麦肯锡最新AI就业报告——AI不会简单消灭工作,但正在重构整个就业阶梯
- 2026-10-09 11:41:07
麦肯锡最新AI就业报告——AI不会简单消灭工作,但正在重构整个就业阶梯
报告研究对象主要是美国劳动力市场，但其分析框架对全球知识型经济都具有相当强的参考意义。麦肯锡同时结合了AI自动化、人口结构、经济增长、基础设施投资以及新职业创造等因素，而不是简单把所有就业变化都归因于AI。 ——从岗位替代到职业迁移，AI正在改变的不是就业总量，而是劳动力市场的结构 人工智能对就业的影响，正在进入一个新的阶段。过去几年，围绕生成式人工智能的讨论，大多集中在一个问题：AI究竟会消灭多少工作？从麦肯锡全球研究院最新发布的《Workforce in motion: Skills and pathways to future jobs in the United States》来看，这一问题本身正在变得不够准确。 
麦肯锡的最新研究并没有简单得出“AI将导致大规模失业”的结论。相反，报告预计，到2035年，美国经济在人工智能和其他自动化技术推动下，可能减少相当于约3600万个岗位的劳动需求，但与此同时，经济增长、人口结构变化、服务需求扩大以及新产业发展，又可能创造超过4000万个新的就业需求。在基准情景下，美国到2035年的就业需求仍可能净增加约500万个岗位。 真正值得关注的，是另外一个数字：约1100万美国劳动者可能需要跨职业转换。这意味着，AI时代最重要的就业问题，可能并不是“有没有工作”，而是原有工作减少之后，劳动者能否进入新的职业和产业。这也是理解未来十年人工智能经济影响的关键。
讨论人工智能对就业的影响，必须区分三个概念：工作任务、岗位和职业。 一个职业通常由大量不同任务组成。人工智能能够自动化其中一部分任务，并不意味着整个职业随之消失。 例如，一名财务人员的工作可能包括数据整理、报表制作、信息检索、财务分析、风险判断以及与管理层沟通。生成式AI可以明显提高数据处理、信息检索和报告撰写的效率，却未必能够完全承担企业经营判断、责任承担和复杂沟通。因此，技术进步首先改变的是劳动者每天完成工作的方式。 麦肯锡估计，到2035年，美国经济中约54%的工作时间存在较高程度的自动化潜力。但最终由自动化技术带来的劳动需求下降，约相当于当前劳动需求的21%。两者之间存在明显差距。 原因在于，企业不会简单地把技术能够完成的所有劳动时间都转换成裁员。生产率提高之后，企业可能降低成本、扩大产量、降低价格，并由此刺激新的需求。与此同时，新产品、新服务和新商业模式也会产生新的就业需求。 因此，技术可以替代劳动任务，并不等于技术必然替代劳动者。这是理解AI就业影响最容易被忽略的一点。
如果只关注“3600万个岗位受到自动化影响”，很容易得出一个过度悲观的结论。 麦肯锡真正值得关注的判断，是劳动力市场内部将发生大规模重新配置。报告预计，到2035年，大约1100万美国劳动者可能需要跨职业迁移。根据人工智能采用速度的不同，这一数字可能在600万至1600万之间变化。 这意味着，未来就业市场的核心矛盾很可能不是就业总量，而是：劳动者的技能供给与新增岗位之间是否匹配。一个岗位消失之后，并不会自动产生一个与其技能要求完全相同的新岗位。 一名行政人员可能需要转向客户服务、运营管理或者数据分析；一名基础程序员可能需要向系统架构、产品管理或者AI工程迁移；一名传统营销人员可能需要转向数据驱动营销、品牌战略或者AI内容运营。 因此，AI带来的真正经济成本，不只是失业本身，还包括：重新培训成本、职业转换成本、收入下降风险以及职业迁移所需要的时间。 从这个角度看，未来劳动力市场的关键变量，不只是“就业率”，还包括劳动者的职业流动能力。
人工智能的影响存在明显的职业差异。最容易受到自动化影响的工作通常具有几个共同特点：工作流程标准化、信息高度数字化、规则相对明确，而且工作成果容易被机器验证。 典型领域包括行政支持、数据录入、基础客服、部分后台运营以及大量重复性的文书工作。 过去，这些岗位大量依靠人工完成信息收集、整理、分类和初步处理。如今，大语言模型和AI Agent已经能够完成其中相当一部分任务。这意味着未来企业可能不需要彻底取消整个部门，却可以通过减少新增招聘、自然减员和流程自动化逐渐压缩员工规模。 因此，AI造成的就业变化未必表现为一次性的“大规模裁员”。 更可能出现一种渐进式调整：退休的人不再补充，离职的人不再完全替代，新员工招聘速度下降，而原来的工作由AI系统承担。 这种变化对宏观就业数据的冲击可能并不剧烈，但对年轻人的职业进入却可能产生非常明显的影响。
AI对就业最大的长期影响之一，可能并不是让高级专家失去工作，而是改变年轻人进入职业体系的方式。 传统企业的人才培养体系具有明显的金字塔结构。年轻人从基础工作开始，通过数据整理、资料研究、基础编程、报告制作等任务积累经验，逐渐进入中层，再成长为高级专业人才。而恰恰是这些“初级任务”，正在成为生成式AI最容易自动化的部分。 麦肯锡的相关研究显示，超过一半的受访企业已经表示，生成式AI正在降低部分初级岗位的需求。 这会产生一个值得长期关注的问题：如果AI减少了初级工作，那么年轻人如何获得成为高级人才所需要的经验？这可能成为未来教育体系和企业人才体系共同面对的结构性问题。 过去的逻辑是：教育 → 初级岗位 → 工作经验 → 高级岗位。 AI时代可能逐渐变成：教育 → AI辅助工作 → 更少的初级岗位 → 更高的能力门槛。 这意味着大学毕业生之间的竞争，未来可能不仅是学历竞争，而是谁能够更快形成“专业知识+AI能力+实际判断力”的组合。
软件行业尤其能够说明AI对知识工作的影响方式。传统上，人们往往认为程序员属于人工智能时代最安全的职业，因为AI本身需要程序员开发。 但现实正在变得更加复杂。AI已经可以承担越来越多基础编程工作，包括代码生成、测试、调试、文档以及部分标准化功能开发。这并不意味着软件工程师失去价值，而是意味着软件工程师的价值结构发生变化。 过去，一个初级工程师的重要任务之一，是完成大量基础编码工作，在实践中逐渐积累经验。未来，这部分工作可能越来越多由AI完成。 与此同时，高级工程师的价值反而可能上升，因为复杂系统设计、架构判断、产品理解、安全性、性能优化以及技术决策仍然需要较高水平的人类判断。 因此，软件行业可能出现一个重要趋势：AI降低基础编程工作的边际价值，同时提高高级技术判断的价值。 这种现象并不局限于软件行业，在法律、金融、咨询、会计和营销等领域，同样可能出现类似变化。
如果AI提高的是所有人的生产率，那么它是否会缩小收入差距？目前的证据并不支持这一简单判断。相反，AI可能首先提高高技能劳动者的生产率。原因在于，高技能劳动者通常拥有更强的专业知识和判断能力，因此更能够把AI作为生产工具，而不是简单的信息搜索工具。 例如，一名优秀投资研究员使用AI，可以快速处理数百份财报、电话会议纪要、产业数据和政策文件，但最终仍需要自己判断企业商业模式、竞争格局和估值。 AI提高的是信息处理效率，却没有完全替代投资判断。因此，未来可能出现一种新的生产率差异：优秀人才+AI，与普通人才+AI之间的差距，可能进一步扩大。 这意味着AI可能成为新的“技能放大器”，真正稀缺的能力不再是单纯获取信息，而是理解问题、提出问题、验证信息以及进行复杂判断。
如果把未来就业增长简单理解为“AI工程师增加”，同样会产生偏差。麦肯锡的研究表明，未来就业增长的重要来源仍然可能是医疗、护理、教育、建筑、管理以及各种现实世界服务。 人口老龄化尤其重要，美国人口结构变化将持续推动医疗、养老和护理服务需求，而收入增长又会提高消费者对教育、休闲、个人服务以及其他服务的需求。 这些领域具有一个共同特征：它们高度依赖现实世界的人际互动和复杂环境。即使AI能够提高医生、护士、教师、工程师和管理人员的工作效率，需求本身也可能因为成本下降和人口变化而继续扩大。 因此，AI与就业之间并不存在简单的负相关关系。更准确的表达应该是：AI提高生产率，同时改变需求结构；人口结构和收入增长则决定新增需求最终能够创造多少就业。
人工智能产业的发展正在形成一个新的职业结构。 第一类人是AI工具使用者，他们能够使用ChatGPT、Claude、Copilot等工具完成日常工作。 第二类人是AI协作者，他们能够把AI嵌入工作流程，用AI完成过去需要多人完成的任务。 第三类人则是AI工作流程设计者。他们能够重新设计一个部门甚至一家企业的工作方式，把数据、软件、AI Agent和专业人员重新组合。 第三类能力的价值可能最高，因为企业真正需要的不是一个“会使用AI的人”，而是能够回答： AI究竟应该改变企业的哪一个环节？例如，一家投资机构真正需要的不是“一个会使用大语言模型的研究员”，而是能够设计：数据抓取 → 财报解析 → 行业比较 → 风险识别 → 估值模型 → 人工复核 → 投资决策，完整工作流程的人。 这实际上意味着：未来最有价值的能力之一，是重新设计生产流程。
AI正在改变企业的人力资源逻辑。过去企业制定人力资源计划时，通常问的是：“明年需要多少人？”未来更重要的问题可能变成：“明年需要什么能力？”两者之间存在根本区别。 一家企业过去可能需要50名财务人员。AI普及之后，企业可能只需要30名传统财务人员，但同时需要：专业财务人才、数据分析人才、AI流程设计人才以及AI治理人才。因此，企业不会简单地减少所有岗位，而是改变人才结构。 麦肯锡的研究也显示，目前真正进行长期能力规划的企业仍然是少数。这意味着未来几年，企业内部可能出现一轮持续的组织重构。 AI的真正价值，不仅体现在软件采购成本下降，更体现在：一个企业能否利用AI重新设计组织结构。
从宏观经济角度看，这是理解AI就业问题最重要的一层。技术进步提高生产率以后，通常会产生三种结果。 第一，企业可以减少劳动投入。 第二，企业可以降低产品和服务成本。 第三，企业可以利用成本下降扩大市场。 如果只有第一种情况发生，就业确实会受到明显冲击。但如果第二、第三种效应足够强，新的需求就可能抵消一部分劳动需求下降。历史上的工业革命、汽车革命、计算机革命都说明，技术进步往往同时具有“替代效应”和“创造效应”。 人工智能的特殊性在于：这一次被自动化的对象不仅是体力劳动，也包括大量认知劳动。 因此，它对经济结构的影响可能比过去的信息技术革命更广。但最终结果仍然取决于：生产率提高了多少、需求扩大了多少、新产业产生了多少，以及劳动者迁移速度有多快。
传统宏观经济学关注：就业率、失业率、劳动参与率、工资增长这些指标仍然重要。但AI时代需要增加一个新的观察角度：劳动者从衰退职业进入增长职业的速度。 如果一个行政人员失去原有岗位后，能够在几个月内通过培训进入数据分析、客户运营或其他增长行业，那么AI造成的冲击可以被经济体系吸收。 但如果原有岗位消失，而劳动者缺乏进入新职业所需的教育、技能和地域流动能力，技术进步就可能转化为长期收入压力。 因此：AI的社会影响，很大程度上取决于劳动力市场的“再配置效率”。这也是为什么教育、职业培训、企业内部再培训以及劳动者流动机制，可能成为AI时代最重要的公共政策之一。
综合麦肯锡的研究，可以看到一种值得警惕的趋势。一端是：高技能、复杂判断型工作，AI成为生产率放大器。另一端是：现实世界、面对面、人际互动型工作。 人口和服务需求继续支撑就业，中间部分则可能面临更大压力。尤其是那些：数字化程度高；工作流程标准化；技能门槛中等；但又缺乏高度复杂判断能力 的岗位。 因此，AI时代可能出现一种新的就业结构：高技能专业岗位增加，现实世界服务岗位增加，而大量中等复杂度的标准化知识工作受到压缩。 这并不意味着传统意义上的“中产阶层消失”，但意味着部分中等技能白领工作的议价能力可能下降。这也是未来收入分配问题值得关注的重要来源。
如果把AI产业链仅仅理解为GPU、服务器和数据中心，实际上只看到了第一阶段。 第一阶段是：基础设施投资。 第二阶段是：模型和软件。 第三阶段将逐渐进入：企业工作流程重构。 真正决定AI长期经济价值的，是第三阶段。 如果一个企业能够利用AI把原本需要100名员工完成的工作变成50名员工完成，同时业务规模继续扩大，那么AI产生的并不是简单的“裁员价值”，而是：资本回报率提高、单位成本下降、企业利润率改善以及新增需求扩大。 因此，未来判断AI产业的关键问题，不应只是：“AI模型有多少用户？”而应该进一步追问：AI究竟为企业创造了多少真实生产率？以及：这种生产率最终有多少能够转化为利润增长？这将决定AI投资周期能否从资本开支周期真正进入盈利周期。
互联网时代，信息曾经是稀缺资源。移动互联网时代，注意力成为稀缺资源。而在生成式AI时代，大量信息的获取和处理成本正在快速下降。因此真正稀缺的可能变成：判断力、责任、专业经验、信任以及真实世界的执行能力。 AI可以告诉你一家公司过去五年的收入、利润和现金流变化。但它不能替你承担投资失败的责任。AI可以生成一份法律文件。但复杂案件中的利益权衡仍然需要律师判断。AI可以生成医学信息。但医生最终仍然需要承担诊断和治疗责任。AI可以生成商业计划。但企业经营者仍然需要决定是否真正投入资本。 因此：信息会越来越便宜，判断会越来越昂贵。这可能是AI时代最重要的经济学变化之一。
麦肯锡最新报告给出的信息，并不是一个简单的“AI将取代多少人”的数字。 它揭示的是一个更加复杂的过程：AI首先自动化部分任务；企业随后重新设计工作流程；部分岗位需求下降；新职业和新需求产生；劳动者开始跨职业迁移；最终，整个劳动力市场重新寻找新的均衡。 因此，AI对就业最准确的描述，不应该是：“机器抢走了人的工作。”更准确的说法是：机器正在重新定义哪些劳动具有经济价值。 未来十年，美国乃至全球劳动力市场面临的最大挑战，可能不是没有工作，而是工作之间的价值差距不断扩大，而劳动者从旧工作迁移到新工作的速度能否跟上技术进步。 对于企业而言，问题是如何利用AI重新设计组织。对于政府而言，问题是如何降低职业迁移成本。对于教育体系而言，问题是如何培养能够与AI协作、同时具备独立判断能力的人才。 而对于个人而言，最重要的问题则变成：当AI能够承担越来越多基础任务之后，自己的专业价值究竟建立在哪里？这或许才是AI就业革命真正需要回答的问题。 麦肯锡的研究并没有证明AI将导致一场不可避免的大规模失业危机。相反，它显示，在合理的经济增长和需求扩张条件下，就业总量仍可能保持增长。 但这并不意味着风险消失。真正的变化在于：未来的工作可能依然很多，但能够进入这些工作的技能要求将发生根本变化。 AI时代的就业竞争，因此不再只是人与人之间的竞争。越来越多时候，它将变成：“能够驾驭AI的人”与“只能完成AI正在自动化的任务的人”之间的竞争。而这场竞争，才刚刚开始。
AI不会简单消灭就业：麦肯锡最新报告揭示美国劳动力市场的深层重构
一、AI首先改变的是工作任务，而不是整个职业
二、未来最大的变化，是职业之间的劳动力重新分配
三、最容易受到冲击的，并不是所有白领，而是高度标准化的知识劳动
四、初级岗位可能成为AI时代最脆弱的就业环节
五、软件工程正在成为一个具有代表性的案例
六、AI可能扩大“技能溢价”
七、AI不会只创造“AI工作”，大量新增就业可能来自传统行业
八、未来最重要的人才，不一定是纯粹的AI专家
九、企业管理正在从“岗位管理”转向“能力管理”
十、AI对就业的最终影响，取决于生产率能否转化为新增需求
十一、未来十年真正值得关注的不是失业率，而是“职业迁移率”
十二、AI可能带来的不是“就业末日”，而是就业结构的两极化
十三、从投资角度看，AI最大的价值可能还没有真正释放
十四、AI时代真正稀缺的资源正在发生变化
十五、结语：AI真正改变的，是劳动的价值结构
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
