2026年职业技能报告

核心观点与关键数据

• AI 技能成为基础要求： 企业学习者中，GenAI 相关技能的报名人数同比增长 234%，远超其他技能，表明 AI 技能已成为跨职能的核心竞争力。
• AI 与技术基础技能结合： 学习者正将 AI 知识（如自然语言处理）叠加在技术基础技能（如 SQL、JSON）之上，形成新的复合技能。
• 人类技能价值提升： 随着 AI 自动化技术任务，批判性思维、数据质量、调试等人类判断和验证技能的价值凸显，需求大幅增长。
• 关键职业领域技能趋势：
  • 数据领域： Multimodal Prompts、Prompt Engineering、Natural Language Processing 等技能需求激增，同时 Data Quality、Data Cleansing 等数据验证技能也备受关注。
  • IT 领域： 生成式模型架构、机器学习方法、自然语言处理等 AI 相关技能位列前茅，同时云工程、网络安全等基础设施技能也至关重要。
  • 软件与产品开发领域： 无监督学习、生成式模型架构等机器学习技能需求旺盛，同时 Web Applications、SQL、集成开发环境等基础技术技能仍是核心。
• GenAI 应用趋势： GenAI 主要应用于内容创作、个性化、生成式 AI 代理等方面，其中内容创作技能增长最快，同时 Image Analysis、Multimodal Prompts 等技能需求也显著上升。
• 重要发现： 各领域学习者中，批判性思维的报名人数均呈现三位数同比增长，表明人类判断和战略监督能力成为 AI 协作的关键。

研究结论

• 技能差距是主要风险： 企业在 AI 部署过程中面临的主要风险是技能差距，导致 AI 无法得到有效和负责任的使用。
• 以技能为先： 企业、政府和教育领导者需要采取以技能为先的策略，投资于 AI 技能和人类判断技能的培养，以适应 AI 驱动的时代。
• 技能转型： AI 正在重塑劳动力市场，传统角色边界逐渐模糊，软件开发者学习机器学习，数据分析师掌握人机交互，AI 素养成为所有员工的通用能力。
• 教育改革： 高等教育机构需要更新课程体系，将 AI 技能和批判性思维等能力融入教学内容，培养适应未来需求的毕业生。
• 技能验证： 验证性微证书的需求大幅增长，成为验证技能掌握程度的重要手段。
• 性别平等： Tech 和 GenAI 培训中的性别差距正在缩小，表明 AI 技能的普及可能有助于构建更公平的劳动力市场。