IMF对于AI就业的最新研究：未来四年，全球40%的岗位要消失

01

也许大家看到标题，可能第一反应会想，这又是谁在大放厥词，制造焦虑？

但如果这个制造焦虑的来源，是国际货币基金组织（IMF）跟世界经济论坛（WEF）共同的研究跟预测呢？

就在前两天结束的世界经济论坛上，国际货币基金组织总裁奥尔基耶娃用了“海啸（Tsunami）”这个词形容AI对劳动力市场的冲击。

她说，根据IMF的研究表明，随着AI技术的日益普及，对职业技能的需求将发生重大转变。

预计在未来四年，在发达经济体中，60%的工作岗位会受到人工智能的影响，要么被增强，要么被淘汰，要么被改变，全球范围内这个比例是40%。

但从她的措辞来说，淘汰的比例要远高于增强。

她警告说，目前传统入门级工作正在被AI代替，这里没有比如，是几乎所有入门级工作都在被AI取代。

这影响的就是刚毕业的年轻人面临“职业阶梯断裂”的风险，他们失去了通过基础工作积累经验，进而晋升到高级职位的传统路径，年轻人更难找到好的工作。

与此同时，那些工作没有被AI直接改变的人也可能会受到挤压，以及涉及一定认知能力但工作内容高度重复的职位，也会面临替代风险。

所以，中产阶级也不可避免地将受到影响。

她最后说了一句话：醒醒吧，AI是真实的，它改变我们世界的速度，比我们领先的速度要快。

同时，WEF也发布了一篇白皮书，叫做《新经济中的就业四种未来：2030年的AI与人才》。

（你觉得这双手是AI在向我们招手，还是AI在向我们告别呢？）

在这份白皮书当中，WEF非常清晰给我们预测了2030就业市场的四种图景。

02

当然，在进入到具体的四种图景之前，我先给大家介绍一个重要的概念，代理型AI，也就是我们所说的AI agent。

正是因为它的出现，才打破了所有人之前对于AI的判断跟预测。

为什么呢？

我们今天所熟知跟使用的那些AI大模型，本质上都扮演着一个“辅助者”的角色，因为它们都需要依赖人类的指令进行每一步的操作，都基于算法对数据的预训练以及强大的GPU算力去进行概率性的回答。

但是，随着大语言模型向多模态、长逻辑链推理能力的进化，AI正在跨越从“生成内容”到“执行行动”的鸿沟，这就是所谓的“代理型AI”。

像埃森哲CEO朱莉·斯威特在WEF上提出了组织设计的根本性变革方向。

“Human in the lead,not human in the loop”，也就是“人在回路”到“人在前沿”的变革。

什么意思呢？

我们现在用的这些AI大模型，有一个形象的描述，叫做Copilot，副驾驶。

Copilot模式是什么呢？

用户发起请求，AI提供建议，生成内容，然后用户查看，修改，最终决策执行，这是一种“人在回路（Human-in-the-loop）的AI使用模式。

AIAgent模式是什么？

用户设定目标->AI代理拆解任务->AI自主调用工具、跨应用操作->AI完成任务->用户验收结果，这就是一种“人在前沿（Human-in-the-lead）”的授权模式。

相当于人类在其中只需要做两件事，设定目标，然后验收结果。

根据Gartner的预测，到2028年，至少15%的日常工作决策将由代理型AI自主完成，而这个比例在2024年几乎是零。

这个改变，就极大的影响了所有人对于AI的判断。

所以，WEF最新的调研显示，全球超过半数（54.3%）的企业高管认为AI会导致现有工作岗位的大量流失。

而仅有不到四分之一（23.5%）的高管对AI创造新就业持乐观态度。

这种“替代效应”远大于“创造效应”的预期，直接挑战了历史上所有工业革命中“技术最终创造更多就业”的传统经济学信条。

而且，有45%的高管认为AI会显著提升企业的利润率，主要得益于AI带来的效率提升跟成本削减。

然而，仅有12.1%的高管认为这会转化为劳动者工资的增长。

03

所以，基于“AI技术进步速度”跟“劳动力准备度”这两个核心向量，WEF提出了在2030年，全球就业市场的四种情景。

第一个情景：飞速进步。

特征是AI指数级进步，劳动力广泛准备，这是乐观主义者梦寐以求的未来。

AI突破性进展跟人类极高的适应能力形成了完美的共振，在这个世界里，AI不仅仅是工具，而是无处不在的“数字氧气”。

而劳动力也普遍掌握了驾驭AI的能力，人类从繁琐的执行者解脱出来，全球经济摆脱了长期的低增长泥潭，AI带来的产能大爆发渗透到农业、制造业和医疗各个实体领域，使得商品跟服务的成本大幅下降，普通人的生活水平显著提高。

工作的定义也在智能体的网络中被改变，一个人可能同时参与多个项目，跟不同的AI团队协作，利用强大的AI代理解决问题，创业的门槛也被极度压低，创新呈现爆发态势。

虽然大部分传统岗位消失，但广泛的技能准备跟极低的物价能让大多数人迅速找到新位置，生活得更好。

第二个情景是替代时代。

特征是AI指数级进步，但劳动力准备度有限。

AI技术以惊人的速度狂飙突进，但人类社会却被甩在了身后，由于教育体系的失效跟再培训机制的缺位，大量劳动力无法适应AI技术的要求。

因为纳什均衡的定律，企业为了在残酷的竞争中生存，必然要大规模引用AI替代人工，而数以亿计的人发现自己既无法胜任新工作，也永远回不到旧岗位。

市场呈现极端的赢家通吃格局，经济陷入高产出、低需求的通缩螺旋，贫富悬殊达到历史极值。

第三个情景是副驾驶经济。

特征是AI渐进式进步，劳动力广泛准备。

AI技术在未来四年不会实现AI agent的全面替代，而是稳步迭代。

我们的企业有时间调整组织架构，劳动力也有时间适应新工具，现在的生成式AI会逐渐成为每个员工的标配助手，来处理繁琐、重复的任务，也就是我们前面提到的“副驾驶模式”，人类查看跟优化AI生成的内容，最终自行决策跟执行。

技术被用来增强人，而不是替代人，工作的核心价值依然回归到“人”的特质上。

当然，AI仍然会接管一些重复、枯燥的工作，但不会造成大规模失业，能够熟练运用AI工具的人会获得显著的工资溢价。

第四个情景是停滞发展。

特征是AI遇到技术瓶颈，劳动力准备度也非常有限。

AI没有兑现生产力大爆发的承诺，同时，劳动力市场也没有对AI有所应对，企业既得不到高效的技术，也招不到合格的人，经济陷入停滞。

只有极少数拥有深厚技术积累的精英企业能够维持增长，而广大缺乏技术能力的中小企业面临衰退，全球经济版图呈现破碎化。

当然，一个有趣的现象是由于高级一点的AI技术没有普及，那些难以被现有自动化技术替代的熟练技工，反而变得炙手可热，社会地位和收入都会上升。

你觉得到2030年，也就是四年之后，哪个情景会变成现实呢？

04

当然，未来虽然不可预测，但不管是企业，还是个人，都不能把命运押注在某一种情景上，我们必须要让自己有“反脆弱”的能力，无论遇到什么情景，都具备对应的竞争力。

对企业来说，WEF的报告提示了我们这么几点。

第一、AI是技术跟人的融合。

企业不能只做技术规划，而不做人才规划，每一次对技术的投入都应该配备对应的员工培训，重视员工的学习能力跟适应性。

相比于对技术的投入，对人的投入成本可能最低，但回报是最高的。

同样，我们不要认为未来AI能完全替代人，也不要觉得AI一定会发展停滞。

而是要参考“人在回路”的工作流，把工作的每个环节梳理一遍，认识到AI对不同部门、不同岗位的影响，从而制定差异化的AI转型策略，明确界定哪些任务由AI自主完成，哪些由AI辅助，哪些必须由人决策。

这个过程中，我们最好要借力外部专业的咨询机构，或者是让年轻的懂AI的员工去教老员工怎么使用AI工具，同时让老员工传授行业经验，促进代际间的知识流动。

第二、反脆弱跟敏捷。

设立创新的激励机制，鼓励小团队进行低成本试错，一旦验证某个AI在工作环节的有效性，就迅速调动资源进行全员推广。

同时，企业必须打通内部数据孤岛，借助AI建立统一的数据标准跟内容库，类似于像我们把单仁牛商的案例借助AI集成在工作系统中，随时可以查询。

当然，不管是员工团队的成长，还是反脆弱跟敏捷，都是一个大课题，今天篇幅有限，我们在后续的单仁行再单篇去分别讲解。

那么，对于个人来说，我们现在应该做什么？

我一直都认为，适度的焦虑是必要的，因为我们每个人都不可能面对今天的AI继续当一个埋在沙子里的鸵鸟，我们每个人，从老板到员工，每个个体都要去改变。

在2030年，不管AI发展的如何，我们职业跟事业的安全感都一定来源于提高自身的原点能力，快速学习新技能，并且能够在新环境进行适应的能力。

如果我们现在的工作内容是高度重复、按部就班，不需要动脑去思考的。

那么，无论在WEF预测的哪种情景下，都会面临极高的被替代风险。

所以，不要等待公司或者别人主动去要求你，培训你，而是从现在就要主动寻找，并且要掌握住能提升工作效率的AI工具。

而且，在使用AI的同时，不要简单问几个问题，然后就按AI说的去执行，一定要往决策端和设计端去思考，要有“元认知”的能力。

就像2024年，我们觉得AI提示词太重要了，但实际上，它在今天越来越贬值了，随着模型理解能力的提升，简单的自然语言交互就可以解决问题了。

但是，我们给AI下达指令是要解决什么问题？目的是什么？我们怎么去评估AI的产出跟好坏？

我们如何利用多个AI共同处理同一个问题，进行相互印证，达到最优的智生结果？以及在同一个工作环节中，利用多个AI来协调处理不同的任务，提升总效率？

这都是我们去学习跟适应的新能力。

未来不是注定的，而是被塑造的，它并不完全取决于技术的发展，更取决于我们今天的选择。

我们离2030年其实只有短短不到4年的时间，无论是企业还是个人，唯有在认知上觉醒、在战略上预判、在行动上敏捷，才能在这场席卷全球的AI海啸中找到自己的航向。

责任编辑| 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。