生成式AI革命不僅改變了我們學(xué)習(xí)的內(nèi)容，還改變了學(xué)習(xí)方式。傳統(tǒng)的學(xué)習(xí)曲線正在重新繪制，為技能獲取和職業(yè)發(fā)展創(chuàng)造了新的范式。這種轉(zhuǎn)變要求企業(yè)從根本上重新思考如何進行人才管理，以及個人如何規(guī)劃自己的職業(yè)生涯。
隨著生成式AI的應(yīng)用，一些工作內(nèi)容實現(xiàn)了自動化，同時某些崗位員工的工作能力得到了增強，雇主用于評估求職者的技能、經(jīng)驗和資質(zhì)標(biāo)準(zhǔn)也將迅速改變。悲觀者認(rèn)為這些變化會限制職業(yè)流動性；樂觀者則反駁說，通過減少與技術(shù)或 “硬” 技能相關(guān)的工作要求，職業(yè)流動性反而會得到提升。
究竟誰的觀點正確呢？
事實上，AI將為一些員工打開機遇之門，同時也會對另一些人關(guān)閉機會之窗。我們在研究中發(fā)現(xiàn)，目前，美國約12%的勞動者從事的職業(yè)中，入門級崗位的大部分任務(wù)很可能會被生成式AI自動化。這必然會導(dǎo)致入門級崗位招聘數(shù)量的減少，而且這種情況已然發(fā)生：隨著基于生成式AI的微軟Copilot問世，入門級軟件工程崗位的招聘基本陷入停滯。同時，約19%的勞動者所處的領(lǐng)域中，生成式AI可能會承擔(dān)目前需要專業(yè)技術(shù)知識的任務(wù)，從而為那些不具備硬技能的人開辟更多機會。
我們的分析表明，在未來幾年內(nèi)，近5000萬個工作崗位將或多或少受到影響。這些變化將促使企業(yè)深度重塑組織結(jié)構(gòu)，并重新思考人才管理戰(zhàn)略。其影響將是深遠(yuǎn)的，不僅涉及各個行業(yè)，還關(guān)乎個人與社會。能夠靈活應(yīng)對的企業(yè)，將最有機會利用生成式AI提升生產(chǎn)力的潛力，同時降低人才短缺帶來的風(fēng)險。
經(jīng)驗豐富的員工得到助力，而資歷尚淺的員工進入門檻變高，哪些職業(yè)最有可能呈現(xiàn)出這種情況？為了回答這個問題，我們研究了一個任何初入職場的人都熟悉的概念：學(xué)習(xí)曲線。
收入曲線與學(xué)習(xí)曲線
這是一個簡單卻蘊含深刻意義的概念。在某些工作中，比如網(wǎng)約車駕駛，上手并不需要太長時間。但在從銷售到軟件工程等眾多工作中，新手和經(jīng)驗豐富的從業(yè)者之間存在著顯著的知識差距。
學(xué)習(xí)曲線反映了不同工作的員工達(dá)到最高生產(chǎn)效率所需時間的差異。當(dāng)一個職業(yè)中資深員工的生產(chǎn)效率遠(yuǎn)遠(yuǎn)超過入門級員工時，學(xué)習(xí)曲線就較為陡峭。我們的分析表明，在許多這類職業(yè)中，入門級技能比高級崗位更容易受到生成式AI的影響，這表明這些職業(yè)入門級崗位的門檻可能會提高。
那么，生成式AI會提高哪些職業(yè)的專業(yè)技能門檻呢？
為了回答這個問題，并衡量市場對學(xué)習(xí)差異的重視程度，我們分析了一系列不同職業(yè)的收入曲線。（收入曲線是衡量生產(chǎn)效率隨時間增長的良好指標(biāo)，因為它們通常反映了學(xué)習(xí)一門專業(yè)所需的時間。）這使我們能夠找出那些經(jīng)驗豐富的員工薪資明顯更高的崗位，這意味著積累的專業(yè)技能有顯著溢價。然后，我們從涵蓋數(shù)百萬條美國在線招聘廣告、為期兩年的數(shù)據(jù)中，分析每個職業(yè)中資歷較淺和資歷較深的員工之間技能要求的差異。
接下來，為了預(yù)測哪些技能的重要性可能發(fā)生變化，我們采用了一個模型，該模型展示生成式AI的應(yīng)用如何影響各個職業(yè)中的任務(wù)。這使我們能夠確定那些學(xué)習(xí)曲線陡峭，且經(jīng)驗不足的員工比經(jīng)驗豐富的員工更容易受到生成式AI影響的工作。隨著生成式AI在這些崗位中承擔(dān)大部分入門級任務(wù)，傳統(tǒng)職業(yè)發(fā)展路徑的進入機會可能會大幅減少。這一類別的前100個職業(yè)，包括項目管理專員、培訓(xùn)與發(fā)展經(jīng)理、網(wǎng)頁設(shè)計師和金融風(fēng)險專員等崗位，目前雇傭了1780萬人，約占美國勞動力的12%。
在本圖表中，我們展示了數(shù)據(jù)集里一小部分具有代表性的職業(yè)類別。
圖片來源: hbr.org 制圖:《哈佛商業(yè)評論》中文版
位于圖表頂部的是學(xué)習(xí)曲線陡峭的職業(yè)路徑。在這些職業(yè)中，生成式AI的能力可以提高經(jīng)驗豐富員工的生產(chǎn)效率，同時減少對經(jīng)驗不足同事的需求。例如，一位經(jīng)驗豐富的信用分析師可能會使用生成式AI來評估企業(yè)的信用狀況，并將該企業(yè)的財務(wù)健康狀況與其所在行業(yè)的同行進行比較，而不是將這些任務(wù)分配給下屬。這里信用分析師的角色發(fā)生了轉(zhuǎn)變：他們不再使用微軟Excel等工具收集和整合信息，并將自己的發(fā)現(xiàn)與雇主的信用政策進行對比，而是探索更多不同的場景，利用這些發(fā)現(xiàn)重新評估現(xiàn)有客戶的信用狀況，或者與同事合作確定符合機構(gòu)標(biāo)準(zhǔn)的潛在新客戶。重要的是，這還包括創(chuàng)建并指令生成式AI代理來執(zhí)行其中的許多任務(wù)。
這種轉(zhuǎn)變可能會擾亂從新手到專家的傳統(tǒng)晉升路徑。隨著生成式AI接管了傳統(tǒng)上用于培養(yǎng)基礎(chǔ)能力的任務(wù)，新人獲得經(jīng)驗的機會將減少，而前輩們正是憑借這些經(jīng)驗晉升到更高職位的。這種趨勢應(yīng)該引起雇主的關(guān)注，因為他們在培養(yǎng)未來人才儲備方面可能會面臨挑戰(zhàn)。
與之相比，圖表底部的代表性職業(yè)類別對經(jīng)驗的溢價較低，因為它們主要依賴可以通過學(xué)習(xí)掌握的技術(shù)技能。（比如你要么會操作銷售終端，要么不會。）由于生成式AI以及更廣泛的技術(shù)，將使學(xué)習(xí)這些技能并在工作中快速完善它們變得更容易，這些職業(yè)路徑可能會變得更容易進入。
拓寬就業(yè)機會
為了確定生成式AI可能降低進入門檻的職業(yè)，我們再次從學(xué)習(xí)曲線分析入手。在這種情況下，我們關(guān)注的是職業(yè)生涯早期薪資增長相對平緩的職業(yè)，這類職業(yè)的分布表明，進入這些職業(yè)的主要挑戰(zhàn)在于最初獲得聘用，而非掌握工作技能。然后，我們試圖評估進入這些工作所需專業(yè)技能的性質(zhì)，通過基于大語言模型（LLM）對工作要求進行分析，區(qū)分那些高度依賴顯性知識（可以從書籍或課程中學(xué)習(xí)到）的職業(yè)，以及那些要求具備積累的隱性知識（通常通過經(jīng)驗獲得）的職業(yè)。這使我們能夠確定那些以高顯性知識為特點的職業(yè)，在這些職業(yè)中，生成式AI工具可能會使所需技能更容易獲取。
這類工作固有的專業(yè)技能門檻意味著它們常常面臨合格候選人短缺的問題。生成式AI可以通過使獲取行業(yè)知識或其他技能（如寫作或語言能力）變得更容易，從而緩解這一壓力，這些技能曾將其他方面合格的勞動者拒之門外。我們確定了這一類別的100個工作，目前雇傭了2860萬人，幾乎占美國勞動力的20%。隨著生成式AI工具簡化技能獲取過程，包括數(shù)據(jù)倉庫專員、施工經(jīng)理、電氣繪圖員和網(wǎng)絡(luò)管理員等在內(nèi)的職業(yè)，可能會向更廣泛的勞動者群體敞開大門。在這些領(lǐng)域，尤其是在職業(yè)生涯早期，扁平化的學(xué)習(xí)曲線有可能降低進入高需求、高薪資工作的門檻。生成式AI還有望徹底改變平面設(shè)計、編程、寫作和數(shù)據(jù)分析等領(lǐng)域，在這些領(lǐng)域，技術(shù)含量高的任務(wù)也可以由專業(yè)培訓(xùn)較少的個人來完成。
企業(yè)面臨的新挑戰(zhàn)
隨著生成式AI重塑工作格局，企業(yè)面臨著需要戰(zhàn)略調(diào)整的新現(xiàn)實。不同職業(yè)進入門檻的升高和降低同時出現(xiàn)，這要求企業(yè)從根本上重新思考組織結(jié)構(gòu)和人才戰(zhàn)略。企業(yè)尤其需要應(yīng)對以下幾個方面的影響。
1、組織結(jié)構(gòu)
一些領(lǐng)域入門級崗位的減少將從根本上改變企業(yè)的架構(gòu)。目前，許多企業(yè)采用金字塔結(jié)構(gòu)，每個高級崗位由多個入門級員工輔助。隨著生成式AI使入門級任務(wù)自動化，這種比例可能會急劇變化。曾經(jīng)每個高級崗位對應(yīng)五個入門級員工的結(jié)構(gòu)，可能會演變?yōu)槎纫坏谋壤?，甚至更低?/p>
隨著生成式AI將企業(yè)某些部門的組織金字塔重塑為更矩形或菱形的結(jié)構(gòu)，新的機遇和挑戰(zhàn)將應(yīng)運而生。這樣的結(jié)構(gòu)可能會促進組織層級之間更快的信息交流和更直接的溝通，實現(xiàn)更敏捷的決策和執(zhí)行。它們還可能使企業(yè)能夠部署更小、更靈活的團隊。由于生成式AI接管了許多常規(guī)任務(wù)和決策流程，對多層級中層管理的需求也應(yīng)該會減少，從而使高級領(lǐng)導(dǎo)層與初級員工之間的聯(lián)系更加直接。借助生成式AI工具賦能的經(jīng)驗豐富員工，可能需要較少的直接監(jiān)督，進一步減少了對管理層級的需求。隨著生成式AI承擔(dān)需要深厚專業(yè)技術(shù)知識的任務(wù)，企業(yè)或許能夠讓高潛力人才在更多職能崗位輪崗，為他們未來擔(dān)任管理職位做好準(zhǔn)備。
然而，更扁平、菱形的組織結(jié)構(gòu)也可能會減少員工獲得管理經(jīng)驗的機會。生成式AI帶來的去層級化將減少晉升機會，限制員工獲得職業(yè)發(fā)展所需經(jīng)驗的機會。企業(yè)將需要調(diào)整職業(yè)發(fā)展路徑，并設(shè)計新的方式來獎勵執(zhí)行能力、協(xié)作技能和專業(yè)知識。
2、人才戰(zhàn)略
不斷演變的組織層級要求企業(yè)重新思考招聘和職業(yè)發(fā)展策略。企業(yè)可能會將招聘重點放在更少的技能提供者身上。人才招聘團隊需要變得更加敏捷，以獲取與快速發(fā)展的技術(shù)需求相匹配的人才庫。此外，隨著企業(yè)削減入門級員工數(shù)量，可供晉升的候選人儲備將減少，這意味著最大化新員工質(zhì)量至關(guān)重要。不斷發(fā)展的企業(yè)將需要開發(fā)新的人才儲備渠道，部分可能通過從其他行業(yè)招聘，同時尋找新的方法來培養(yǎng)和儲備人才，使其能夠勝任高級職位。
這些變化也可能導(dǎo)致對經(jīng)驗豐富員工的競爭加劇，使人才保留成為關(guān)鍵優(yōu)先事項，即從 “大量招聘與快速淘汰” 的人才獲取模式，轉(zhuǎn)向更加注重投資和留住具備稀缺專業(yè)知識員工的模式。
3、培訓(xùn)模式
如今，學(xué)習(xí)與發(fā)展預(yù)算的很大一部分用于新員工入職培訓(xùn)。隨著某些職業(yè)的勞動力更加集中在一小部分專家身上，初始培訓(xùn)可能變得不如提高現(xiàn)有員工的生產(chǎn)力重要。一旦生成式AI廣泛融入職場，這將意味著要確定并投資于對每個崗位日益重要的技能，使經(jīng)驗最豐富的員工始終保持領(lǐng)先水平。菱形結(jié)構(gòu)的企業(yè)將需要重新規(guī)劃學(xué)習(xí)路徑，以促進有經(jīng)驗的員工從其他領(lǐng)域橫向流動，以及那些職業(yè)生涯可能受到AI干擾的員工的流動。
雇主將需要采用新的培訓(xùn)模式來加速學(xué)習(xí)，既幫助現(xiàn)有員工適應(yīng)變化，也讓新員工能夠更快地跨越學(xué)習(xí)曲線。為了避免在等待第三方開發(fā)培訓(xùn)項目時延誤創(chuàng)新技術(shù)的實施，他們可能會傾向于定制的、內(nèi)部開發(fā)的項目，這些項目將大量基于企業(yè)和行業(yè)特定知識。在一個幾乎沒有入門級在職學(xué)習(xí)機會的工作場所，模擬很可能成為使員工能夠在更短時間內(nèi)獲得關(guān)鍵經(jīng)驗的重要機制。
4、企業(yè)特定知識
隨著生成式AI使通用技能實現(xiàn)自動化，企業(yè)特定知識可能會成為釋放員工生產(chǎn)力的一個越來越重要的因素。企業(yè)將希望專注于識別和培養(yǎng)這種知識，并考慮是否以及如何構(gòu)建基礎(chǔ)設(shè)施，使其對員工來說更容易獲取。這將涉及有關(guān)創(chuàng)建新知識管理系統(tǒng)的決策，如內(nèi)部維基和AI驅(qū)動的學(xué)習(xí)平臺。企業(yè)需要考慮他們希望企業(yè)特定知識成為多大的門檻，以及如何在專業(yè)化的好處與勞動力靈活性的需求之間取得平衡。
駕馭AI驅(qū)動的人才格局
生成式AI革命不僅改變了我們學(xué)習(xí)的內(nèi)容，還改變了學(xué)習(xí)方式。傳統(tǒng)的學(xué)習(xí)曲線正在重新繪制，為技能獲取和職業(yè)發(fā)展創(chuàng)造了新的范式。這種轉(zhuǎn)變要求企業(yè)從根本上重新思考如何進行人才管理，以及個人如何規(guī)劃自己的職業(yè)生涯。
隨著這場革命的展開，其影響將以難以預(yù)測的方式演變。我們目前的分析僅基于現(xiàn)有職業(yè)、技能和AI能力提供了一個靜態(tài)快照。隨著生成式AI拓寬進入某些高技能職業(yè)的機會，勞動力供應(yīng)的增加可能會給這些領(lǐng)域的工資帶來下行壓力，這是我們研究中未建模的一種可能性，也是未來研究的一個關(guān)鍵方向。此外，隨著技術(shù)的進步，在職學(xué)習(xí)與通過正規(guī)教育學(xué)習(xí)之間的界限可能會不斷變化，使情況更加復(fù)雜。
能夠蓬勃發(fā)展的組織，必然是欣然接納AI增強型學(xué)習(xí)曲線動態(tài)本質(zhì)的那類組織。他們將把每條曲線視為不是固定的軌跡，而是一條可以通過正確的策略和工具重塑和優(yōu)化的動態(tài)路徑。通過這樣做，他們不僅是在適應(yīng)AI革命，還將有助于塑造其發(fā)展方向，打造一支更加敏捷、熟練、多樣化和高效的員工隊伍。
關(guān)鍵詞：AI
約瑟夫·富勒（Joseph Fuller）、馬特·西格爾曼（Matt Sigelman）、邁克爾·芬倫（Michael Fenlon）| 文
約瑟夫·富勒是哈佛商學(xué)院的管理實踐教授。馬特·西格爾曼是職場分析公司Burning Glass Institute的總裁，該機構(gòu)推動關(guān)于未來工作和學(xué)習(xí)的數(shù)據(jù)驅(qū)動型研究與實踐。邁克爾·芬倫是哈佛大學(xué) “哈佛在線” 的執(zhí)行董事、Burning Glass Institute的高級研究員。
豆包、Kimi | 譯 周強 | 編校
全球化日益加深，東南亞已成為中國企業(yè)尋求增長的首選目標(biāo)?！巴顿Y新加坡，布局東南亞”不僅是企業(yè)全球化戰(zhàn)略的智慧選擇，更是中企擁抱未來的重要通路。為此，我們推出特別系列《出路——探索中國企業(yè)出海之路》，第一站當(dāng)然要來到新加坡：看看這座花園城市是如何成為全球最賺錢的地方？對于中國企業(yè)而言，新加坡又有什么特別的意義？點擊觀看本期新增長100問↓
《哈佛商業(yè)評論》中文版 聯(lián)系方式
投稿、廣告、內(nèi)容和商務(wù)合作
newmedia@hbrchina.org
熱門跟貼