通过机器人技术和AI，有1.33亿个新工作？有争议的预测背后是什么 – 这对她意味着什么

您的工作处于危险之中吗？这就是您如何通过正确的策略来适应就业市场的变革 – 对劳动力市场转型的全面分析：预测及其分类

关于世界经济论坛的广泛预测，大约有1.33亿个新工作岗位？

2018年，世界经济论坛（WEF）发表了其报告“乔布斯的未来”，其中包含了较远且大量宣传的预测。该声明的核心是，到2022年，技术变革将使7500万个工作岗位流离失所，但同时将出现1.33亿个新角色。这将导致5800万个工作岗位的净利润。这种转变位于“第四工业革命”（4IIR）的背景下，由快速移动互联网，人工智能（AI），大数据分析和云技术等关键技术驱动。

该报告的一个核心发现是人类和机器之间的劳动分工变化。尽管有71％的人仍在2018年工作，但该报告预测，到2022年，这一份额下降到58％，并期望在2025年之前执行更多当前的工作任务。2018年报告的观点比2016年的上一份报告的观点更为积极。这是因为公司现在已经对提供新技术的机会更好地理解了这一事实是合理的。该报告将自己视为政府，公司和个人明智地进行这种转变的“行动呼吁”，以避免加强能力和日益增长的社会不平等差距。

适合：

• 工作杀手还是小丑？关于自动化，AI和机器人技术的真相 – 从组装线到“纪念表带”？

这些预测如何在世界经济论坛的后期报告中发展和改变？

最初对WEF的乐观预测在接下来的几年中发生了重大变化，并且变得更加复杂。预测的发展表明，纯粹的技术驱动的观点偏向于宏观经济和社会框架条件的观点。

直到2027年，“乔布斯的未来报告2023年”在此期间吸引了更多的清醒状况。他预测创造了6900万个新工作，但是，这面临着8300万个职位的破坏。这将导致当时净亏损1400万个工作岗位或总体就业的2％。从预测净利润到净亏损的这种变化标志着情况重新评估。

随着“工作未来报告2025”的观察，该期间一直持续到2030年，WEF恢复了乐观的评估，尽管房屋发生了变化。该报告预测创造了1.7亿个新工作岗位，损失了9200万，这将对应于7800万个职位的净利润。

但是，变化驱动因素的变化至关重要。虽然2018年的报告几乎完全关注技术革命，但后来报告称，更广泛的影响因素。技术，尤其是人工智能和大数据，仍然是核心驱动力。但是，绿色转变，宏观经济因素，例如增长的生活成本和缓慢的经济增长，ESG标准（环境，社会和公司管理）以及人口转变的变化是巨大甚至更重要的。

预测的这种发展揭示了一个重要发现：最初的假设是，技术进步实际上会自动导致就业净增长的最初假设被现实驳斥。报告表明，该技术创造就业的潜力在很大程度上取决于经济和政治框架。 2025年的报告将缓慢的经济增长确定为消灭工作的主要驱动力，而对绿色转型的投资被视为创造新景点的重要引擎。因此，技术的承诺不是绝对的，这是有条件的。积极的结果不是创新的必然结果，而是取决于健康和支持性的宏观经济环境。

劳动力市场的变化：技术和绿色转型如何创造就业机会

劳动力市场的变化：技术和绿色转型如何创造就业机会 – 图像：XPERT.DIGITAL

开发WEF工作的净预测。该表说明了预测从纯技术驱动的乐观主义转变为包括经济和生态因素的更复杂观点。

在技术和绿色转型的影响下，劳动力市场正在发生变化。在2018年至2022年期间，人工智能，大数据和云技术等技术发展创造了1.33亿个新工作岗位，而7500万个就业机会被替换为7500万个就业机会，导致净增长了5800万。然而，从2023年到2027年，将会出现6900万个工作岗位，但将丢失8300万个工作岗位，这是由于技术变化，经济压力和增加的生活成本，并导致1400万个工作岗位的净净收入。从2025年到2030年的这段时间里，就业情况有了1.7亿个新职位的强劲增长，而技术，绿色转型，ESG标准和宏观经济因素是变革的主要驱动因素，可导致净增加7800万个就业机会。

这些数字是什么方法，基于这种方法的批评是什么？

WEF的突出数量是基于“工作未来调查”，该调查针对大型跨国公司人员，战略和管理领域的经理。例如，对2018年的313家全球公司进行了采访，该报告共同代表了20个经济体中超过1500万员工，进而占全球国内生产总值的70％。

至关重要的是要了解，经常引用的数字，例如“ 7500万流离失所”和“ 1.33亿新的”工作是推断的结果。调查的公司预测，自己的劳动力有984,000个工作岗位，增加了174万。这些内部公司趋势随后被推断到大公司的全球非农业就业人群，从而从国际劳工组织（ILO）获得了数据。该方法明确排除了中小型公司（SME）和非正式部门，这是一个重大限制，因为这些公司构成了全球就业的很大一部分。

对这种方法论方法有很好的批评：

首先，这些报告被指控过分乐观和叙事偏见。批评者认为，WEF的故事倾向于支持组织促进全球合作的目标，这可能导致积极的代表。从2016年开始的黑暗警告，2018年的强烈乐观情绪和更复杂的后几年之间的波动表明了过度纠正的模式，而不是稳定，一致的分析。

其次，对工作中“净利润”的关注被批评为误导。与“赌徒的谬论”（玩家）相比，这种方法忽略了过渡期间的巨大障碍。他错误地表明，被压抑的员工可以轻松地转换为新角色之一。但是，巨大的资格差距 – 作为DevOps – 一夜之间，出纳员并未被忽视 - 地理不平等以及工作质量和付款的差异。净数量掩盖了过渡的巨大人类和社会成本。

第三，预测基于可疑的假设。报告表明，AI的成本降低将导致“ Mensch + Ki”角色的倍增，以弥补整个团队中工作损失。批评家认为这一假设是不现实的，尤其是因为在许多大型经济体中，绿色经济和护理部门的预测增长不足或政治上有争议。

最后，较早的预测失败了假设的可信度。从2018年开始，WEF的预测将在2022年进行大规模的“重训练革命”。这些努力通常保持不足，资金不足和遇到后勤障碍，这使得工作预测所基于的假设的可行性。

专业景观的变化：自动化的赢家和失败者

AI和自动化使哪些特定的专业领域和角色流离失所？

通过AI和自动化，劳动力市场的转型导致了重大的极化，其中某些职业受到高流离失所的风险。最重要的是，基于例程的活动在商业区（白领）和生产（蓝领）都受到影响。最濒危的人口组是办公室工作人员，数字能力低下的员工和年长的工人。

在各种WEF报告中提到了一致的职业清单，其需求急剧下降。这包括：

• 数据输入人员（数据输入文员）
• 会计和薪资的书记员（会计，簿记和工资单员）
• 行政和秘书部队（行政和执行秘书）
• 集会和工厂工人（在某些行业）
• 出纳员和转换员工（出纳员和售票员）
• 柜台的银行员工（银行出纳员）
• 邮政服务员工（邮政服务员）。

最近的报告，例如“工作未来报告2025”，正在通过知识工作领域的进一步职业扩大此列表。现在，图形设计师和律师被列为不断缩小的专业领域。这明确归因于生成AI的渐进技能，这越来越能够按照苛刻的认知任务进行。

在这项技术革命的过程中，哪个新职业出现了？

与日常任务的排量同时，对新的专业领域的需求很高。这些增长领域本质上并不完全是技术性的，而是包括特别需要人类技能的角色。

面向技术的职业是增长的中心。增长最快的角色是一致的：

• KI和机器学习专家
• 大数据专家
• 过程自动化专家
• 信息安全性的分析师
• 软件开发人员
• 机器人工程师
• 金融科技工程师。

同时，基于明显的“人类”技能的职业需求正在增加。其中包括：

• 销售和营销专家
• 人员和企业文化的专家（人与文化专家）
• 组织发展专家
• 创新经理
• 客户主管。

另一个快速增长的部门是绿色经济。后来的报告强调了这样的专业的强劲增长：

• 可再生能源的工程师
• 太阳能系统的工程师
• 可持续性经理。

教育和护理部门还记录了强劲的增长。受到医生，护士和教师的行业，预计会增加，这是由社会衰老等人口发展以及这些活动难以自动化的事实的驱动。

重要的是要区分最快增长的百分比和绝对数量最大的增长。尽管技术专业的百分比增长最快，但预计一线工人，交付司机和建筑工人等一线职业的绝对增长最大。

工作的未来：这些职业正在越来越重要

工作的未来：这些职业正在越来越重要 – 图像：xpert.digital

合并了成长和缩小专业领域的概述。该表总结了不同报告的预测，并显示了劳动力市场转型的获胜者和失败者。

工作的未来显示了重大变化：在技术和数据领域，AI和机器学习专家，大数据专家，软件开发人员和信息安全分析师等专业的重要性越来越重要，而数据输入和IT支持技术人员等简单的活动正在下降。在经济和管理领域，可持续性经理，创新经理，过程自动化专家以及销售和营销专家的需求越来越多，而行政和秘书势力以及会计和薪资会计在相关性中丧失。在绿色经济中，可再生能源的工程师，电动汽车和环境工程师的专家正在增加，同时专业在化石能源行业正在消失。在护理和教育领域，护理人员，医生，教师和社会工作顾问变得更加重要，因此没有职业失去其重要性。在办公室和管理区域中，银行员工，邮政服务员工，收银员，图形设计师和律师尤其在下降，而在手工艺品和生产中，农业工人，交付司机和建筑工人的绝对数字成长，而通过自动化，组装和工厂工人的需求较小。

哪些总体趋势（例如绿色转变）也会影响就业的发展和下降？

就业市场上的动态不是仅由自动化决定。许多重大互动并构成了未来的专业景观。

绿色转型，即对气候保护和对气候变化的适应的投资，被认为是最大的净工作引擎之一。这种趋势推动了工程师对可再生能源和环境保护以及可持续性专家的需求。

经济框架条件具有同样强大但通常相反的效果。经济增长缓慢和生活成本上升被归类为工作净碎片，有时可能会破坏技术和绿色转型创造的利润。

技术采用本身是一把双刃剑。数字访问的扩展预计将创造最多的就业机会（1900万），但也有很多（900万）。 KI和大数据遵循第二大驾驶员，创造了1100万和900万个压制职位。

人口转变也起着至关重要的作用。收入高的国家的人口老龄化驱动了卫生和护理部门的需求。同时，低收入国家的越来越多的就业人口导致对教育部门工人的需求越来越大。

AI和XR-3D渲染机：XPERT.Digital的五倍专业知识，综合服务包，R＆D XR，PR＆SEM – 图片：XPERT.Digital.digital.digital.digital

Xpert.Digital 对各个行业都有深入的了解。 这使我们能够制定量身定制的策略，专门针对您特定细分市场的要求和挑战。 通过不断分析市场趋势并跟踪行业发展，我们可以前瞻性地采取行动并提供创新的解决方案。 通过经验和知识的结合，我们创造附加值并为客户提供决定性的竞争优势。

更多相关信息请点击这里：

• 在一个包装中使用xpert.digital的5倍能力 – 从500欧元开始

能力的差距：将来需要哪些技能

“能力差距”（技能差距）是什么？这个挑战有多大？

“能力差距”或“技能差距”描述了雇主所需的空缺所需的技能与现有工人的现有资格之间的差异。这个差距是当前劳动力市场转型的核心挑战之一。

这项挑战的程度是巨大的。 2018年WEF报告预测，到2022年，所有员工中有54％需要进行大量的培训和进一步的教育措施（Reskilling和Upsky）。后来的报告证实并收紧了这项评估：“工作未来报告2025”指出，在未来五年内，44％的员工的核心能力将改变，到2030年，工作所需的工作技能的几乎将过时。

这种统计现实反映在公司领导人的感知中。在美国，有70％的经理表明，其组织的能力差距很大，对创新和增长产生负面影响。这些经理中几乎有40％认为这一差距甚至会恶化。

适合：

• 技术领导力与能力领导力：对国家竞争力和韧性的分析
  

  技术领导力与能力领导力：对民族竞争力和韧性的分析 – 图像：XPERT.DIGITAL

最迫切需要哪种特定的技术和数字技能？

在技术技能方面，也称为“硬技能”，需求清楚。在最前沿，有能力直接与第四工业革命的驾驶技术有关。

在最受欢迎的技能之后，最重要的是恒定的AI和大数据。处理大量数据和使用或开发AI系统的能力被认为是至关重要的。数字化的进一步核心竞争力与以下方式紧密相关：基本技术能力（技术素养），网络和网络安全，软件和应用程序开发，数据分析和云计算也非常需要。

有趣的是，通常将项目管理作为最重要的技术技能之一。这强调了将技术实施能力与战略业务计划相结合并成功控制复杂数字化项目的必要性。

为什么“人类”技能（例如分析思维，创造力和韧性）被认为更为重要？

在机器承担越来越多的技术任务的时候，创造了悖论：技术技能是增长最快的，但认知和社会情感技能通常被归类为最重要的。这可以通过稀缺和利益的经济逻辑来解释。由于AI常规任务 – 无论是技术还是认知的任务 – 使其具有丰富的成本和低成本，因此仅用于执行这些任务的技能会失去价值。

同时，任务仍然难以自动化需要新的问题解决问题，战略思维，道德判断和复杂人际关系的任务。当机器采用“什么”和“许多活动”时，人类的角色转移到了“为什么”和“下一步”。这需要能够定义问题，创造性地解释AI的结果，说服利益群体并管理复杂的人类团队。这正是SO所谓的“人类”技能至关重要的。

创建了非自动技能的“自动化奖金”。这些独特的人类技能的经济价值和需求不成比例。这些技能中最重要的是：

• 分析和创造性的思维：这些始终是雇主最要求的技能的顶部。
• 适应性：韧性，灵活性和敏捷性至关重要，因为员工必须能够在不断变化的环境中找到自己的出路。
• 领导力和社会能力：领导能力，社会影响力，情商以及好奇心和终身学习也至关重要，因为AI几乎无法复制这些技能。

因此，能力的差距不仅仅是缺乏技术技能。它是能力市场的一个区域：常规技能的价值破裂，而非列表，深厚的人类技能的价值飙升。因此，人事发展的最有效策略不仅将教授编程，而且还将其与批判性思维和创造力的培训相结合。

工作中的可持续性：软技能和技术知识的平衡

工作中的可持续性：软技能和技术知识的平衡 – 图像：XPERT.DIGITAL

未来工作世界的关键技能。该表显示了技术和人类技能的双重重要性，并根据雇主认为的重要性来命令它们。

要在工作中进行未来，意味着在软技能和技术知识之间找到适当的平衡。首先，人类技能（例如分析和创造性思维）。在人工智能，大数据和基本技术技能领域的技术知识中致密。弹性，灵活性和敏捷性也很重要，作为进一步的人类技能。在技术方面，网络，网络安全和数据分析变得越来越重要。好奇心，终身学习以及领导力和社会影响力也是决定性的人类能力。这是由软件和应用程序开发以及项目管理方面的技术专长补充。

应对变更的策略：再培训，进一步的教育和新的工作模型

哪些策略追求公司为未来的劳动力做好准备？

鉴于能力的巨大差距，公司制定了积极的策略来为未来的劳动力做好准备。这些策略超出了简单的培训措施，并针对人事发展的基本重组。

中心方法是战略人员计划。公司与未来的需求相比，分析其当前技能，并开发针对性的再培训计划（重新训练）和进一步的培训（UPSKY）。目标是建立“可持续能力建筑”，这使得劳动力对未来的冲击有抵抗力。

战略重点从通过技术对工人的纯粹替代转变为增强，即通过技术工具对人类技能的有针对性的增强。这体现在人机合作的概念中，双方的优势被结合在一起。

对进一步培训的投资是该策略的具体表达。 60％的公司积极投资于员工的培训计划，重点是AI，数字技能和领导技能。同时，公司通过创建清晰的职业道路来促进内部流动性，以使人才保持在组织内并进一步发展。

创新的公司还将学习直接整合到日常工作中。经过验证的做法包括培训高管进入领导员工的教练，以及使用对等学习模型的使用，经验丰富的同事通过他们的知识。

实践中成功的再培训计划是什么？看看亚马逊，AT＆T和西门子的节目。

一些全球领先的公司已经开始了广泛而遥不可及的计划，以使其雇员有资格，这可以作为成功策略的案例研究。

亚马逊凭借其“ 2025年Up Askilling 2025”倡议提供了12亿美元的预算，以培训数十万名员工。核心计划包括“亚马逊技术学院”，该学院培训没有技术背景的员工，高级的“机器学习大学”和接管学费的“职业选择”计划。结果是可以衡量的：75％的参与者记录了职业生涯，其工资平均上涨了8.6％。

通过他的“未来就绪”计划，AT＆T投资了约10亿美元来培训他的员工队伍。该公司发现，其一半的员工没有未来所需的技能，并且故意选择了内部资格攻势，而不是大规模折扣和新环境。该计划着重于数据科学和网络安全等领域，并使用在线平台以及个性化的职业门户网站为员工提供灵活的学习机会。

西门子遵循一种方法，其中数字转型和员工资格齐头并进。该公司使用云技术（例如Amazon Web Services（AWS））进行全面的现代化，从数据基础架构到使用生成AI。一个出色的例子是埃尔兰根的西门子电子工作。在那里，实施了工业4.0解决方案，这将机器学习的运行时间减少了80％。同时，生产中的劳动力在实时数据分析和物联网（IoT）中进行了培训。这显示了如何将UPSKILLING直接嵌入到操作转换中。

该州扮演什么角色？对《德国资格法规法》的分析。

除了创业计划外，国家框架条件在应对结构变化方面还起着至关重要的作用。 《德国资格机会法》是积极国家政治的一个例子。

该法律旨在支持公司进一步培训员工，尤其是在受技术或结构变化影响的专业领域。它提供了重大的财务激励措施：联邦就业机构可以覆盖进一步的培训费用的100％，还可以在资格措施期间补贴该员工工作费用的75％。资金数量取决于公司的规模，而较小的公司得到了更多支持。

法律的目的是增强德国经济的竞争力，确保员工的工作，并积极抵消UX设计，数据科学和产品管理等未来领域的熟练工人的短缺。

更激进的方法（例如四天周或无条件基本收入（BGE））是否可以成为解决方案的一部分？

劳动力市场的深刻变化也引发了有关工作和社会保障基本重新设计的问题。两个深入讨论的模型是四天周和无条件的基本收入（BGE）。这些方法可以理解为两种不同的，但可能对自动化挑战的互补答案。

为期四天的一周旨在通过以时间的形式向员工传递生产力提高来提高现有工作的质量。对141家公司和2800多名员工的大型国际试点研究表现出了令人印象深刻的结果。两家公司报告说稳定甚至增加了销售额（有时提高35％），而员工报告倦怠（高达70％），压力和焦虑以及改善的心理健康和睡眠质量的急剧下降。人员波动下降了，超过90％的参与公司在测试阶段之后保留了模型。成功基于“ 100-80-100”模型（100％工资，80％的时间，100％的生产率），这是通过重新设计工作流程和减少不必要的会议来实现的。

另一方面，无条件的基本收入（BGE）旨在通过解耦基本的就业收入来创造社会保障。它主要解决了可能因劳动力市场而流离失所或处于不稳定的就业关系的人的问题。全球试点项目的结果混合在一起，并在很大程度上取决于上下文。在肯尼亚和印度，观察到诸如营养不确定性降低，改善健康，更高的学校访问率和开始的积极影响。加利福尼亚州斯托克顿的试点项目表现出积极的心理影响，对工作动机没有负面影响。其他研究，例如1970年代在美国的早期实验或芬兰实验，表明工作激励措施略有下降或就业率没有显着变化，但福祉的改善。这些研究中的许多研究的重大限制是它们的持续时间有限且范围很小，这使得很难转移到永久的通用系统。

这两个模型不是相互排斥的。相反，他们可以解决相同转换的不同方面。未来的策略可以确定为期四天的一周作为全职工作的标准，以提高受雇的生活质量。同时，BGE可以成为那些在零工经济中过渡或工作以自动化完全取代的人的社会基础。这将使比单独采取的任何这些措施具有更具抵抗力和更公平的社会答案。

从酒吧到全球：中小型企业以巧妙的策略征服世界市场 – 图像：xpert.digital

当一家公司的数字形象决定其成功时，面临的挑战是如何使这种形象真实、个性化和影响深远。 Xpert.Digital 提供了一种创新的解决方案，将自己定位为行业中心、博客和品牌大使之间的交叉点。 它将传播和销售渠道的优势结合在一个平台上，并可以以 18 种不同的语言进行发布。 与合作伙伴门户网站的合作以及在 Google 新闻和包含约 8,000 名记者和读者的新闻分发列表上发布文章的可能性，最大限度地提高了内容的覆盖范围和可见性。 这是外部销售和营销（SMarketing）的一个重要因素。

更多相关信息请点击这里：

• 真正的。 个别地。 全球：适合您公司的 Xpert.Digital 战略

社会经济后果：不平等，区域差异和工作质量

人工智能会加剧收入和资产，还是可以减少它？

AI如何影响不平等的问题是当前最紧迫的社会经济辩论之一，研究提供了细微的和部分矛盾的结果。

一方面，有人认为AI可以减少工资不平等。与以前的自动化浪潮（主要涉及涉及低合格的例行工作）相反，当前的AI浪潮旨在涉及高薪的“白领”职业。在任务层面上的研究表明，低结合的员工通常会通过专业中的AI工具（例如客户服务或软件开发中的AI工具）的生产率提高。这可能会增强中产阶级工资并减少工资剪刀。

另一方面，提高总准确度的论点超过了。首先，AI的生产力优势主要可以使有薪水和技能使用这些工具的高薪知识工作者受益，而服务和手工艺专业的低收入者仍然存在。其次，AI控制的自动化往往会导致收入份额从工作到资本的转变。由于同一产量所需的人力较少，因此所有者从资本（例如股东）中受益不成比例，这加剧了不平等的不平等，转而支持已经富有的人。

国际货币基金组织（IMF）的工作论文汇集了这两个方面并影响了决定性的区别：AI可以轻松地减少海象不平等（通过抑制高收入者），但会大大增加资产的不平等。其背后的机制是，经历工资压力的高薪员工也是最大的资本所有者。因此，您从自动化引起的资本收益率上升中受益最大。此外，对拥有AI技能的人的高薪保费 – PWC研究发现有和没有这些技能的人之间的 – 为56％。

适合：

• 未来科技人工智能&AI投资：美国领先，中国追赶，欧洲德国奋力追赶

技术转变如何影响欧洲和美国的区域差异？

技术转型还具有强大的地理维度，并有可能收紧现有的区域不平等现象。

增长和新工作越来越集中于城市中心和首都。这些区域具有更高的知识密度 - 强大的距离工作 - 望远镜（望远镜）工作。在欧盟，该市的主要中风记录了最强劲的就业增长。在美国，麦肯锡已经预测，城市地区将在工作场所净增长，而农村地区可能会面临数十年的工作损失。

这种趋势导致自我强化螺旋：城市通过动态劳动力市场和良好的基础设施吸引雇主，专家和投资，而农村地区则必须在失业和基础设施较弱的情况下挣扎。自大衰退以来，欧盟的区域差异有所增加，这一趋势仍然会因大流行和渐进的自动化而加剧，因为较贫穷的地区通常具有较低的距离距离工作。技术中心将来将通过工作增长来确保其经济实力要比提高生产率更少，而生产力将继续集中经济能力。

自动化是否通过消除单调任务来提高工作质量，或者导致您增加监视和压力？

AI对日常工作经验的影响是矛盾的，并且很大程度上取决于实施的类型。

从积极的角度来看，AI可以显着提高工作质量。通过自动化单调和重复任务，员工可以专注于更具创造力，战略性和吸引力的活动。在某些部门中，使用AI的员工报告了更高的工作满意度和更多的工作乐趣。此外，AI可以提高职业安全性，尤其是在身体上的活动中。

但是，负面的观点强调了疏远和控制的风险。 AI使员工监视具有新的范围，这可能导致劳动力增加，压力更多和自主权丧失。如果不仔细管理，在压缩或基于AI的工作环境中提高生产力的压力可能会导致倦怠。因此，在工人中，也担心失业，工资中失去谈判能力的损失以及通过管理层增加控制权。

历史背景和前景：AI革命相比

当前的AI革命与工业革命之间的相似之处和根本差异是什么？

为了对当今的转型进行分类，查看历史是有帮助的。 AI革命与工业革命有相似之处和基本差异。

其中一个相似之处包括两种革命的特征是技术动荡，重新设计劳动力市场，取代旧专业并创造了新专业。两者都导致了相当大的社会动荡，城市化（或其数字等效）以及有关不平等和生产力提高分布的密集辩论。

但是，差异更严重：

• 肌肉力量与精神力量：工业革命，自动化和扩展主要是人类的肌肉力量（体力工作）。另一方面，AI革命会自动扩大人类认知（思维）。这是一个定性的飞跃，而不仅仅是逐渐改变。
• 速度和程度：AI革命发生得更快，并在几十年中被压缩。社会和监管适应的步伐很难跟上。
• 新工作的性质：在工业革命期间，被压抑的农业工人能够改用工厂，他们的工作仍基于人类工作。今天，不清楚被压抑的认知工人是否可以轻松地转到与AI相关的新角色，这通常需要更高水平的抽象技能。
• 技术的最终目标：工业革命的机器是人类运营的工具。但是，一些领先的AI开发人员的宣告目标是创建可以完成所有经济上有价值的任务的系统。这具有使人类工作在许多领域中多余的风险 – 这种形式以前不存在的危险。

关于社会和劳动力市场的适应性，我们可以从历史中学到什么？

工业革命的历史为应对当今的AI革命提供了宝贵的教训。

19世纪初期，纺织工人的经验表明，一个行业的生产力大量提高并不会自动导致工人的工资更高，尤其是在他们的谈判能力较弱的情况下。尽管经济增长，但许多工人的实际工资数十年。

工作质量和自主权至关重要。从工厂工作的过渡意味着许多人在工作和生活条件中急剧恶化，这是社会动荡的主要原因。这是当今实施AI控制的管理和监视系统的重要教学。

社会适应是一个缓慢而痛苦的过程。该公司最终通过新的工作法，教育系统和 – – 这个过程漫长，冲突并受到痛苦的影响。

但是，最重要的教训之一是，技术方向不是命运，而是一种选择。可以有意识地做出决策，以开发扩大人类技能并创建新的，有意义的任务的技术，而不仅仅是自动化和取代工作。

为了成功设计变化，政治，公司和每个人都会出现哪个中央行动领域？

对劳动力市场转型的分析为所有参与的参与者带来了明确的行动领域。

政治：

• 对教育的投资：政府必须在教育和终身学习上进行大量投资，并融合AI能力和“人类”技能，例如批判性思维。
• 促进转型：您应该创建一个支持工人变革的环境，例如通过政治工具，例如《德国资格法规》。
• 加强社会保障：必须加强社会保障系统，必须考虑使用新模式，以支持压抑的员工和战斗不平等。
• 法规：需要一项巧妙的法规，以确保AI在道德上发展和使用，保护员工权利，并防止过度监控。

对于公司：

• 在资格中的积极作用：公司必须在培训和进一步教育自己的劳动力中发挥积极作用，并专注于扩大人类技能（增强），而不是被替换。
• 基于能力的方法：您应该在人才管理中采用基于能力的方法，以促进内部职业道路和流动性。
• 学习文化：建立一种持续学习和心理安全的文化对于使员工更容易适应变化至关重要。

为每个人：

• 积极的终身学习：每个人都必须采取积极的方法来学习自己的终身学习，并接受一种敏捷的思维方式。
• 建立能力投资组合：反对自动化的最佳安全是建立一个投资组合，其中包括技术技能和独特的人类技能，例如创造力，批判性思维和适应性。

☑️ 为中小企业提供战略、咨询、规划和实施方面的支持

☑️ 创建或调整数字战略和数字化

☑️国际销售流程的扩展和优化

☑️ 全球数字 B2B 交易平台

☑️ 开拓业务发展

康拉德·德军总部

我很乐意担任您的个人顾问。

您可以通过填写下面的联系表与我联系，或者直接致电+49 89 89 674 804 （慕尼黑） 。

我很期待我们的联合项目。

Xpert.Digital 是一个专注于数字化、机械工程、物流/内部物流和光伏的工业中心。

凭借我们的360°业务发展解决方案，我们为知名企业提供从新业务到售后的支持。

市场情报、营销、营销自动化、内容开发、公关、邮件活动、个性化社交媒体和潜在客户培育是我们数字工具的一部分。

您可以在以下网址找到更多信息： www.xpert.digital- – –