1.世界经济论坛发布报告，探讨生成式人工智能（GenAI）如何增加工作岗位并提高劳动生产率。
2.报告指出，GenAI可能会在未来五年内影响全球总工作时间的40%，同时提高生产力。
3.然而，当前在劳动力市场中推广应用GenAI的障碍包括信任、技能学习、文化变革和商业价值不明确等。
4.为此，报告提出了一个可操作的框架，以利用GenAI促进工作岗位的增加和劳动生产率的提高。
5.该框架侧重于组织可控的因素，旨在为刚刚开始部署GenAI劳动力的组织以及寻求扩大现有工作规模的组织提供帮助。
以上内容由腾讯混元大模型生成，仅供参考
2024年11月25日，世界经济论坛发布了题为《利用生成式人工智能增加工作岗位并提高劳动生产率：场景、案例研究与行动框架》的报告。报告认为生成式人工智能（GenAI）可以显著提高生产力，同时会重塑大量工作。为了帮助读者更好地理解GenAI在增加就业机会和提升劳动生产率方面的潜力，启元洞见分享报告主要内容，供读者参考。
此报告通过对现有研究的回顾、情景分析和早期采用者的案例研究，提出了一个增加工作岗位的行动框架。
一、GenAI在增加工作岗位和提高劳动
生产率方面的潜力
自2022年11月ChatGPT 3.5发布，以及此后其他几款著名的大语言模型发布以来，公众对GenAI的兴趣激增，并对其改变全球劳动力市场的潜力寄予厚望。根据世界经济论坛最新的“未来工作”调查，在未来五年内，大量工作将因GenAI的进步而被重塑，可能影响全球总工作时间的40%。
本报告的第一部分将回顾有关GenAI潜力的讨论现状，尤其关注工作岗位的增加、劳动力生产率的提高以及劳动力更广泛采用该技术的障碍。
（一）GenAI和工作岗位增加
与自动化和人工智能技术的其他最新进展一样，GenAI的兴起也引发了人们对可能出现的工作岗位流失的担忧。这种担忧的产生，一方面是对技术潜力的担忧，另一方面是怀疑雇主和政府在人工智能导致工作中断时，能否提供足够支持。最近的一项调查显示，47%使用过GenAI的员工担心GenAI会对他们的工作产生负面影响。
研究GenAI对工作的潜在影响通常基于以下前提：工作角色和职业由各种任务组成，其中一些任务可能会受到GenAI不同程度自动化的影响。例如，重复性或常规性的任务比那些需要大量人际互动的任务更容易受到自动化的影响。虽然各种任务都可能由GenAI实现完全自动化，但迄今为止的研究发现，很少有工作能以这种方式被完全取代。更常见的情况是，GenAI可能会部分自动化某个工作角色的某些任务，但同时提高人类员工执行其他任务的能力。根据最近的研究，本文将这一过程称为“工作增强”（见表1和图1）。
随着GenAI技术和劳动力市场的不断发展，未来一些工作角色可能会变得更加完全自动化，而另一些则可能会进一步增强。与早期的产业转型类似，工作自动化和工作增强预计都会带来更多的工作岗位--既可以直接创造各领域全新的工作岗位，也可以通过提高生产率和创造更多经济价值间接创造工作岗位。本报告的重点在于近期，以及为现在和未来几年增加就业岗位创造有利条件。
表1 工作自动化和工作增强的定义
图1 GenAI：暴露程度较高和较低的工作示例
（二）GenAI和劳动生产率增长
GenAI对生产力的潜在影响是最令人期待的好处之一，特别是目前许多经济体的生产力增长放缓。尽管预测与现实差异很大，但有人认为，GenAI对生产力的影响可能会在未来十年为全球经济增加数万亿美元的收入。
GenAI与以往人工智能发展的不同之处在于，它能够扩大人工智能的使用范围，消除专业知识的障碍。GenAI有潜力通过提高效率来促进经济和生产率的增长，因为它可以让人腾出花在低价值任务上的工作时间，来从事高附加值的活动。例如，服务台查询自动化可使客服人员专注于更复杂的问题，从而提高客户满意度。最近的一项研究调查了10万多名从事GenAI职业的工人，发现工人们估计ChatGPT可以使他们三分之一的工作任务减少1.2个GenAI工作时间，并使劳动力生产率增长50%。正如在本报告研究过程中受访者所强调的，要实现这些潜在的生产力增益，必须在组织层面将节省下来的时间作为价值来捕捉。
此外，GenAI有可能通过提高人类员工的技能和能力来增强他们的能力，从而提高他们的生产力，并实现新的、多种形式的价值创造。例如，GenAI可以增强人类在创造性任务方面的能力，尽管目前它本身还无法超越人类的创造力。研究还表明，GenAI可能有助于缩小低技能和高技能工人之间的生产力差距。
GenAI提高生产力的潜力可能因国家、行业和组织而异。在国家层面，由于知识型工作的普遍存在，较发达经济体可能面临更高的中断风险，但它们也更有条件更快、更大规模地采用GenAI。其中许多国家还面临劳动力供应减少的问题，这可能会促进对GenAI等新技术的需求，从而提高效率。新兴经济体同样可以通过解决基础设施制约和基本数字技能短缺问题，从生产力增长中获益。早期研究表明，GenAI可能会不成比例地提高经验或技能较少的工人的生产率，从而降低数字经济的准入门槛。
在行业层面，各行各业受GenAI驱动的任务自动化和增强功能的影响程度差异很大，并非所有行业都受到同样的影响，也并非所有行业都能从GenAI中受益。如上所述，以前的研究已经确定了哪些任务最容易受到大语言模型的影响，突出了其自动化或增强的潜力高低。例如，最近的一项研究发现，三家大型技术公司的软件开发人员使用GenAI完成的任务数量增加了26%以上。例如，技术和金融行业可能会面临大量任务自动化，而医疗保健和教育行业可能会更多地受益于工作增强。
重要的是，正如本报告第3部分所讨论的，生产力增长并不是企业部署GenAI的唯一驱动力。许多组织还期望提高工作质量，为员工提供更好的工作体验，从而提高员工的参与度，留住人才。
（三）当前在劳动力市场中推广应用GenAI的障碍
从历史上看，人工智能技术的应用速度缓慢且不一致，限制了其影响力和有效性。截至2024年中期，只有12%的员工表示他们每天在工作中使用GenAI。目前，阻碍GenAI应用的因素包括信任、技能学习、文化变革和商业价值不明确等。
二、GenAI在劳动力市场中的近期前景
关于GenAI在劳动力市场中的未来发展轨迹，以及在多大程度上实现其增加就业和提高生产力的潜力，仍然存在很大的不确定性。本节介绍了在组织中部署GenAI的四种不同的近期情景。
“阿玛拉定律”指出，观察者往往会高估新技术的短期影响，而低估其长期影响。GenAI对生产力、工作增强和创新的长期影响仍不确定。虽然ChatGPT等工具目前在任务和公司层面的一些使用案例显示，任务时间减少了40%，质量提高了18%，但经验表明，技术要充分普及到影响整个经济规模的生产率，可能需要很长时间。要在任务、流程和结构中应用GenAI，需要进行实验，寻找和应用用例，而这需要时间。第3节中的案例研究访谈也证实了这一点。
此外，人类目前执行的许多任务，例如运输和制造领域的任务，都需要与现实世界的互动，而GenAI目前还无法改善这一点。
（一）情景思维：驾驭不确定的未来
对未来的研究旨在预测潜在发展的影响并为此做好准备，在本例中是指GenAI在不久的将来可能对工作岗位增加、生产力和创新产生的影响。本节中介绍的情景是引导不确定性和为战略决策提供信息的工具。它们探讨了不确定性，并提出了GenAI引发的就业增加、生产力和创新的可能结果。这些情景并不是预测或理想化的愿景，而是说明现实中可能发生的情况。
本节根据未来研究方法，介绍了GenAI近期的四种情景（图2）。这些情景是通过研讨会和趋势分析制定的，重点关注两个关键的不确定因素，这两个因素将决定GenAI引发的工作岗位增加、生产力和创新的近期前景：（1）对GenAI的信任；（2）技术适用性和质量的提高。这些情景适用于接触到GenAI的组织，这些组织的领导层以部署GenAI为目标，而不管当前的劳动力采用情况或外部影响如何。分析不包括政府实体可能强制或限制使用GenAI的情况。
（二）GenAI引发的工作岗位增加和生产力增长：两个核心不确定性
第一个核心不确定性涉及对GenAI的信任程度，即员工和组织对GenAI驱动的工具及其产出的信心。它还指员工对组织、技术提供商和政府在防止隐私泄露、剥削和信息泄漏等问题方面的信任。如第1节所述，信任对GenAI的采用至关重要，并受到不同因素的影响。
第二个核心不确定性涉及GenAI的适用性和质量在短期内会继续提高还是保持不变。高适用性意味着GenAI工具在各种用例和行业中都是实用和有用的。高质量意味着输出准确、可靠、错误率低。这些品质结合在一起，使GenAI具有价值和可靠性。适用性和质量的提高将带来新的使用案例、用户模型和功能，使GenAI能够（进一步）增强和自动化任务，提高工作效率，创造新的产业，并为未来技术奠定基础。
图2 GenAI近期内的四种应用场景
三、早期采用者的启示
要在整个员工队伍中成功利用GenAI，技术本身并不重要，重要的是采用技术的人。这是为编写本报告而对20多家早期采用GenAI的组织进行访谈时，了解到的最重要的经验之一。同时访谈强调了成功部署GenAI，投入时间和精力以获得全体员工的支持和参与至关重要。
四、行动框架
本节结合前面概述的情景和早期采用者的经验教训，提出了一个可操作的框架，以利用GenAI促进工作岗位的增加和劳动生产率的提高。该框架侧重于组织可控的因素，旨在为刚刚开始部署GenAI劳动力的组织以及寻求扩大现有工作规模的组织提供帮助。
要通过采用GenAI来促进工作岗位的增加和劳动生产率的提高，组织需要采用灵活的策略。关键是组织要能够迅速应对新的发展，并相应地调整其方法。早期采用者的经验表明，以持续学习和改进为特点的迭代方法最有前途。
因此，如图3所示，本节提出了一个灵活的框架，该框架侧重于一些关键要素，可帮助各组织在其员工队伍内外（如价值链中的承包商）实现对GenAI的广泛采用。
图3 框架：利用GenAI促进工作岗位扩展和劳动力生产力
拟议框架基于两个迭代阶段：起步和扩展。在起步阶段，各组织对各种GenAI劳动力应用程序和工具进行试点和测试，以收集关于哪些有效、哪些无效的重要见解，同时最大限度地减少初始投资。基于这些早期成果和经验教训，各组织可以就更广泛的措施做出明智的决定，从而进入扩展阶段。
在起步和推广阶段，各组织应围绕两个核心主题处理不同的要素：启用和参与（图3）。启用要素侧重于建立基础和指导原则，包括GenAI愿景和战略；数据和技术基础设施；以及法规遵从和治理。解决这些要素是早期采用和开发GenAI用例的基本前提。随着时间的推移，当使用案例变得更加先进或复杂时，其中一些要素可能会得到加强或扩展。参与要素的重点是促进GenAI劳动力应用程序被有效采用并集成到工作流程中，以产生预期效益。这些要素包括文化和变革管理；技能开发和决策；重新部署；用例管理。
本框架主要侧重于“参与”要素，因为正如早期采用者所强调的那样，成功的劳动力参与应被视为推动成功的职位扩充和劳动力生产力增长的最重要的区别因素之一。此外，重要的是要注意，“启用”和“参与”主题下的具体要素往往与踏上GenAI劳动力之旅的组织的具体情况密切相关，其各自的起点和所处的具体环境各不相同。根据具体组织需求 量身定制的GenAI劳动力部署方法，可能会更快地增加工作岗位并提高生产率。
五、结论
GenAI在工作场所的出现为工人、组织和整个经济体带来了不确定性、挑战和机遇。本报告采访的早期采用者的经验表明，利用GenAI的全部潜力来增加工作岗位和提高劳动生产率的道路是迭代和多方面的，需要不断学习、调整，并与更广泛的业务和劳动力战略和目标保持一致。这一过程具有挑战，其成功不仅取决于技术，更取决于人为因素。
本报告提出的行动框架使各组织能够从小规模开始，确定适当的用例，从初步实施中学习并逐步扩大规模，从而更好地驾驭当前围绕劳动力中GenAI的不确定性以及本报告情景中概述的潜在未来。通过试用用例和收集见解，各组织可以完善其方法，并深思熟虑、负责任地扩大GenAI劳动力的部署。
最重要的是，正如本报告所示，通过GenAI推动工作岗位的增加和生产力的提高，其核心是人的努力，需要员工的认同、强有力的变革管理和持续的技能提升。通过将组织利益与员工利益相统一，公司可以营造一种环境，使GenAI能够提高工作质量、支持创新、推动生产力，并最终实现大规模的工作岗位扩展。