麥肯錫再發重磅報告：AI技能夥伴時代《Agents, robots, and us》01｜人仍然是關鍵，但參與方式正徹底改變

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)