技能缺口至关重要。
• 替代型角色。 领导者应围绕 AI 智能体端到端地重新构想流程。劳动力转型规划必须与 AI 部署并行制定。重新部署路径、过渡支持和变革管理应与自动化举措同步设计。
• 赋能型角色。 领导者应专注于将 AI 嵌入日常工作流程，并在整个劳动力中建立广泛的 AI 熟练度。优先事项是一致的采用：消除使用障碍、标准化工具和工作流程，并设定明确期望，使收益得到广泛实现。

塑造 AI 叙事以释放绩效。 顺序和信号很重要。首先关注高度可替代的角色可能会带来短期的效率收益，但它可能营造出令人沮丧的氛围，破坏更广泛的转型。当员工将自动化与裁员联系在一起时，参与度下降，提升技能的动力也会受到侵蚀。他们可能会抵制增强努力，即使这些努力旨在提升他们的角色。领导者必须明确传达：如果工人提升技能，在大多数角色中 AI 将是关于价值创造，而非裁员。高层设定的叙事将决定劳动力是拥抱转型还是抵制转型。

AI 为商业领袖创造了巨大的机遇，但在如何解锁方面也带来了显著的不确定性。此外，这一切都发生在一个敏感的环境中。在某些情况下，作为正常商业周期一部分本来就会发生的重组可能会被归因于 AI，这将在社会层面造成恐惧。

同时，AI 的影响在不同公司将显著不同。一些公司将倾向于利用 AI 推动创新和增长，而另一些公司将专注于效率和自动化。这可能导致截然不同的人才策略，一些公司在减少人头，而另一些公司在积极招聘。对于 CEO 来说，当务之急是专注于在自动化、技能提升和有意识的人才规划之间取得正确平衡——以规模化交付企业投资回报，并帮助员工发展在 AI 时代茁壮成长所需的技能。

原文链接: AI Will Reshape More Jobs Than It Replaces

汇智网翻译整理，转载请标明出处