赛博AI

岗位被AI波及以后,企业该补的是素养还是专家技能

2026-11-06 · 赛博AI编辑整理 人的位置

OECD基于多国在线招聘数据的研究显示:在高度暴露于AI的职业中,最常被要求的是管理与商务技能,而非机器学习等专业AI技能;但在AI暴露度更高的工作场所,对这些技能的需求在过去约十年出现约三个百分点的相对下降。另一份OECD政策简报则指出,绝大多数受AI影响的劳动者需要的是通用AI素养,而四国课程样本中含AI内容的培训占比仅约0.3%—5.5%,且多数偏向进阶技能。

一家保险公司上线了预测客户可能升级投诉的工具。原先坐席要凭经验抽查案卷,现在系统先给出风险名单。培训部门接到两个互相打架的需求:业务条线要“人人会写提示词、会判断模型胡说”,IT条线要“多招几名能微调模型的工程师”。预算只够做一类课。

以上是假设场景。它指向的问题是:当AI改变的是大量非算法岗位的任务结构,企业人力资源该优先补通用素养,还是优先堆专家技能。

已经发生的事

【事实】OECD政策简报《How is AI changing the way workers perform their jobs and the skills they require?》(2024年11月29日)总结其对10个OECD国家在线招聘启事的分析称:在最暴露于AI的职业(例如计算机程序员、预算分析师、行政助理等)中,管理技能与商务技能是需求最高的技能类别——2021—2022年末,这些职业的招聘启事中约72%至少要求一项管理技能(如预算与财务),约67%至少要求一项商务技能(如文书),另有约58%至少要求一项数字技能。分析已剔除要求专业AI技能的岗位,聚焦“会使用AI但不是开发AI”的劳动者。

【事实】同一简报写明:约三分之一的招聘启事属于高度暴露于AI的职业(定义为暴露度至少高于均值一个标准差),各国比例大约在奥地利约31%到英国约45%之间。高度暴露职业通常要求高于平均的教育水平,并包括秘书与行政助理、会计与财务分析、软件开发、管理者与人力资源等。简报同时指出:这些职业中对商务与管理技能的需求在研究期内约上升8%,情绪、数字与社会技能升幅约15%;但若把视角转到“AI暴露度更高的工作场所”,管理、商务、数字与认知技能的需求份额在过去约十年相对下降超过三个百分点。简报称降幅相对较小(约相当于一个工作场所少发一条要求此类技能的招聘),但提醒随着AI采用扩大应密切监测。

【事实】OECD政策简报《Bridging the AI skills gap: Is training keeping up?》(2025年4月24日)写明:约三分之一的招聘启事具有高AI暴露,但其中只有约1%要求特定的复杂AI技能;绝大多数劳动者只需要通用层面的AI理解(AI素养),以便使用、协作并批判性评估AI系统。对澳大利亚、德国、新加坡与美国培训课程目录的分析显示,含有AI内容的课程占比约在0.3%至5.5%之间;多数已有AI内容的项目偏向进阶AI技能,各国更需要扩大面向通用素养的供给。在分析的21国中,14国已投入AI专项培训,其中9项侧重培养AI专业人员,7项侧重公众AI素养。

【核验限制】OECD技能需求研究依赖Lightcast在线招聘数据与Felten等人的职业暴露度量,反映的是“雇主在启事中写什么”,不是每位在职者的真实任务变化;四国课程占比可能低估企业内训与非正式学习。本文不把“暴露”写成“失业”,也不把百分点变化写成已发生的大规模裁员。

变化的机制:AI先改任务组合,再改招聘启事上的技能标签

机制上,通用模型先接管的是难写成死规则、却又大量重复的文书、检索、起草与初步分析。招聘启事里仍大量出现管理与商务技能,说明岗位外壳还在;而在AI用得更深的工作场所,这些技能标签开始相对变少,可能意味着任务被重组、合并或改写进工具流程。

【推演】若企业只按“缺AI工程师”来投资培训,可能覆盖不到真正被工具改写日常的坐席、助理与分析岗位;若只做一次性提示词讲座、不测量任务是否真的改组,素养课也会流于形式。成立条件是人力资源能区分“开发AI的人”与“在AI旁工作的人”,并用岗位任务清单而不是职位名称来排课。受益方是需要在工具辅助下做判断与协调的一线知识员工;承担成本的是须重做能力模型与课表的HR与业务部门。可能失败的环节:启事用语滞后于真实工作;把素养培训做成通识选修,与绩效无关。

对人的位置的影响

  • 多数被波及的岗位,竞争的不是“会不会训练模型”,而是能否在AI草稿之上做核对、例外处理、对客户负责。
  • 管理与协调类技能短期内仍高频出现在高暴露职业启事中,但企业应监测本单位岗位是否正在减少对这些技能的显式要求——那可能是任务已被工具吸收的信号。
  • 培训预算若过度集中于进阶开发,会留下“会用AI的人不够”的缺口;若完全不做进阶培养,又难以维持内部平台与治理。

建议试验:按任务而不是按职位拆一页能力表

【建议试验】选一个已引入生成式AI辅助的非算法岗位(如客服、内部审计助理或招采文员),列出其一周内最高频的十项任务,标出“已由AI草稿承接 / 仍须人工判断 / 完全未变”。对照OECD区分,标注该岗更接近“需要素养”还是“需要专家技能”。投入:业务主管与HR各1人,约一周。判断指标:十项任务中有几项判断标准写不清楚;现有培训覆盖了几项。失败条件:说不清哪些输出可以交给模型、哪些必须人工签字。结果用于决定下一季度培训是开素养课、流程课还是少量专家课,而不是先定供应商。

边界

本文不预测失业率,不评价具体培训产品,也不把OECD国家样本直接外推为某一家中国企业的必选项。企业仍须结合自身行业监管与用工制度设计培训。

参考资料

  • OECD, How is AI changing the way workers perform their jobs and the skills they require? https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/11/how-is-ai-changing-the-way-workers-perform-their-jobs-and-the-skills-they-require%5F842aa075/8dc62c72-en.pdf (核验日期:2026-11-06)
  • OECD, Bridging the AI skills gap: Is training keeping up? https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/04/bridging-the-ai-skills-gap_b43c7c4a/66d0702e-en.pdf (核验日期:2026-11-06)
  • 相关背景报告:Green, A. (2024), Artificial intelligence and the changing demand for skills in the labour market, OECD. https://www.oecd.org/en/publications/artificial-intelligence-and-the-changing-demand-for-skills-in-the-labour-market_88684e36-en.html (核验日期:2026-11-06)

← 赛博AI 全部文章