麦肯锡：AI与工作的新未来

工作的新未来：部署的竞赛AI和提高技能欧洲及其他地区 五月2024 麦肯锡全球研究所 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www. mckinsey. com / mgi上找到有关MGI和我们的研究的更多信息。 MGI合作伙伴 MGI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 Michael Chui MekalaKrishnan AnuMadgavkar JanMischke JeongminSeong Tilman Tacke Contents 一目了然聚光灯：制造业 3 背景：劳动力短缺和生产率增长放缓聚焦：医疗保健42 加快未来工作过渡的潜力10 在技术发酵时期提高生产力和人力资本52 劳动力市场中断的不同地理22 技术附录60 26 Acknowledgments65 聚焦：金融服务 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。 背景：劳动力短缺和生产率增长放缓 1 本报告关注劳动力市场在欧洲和美国，看着 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？ 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，% 麦肯锡公司 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。 附件2 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。 商业领袖和政策制定者将面临关键选择，即在培训和重新部署工人的同时接受技术变革和投资进入未来的工作。 加快未来工作过渡的潜力 2 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 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”）。 方框1 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， 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 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。 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 Our model differences between employment demand andoccupational transitions. For the first, it estimates netchanges in employment demand by sector and occupation;for the second, it estimates the net declines in occupitiescompared 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。 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。 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 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