EricHazan我們的目標是獨立和基于事實的研究。我們的任何工作都不是由任何企業、政府或34勞動力市場中斷的不同地26363840425260Acknowledgments65需求將上升，而對辦公室工人、生產工人和客戶服務代表等職業的變化，這表明它們可以應對這種規模的未來工作轉變。歐洲國家之間的職業變化速度企業將需要一個主要的技能升級。隨著對身體和手動以及更高的認知技能的需和情感技能的需求可能會增加。在歐洲和美國接受調查0.3接近西歐當今的生產率增長水平。緩慢的工人調動將使數百萬。經進行的深層次勞動力市場變化的背景下進行。我們幾十年來，勞動力市場的結構性變化一直在持續，包括農業、工業和采礦業就變和更多的工作轉換，還推動了新員工的偏好，如。Europe100ConstructionConstruction運輸農業Manufacturing采礦Utilities專業服務商業和維修服務電信醫療保健娛樂金融服務Education政府808060604020018501900195020002022USConstruction交通運輸Construction交通運輸AgricultureManufacturing采礦Utilities家務勞動80806060專業服務業務和維修服務專業服務業務和維修服務4040娛樂金融服務娛樂金融服務教育政府2020018501900195020002022在美國，從1850年增加到1860年，主要是由于跟蹤無薪勞動力的方式發生了變化。資料來源：歐盟統計局；《美國綜合公共使用微觀數據叢書》，2017年；IvanT.Berend，《二十世紀歐洲經濟史》，劍橋大學出版社，2016年10月；美國勞工統計局麥肯錫公司歷史低位。隨著大西洋兩岸的人口老齡化和每名工人工作時間的減少，特別是在歐洲，勞動力市場的緊張局面不太可能自然解決。在這種情況下，雇主越來越多地爭奪人才。分分配給休閑和護理。對生產率的總體影響仍在爭論中。總體而言，在全球經濟中，生產力對于保持競爭力至關重要。當一家除了生產率增長與美國的差異外，歐洲的競爭力也在減弱。這些問題似乎是系統性的，而不是周期性的。歐洲公司在投資資本回報率、收入增長、資本支出和研發等多個關鍵指標上落后于美國同行。歐洲在技術開發和采用方面的最初延誤有助于解釋這一差距，因為歐洲沒有從信息通信中受益。,歐洲公司仍然有優勢的兩個領域是清潔技術和下一代材料。％，％，％，一些研究表明，遠程工作與生產率下降8%到19%。Second工業化戰后吊桿時代爭用市場時代電氣化、大規模生產和工業化持續的城市化和基礎設施8命6420?2?4?68命6420?2?4?61900191019201930194019501960197019801990200020102020能源危機與滯脹全球價值鏈的GFC前和后減速美國Eu美國注：生產率定義為以購買力平價衡量的每小時GDP（2010年美元）。使用Hodrick-Prescott濾波器(λ=6.25）計算。使用法國、德國、意大利、西班牙、瑞典和英國的簡單平均值計算歐洲。由于數據可用性問題，我們分析中的其余十個歐洲國家被排除在外。信息和通信技術。全球金融危機。資料來源：AntoninBergeaud，GilbertCette和RémyLecat，“1890年至2012年發達國家的生產率趨勢”，《收入與財富評論》，2016年9月，第62卷，第3期；麥肯錫全球研究所分析麥肯錫公司洲和美國在捕捉這種生產力增長方面的軌跡不同:大多數與人工智能相關的創新都是市場可以成功地適應就業需求模式的快速和加劇的變化。在歐洲，在2019年至美國的職業轉變隨后恢復到歷史水平，盡管一些職業繼續受到影響，包括食品服務。根據美國勞工統計局的數據進行估算。現在，隨著歐洲的展望，自動化、人工智能和其他趨勢為更高的生產率增長提供更快。商業領袖和政策制定者將面臨關鍵的選擇，即在培訓和重新部署工人進入受技術變革和投資的程度。這些選擇將決定歐洲的國家，公司和勞動力是否可以2這些趨勢代表了生產率增長的機會，但也強調了工人需要從下降的職業過渡到上升的和技能。對于本報告，我們將分析重點放在2022-30年期間，我們還考慮了自動化采用將如何在2030年至2035年之后發展。模型的驅動程序已相應更新。占歐洲工作的75%衡量標準來估算自動化對生產率的影響。我率來計算不同情景下的自動化位移。我們只報告日期的可用且明確定義的工作活動。此,我們假設自動化具有勞動力替代效應，但沒有其他性能。收益。我們假設被自動化取代的工人在2022年生產率水平下重新加入勞動力隊伍，扣除自動晚期情景歐洲早期情景歐洲晚期情景歐洲早期情景歐洲較慢的情景歐洲中點情景US更快的場景歐洲1008060402002022203020402050206020702080注：根據與專家的訪談和調查答復，方案的范圍代表了技術能力可用性的不確定性。早期情景對所有關鍵模型參數(技術潛力、整合時間表、經濟可行性、法規和公共采用)做出了更積極的假設。“更快的”或中點采用場景是早期和晚期場景之間的平均值。“較慢”情景是晚期情景和中點情景之間的平均值。資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司我們的分析表明，到2030年，對某些職業的需求可能會急劇,對STEM和衛生專業人員的需求將在2022年至2030年之間增長17％至可能擴大編碼等任務，但在日益數字化的經濟中，各種規模和行業的企業對科技人才的求可能會保持強勁。同樣，在2022年至2030間全部下降-可能會繼續下降，直到2030年。這些工作涉及大量的重復性任務，數據收集和基本數據處理-自動化系統可以有效處理的所有活動。總的來說，我們的分析表明，這可能導致對歐洲30萬至500萬個職位以及美國10萬至370萬個職位的需求減少。和我們的分析強調了歐洲和美國在需求增長或減少的職業方面的一些差異。這些差異組成差異以及文化特殊性的結果。例如，歐洲公共就業的更大份額，特別是在行政活未來幾年預期中斷對這些工人的影響。了解這可能如何發揮作用以及誰可能受到影響與2022年US與2022年相比的就業相比的就業就業變化與2022年相比，變化，%就業變化與2022年相比，變化，%職業類別million健康助手，技術人員和健康3.325.23.529.7STEM專業人員衛生專業人員1.523.62.030.1經理商業或法律專業人士建筑商0.76.90.811.9運輸服務0.57.90.59.5物業維護0.45.30.510.3創意和藝術管理0.48.60.210.7社區服務0.33.50.46.6教育工作者和勞動力培訓0.21.60.32.6機械安裝和維修0.57.0Agriculture?0.2–3.802.3食品服務?0.3–3.3?0.3–1.9生產工作?0.9–5.3–0.7客戶服務和銷售–12.1?2.0–13.4Office支持?5.0–18.3?3.7–18.5對于歐洲，我們使用了“更快”的情景，它對應于美國的“中點”情景。“更快”或中點采用情景是早期和晚期情景之間的平均值。“較慢”的情景是晚期情景和中點情景之間的平包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司占目前就業勞動力的6.5%。在較慢的情況下，歐洲所需的職業轉換數量將達到850萬，影響當前就業勞動力的4.6％。在美國，我們使用的中點情景（對應于較快的歐洲情景）的數字是1180萬職業變動，影響了當前就業勞動力的7.5％。這兩種情況對歐洲的結果范圍反映了可以自動化的工作時間數量的不同潛力，從而影增長和可能需要的職業過渡數量。未能實現快節奏的采用模型將意味著需要更少的職在歐洲和美國之間，所需職業轉型的變化速度是不平衡的。在更快和更慢的情況下，歐%的美國勞動力轉移職業。相比之下，在2016年至2019年之間，每年。更快/中點方案歷史US較慢的場景xx在此期間的職業過渡或輪班總數更快/中點方案歷史US較慢的場景2.06.68.5-12.05.68.611.82.9(1.8%)2.2(1.2%)(1.2%)(0.8%)(0.8%)(0.6%)(0.6%)0.7(0.4%)2016–192019–222022–302016–192019–222022–30在各個時間段內具有最高轉變或轉變的職業類別示例?客戶服務和銷售?客戶服務和銷售?食品服務?機械安裝和維修?客戶服務和銷售?機械安裝和維修?建筑商?食品服務?客戶服務和銷售?STEM專業人員?客戶服務和銷售?食品服務?商業或法律專業人士注：“職業轉移”指2016-19年和2019-22年特定職業就業人數凈下降。然而，我們并不確切地知道個人是如何從一個職業轉移到另一個職業的，或者他們是否進行了多次轉移；因此，我們指的是職業轉移的數量，而不是指定進行這些改變的工人的數量。在對某一職業的凈需求下降并且該勞動力的雇員必須離開另一職業的情況下，計算過渡。即使在總體增長的類別中，特定職業的就業也可能會下降，這需要一些工人尋找新的角色。加入新職業的人不計入過渡，以避免重復計算。對于歐洲，我們使用了“更快”的情景，它對應于美國的“中點”情景。“更快”或中點采用情景是早期和晚期情景之間的平均值。“較慢”的情景是晚期情景和中點情景之間的平包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司27％和美國工作時間的30％可以實現自動化（圖表5）。到2035年，這些數字可能在歐洲上升到45在美國上升到48這反映出未來十年自動化潛力的持續增長。到2030年美國。）工作時間是指在當今經濟中從事特定活動的時間。自動化的采用源于自動化潛力，這是考慮到當前的技術能力，可以實大值。實際采用的速度通常落后于技術潛力。它受到解決方案集成所需的時間，用技術代替人力是否在經濟上可行以及高度加速Europe2高度加速◆無創成式AI的自動化采用，%有創成式AI的自動化采用，%xx從生成式AI加速采用自動化，百分點US教育者和勞動力培訓%202220226◆217◆249.9STEM專業人員14◆16◆307.9創意和藝術管理9◆◆222.2商業或法律專業人士16◆◆30社區服務辦公室支持888.8919◆2896.8經理829◆368731◆◆387物業維護14◆9◆239.7建筑商713◆2077.9664.6機械安裝和維修624◆◆306627◆339.7626◆◆326528◆◆337.06.6531364作58.55運輸服務56.355.6衛生專業人員◆166.36.5客戶服務和銷售521◆◆26623◆29Agriculture426◆◆3032730健康助手，技術人員和健康3416◆◆2088All職業30類別20◆◆271852188All職業30類別注意：由于四舍五入，數字可能不會求和。之間的平均值。包括捷克共和國、丹麥、法國、德國、總數按2022年各個職業類別中每個職業的就業人數加權。資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司GeAI還可以將自動化的影響力擴展到需要想象力，創造力和批判性判斷力的領域。。正如國際貨幣基金組織(IMF)最近的一份報告所討論的那樣，人工智能互補性衡量的是技術可以在多大程度上支持工人完成任務（在不取代人類勞動的情況下擴大人類勞動）。互補性在不同類型的職業中有所不同，通過應用人工智能的技術性以及社會可接受性來衡量。方框2盟國家還承諾，到2030年，在適合55項措施的一攬子計劃中，將對幾乎所有部門產生影響。隨著監管的加強，歐盟正在強調可持續支出，并計劃到2030年動員至少1萬億歐元的綠渡的影響，我們建立在麥肯錫之前的研究基礎上評估到20年凈零情景對歐盟和美國進行區域深度潛水。500萬個工作崗位的潛在總收益所抵消，這些工作崗位主車等領域主導。在美國，我們的分析表明，建設低排放設施和改造現有基礎設施的資本支出預計將推動大部分需求。在歐盟,其中一部分電力工作涉及制造業和安裝新的基礎設施。用綠色供暖和改進的隔熱系統改造房屋和商業一些工作集中在受影響行業的國家可能會經歷更大的轉變。例如，波蘭和中歐和和發電遺產的國家可能面臨更高水平的職業轉型。與此同時，氫和生物燃料等新興產發達國家已經要求更多與醫療保健相關的服務。預計這一趨勢將在未來幾年持續這反過來又將推動對醫療保健的需求。人均醫療保健支出的激增也將提升對醫療保健服務的需求。從歷史上看，美國在人比歐洲多，并且以更快的速度增加了支出。雖然美國的人均醫療支出高于歐洲，電子商務在COVID-19大流行期間爆發，它能會增加對物流和倉儲工人的需求，但可能會減少對店內職業的需求。我們的分析表3對于歐洲，我們的分析表明，2022年至2030年之間職業轉型的影慮因素驅動。首先，就業結構的差異，例如某些部門的優勢，決定了勞動力在可能被在具有高技術自動化潛力的職業中-涉及更多常規可預測任務或更高級 ,辦公室支持在潛在職業轉型中的份額可能會下降到30%。型波蘭特別容易受到農業職業轉型的影響，因為農業職業類別占總就除了目前的就業結構和工資率之外，研究表明，人工智能將需釋各國勞動力市場結果的一些地方差異。“人工智能準備”是指一個國家在私營一體化、人力資本和勞動力市場政策以及監管。這些要素在本報告關注的十個歐洲國家中有所不同，并暗示了不同的勞動力市場結果。例如，德國在十個歐洲國家中表現出最高的準備水平（在0.0到1.0的范圍內，約為0.8）。德國和英國是人工智能準備度得分最高的兩個國家。在歐洲,只有幾十個城市推動GDP增長Exhibit6<2%20–43%2–9%35–45%10–19%>45%職業類別Office支持客戶服務和銷售生產工作食品服務業務或法律專業人員建筑商教育者和勞動力培訓機械維修農安裝和業社區服務運輸經理創意和藝術STEMProperty人員健康4385726202211163351420100504330545110311職業類別Office支持客戶服務和銷售生產工作食品服務業務或法律專業人員建筑商教育者和勞動力培訓機械維修農安裝和業社區服務運輸經理創意和藝術STEMProperty人員健康4385726202211163351420100504330545110311010050552221100004940476425111110132332012101002095812221010120232356532641223020222222100200000000003575371231101000100010000注意：由于四舍五入，數字可能不會求和。在對某一職業的凈需求下降并且該勞動力的雇員必須離開另一職業的情況下，計算過渡。即使在總體增長的類別中，特定職業的就業也可能減少，這需要一些工人尋找新的角色。加入新職業的人不計入過渡，以避免重復計算。000100010000的情景是晚期情景和中點情景之間的平00000000000對于歐洲，我們使用了“更快，它對應于美國的或中點采用情景是早期和晚期情景之間的平均值。的情景是晚期情景和中點情景之間的平000000000000包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。0資料來源：歐盟統計局；職業信息網絡牛津經濟學美國勞工統計局歐洲國家統計機構審議麥肯錫全球研究所分析0000麥肯錫公司0000000麥肯錫公司00000000(7.0%)(6.1%)(6.3%)(6.0%)(6.0%)(7.4%)(7.0%)(7.1%)(6.3%)(6.1%)(6.5%)(7.5%)4報告說，在當今市場上，一些對未來最有價值的技能很少。因此，公司和工人將需要迅速轉向以適應變化。企業面臨著對員工進行再培訓，招募新人才或尋找替代策略以確保新技術時代所需技能的關鍵選擇。詳見技術附錄。工人使用多種技能來執行給定的任務，但是出于量化的目的，我們確定了所使用的主要技能。例如，在銀行們將“準備商務信函”和“準備法律或調查文件”映射到“高級識字和寫作”技能，該技將“庫存產品或零件”分類為物理和手動技能類對技術技能的需求-我們指的是技術技能占%,美國的這一比例可能會上升23％和15％。這些技能在不斷發展的經濟中的醫療保健和管理角色至相反，對基本認知技能占主導地位的工作的需求預計會下降。基本的認知技能主要是％，,但其他高級認知技能如高級識字和寫作，以及定量和統計技能占主導地位的活動可能會出現較低的需可持續發展部門的基礎設施和生產轉移。更高的需求也可能反映出歐洲和美國對工業化和生產技術主要技能類別技術2529-1●- 32529-1●- 3-4-2★-14-142030 23%社會和情感物理和手動更高的認知基本認知基本認知20222030在歐洲工作總小時數的變化2022–30>20%10%至20%0%至10%-10%到0%-20%至-10%先進的溝通和談判技巧企業家精神和主動性人際關系技巧和同理心領導和管理他人教學和培訓他人工藝和技術人員技能精細運動技能一般設備操作和導航通用設備維修和機械技能粗大運動技能和力量檢查和監測高級識字和寫作復雜的信息處理和解釋創造力批判性思維和決策項目管理定量和統計技能基本數據輸入和處理基本識字、算術和溝通注：由于四舍五入，數字的總和可能不會達到100%。對于百分比值，上限是獨占的，而下限是獨占的。歐洲包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。基本識字、算術和溝通雖然工人可能會使用多種技能來執行給定的任務，但出于量化的目的，我們使用O*NET數據，類。“更快的”或中點采用場景是早期和晚期場景之間的平均值。“資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司在技術技能方面，我們調查中的公司報告說，他們最嚴重的析和數學技能。在較高的認知技能中，批判性思維和問題結構以及復雜的信息處理存在顯著40％的受訪高管指出，缺乏具備這些技能的工的六個百分點和更高的認知技能的兩個百分點。相反，與美國相比，歐洲有更多應最短的技能。將今年的調查結果與2018年對自動化時代在應對所有部門的數字化轉型方面，技術技能的總體預期需求最高，而更高的認知情感技能的需求也預計將經歷顯著增長。受訪者還預計，對身體和手工技能以及求將繼續增長，盡管與其他技能相比速度較慢，這反映了他們在不斷發展的經濟正在減弱。與2018年高管調查相比，今天的公司預計未來對更大。這一趨勢與世界經濟論壇和其他機構最近領導的其他以技能為重點的研究的結果一致期望在未來六年內需要更多技能的調查受訪者與期望在未來六就業的未來報告2023年，世界經濟論壇，2023年5月;另見R我們調查的高管預計，未來對技能的需求將更加差異化。例如，在一組技術技能中％，％，技術知識和解決問題的能力。對需要高級IT技能的更知技能中，批判性思維和創造力被視為未來更重要的技能，高管將其與創新和戰略差來。在社交和情感技能中，適應性和企業家精神被強調為未來的關鍵需求，這與能夠為了了解公司面臨的挑戰，我們將未來對技能的預期需求與公司今天使用這創造力。贏得獲得這些技能的競賽將仍然是公司的挑戰。然而，他們在獲取當今2030年的需求。這些包括批判性思維，復雜的信息處理，產品設計，科學研究以公司尋找工作流程效率和員工再培訓策略的機會。最后，受訪者說的技能在今天沒有同行。平均而言，調查參與者預計需求將增長21％，但在高利潤公司的高管中，這一數字將上升到30％。這可能是因為他們有更大的能力投資于自動化和人工智能技術;自我報告利潤率較高的公司表示，他們將數字預算的20%以上分配給了人工智能，比中等業績(即報告凈利潤率與同行相似的高管)高出約14個百分點。平均在所有技能之間的差異調查受訪者的百分比誰希望需Exhibit8當今最廣泛使用的技能，%的調查受訪者40流行但穩定35基本IT35項目管理領導基本數據管理領導基本數據輸入技術工程30工程創造力優化and創造力優化and25Advanced25Equipment維修Equipment維修規劃分析判斷和適應性判斷和決策Critical通信20基本通信20基本識字能和談判科學工藝和技術員人際關系工藝和技術員人際關系企業家精神和同理心企業家精神教學教學andtraining處理Advanced識字能ProductAdvanced識字能Product和UX設計目前報告缺乏這些技能的公司比例為54%5社會和情物理和手動基本認知較高認知感技術社會和情000510152025303540注：圖表不包括精細運動技能、檢查和監測或定量和統計技能。軸代表相應數據點的中位數。技能描述縮短了。包括法國、德國、意大利和英國。問：當今組織中使用最廣泛的員工技能是什么？：您目前在哪些勞動力技能中，所需的技能與您的勞動力之間存在不匹配（也就是說，哪些技能是工人目前擁有的太多或太少期望更需要技能的調查受訪者百分比與期望更少需要技能的調查受訪者百分比之間的差異。問：在未來6年內，您如何應對員工的技能需求將在您的組織中采用與AI相關的技術的推動下發展？資料來源：2024年麥肯錫全球研究所調查，n=1,128名C級高管（305名來自美國，213名來自德國，209名來自英國，201名來自意大利，200名來自法國）麥肯錫公司我們的調查顯示，對技能的預期需求因行業而異。技術和金融服務21%)。這可能是因為零售和醫療保健被調查的高管預計他們的員工技能水平會發生重大變化，并擔心到2承包使公司可以通過承包商，自由職業者或臨時工獲得技能。它可以快速獲取技能知識的喪失和與公司文化的不匹配。目前，承包主要填補非核心，低技能的Exhibit949工2內部發展和交付49員工再培訓計劃提供更多在職培訓44再培訓32和指導外部合作伙伴與提到再培訓的公司教育機構作為他們解決技能不匹配的策略之一，受訪者回答說，他們將平均再培提供更多在職培訓44再培訓32和指導外部合作伙伴與提到再培訓的公司教育機構作為他們解決技能不匹配的策略之一，受訪者回答說，他們將平均再培外部合作伙伴其他訓32%他們的勞動力利益相關者鼓勵虛擬或遠程學習報銷學費外部班級和教育34合同優惠學徒“數字不等于100因為排除了“無變化”和“位移”響應。-25：關于對現有人才的再培訓，以下哪一項行動對您的組織在6年內最重要？自由職業者或咨詢工作者。資料來源：2024年麥肯錫全球研究所調查，n=1,128名C級高管（305名來自美國，213名來自德國，209名來自英國，201名來自意大利，200名來自法國）麥肯錫公司我們的調查答復表明，這些策略按工作類型有特定的應用。招聘作為一種策略似乎在中高技能工這些發現強調了公司現在投資技能開發的重要性。從手動和物理技能過渡關重要。通過今天專注于勞動力培訓，公司可以確保到2030年擁有必要的技術和其司能夠更好地將他們的需求與他們提供的計劃保持一致，并教授他們所需的精確技能。外部或遠程再培們的建模，我們探討了這些行業將如何受到自動化、人工智能、旨在實現凈零轉型的人口老齡化和其他趨勢的影響。我們以歐洲和美國為重點，評估勞動力需求的變化如批發和零售貿易將是受歐洲就業需求變化影響戶服務職業的需求減少可能很大，而管理，商,如付款處理和價格檢查。電子商務的持續興起可能會進一步減少興起，辦公室文員和執行秘書等角色將越來越被數隨著虛擬試穿功能和增強現實等創新改變消費者互動，技術熟練程前5個增長和下降的職業群體2022-30年勞動力需求份額，%客戶服務和銷售Office支持經理客戶服務和銷售Office支持經理商業或法律專業人士生產工作機械安裝和維修運輸服務Other36363279977勞動力需求變化，2022-30年，勞動力需求變化，就業,成千上萬2022–30,%2022,成千上萬TOP5經理和團隊領導82,596物料搬運工和裝載機870衛生技術人員和藥劑師計算機工程師和專家629商業和金融專家財務文員6024247批發和零售生產工人607928底部5行政助理信息和記錄文員?138(32)427銷售人員?1731,034?246(30)?289?1,2099,498注意：由于四舍五入，數字可能不會總和為100%。“更快”的場景自動化采用是“生成AI的經濟潛力：下一個生產力前沿”中提到的早期和晚期自動化采用場景的平均值，麥肯錫全球研究所，2023年6月14日。“更慢”的場景是晚期場景和中點場景之間的平均值。2022-30年按技能劃分的工作時間份額，%變總份額類別小時,%歐洲總工時的演變%?基本IT技能?技術設計、工程和維護?先進的IT技能和編程?人際關系技巧和同理心?領導和管理他人?基本IT技能?技術設計、工程和維護?先進的IT技能和編程?人際關系技巧和同理心?領導和管理他人?先進的溝通和談判技巧?粗大運動技能和力量?工藝和技術人員技能?高級識字和寫作?定量和統計技能?基本數據輸入和處理?基本識字、算術和溝通技術技能感技能物理和手動技能更高的認知技能6243?10?824?1322基本認知技能?182023232020222030注意：由于四舍五入，數字可能不會總和為100%。更快的場景自動化采用是早期和晚期自動化采用場景的平均值，如“生成AI的經濟潛力：下一個生產力前沿”，麥肯錫全球研究所，2023年6月14日。減少，辦公室支持和客戶服務角色的減少幅度最大。大傳統銀行向數字平臺的轉變，這可能會推動對,反映出利用數據增強客戶參與度的戰略重點。這一趨勢需要包括數據科學家和軟件工程師在內的專家，特別是在金融服務增加。社交和情感技能的重要性也將上升，反映出人們對管理2022-30年勞動力需求份額，%Office支持商業或法律專業人士經理STEMOffice支持商業或法律專業人士經理STEM專業人員客戶服務和銷售社區服務Other3730358444455前5個增長和下降的職業群體勞動力需求變化，2022-30年，勞動力需求變化，就業,詳細職業組成千上萬2022–30,%2022,成千上萬TOP5商業和金融專家高管和經理7計算機工程師和專家608703計算機支持人員330律師和法律專業人士982銷售人員5767底部5?16608行政助理?64305信息和記錄員辦公室支持人員?72599?98436財務文員和出納員-242900注意：由于四舍五入，數字可能不會總和為100%。“更快”的場景自動化采用是“生成AI的經濟潛力：下一個生產力前沿”中提到的早期和晚期自動化采用場景的平均值，麥肯錫全球研究所，2023年6月14日。“更慢”的場景是晚期場景和中點場景之間的平均值。2022-30年按技能劃分的工作時間份額，%技術技能感技能物理和手動技能更高的認知技能基本認知技能212225443024歐洲總工時的演變%美國總工時的演變，%35?9?8?8?10?22?25?科學研究與發展?技術設計、工程和維護?先進的IT技能和編程?先進的溝通和談判技巧?人際關系技巧和同理心?領導和管理他人?一般設備操作和導航?高級識字和寫作?定量和統計技能?基本數據輸入和處理?基本識字、算術和溝通20222030注意：由于四舍五入，數字可能不會總和為100%。更快的場景自動化采用是早期和晚期自動化采用場景的平均值，如“生成AI的經濟潛力：下一個生產力前沿”，麥肯錫全球研究所，2023年6月14日。長。這種向知識密集型角色的轉變是由技術進步和機器人解決2022-30年勞動力需求份額，%生產工作STEM專業人員Office生產工作STEM專業人員Office支持機械安裝和維修經理商業或法律專業人士食品服務建筑商Other3786553587659前5個增長和下降的職業群體勞動力需求變化，2022-30年，勞動力需求變化，就業,詳細職業組成千上萬2022–30,%2022,成千上萬TOP5工程師，除了計算機工程師物料搬運工和裝載機254計算機工程師和專家高管和經理24686商業和金融專家財務文員885802底部5439辦公室支持人員行政助理?112535信息和記錄員?165?2351,489生產工人?927注意：由于四舍五入，數字可能不會總和為100%。“更快”的場景自動化采用是“生成AI的經濟潛力：下一個生產力前沿”中提到的早期和晚期自動化采用場景的平均值，麥肯錫全球研究所，2023年6月14日。“更慢”的場景是晚期場景和中點場景之間的平均值。2022-30年按技能劃分的工作時間份額，%變總份額類別小時,%歐洲總工時的演變%?基本IT技能26?科學研究和發展技術技能12?基本IT技能26?科學研究和發展技術技能12?領導和管理他人47感技能?先進的溝通和談判技巧?一般設備操作和導航?精細運動技能?定量和統計技能?高級識字和寫作?基本數據輸入和處理?基本識字、算術和溝通-8物理和手動技能更高的認知技能-7-33-18-17基本認知技能44920222030注意：由于四舍五入，數字可能不會總和為100%。“更快”的場景自動化采用是“生成AI的經濟潛力：下一個生產力前沿”中提到的早期和晚期自動化采用場景的平均值，麥肯錫全球研究所，2023年6月14日。“更慢”的場景是晚期場景和中點場景之間的平均值。康助手和醫療保健專業人員的需求增加推動的，而色的需求將因為自動化和人工智能而下降。主要增前5個增長和下降的職業群體2022-30年勞動力需求份額，%健康助手，技術人員和健康健康助手，技術人員和健康衛生專業人員社區服務辦公室支持物業維護教育工作者和勞動力培訓經理Other452224888543339勞動力需求變化，2022-30年，勞動力需求變化，就業,詳細職業組成千上萬2022–30,%2022,成千上萬TOP5健康助手和健康支持護士，醫師助理和藥劑師276,399個人護理員559291,405醫生3782,108衛生技術人員和藥劑師生產工人底部5?26財務文員和出納員?42(23)信息和記錄員辦公室支持人員?76I501?94(23)399注意：由于四舍五入，數字可能不會總和為100%。“更快”的場景自動化采用是“生成AI的經濟潛力：下一個生產力前沿”中提到的早期和晚期自動化采用場景的平均值，麥肯錫全球研究所，2023年6月14日。“更慢”的場景是晚期場景和中點場景之間的平均值。2022-30年按技能劃分的工作時間份額，%變總份額類別小時,%歐洲總工時的演變%?基本IT技能?技術設計、工程和維護?科學研究與發展?人際關系技巧和同理心?先進的溝通和談判技巧?領導和管理他人技術技能4848?基本IT技能?技術設計、工程和維護?科學研究與發展?人際關系技巧和同理心?先進的溝通和談判技巧?領導和管理他人技術技能4848感技能232935?精細運動技能?粗大運動技能和力量物理和手動技能2623?高級識字和寫作?定量和統計技能?基本數據輸入和處理?基本識字、算術和溝通7更高的認知技能4基本認知技能8222920222030注意：由于四舍五入，數字可能不會總和為100%。更快的場景自動化采用是早期和晚期自動化采用場景的平均值，如“生成AI的經濟潛力：下一個生產力前沿”，麥肯錫全球研究所，2023年6月14日。5我們將估計的就業需求變化映射到當前職業的工資范圍，以推斷對不同類型工人的,由于需求和供應不匹配，職業的工資水平可能會發生變化。我們沒有對未來的工資趨勢進行建模，這發展和勞動力市場中斷可能會進一步將需求重新調整為與高薪工作相關的技。。各國在向高工資職業的潛在重新分配方面各不相同。捷克共和國和瑞典的工人如理職位的需求激增。事實上，捷克共和國最有可能重新調整高工資職業，兩個最高工工資最高的職業高工資職業中等工資職業低工資職業工資最低的職業EuropeEurope2按工資區間劃分的就業份額預期變化，更快的情景，2022-30年，百分點2022年按工資區間劃分的就業份額，%0.40?0.02?0.30?1.5019.8USUS預期的變化按工資劃分的就業份額2022–30,百分點2022年按工資區間劃分的就業份額，%0.700.40?1.90?0.9033.8根據平均工資，職業分為五分位數。它們特定于所考慮的每個歐洲國家（見附錄）。例如，法國和美國的數據如下：最低工資職業：法國每年15.3k-30.3k美元，美國每年21.0k-31.0k美元；低工資職業：法國$30.3k-34.7k，美國$31.0k-38.0k；中等工資職業：法國$34.7k-41.7k，美國$38.0k-50.0k；高薪職業：法國41.7k-55.4k美元，美國50.0k-69.0k美元；工資最高的職業：法國超過55.4k美元，美國超過69.0k美元。對于美元價值，請注意上限是排他性的，而下限是包容性的包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。對于歐洲，我們使用了“更快”的場景，這對應于美國的“中點”場景。資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司工資帶2工資最高的職業高工資職業中等工資職業低工資職業工資最低的職業人均GDP,$(當前購買力平價?)捷克共和國?1.0?0.8瑞典68.2波蘭45.4?0.9?0.9?0.8UnitedKingdom0.956.8?1.0法國57.2?0.3?0.5意大利55.3?0.2?2.2Germany0.70.366.6?0.5西班牙 0.748.9?1.0?0.7荷蘭0.8 0.674.5?0.8?0.5丹麥0.20.91.80.2?0.4?2.577.9根據平均工資，職業分為五分位數。它們特定于所考慮的每個歐洲國家（見附錄）。例如，法國和美國的數據如下：最低工資職業：法國每年15.3k-30.3k美元，美國每年21.0k-31.0k美元；低工資職業：法國$30.3k-34.7k，美國$31.0k-38.0k；中等工資職業：法國$34.7k-41.7k，美國$38.0k-50.0k；高薪職業：法國41.7k-55.4k美元，美國50.0k-69.0k美元；工資最高的職業：法國超過55.4k美元，美國超過69.0k美元。對于美元價值，請注意上限是排他性的，而下限是包容性的。工資是2010美元。購買力平價。資料來源：歐盟統計局；職業信息網絡；OECD；牛津經濟學；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司無法獲得高薪工作。這可能導致工作需求和技能供應之間的暫時不匹配。工資最低的職業。基本認知技能可能在第一和第二括號中使用最多,而更高的認-最為普遍。類似的趨勢出現在美國。工資最高的職業基本物理和手冊認知Higher認知圜社會和情感技術工資最高的職業25472737254727372028293024工資最低的職業高工資職業中等工資職業2028293024工資最低的職業4040508注意：由于四舍五入，508根據平均工資，職業分為五分位數。它們特定于所考慮的每個歐洲國家（見附錄）。例如，法國和美國的數據如下：最低工資職業：法國每年15.3k-30.3k美元，美國每年21.0k-31.0k美元；低工資職業：法國$30.3k-34.7k，美國$31.0k-38.0k；中等工資職業：法國$34.7k-41.7k，美國$38.0k-50.0k；高薪職業：法國41.7k-55.4k美元，美國50.0k-69.0k美元；工資最高的職業：法國超過55.4k美元，美國超過69.0k美元。對于美元價值，請注意上限是排他性的，而下限是包容性的包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。生成AI加速。資料來源：歐盟統計局；職業信息網絡；OECD；牛津經濟學；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司實際上，在工資最高的職業中，工人的時間上。這些高薪工作也需要技術和更高的認知技能。能的需求和供應之間將出現越來越大的差距。這種差距可能導致高需求職位的勞動方框3。。我們的分析發現，在歐洲，兩個工資最低的職業中的工人不得不工資等級的職業面臨職業轉變的可能性比收入最高的人高10到14倍。在歐洲，中等工資人口受到職支持勞動力市場轉型的干預機制需要設計為滿足那些最有流離失所風險的人的需在那些可能需要到2030年找到新工作類型的人中，成就比例過高。對需要更高水平正規教育的工作的需求-例如，STEM工作和在衛位的需求。然而，職業轉變將主要涉及那些沒有高等教育的人。同樣，某些類型的中低書工作，極易受到自動化的影響，目前往往不成比例地由婦女擔任。重新培訓對所有面次級以下教育中等教育本科及以上學歷男性女性工資帶2工資最高的職業高工資職業中等工資職業低工資職業工資最低的職業歐洲職業轉型,2022年就業份額，%2.07.37.0教育，42022年就業份額，%6256956567737373636262627535356565538623855475342585644US職業轉型,9.72022年就業份額，%4.64.2教育，42022年就業份額，%117222356399296222869696951496951514969514952483862注意：由于四舍五入，數字可能不會總和為100%。根據平均工資，職業分為五分位數。它們特定于所考慮的每個歐洲國家（見附錄）。例如，法國和美國的數據如下：最低工資職業：法國每年15.3k-30.3k美元，美國每年21.0k-31.0k美元；低工資職業：法國$30.3k-34.7k，美國$31.0k-38.0k；中等工資職業：法國$34.7k-41.7k，美國$38.0k-50.0k；高薪職業：法國41.7k-55.4k美元，美國50.0k-69.0k美元；工資最高的職業：法國超過55.4k美元，美國超過69.0k美元。對于美元價值，請注意上限是排他性的，而下限是包容性的。工資是2010美元。包括捷克共和國、丹麥、法國、德國、意大利、荷蘭、波蘭、西班牙、瑞典和英國。基于當前人口統計的當前工資區間職業的教育程度份額。根據目前的人口統計數據，男女在目前工資區間職業中的份額。資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司他們采用人工智能和自動化的方式，以及人力資本的增加，將影響經濟和社會成果。技術本質上不是好的或壞的。與其他技術一樣，人工智能可以產生積極或消極的結果而有之，這取決于它的部署方式。政策制定者和企業在優先考慮什么以及如何管理技發展之間的潛在權衡方面面臨著重大選擇。他們如何看待這些選擇將對更廣泛的人力在以前關于為社會福利部署技術的工作的基礎上，將預測并實施技術變革，同時建立工人培訓結構，支持員工并尋求吸引合適的人才。這要大量的資本投資和培訓時間。政策制定者也將發揮作用-例如，通過可建筑物。在公共服務中開發“燈塔示例”可能是顯示人力資本發展道路的重要途徑。例如,法國政府最近推出了“Albert”，這是一個大型語言模型助手，旨在幫助公務員搜索信息并制定具體對策。企業采用的技術部署和技能轉換方法會影響就業置換和生產性就業創造之間的平增長潛力，但也可能比后期場景帶來更多的短期勞動的時間花在當前工作活動上，而在更快的方案中，雖然這種計算是一種思想練習，但它強調了今天做出的決定和選擇可能對未來產生的影響。計算是針對相當于1020萬人不工作最多2.5的自動化采用率）100%重新部署自動化員工工作時間100%重新部署自動化員工工作時間工作時間最多0.3意味著沒有額外的失業相當于90萬人不工作高達0.2延遲采用(2%的自動化采用率)資料來源：歐盟統計局；職業信息網絡；牛津經濟學；美國勞工統計局；歐洲國家統計機構審議；麥肯錫全球研究所分析麥肯錫公司增長和人力資本發展。許多雇主似乎已