AI最有可能对劳动力产生三种影响

简介: AI最有可能对劳动力产生三种影响

本文来自 企业网D1net公众号

公司的高管和员工都需要为AI在不久的将来将迎来的更大范围的变革做好准备,它对工作的最终影响是未知的。调查证实,所有接受调查的商界领袖都预计他们的员工队伍会发生变化,比如增加或减少员工人数,以及实施裁员计划。超过一半的前瞻性领导者重视以人为中心的情景,同时正在采取行动,通过围绕GenAI重新设计工作和角色来重塑劳动力,75%的员工正在帮助他们塑造这些新的工作方式。

“GenAI很可能是自农业和工业革命以来最重大的变革。”

好吧,请先别着急。埃森哲关于2024年劳动力的最新报告中的这一说法可能有点过头,因为自20世纪80年代初信息革命开始以来,我们一直听到关于工作的类似言论,但毫无疑问,AI将极大地改变和协助工作的执行和交付方式,可以称之为正在进行的信息革命的最新阶段。

问题是,AI究竟将如何改变我们所知的工作,以及人们将如何受到影响。首先,AI,就像几十年来出现的所有其他技术一样,被视为被推到工人喉咙里的东西。

然而,GenAI的情况正好相反,埃森哲调查的几乎所有员工(95%)都看到了使用这项技术的价值。

但员工不相信他们的公司处理AI的方式——例如,60%的员工担心与技术相关的失业、压力和职业倦怠。

相比之下,不到三分之一的高管(29%)认为工作岗位被取代是他们员工的担忧。该报告的作者埃琳·肖克和保罗·多尔蒂表示,随着公司希望利用AI的前景,员工和高管之间存在脱节。

公司的高管和员工都需要为AI在不久的将来将迎来的更大范围的变革做好准备,它对工作的最终影响是未知的。调查证实,所有接受调查的商界领袖都预计他们的员工队伍会发生变化,比如增加或减少员工人数,以及实施裁员计划。

事情发展得很快——也许对商界领袖来说太快了。舒克和多尔蒂表示:“AI世代最多花了几个小时就吸引了全世界的注意力。AI迅速被企业和个人采用,突显出它有能力重塑工作、重塑劳动力,并让人们为实时展开的未来做好准备。”

舒克和多尔蒂表示,虽然当前的GenAI解决了相对较窄的任务和角色,但下一阶段将专注于“重新设计组织内的流程,以及人们如何体验工作。”然而,三分之二的高管承认,他们还不具备进行这种改造所需的适当技能和能力。

此外,高管们不相信他们的员工已经为AI做好了准备——调查显示,36%的员工认为,由于缺乏技术理解,员工不会完全接受GenAI,然而,大多数工人(82%)认为他们掌握了这项技术,94%的人相信他们可以发展所需的技能。

此外,尽管超过一半的员工(53%)担心GenAI的产出质量,但只有21%的高管表示,信任产出质量是他们员工的担忧。

AI的发展需要是一个协作的、用户引导的、人类引导的过程。此外,这些以人为本的领导人-在AI的支持下-可以创造10.3万亿美元的全球经济价值。

埃森哲的洞察力基于与GenAI相关的数据的经济建模,以及对7000多名高管和5000名大型组织员工的调查。

以人为本的方法还没有渗透到企业的各个级别。虽然95%的员工已经准备好并愿意接受创新型AI,但只有5%的组织正在提供大规模培训。舒克和多尔蒂敦促说,重点需要放在“提高人们对这项技术的熟练程度和舒适度”。

现在出现了三种可能的情景,它们可能决定AI在本世纪20年代后半期对工作的最终影响:

  • 激进的采用情景:组织将完全专注于通过GenAI削减成本,迅速采用技术(在五年内全面采用),并以较高的速度取代人才,被取代的人才将过渡到与他们所担任的工作类似的工作中,这些职位有同样的可能性被取代,导致失业率上升。


  • 谨慎的采用方案:组织将重点放在“自动化和加强与GenAI的工作,缓慢而谨慎地采用技术,以避免取代人才(在未来15年内全面采用),但不注重创建以人为中心的方法和组织。”


  • 以人为中心的采用场景:组织将重点放在“加强与GenAI的合作,同时有效地利用自动化用例。随着他们以温和的速度(在10年内完全采用)采用这项技术,人才流失率最终会很低,因为他们致力于创建以人为中心的方法和组织,以支持正在改变工作的现有工人,以及因自动化而被取代并进入新角色的新工人。


在调查中,超过一半的前瞻性领导者——他们重视以人为中心的情景——正在采取行动,通过围绕GenAI重新设计工作和角色来重塑劳动力,75%的员工正在帮助他们塑造这些新的工作方式。

埃森哲预测,这些领先公司投资于不断增长的人的软技能和技术技能的可能性是前者的两倍,预计未来三年员工生产率提高20%或更多的可能性是前者的两倍。


相关文章
|
9月前
|
人工智能 算法 机器人
D1net阅闻|OpenAI CEO奥尔特曼:预计第一批AI智能体今年“加入劳动力大军”
D1net阅闻|OpenAI CEO奥尔特曼:预计第一批AI智能体今年“加入劳动力大军”
|
30天前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
386 29
|
1月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
437 26
|
2月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
738 37
|
1月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
291 1
|
1月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
213 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
1月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
221 3
|
1月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
2月前
|
存储 人工智能 Serverless
函数计算进化之路:AI 应用运行时的状态剖析
AI应用正从“请求-响应”迈向“对话式智能体”,推动Serverless架构向“会话原生”演进。阿里云函数计算引领云上 AI 应用 Serverless 运行时技术创新,实现性能、隔离与成本平衡,开启Serverless AI新范式。
393 12
|
30天前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
375 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀