工业运营中的人机协作：激活行动手册

2026年6月 Getty Images 图片： 内容 前言 3 执行摘要4 1.1 互补性要求 71.2 采用差距 8 工业运营中的人机协作框架 2 2.1 工作如何正在改变 112.2 对组织的影响 12 3 框架采纳 173.1 场景层面：文化、学习与一线主导 173.2 企业层面：整合式重塑议程 19 结论23 致谢 24 26脚注 免责声明 本文件由世界经济论坛发布，作为对某项目、洞察领域或互动的贡献。此处表达的研究发现、解读和结论是经世界经济论坛促进和认可的合作过程的结果，但其结果不一定代表世界经济论坛、其全体成员、合作伙伴或其他利益相关者的观点。 2026年世界经济论坛。版权所有©。本出版物之任何部分均不得以任何形式或任何方式复制或传播，包括影印和录音，或通过任何信息存储和检索系统。 前言 Kiva Allgood 世界经济论坛执行董事 玛丽·凯特·莫利·瑞安 执行校长，埃森哲 正在进行的智能工业转型并非渐进式。汽车、电子和半导体行业的自主和机器人系统正在吸收整个工作流程功能，这些功能过去依赖持续的人类执行，其规模和速度超越了大多数组织围绕它们重新设计工作的能力。生产力的提升是可衡量的，轨迹也是清晰的。然而，在大多数组织中，尚未解决的是一个更难的建筑性问题：不是技术会做什么，而是必须建立何种制度条件，以确保人类判断能融入最重要的决策中。 超过11%的生产力提升；而忽视人的因素者，其提升仅为4%。1 这其中的差距并非技术问题，而是一种设计选择。 本激活手册及其配套的资源中心旨在帮助组织在场地、企业和生态系统层面审慎做出选择。其目标受众包括：下季度将部署新技术的工厂经理、为整个地区设计劳动力政策的政府官员，以及了解该技术能做什么但尚未建立与之匹配的人才架构的高管。 这并非自动化的一种温和版本，而是一种更锐利的版本。随着执行过程变得商品化，判断力成为区分优劣的关键。那些在技术之外同时投资于人才的组织，会意识到 智能工业运营带来的收益将被广泛分享或狭隘集中。哪种结果占主导，取决于转型是否以人为本进行设计。 执行摘要 技术变革的速度快于大多数组织重新设计工作以适应它。技术部署与劳动力准备之间的差距是制造业和供应链竞争力的核心挑战。 链式工人需要提升技能和转岗技能。2 此外，尽管所有高管都预期其员工队伍将发生变化，但只有30%的高管对其变革能力有信心。3 弥合差距始于对未来有一个站得住脚的描绘。 前沿技术正将制造和供应链从静态、以效率为导向的系统转向能够感知环境、预见中断并近乎实时调整工作流程的智能运营。这种转变重新分配了人类与机器之间的工作。机器正吸收那些需要速度、规模和模式识别的任务，从半自主流程控制到实时工作流重构。 世界经济论坛与埃森哲合作于2025年6月启动的“人机协作”（HMC）倡议，为支持相关工作提供了两项集成成果。该倡议描绘了未来工作及工作流程的愿景，以便工业生产的核心——工人、企业和社区——能够理解。资源中心（HMC的“是什么”）现已上线，提供未来状态工作流程场景、职位描述和技能矩阵，涵盖七个制造业和供应链职能，为未来工业运营、人力资源规划与技能培养的技术部署提供了一个共享的、基于证据的起点。 人类贡献集中于需要判断力、责任感和异常处理的地方：设定塑造系统优化目标的战略意图，仲裁相互竞争的优先事项，以及管理自主系统被允许行动的规则。跨职能领域，工作正从执行转向治理。批判性思维、创造力和良知将继续作为驱动智能运营的核心人类优势。 本激活手册（即HMC的“为何”与“如何”）展示了如何应用这些输入，以及组织、政府和培训机构可以采取哪些行动。在企业层面，高管层——包括首席运营官（COO）、首席技术官（CTO）和首席人力资源官（CPO）——必须作为单一项目的共同所有者来运作，在技术上线之前，必须按顺序进行工作流程重塑、治理、技能架构和激励对齐。 这种重新分配并未削弱人员在工业运营中的作用，而是重塑了他们所承担的工作。在七个职能领域内，预计工作将沿三个维度发生变化。一些工作预计将得到扩展，重点在于机器的协调和监督。例如，未来的制造工程师可能将花费更少的时间执行任务，而将更多的时间用于指导、验证和管理那些代表他们执行任务的系统。一些工作将被提升，从精确执行转向更高层次的判断和战略问责，而这些此前并未定义它们，通常伴随着新的头衔。今天的生产操作员可能演变为初级生产技术员，负责处理异常情况并监督自动化设备。最后，随着为满足新需求而出现的新工作岗位，一些工作可能会与其他工作合并。例如，随着机器人工程师/协调员的出现，指导工厂车间机器人集群，生产操作员这一岗位可能会变得不那么普遍。 在项目层面，技术部署能够提升效能，前提是：一线工作者参与重塑工作方式；学习融入日常运营；并将失败视为技能提升的机会。在技能矩阵中就制造业和供应链达成一致，能为政府、教育机构和雇主提供一个协调投资的基准，使得在一个公司或培训项目中获得的资质能够计入另一处的晋升。资源中心与激活手册共同为领导者提供了一种方法，用以弥合技术所能实现与员工必须为适应未来智能运营而做好准备之间的差距。 这项工作基于工业专家的当前见解和技术发展，为未来十年富有远见卓识的人们提供了关于未来状态和可能的工作流程、职位描述及技能的启示。 为可能出现的融合了技术的岗位配备人员需要更新技能。大约63%的雇主将技能差距视为转型最大的单一障碍，到2030年，44%的制造业工人和49%的供应链 1 1 从愿景到现实：为何需要人机协作 世界经济论坛《2026年智能工业运营展望》报告描述了人工智能及其他前沿技术如何在未来十年内，将制造业和供应链功能（如图1所示）从静态、以效率为导向的系统转变为能够感知状况、预见中断并在近乎实时内调整工作流程的智能运营。实现这一点 实现愿景将需要人类与机器以大多数组织尚未刻意设计的方式进行协作。那些从前沿技术部署中获得积极和可持续收益的组织，是那些在构建所需的工作流程能力与技能的同时，正在重新设计工作流程的组织。 本报告涵盖的七项工业运营职能 设计并开发新产品——从概念到生产，制定准备就绪的技术规格。 预测需求，并协调生产计划、库存和资源，以满足生产和物流要求。 确保植物设备与机械保持运行和安全。 负责将原材料和零部件转化为成品。 质量 负责管理货物在生产网络内外的流转、存储和配送，确保其送达正确的时间和地点。 建立并执行标准，以确保产品满足最终用途和法规要求。 协调从供应商到客户的物料、信息和价值的全流程。 在实践中，这意味着工厂将从反应式维护转向预测式维护——利用来自传感器、摄像头、振动分析和设备警报的数据，这些数据由能够通过提出缓解方案来预测设备在不久的将来可能发生故障的机器学习（ML）模型所支持。质量管理将从定期的检验关卡演变为零缺陷运营，其中自主代理进行微调。 闭环中的参数，以及人类工程师专注于异常仲裁和治理。 生产排程将从僵化的周循环转变为能够在各站点动态平衡劳动力、能源和物料流动的自优化系统。不到十分之一的制造商和四分之一的供应链公司已开始实质性地迈向完全自主，这表明要实现完全自主尚需 构建这些预测本身。目前需要每一步人工发起的库存和网络决策，将由在政策护栏内运行的自我调节系统来管理，人类将在系统无法独自跨越的置信度阈值处进行干预。 当前大多数组织所处的位置与运营发展方向的差距将产生显著的市场竞争优势。 在供应链中，转变是从相对静态、被动的网络转向持续运营和适应的网络。对中断的预期将在企业边界内近乎实时地进行协调。需求规划将从手动生成预测转向由人工智能驱动的系统，这些系统能持续感知信号和模拟场景，人类则设定战略优先级并验证结果，而非 这一愿景并非科幻。人机协作的诸多方面已在全球灯塔网络中领先企业的实践中得到应用。例如，ACG集团和坤联（Kunlene）已开发出可复制的方法，用以实现人机协作驱动商业价值。 通过机器学习赋能运营商 ACG的工厂使用着超过60年的设备，生产超过5,000种具有严格公差的SKUs。机器设置一直依赖操作员的经验，设置不当会导致良率和质量损失以及交货期延长。该工厂部署了基于超过两年数据训练的机器学习模型，以提供最佳首次合格设置，操作员将这些设置整合到每台机器的程序中。然后操作员根据观察到的结果持续优化模型；操作机器的人员也在训练其背后的智能。 案例来源：全球灯塔网络 人工智能辅助的高级参数设置 昆lene的影视制作设施必须在频繁切换和有限的机器参数接口访问权限的情况下，实现均匀厚度。该场地集成了一个工业物联网（IIoT）平台，该平台搭载人工智能模型，可实时提出调整建议。操作员在调整生效前需进行审核和确认，他们保留对生产关键性变更的决策权，并能直接观察操作过程，这为他们信任、验证和优化系统提供了坚实的基础。 1.1 互补性要求 领先组织所共享的是一种有意的设计理念，即人类与机器贡献其互补优势以推动成果实现（见图2）。机器负责处理需要速度、规模和一致性的任务；机器持续感知生产条件，识别大型数据集中的模式，预测偏差并执行可重复的精确校正。人类负责监督背景、利害关系和所有权。人类设定战略意图，以此塑造系统优化的目标，在后果超出算法边界时行使判断力，解决未预料到的问题。 例外情况，并管理自主系统被允许行动的规则。 使机器和人类在其比较优势点上运行，需要精心设计工作，以免自动化增加了复杂性却未带来性能提升。5 安永的研究表明，那些在技术与人之间优先投资于人的公司，其生产率可以提高超过11%，而忽视人的因素的公司，其提高幅度仅为4%。6 1.2 采纳差距 技能采用差距通常源于劳动力准备不足。在制造业和供应链领域，86%的雇主预计人工智能和信息处理技术将在2030年前改变其业务，而85%的供应链高管计划在2026年增加人工智能支出。然而，世界经济论坛的《2025年就业未来》报告表明，到2030年，44%的制造业工人和49%的供应链工人需要重新培训，63%的雇主将技能差距视为业务转型的最大障碍。劳动力能力的投资并未与技术本身的投入保持同步。高德纳预测，到2028年，60%的供应链 由于在学习和培训方面的投入不足，推动数字化转型的努力将无法实现承诺的价值。 差距并非源于认知不足。在埃森哲对工厂管理者的调查中，70%的人认为劳动力转型是制造业成功最关键的因素，但近半数人将培训成本视为主要障碍，并非因为培训成本绝对过高，而是因为相较于独立的劳动力投资，技术预算被优先考虑。即便领导者认识到这一差距，并将其列为首要任务，但在相关能力建设上的投入依然不足。 1.3 采用差距的背后是一个更根本的挑战，即信任问题，而最终这种信任依赖于企业所使用的技术。 首要且最直接的一个维度是工作保障。近60%的工人报告称，人工智能正在加剧他们的工作不安全感，特别是在制造业中，46%的工厂经理表示工人担心自动化会使他们当前的角色过时。11 持有这种担忧的工人会将后续的所有信号——从数据收集到工作重新设计再到技能再培训计划——都通过一个滤镜来解读，即组织是在为他们未来做准备，还是准备替换他们。当工人在技术选择和部署决策的早期阶段不被参与，并且系统使用自动化辅助的监控来收集个人绩效数据时，这种担忧会更加加深。 第二个维度是对系统本身的信任。经验丰富的工人被要求执行新近引入系统给出的建议，而这些领域多年来一直以他们自己的判断为标准。这种信心必须通过结构化的机会来检验技术建议与经验的对比而获得。 第三个维度是领导力的可信度。只有三分之一的高管认为自己拥有相关的技术专长或能力，能够为AI驱动的变革阐述一个引人入胜的转型叙事。然而，恰恰是这些领导者要求他们的员工致力于一个他们无法用运营术语充分描述的愿景。12 当领导者的信心超过其能力时，这种脱节会以任何沟通活动都无法恢复的速度侵蚀其可信度。 以技能为中心的人才发展架构 为帮助新操作员管理日益增长的自动化设备并收集反馈，施耐德电气（SE）推出了配备生成式人工智能（gen-AI）的增强现