两相结合,企业就能清晰看到“AI可以在哪里发力”与“组织是否准备好了接招”这两张拼图的全貌 。
WTW的分析最引人注目之处,在于它用数据揭示了AI对不同岗位影响的“非对称性”。基于900多个O*NET职业的分析,AI能影响的任务占比在不同角色间存在巨大差异 :
| 角色类别 | 受AI影响的任务占比估算 |
|---|---|
| 工业与一线岗位 | 最高可达 75% |
| 行政类岗位 | 60%-70% |
| 专业类岗位 | 20%-35% |
这清楚表明,AI的冲击并非均匀落在每个劳动者身上。它在任务驱动、重复性强的工作中覆盖面最广,而在需要知识、判断和创造力的专业岗位上,影响相对有限 。这也意味着,企业若采取“一刀切”的AI策略,恐怕很可能会失效。
WTW的微观诊断,与世界经济论坛(WEF)的宏观预测形成了有力的相互印证 :
WTW的诊断工具与WEF的宏观数据相叠加,共同描绘出一幅层次分明的未来图景 :
总而言之,WTW的方案和WEF的报告共同指向一个核心结论:AI对劳动力的影响已非远虑,实为近忧。应对之道不在于恐慌,而在于像WTW提供的那种“先诊断,再下药”的理性路径——看清影响落在哪,掂量自己准备好了没,然后聚焦于人,重塑技能与组织。
两相结合,企业就能清晰看到“AI可以在哪里发力”与“组织是否准备好了接招”这两张拼图的全貌 。
WTW的分析最引人注目之处,在于它用数据揭示了AI对不同岗位影响的“非对称性”。基于900多个O*NET职业的分析,AI能影响的任务占比在不同角色间存在巨大差异 :
| 角色类别 | 受AI影响的任务占比估算 |
|---|---|
| 工业与一线岗位 | 最高可达 75% |
| 行政类岗位 | 60%-70% |
| 专业类岗位 | 20%-35% |
这清楚表明,AI的冲击并非均匀落在每个劳动者身上。它在任务驱动、重复性强的工作中覆盖面最广,而在需要知识、判断和创造力的专业岗位上,影响相对有限 。这也意味着,企业若采取“一刀切”的AI策略,恐怕很可能会失效。
WTW的微观诊断,与世界经济论坛(WEF)的宏观预测形成了有力的相互印证 :
WTW的诊断工具与WEF的宏观数据相叠加,共同描绘出一幅层次分明的未来图景 :
总而言之,WTW的方案和WEF的报告共同指向一个核心结论:AI对劳动力的影响已非远虑,实为近忧。应对之道不在于恐慌,而在于像WTW提供的那种“先诊断,再下药”的理性路径——看清影响落在哪,掂量自己准备好了没,然后聚焦于人,重塑技能与组织。