隨著機器日漸開始填補工作場所的人力勞動，為了從中獲利我們都必須做出調整。

自動化和人工智能（AI）正在改變企業，并將通過其對生產力的貢獻來促進經濟增長。它們還將有助于解決從健康到氣候變化等領域各鐘非常棘手的社會難題。

與此同時，這些技術將改變工作性質和工作場所本身。機器將能夠執行更多原先由人類完成的任務，補充人類所做的工作，甚至執行超出人類可以做的任務。結果是，一些職業將出現頹勢，而另一些職業將增長，還會有更多職業發生變革。

雖然我們認為未來有充分的就業機會（除極端情景外），但社會需要應對重大的勞動力轉型和失業問題。工人需要獲得新技能，并在工作場所中適應功能越來越強大的機器。他們可能必須從不斷離開夕陽職業，轉向日趨繁榮的職業，在某些情況下，還有新的職業。

本決策簡報借鑒了麥肯錫全球研究院的最新研究成果，探討了工作場所自動化和人工智能的前景和挑戰，并概述了決策者、公司和個人需要解決的一些關鍵問題。

人工智能和自動化的快速進步為企業，經濟和社會創造了機會

自動化和人工智能已經不是什么新鮮事物了，但最近的技術進步正在將機器可能做到的事情推向極致。我們的研究表明，社會需要這些改進，從而為企業帶來價值，促進經濟增長，在我們應對最困難的社會難題時能有所進步，而這樣的事情在以往是不可想象的。綜上所述：

技術突飛猛進

除了傳統的工業自動化和先進的機器人之外，功能更為強大的新自動化系統也出現在各種環境中，如穿梭于路上的自動駕駛車輛和雜貨店里的自動結賬等。大部分進步都是由系統和組件的改進推動的，包括機械、傳感器和軟件。由于機器學習算法變得更加復雜，并且利用計算能力的巨大發展和可用于訓練它們的數據的指數級增長，人工智能近年來取得了特別大的進步。巨大的突破見諸于各大媒體的報道，其中有很多突破涉及計算機視覺、自然語言處理和圍棋（Go）等人類望塵莫及的領域。

改變業務和促進經濟增長的潛力

這些技術已經在各種產品和服務中產生了價值，各行各業的公司在一系列流程中使用它們來將產品推薦個性化，發現生產中的異常情況，識別欺詐性交易等等。最新一代人工智能技術的進步（包括解決分類，估算和聚類問題的技術）仍有望帶來更多價值。我們對數百個人工智能用例所做的分析發現，用來部署人工神經網絡的最先進的深度學習技術，其年產值可以達到3．5萬億至5．8萬億美元，占所有分析技術所創造的價值的40％。

正當人口老齡化和出生率降低的問題使發展受阻時，人工智能和自動化技術的部署可以極大地提升全球的經濟并加快全球的繁榮。勞動生產率的增長（推動經濟增長的關鍵因素）在很多經濟體中已經放緩，美國和主要的歐洲經濟體在以前的生產率下滑，以及2008年的財政年度后，從十年前的2．4％降至0．5％的均值。人工智能和自動化有可能扭轉這種下降趨勢：未來十年，生產率增長每年可能達到2％，其中60％來自數字化方面的機遇。

有助于解決幾個社會難題的潛力

人工智能還用于材料科學，醫學研究和氣候科學等各個領域。這些技術在這些學科和其它學科中的應用有助于解決社會難題。例如，Geisinger的研究人員已經開發出一種算法，該算法可以將顱內出血的診斷時間驚人地縮短了96％。與此同時，喬治華盛頓大學的研究人員正在利用機器學習來更準確地衡量氣候變化專門委員會所使用的氣候模型。

在這些技術不能為各地經濟和社會利益發揮潛力之前，挑戰仍然存在

人工智能和自動化仍面臨各種難題。有一部分限制在于技術層面，例如人工智能需要大量的訓練數據，并且很難將算法“推廣”到各種各樣的用例。最近的創新正著手解決這些問題。其它難題在于人工智能技術的使用。例如，人們很難在技術上解釋機器學習算法所做的決策，而解釋這些決策對涉及金融借貸或法律應用的用例尤其重要。培訓數據和算法中的潛在偏差，同時，數據隱私、惡意使用和安全性都是必須解決的問題。歐洲由于出臺了《通用數據保護法規》而處于領先地位，該法規將用戶收集和使用數據的各種權利規范化。

另一個難題涉及組織采用這些技術的能力，其中人員、數據可用性、技術和流程的就緒度往往使技術很難得到采用。各部門和各國的對技術的采用已經十分不均衡。金融、汽車和電信行業在采用人工智能方面處于領先地位。在各國中，美國對人工智能的投資在2016年高居榜首，其投資額高達150億至230億美元，其次是亞洲，其投資額達到80億至120億美元，歐洲的投資額僅為30億至40億美元，遠遠落后。

人工智能和自動化將如何影響工作

即便人工智能和自動化為企業和社會帶來了很多好處，我們還必須做好準備，應對工作中可能出現的顛覆。

工人所從事的活動大約有一半是可以自動化的

我們對800多個職業的2000多項工作活動所做的分析表明，某些活動比另一些活動更容易實現自動化。這些活動包括高度可預測且結構化的環境中的體力活，以及數據收集和數據處理。這些活動約占人們在所有部門開展的活動的半數。最不易受影響的活動類別包括管理他人，貢獻專業知識以及與利益相關者交流。

幾乎所有職業都會受到自動化的影響，但目前所展示的技術中只能將大約5％的工作完全自動化。有大量的工作所包含的活動可以自動化：我們發現，60％的工作中約有30％的活動可以實現自動化。這就是說，大多數工人（電焊工、抵押貸款經紀人、首席執行官等等）將與快速發展的機器一起工作。這些工作的性質可能會因此而發生改變。

失業：有些職業到2030年將出現大幅下滑

自動化將取代一些工人。我們發現，在2016 － 2030年期間，大約15％的全球勞動力（約4億工人）可能因自動化而失業。這個數字反映了我們在預測技術采用速度和采用范圍方面的中間態。根據我們就最快的技術采用情景所建立的模型，這個數字上升到30％，即8億工人。而在最慢的模型中，只有大約1，000萬人失業。

廣泛的預測范圍強調了多種因素，這些因素將影響人工智能和自動化采用的速度和范圍。自動化的技術可行性只是第一個影響因素。其它因素還包括部署成本；勞動力市場動態，包括勞動力供給的數量、質量和相關工資；好處有很多，除勞動力替代以外，還促成了技術采用的各種商業案例；最后，社會規范和社會接受度。由于上述因素的差異，特別是勞動力市場動態方面的差異，各國和各部門的技術采用將繼續存在顯著差異：在法國、日本和美國等工資水平相對較高的發達經濟體中，到2030年，自動化可能會取代20％至25 ％的勞動力，在中等采用情景中，其比重是印度的兩倍還要多。

工作的增加：在同一時期也將創造就業機會

即使有很多工人失業，但各行各業對勞動力的需求依然在增長，因此造就了大量的工作機會。我們根據勞動力需求的幾個誘因制定了到2030年的勞動力需求情景，包括收入和醫療支出的增加，以及持續投資基礎設施、能源、技術開發和部署，或加大這些方面的投資。這些情景顯示，到2030年，全球對勞動力（5．55億和8．9億個工作崗位）的需求將增加21％至33％，抵消失業人數綽綽有余。印度這樣的新興經濟體將因此而成為最大的受益者，那里的勞動年齡人口已經迅速增長。

額外的經濟增長（包括商業活力和生產力增長）也將持續創造就業機會。如果以史為鑒，那么很多其它新職業也將出現，并且可能占到2030年將創造的就業機會的10％，而這些職業是我們目前所無法想象的。此外，技術歷來都是就業的最終創造者。例如，在20世紀70年代和80年代，個人電腦不僅為半導體制造商創造了數百萬個工作崗位，也為所有的軟件和應用程序開發人員、客服代表和信息分析師創造了同等數量的工作崗位。

工作發生了改變：隨著機器在工作場所補充人力勞動，更多的工作將比失去或獲得的工作更多

隨著機器漸漸輔佐人力勞動，部分自動化將變得更加普遍。例如，能夠十分準確地讀取診斷掃描的人工智能算法將幫助醫生診斷患者的病例并確定合適的治療方案。在其它領域，具有重復性任務的工作可能會轉向一個新的模式，即管理自動化系統并對其進行故障排除。在零售商亞馬遜那里，以前負責搬運和堆放物品的員工如今正在成為機器人操作員，監控自動化手臂并解決物品流轉中斷等問題。

關鍵的勞動力轉型和挑戰

雖然我們預計，基于我們所建模的大多數情景，2030年將有很多工作崗位，足以確保充分就業，但與自動化和人工智能的采用一同發生的轉變將變得非常重要。職業組合將發生變化，技能和教育需求也將發生變化。工作必須得到重新調整，從而確保人類可以最高效地與機器協作。