11 月 25 日，麥肯錫全球研究院（MGI）發佈了一份60 頁的新報告——《Agents, robots, and us: Skill partnerships in the age of AI》。（AI技能夥伴）這份報告關注的不是“AI 會不會讓人失業”這種老話題，而是一個更本質的問題：在 AI 主導的新一輪生產力躍遷中，工作是如何被重新拆解、組合與分工的？人、AI 智能體（agents）和機器人，將如何形成新的“技能夥伴關係”？一、報告主要研究目標從問題上看，它圍繞三件事展開：1.AI 能做多少原本由人完成的工作？以“技術可行的自動化潛力”為基準，評估今天的 AI/機器人，理論上能接手多少美國現有工作時長（答案是：57% 的工時可以被自動化，但這不是裁員預測，而是任務結構重排）。2.在人–機協作下，那些技能會被“放大”，那些會被“擠壓”？報告通過一個新的 Skill Change Index（技能變化指數），測算未來 5 年裡不同技能被自動化影響的程度，識別出：會被衝擊最大的：數字技能、資訊處理類技能變化最小的：照護、服務、陪伴等“助人類技能”組織需要怎樣重設計工作流，才能真正把 AI 的價值“兌現”為生產率和經濟價值？核心結論之一是：到 2030 年，如果企業圍繞「人–智能體–機器人協作」重構工作流，而不僅是零散做工具替換，美國有望額外釋放 約 2.9 兆美元的經濟價值。二、報告的研究方法和樣本：這份報告的“底層資料”和“分析方法”都比較硬核，可以簡單理解為三層：任務與職業層面：結合美國勞工統計局、O*NET 等資料庫，對約 800 種職業進行“任務拆解”，判斷每一類任務被 AI/機器人自動化的技術可行性。技能層面：基於 Lightcast 的招聘巨量資料，分析 1,100 萬條招聘資訊，提取出約 6,800 個技能項，看不同職業真實在招什麼技能、那些技能正在變“熱”、那些開始降溫。時間演化 + 場景建模：在“中位情景”的假設下，測算到 2030 年的自動化採用節奏，並通過 Skill Change Index衡量各類技能在 5 年內的“結構性位移”，再疊加對典型場景的工作流重構分析。報告也明確說明：這些都是對“工作內容”和“技能結構”的預測，而不是對就業總量的絕對判斷——歷史經驗告訴我們，技術每一輪都會擠掉一部分崗位，但也會在別處創造新的工作。注意：樣本主要基於美國勞動力市場，是否完全適用中國及全球市場需謹慎參考。三、報告給出的幾個關鍵結論：未來的工作形態 = 人 + Agents + 機器人今天的技術理論上可以自動化超過 一半的工作時間，但更大的變化不是“崗位消失”，而是工作被拆分、重組，越來越多崗位變成人機協作的混合體。70% 以上的人類技能會繼續被需要，但使用場景會遷移大部分今天企業在招聘的技能，其實同時存在於“可自動化工作”和“不可自動化工作”裡——意味著技能不會突然過時，而是從“自己做”變成“借助 AI 做得更多、更好”。Skill Change Index：誰被 AI 衝擊最大？受影響最大的：會計、編碼等高度專業、又高度可自動化的技能變化最小的：談判、教練、關懷等強依賴人際互動的技能AI 流利度（AI fluency）正在成為“第一新基礎技能”過去兩年，招聘啟事裡對 “AI 流利度”（使用與管理 AI 工具能力）的需求，增長了近 7 倍，是所有技能裡漲得最快的。到 2030 年，2.9 兆美元的價值取決於一件事：你是“裝 AI”，還是“重做工作流”簡單把 AI 當外掛，價值有限；只有圍繞 AI 重設流程、角色、指標與文化，才可能真正吃到這波紅利。四、完整整報告分為60頁（可後台私信發PDF/PPT），核心是四個章節，包括：第一章：Workforce of the future：未來勞動力的基本形態——人、智能體、機器人如何分工協作？第二章：How AI changes skills：技能結構如何重排？Skill Change Index 告訴我們什麼？第三章：Reimagining workflows：不再是“自動化幾個任務”，而是“圍繞 AI 重畫整條工作流”。第四章：Leadership challenges：領導者如何重新定義角色、重塑組織，並在安全、責任、信任之間取得平衡？五、今天這篇，是第一期：聚焦「未來勞動力」這一章未來勞動力將是「人 × Agents × 機器人」的協作夥伴關係AI 正在重新定義工作的邊界，並開啟新的生產力潛能。未來的工作模式，將被重構為由人類、AI 智能體（agents）和機器人共同組成的協作體系。1.1 AI 讓 Agents 與機器人更加自主、更具能力在過去的一個世紀裡，機器基本都是按照規則運作的：機器人執行固定的物理動作，例如裝配零件；軟體自動化處理可預測的文書和分析任務。這兩類機器都遵循預設程序，只能按照指令行事，難以超越規則。而如今 AI 的崛起，正在改變這一點，並顯著拓寬自動化能做到的事情。AI 讓 agents 與機器人具備了新的能力：可以從海量資料中學習可以模擬推理可以響應更廣泛的輸入（包括自然語言）可以根據情境變化自動調整，而非只執行預設流程因此，agents 與機器人能夠分別承擔 認知性任務與 物理性任務，且能力持續提升。1.2 AI 能影響所有類型的工作麥肯錫將工作分為兩類：物理性工作（需要機器人自動化）非物理性工作（需要 agents 自動化）雖然並非所有自動化都需要嚴格意義上的“AI 智能體”或“機器人”，但報告使用這兩個術語來概括所有能夠自動化工作的技術形態。在美國，非物理性工作佔總工作時長的三分之二。在這三分之二中：約三分之一依賴社會與情緒技能——目前仍主要超出 AI 能力範圍其餘部分包括推理、資訊處理等任務——這類任務更適合自動化這些更“可自動化”的活動：佔美國總工資的 約 40%分佈在教育、醫療、商業、法律等多類崗位中（對應報告 Exhibit 1 的結論）1.3 AI 驅動的自動化將重塑工作，但“人”仍然不可或缺以當前的技術能力來看，AI 智能體（agents）理論上能夠承擔 佔美國工作時長 44%的任務，而機器人能夠承擔 13%（見 Exhibit 2）。要讓自動化進一步擴展，還需要突破一系列目前尚未被機器匹配的人類能力：對 agents 來說：必須能理解意圖、情緒等更細膩的人類線索；對機器人來說：必須掌握更高精度的精細動作控制，例如抓取易碎物品、或在手術中操控精密器械。換句話說，自動化能替代的部分會繼續擴大，但人類的判斷力、情緒理解力、精細動作能力，仍然是技術難以跨越的關鍵分界線。佔當前工作時長一半以上的任務在技術上都有可能被自動化，主要由 AI 智能體（agents）完成。但這並不意味著“一半的工作崗位會消失”。真正發生的是：具體任務被自動化，人類的工作內容會被重新組合，而不是被整體替代。此外，那些高度依賴 社會與情緒技能的工作，即便在“全面採用 AI 的極端場景下”，仍然難以被技術替代。原因在於，這類工作需要即時的人類洞察，例如：老師需要讀懂學生的表情反應銷售需要感受到客戶何時開始失去興趣人類還能提供：監督質量控制以及“客戶、學生、病患更願意與之互動”的人類存在感1.4 隨著技術進步，仍需人類參與的工作也在變化隨著技術的發展，屬於人類的工作也在不斷演化：有些角色會縮小有些會擴張或改變重點也會出現全新的崗位放射科就是一個典型案例。儘管 AI 在醫學影像領域的能力顯著提升，但 2017–2024 年間，放射科醫師就業仍以每年約 3% 的速度增長，並預計繼續增長。原因是：AI 提升了放射科的效率和精準性，讓醫生能專注於複雜判斷和患者關懷。例如：梅奧診所（Mayo Clinic）自 2016 年以來將放射科團隊擴充了 50% 以上同時部署了 數百個 AI 模型用於影像分析輔助1.5 AI 正在催生新型工作與角色——七大典型角色AI 不是只會“減少舊崗位”，它也在創造新崗位：軟體工程師正在開發、訓練、最佳化智能體設計師與內容創作者使用生成式 AI 生產新內容即：AI 既重塑舊職能，也在催生全新的技能需求。不同職業中“人、智能體（agents）與機器人”的組合形式，呈現出七種不同的典型模式。一個經濟體的整體就業水平和職業構成都取決於行業如何演進。而在具體職業內部，工作的配置方式也因對物理能力、認知能力以及社會與情緒能力的依賴程度不同而呈現顯著差異。為了理解這種差異，麥肯錫分析了約 800 個職業，並根據其物理與非物理任務的可自動化潛力進行分類。由此形成了七種原型，用以展示在人、智能體和機器人之間可能出現的協同方式。自動化潛力最低的職業被歸類為以人為中心（people-centric）；而那些包含大量可自動化任務的職業，則被劃為以智能體或機器人為中心（agent-centric 或 robot-centric）。此外，還有一些在三者之間比例更為均衡的角色，被歸入“混合型”原型，它們在工作中同時包含大量由人、智能體或機器人承擔的內容（見 Exhibit 3）。這一框架適用於各類勞動力市場，幫助領導者判斷那些崗位將率先受 AI 影響、勞動力轉型將如何發生，以及那些角色會演化為“人與智能體與機器人協作”的新型工作模式。對個人來說，它也提供了理解自身崗位未來變化的清晰視角。在職業軸的一端，是 以人為中心的職業（如醫療、建築、維修），佔美國崗位約三分之一，平均薪酬 71,000 美元。這些崗位中近一半的工時涉及當前技術無法複製的身體活動，因此難以自動化。在另一端，是 高度可自動化的職業，約佔 40% 的就業，平均薪酬 70,000 美元，主要屬於法律、行政等“智能體中心型”崗位，包含大量可由 AI 處理的認知任務。部分任務未來可能完全自動化，但仍需要人類監督和驗證。其中一部分是 機器人中心型崗位（如司機、裝置操作員），平均薪酬 42,000 美元，理論上幾乎可完全自動化，但現實成本與風險讓人類短期內仍難以完全退出。規模更小的 智能體–機器人混合崗位佔約 2%，主要在自動化製造、物流等場景，由 AI 軟體指揮物理系統。在兩個極端之間，是佔勞動力三分之一的 混合型崗位。這些崗位在人、AI 智能體和機器人之間的分工不同，但共同特點是：人類仍然不可或缺，只是角色將從“親自執行”轉向“指導與協調機器”。混合型崗位包括：人–智能體崗位（教師、工程師、金融專家），平均薪酬 74,000 美元，佔比 20%；人–機器人崗位（維修、建築），81% 為體力任務，平均薪酬 54,000 美元，佔比不足 1%；人–智能體–機器人崗位（交通、農業、餐飲），平均薪酬 60,000 美元，佔比 5%。總體而言，這些結論描述的是“技術上可能的未來”，而實際落地速度將因行業、成本與流程調整而顯著不同。但可以確定的是：人與智慧型手機器的協作，將在未來的所有工作場景中不斷深化。 (AI組織進化論)
