Gardiner & Theobald 2025年人工智能劳动力市场调查

2025 由：Gardiner & Theobald 为：科学与创新技术部（DSIT） 目录 执行摘要 英国咨询公司Gardiner & Theobald（G&T）受科学与创新技术部（DSIT）委托，将调查2025年英国的AI劳动力市场。本报告是在...的基础上编写的。2020年进行的前期研究该机构利用调查和访谈来评估该行业的趋势、技能差距以及不断变化的技能需求。这些发现有助于实施《人工智能机遇行动计划（2025）》，旨在准确识别人工智能技能短缺，并支持政策决策以加强英国的人工智能生态系统。然而，后续的调查结果或建议不代表政府观点或政策，而是代表G&T的观点。 英国人工智能行业正面临一个关键的人才缺口，这威胁到其长期增长和全球竞争力。人工智能应用的快速扩张正推动对专业人才需求的日益增长，然而，具备相应资质的人才供应却未能同步跟上。行业需求与劳动力能力之间的这种脱节正在造成显著的招聘难题，阻碍创新并限制业务表现。解决这一技能差距需要采取多方面的方法，以提升教育、培训、招聘策略和劳动力多样性。 当前所报告的技能差距是显著的。97%的受访者表示，在人工智能劳动力市场中至少存在一项技能差距。57%的企业报告存在技术技能差距，而30%报告存在非技术技能差距（指那些不需要专业工具、技术或知识的技能，例如编程、工程或建模）。最显著的差距在于对人工智能概念和算法的理解，受访者认为这一点是技能差距的百分比在过去五年中从55%增加到60%。关键的是，28%的受访组织报告称，技术技能短缺影响了他们实现业务目标的能力，这进一步强化了实施针对性干预措施的紧迫性。 为弥补这一差距，通往人工智能职业的替代途径正在扩展。实习在人工智能招聘中的占比已从2020年的3%上升至2025年的19%，提供了结构化、基于经验的培训。然而，尽管取得了这些进展，理论知识与实践应用之间的差距仍然是一个主要挑战。对非正式培训的日益依赖进一步凸显了这一问题，88%的组织选择在职培训而非结构化的教育培训项目。值得注意的是，仅有13%的毕业生计划包含人工智能培训，这突显了正规教育途径在为学生准备行业岗位方面的不足。 技能差距因人工智能技术的加速应用而进一步加剧。过去三年，自然语言处理（NLP）的使用量增长了34%，目前有22%的组织正在使用调查中包含的所有五种人工智能类型。展望未来，57%的受访者计划在接下来三年内采用自主型人工智能（Agentic AI），这将加剧对熟练专业人才的需求。然而，人才供应未能跟上步伐，导致招聘难度加大，从而减缓了行业的发展进程。 尽管在技术岗位上持续依赖学术资格——尤其是博士学位和硕士学位——但人工智能技能要求正变得越来越复杂。数据科学的专业知识日益普及，企业雇佣该领域专业人员的比例从48%上升到66%。虽然计算机科学仍然是主要的资质要求，但人工智能岗位越来越多地融入心理学和哲学等社会科学元素，这反映出对人类智能的重视程度不断提高。 伦理考量。这项技能要求的扩大给本就紧张的 talent pipeline 带来了更大的压力。 招聘挑战依然存在，有35%的企业难以填补人工智能岗位。主要障碍包括候选人缺乏工作经验（31%）和专业技术技能不足（30%）。高级职位尤其难以招聘，反映出经验丰富的专业人才短缺。这些短缺直接影响业务表现，阻碍了多个行业的创新和人工智能应用。 国际招聘是缓解这些短缺的一种方式，有38%的企业从英国以外招聘人才。国际招聘的主要驱动力包括获取专业技能、吸引顶尖人才以及成本效益。然而，组织面临着签证处理延迟、高成本和安全审查要求等障碍，这些都限制了吸引海外人工智能专家的能力。通过简化签证政策和国际合作来解决这些问题，可以在短期内缓解招聘困难，并提升英国在人工智能领域的竞争力。 劳动力多样性进一步加剧了技能差距，因为代表性不足持续限制了可用的人才库。女性在人工智能领域的比例持续下降——自2020年以来下降了4个百分点，到2025年降至20%。与此同时，41%的公司不雇佣少数族裔员工。此外，雇佣非英国公民的组织数量减少，报告没有国际雇佣的公司增加了10%。残障人士仍然代表性不足，尽管LGBTQIA+包容性有所改善，但更广泛的人才多样性障碍依然存在。扩大工作途径，超越传统的学术路线，可能有助于提升代表性，并使人工智能职业对代表性不足的群体更加开放。 尽管在拓宽就业途径和提升培训保障方面已取得进展，但本报告基于这些研究成果，建议政府考虑采取若干关键干预措施。通过与行业伙伴合作扩大人工智能学徒制，有助于弥合教育与实际经验之间的差距，同时也有助于提升多样性。正规教育项目可以更好地与行业需求相契合，融入动态数字学习平台等理念，以跟上技术变革的步伐。此外，简化国际人才签证流程，并促进政府与行业合作开发人工智能实习和就业机会，有助于缓解劳动力短缺问题。 引言与方法论 2.1. 简介 2024年12月，Gardiner & Theobald（G&T）受科学与创新技术部（DSIT）委托，开展一项调查，并随后撰写一份报告，以研究英国人工智能劳动力市场。该研究旨在收集当前人工智能劳动力市场信息，重点关注技能差距、教育途径、招聘、入门及晋升渠道以及劳动力队伍的多元化。该市场被定义为符合第3节所述三类标准的英国组织，即那些商业化开发人工智能的组织、内部开发人工智能的组织以及采购人工智能的组织。 The人工智能机遇行动计划(AIOAP) (2025)概述了英国在三个领域应对人工智能的方法：投资人工智能基础、采用跨经济人工智能，以及定位英国成为人工智能的创造者而非追随者。 尽管DSIT会定期开展分析，以建立全面且坚实的证据基础，用于评估与这些目标相关的趋势，但AIOAP的第14项建议特别要求政府“准确评估技能差距的规模”，因为目前的估计被认为不够精确且已过时。 本报告的研究成果有助于落实该建议，同时也是DSIT更广泛工作中评估英国人工智能劳动力市场趋势的一部分。这些证据将用于支持人工智能政策决策，评估其有效性，并确定人工智能生态系统未来的技能需求。 2.2. 英国人工智能劳动力市场2020报告 2020年，英国人工智能劳动力市场的首份报告发布，名为理解英国人工智能劳动力市场：2020年本研究采用混合方法收集了技能差距、技能短缺、地理集中度和劳动力多样性方面的数据。G&T的报告基于2020年的研究，复制了之前研究中的关键数据点，同时引入了新的数据点和关注领域，以反映过去四年人工智能劳动力市场的演变。 2.3. 方法论概述 本报告使用三个关键数据输入创建。 - 为便于比较，采用2020年报告的数据 - 通过自我选择的在线调查收集的定量数据 - 通过访谈收集的定性研究结果 G&T于2025年1月发起了一项调查，该调查由DSIT联合开发。该调查发送给了3,940家组织，这些组织是通过以下方式选出的： 与皇冠商业服务等商业渠道进行注册 高丁与索巴尔德律师事务所人工智能劳动力市场调查 202 5 - 自我认定为AI提供者- 被DSIT认定为与调查相关 共119家组织参与了调查，相较于2020年研究中的118名受访者。这119家组织构成了分析样本。尽管这代表3%的回复率，但回复数量和回复率与2020年的调查相似。此外，还进行了20次一对一访谈（而2020年研究完成了50次访谈）。 本报告的研究成果已分为11个关键部分，涵盖了能力、能力、多样性、培训与招聘等关键议题。 阅读前请注意 •并非所有调查问题都是必答题，因此本报告中包含的所有数据均标明了各自的响应率。•尽可能地对2020年的报告进行了比较，但本报告的部分内容是新的，因此这是首次捕获的数据点。•收集的数据仅用于此活动，G&T未保留。•本报告的创建过程中，G&T并未编辑或篡改任何数据。•该分析反映了上述受访者样本集提供的数据。•有些百分比图表可能加起来不等于100%，这是由于数据四舍五入造成的。 1. 自愿参与调查可能会造成样本偏差。 被上诉人概述 本报告部分提供了关于所调查组织规模、位置和结构的信息，并为其他调查领域的研究结果提供了背景。 本节关键发现 • 大多数回应机构（66%）正在开发商业人工智能解决方案 • 从企业规模来看，中小企业（SMEs）占调查回复的大多数，受访者中有93%来自中小企业 • 在回复的组织中，大伦敦和英格兰南部是代表最多的地区，占回复总数的77%。 被上诉人组织信息 使用人工智能参与情况对回答进行分类 作为调查的一部分，受访者被分为以下三个组：•第一组：正在开发商业人工智能解决方案的企业（即，开发可投入市场的专有人工智能解决方案的组织） 这种分类有助于描述受访者参与人工智能行业的程度，因为这是决定他们可能需要的劳动力技能要求的关键因素。 如上图1所示，大多数受访者属于第一组。鉴于这些组织专注于开发专有AI解决方案，它们更有可能需要跨多个领域的内部AI专业知识，以支持开发面向市场的工具。 组织规模 该调查还根据员工总数统计了受访组织的规模。了解组织规模是分析趋势的关键因素，因为每个群体可能面临不同的挑战。 图2显示了根据组织规模划分的受访者分布情况。受访者主要由小型和微型组织构成，占比82%（略低于英国总体的98%）。1这反映了人工智能行业的构成，包括初创企业和中小企业。这些挑战可能因公司规模而异，这也是本报告探讨的内容。 组织机构位置 该调查还收集了回应机构的地理位置信息，以评估人工智能采用和发展的区域差异。 如图3所示，大伦敦地区占比最高，占所有回复的50%，其次是东南英格兰（18%）和西南英格兰（8%）。相比之下，南英格兰以外的地区占回复的24%。 与...的比较人工智能行业研究2024年10月由DSIT发布的报告显示出高度一致性。在该分析中，71%的组织位于伦敦、东南部或英格兰东部——这与前一项研究紧密呼应，在前项研究中，73%的受访者来自同一地区。 组织人工智能资源 本部分研究重点关注各响应机构的内部资源，并概述了其中每个机构有多少人员在其职责中专门关注人工智能。这项分析为受访者机构提供了额外的背景信息，并有助于评估人工智能技能对其日常运营的整合程度。 本节关键发现 •56%的受访组织员工承担的职位将人工智能作为核心组成部分。• 在中小企业中，14%的AI相关员工担任高级职位，而大型组织中只有1% • 大多数（56%）的组织使用内部和第三方开发的AI模型，而24%仅依赖第三方模型，18%仅依赖内部解决方案。 4.1. 研究结果 来自回应机构的员工中有56%使用人工智能模型、工具或技术作为其核心职责部分这主要是由大量高度依赖这些个体的微型组织所驱动的。在54家响应的微型组织中，66%的员工将人工智能视为其核心职责的一部分。这并不令人意外，因为专注于人工智能的较小组织往往比资源需求更多元化的较大公司拥有更高比例的人工智能相关职位。然而，这也凸显了这些组织对其员工人工智能专业知识的强烈依赖。 这与拥有超过250名员工的大型组织形成对比。在这些组织中，11%的员工岗位将人工智能视为核心组成部分，因此这些组织对这类员工的依赖程度较低。 对于担任高级职位（即做出商业决策的人员）而言，36%的人将AI模型、工具或技术作为其核心职责的一部分（所有受访者综合数据）。这可能表明这些人在承担管理职责的同时，还负责技术工作。同样，大型企业与中小企业之间的差异非常显著，具体表现为： - 1%的大型组织员工担任高级人工智能职位；以及 14%的中小企业员工担任高级人工智能职位（在小公司中，“高级”职位的定义可能与拥有高管团队的大公司不同，但这仍然表明了对高级人工智能技能集的依赖有所增加）。 在理解资源和技能时，了解组织是否拥有自己的员工开发人工智能模型，或者人工智能模型是否由外部人员开发，也同样重要。 下图展示了使用内部开发AI解决方案的组织与依赖第三方供应商的组织之间的区别。大多数组织（57%）都采用了两者的结合。这反映了组织可获得的资源多样性，并表明个人可能需要在各种AI模型或平台