每一代人在面对新技术时都会问同一个问题：机器会取代人吗？蒸汽机让生产机械化，电力重塑了工厂，计算机把信息数字化——这个问题每隔几十年就会被重新问一遍。
而这一次，AI 让它变得格外紧迫：因为它影响的不再只是体力劳动，而是包括认知工作在内的几乎所有工作。
麦肯锡全球研究院近期发布了报告《流动中的劳动力：通往美国未来工作的技能与路径》。它没有止步于"AI 会消灭多少岗位"这种流量问题，而是追问了一个对企业和 HR 更有价值的命题：从旧岗位走向新岗位的"路"，修好了吗？
这份报告 82 页中文全译 PDF 已经整理好，添加盖小雅企业微信即可获取报告。
报告以美国劳动力市场为样本，但对任何一个正在推进 AI 落地和人力规划的组织，也都有直接的参考意义。
1100 万人的工作要发生变化
报告开篇就给出了一个反直觉的判断：到 2035 年，美国的岗位可能比今天更多，而不是更少。
具体来看这组数据：
- AI 与更广泛的经济趋势共同作用，未来十年可能为美国带来 4,100 万个岗位；
- 在基准估计中，自动化可能减少相当于当前 21% 工时的劳动需求，约 3,600 万个岗位；
- 其中约 2,500 万名劳动者可受益于现有职业内部的需求增长，抵消自动化影响——他们不用换职业，但工作内容会变；
- 剩下的 1,100 万人（约占现有雇员的 7%），则可能需要完全转换职业。
1,100 万人转岗是什么概念？报告测算，这要求每年约 77 万人跨职业组流动，是历史平均水平的 3.6 倍——堪称美国历史上规模最大、持续时间最长的劳动力转型。
更关键的是结构错位：
- 约 60% 的增长就业位于薪酬最高的两个五分位组，增量集中在医疗、建筑和管理类职业。
- 超过 70% 的衰退就业位于薪酬最低的两个五分位组，集中在办公室与行政支持、零售销售、运输物流类职业。
报告有一句话很值得划重点："未来十年的挑战是流动，而非岗位匮乏。" 岗位甚至可能很多，但通往它们的直接路径，未必充足。
支撑转型的三类技能
报告把劳动者从"需求衰退职业"通往"增长职业"的路线，按质量分为三类：
- 直接路径：技能高度匹配、不降薪、资质可快速取得，只需少量再培训；
- 曲折路径：需要实质性再培训，或接受适度降薪、更长的资质获取时间；
- 待开拓路径：技能差距大、资质门槛高、障碍更多，路径接近"尚未铺就"。
结果并不乐观：在需要跨职业转型的劳动者中，仅约七分之一拥有直接路径，约四成面临曲折路径，近半数要走待开拓路径。
报告估算的 1,100 万转岗人群，主体就落在后两类。
转岗有多难？我们先看三个转型样本
- 包装工 → 生产装配工（曲折路径）：搬举、叉车操作、质量控制等技能可迁移，技能重叠 52%，但需补上机械装配、精细动作等技能；
- 办公室与行政助理 → 项目经理（曲折路径）：规划、排程基础扎实，技能重叠 58%，但业务拓展、预测、质量管理是缺口，且雇主强烈偏好学士学位和项目管理认证；
- 洗碗工 → 居家护理员（待开拓路径）：技能重叠仅 20%，卫生与搬举能力只是起点，患者协助、日常生活照护需要重新培训，还需法定认证，雇主还偏好更高级别的注册护理助理资质。
即使不换职业，岗位本身也在被重塑。报告估计，超过 70% 的劳动者将经历不同程度的工作重塑：
- 保险核保员减少收集数据的时间、增加判断数据的时间；
- 初高中教师减少课程规划、增加 AI 监督与个性化辅导；
- 半挂卡车司机减少文书时间、增加货物处理；
- ……
无论岗位增长、衰退还是稳定，多数职业都在换"内容"。
报告把支撑转型的技能分成三类：
- 基础技能：许多职业共同要求的技能，如解决问题、人际沟通、协作、注重细节。超过 75% 的职业有要求，它们是拓宽职业选择的"底盘"；
- 进阶技能：能够跨职能迁移、且集中于高薪岗位的技能，如领导力、人员与流程管理、决策、创新。要求这类技能的职业平均工资超过 8.3 万美元，它们是向上流动的"门票"；
- 适应性技能：帮助劳动者随技术和工作演变持续适应、保持就业能力的技能，如 AI 熟练应用能力、适应能力、韧性、好奇心与学习意愿。
第三类技能的变化最值得关注。自 2022 年以来，招聘需求中 AI 熟练应用能力的需求升至 11 倍，适应能力升至 5 倍，韧性、好奇心与学习意愿升至 3 倍。
而对 HR 来说，这意味着人才标准的重心正在移动：过去看"会不会做这件事"，未来更要看"能不能持续学会做下一件事"。
企业和 HR 如何准备？
报告第五章有一个很清醒的观点："技能使转型成为可能，但障碍决定转型是否直接。"
许多瞄准新岗位的劳动者，已有相近技能、也不需要牺牲收入，却卡在招聘要求的资格上：美国约 85% 的增长就业要求某种学历资质或认证，76% 的岗位无法远程完成、绑定特定地点；更值得注意的是，47% 的增长岗位并无法定资质要求、纯粹是雇主自设的门槛。
培训能弥补技能差距，却不能取消执照规则、改变招聘做法、迁移岗位——相当一部分"路不通"，其实是企业自己造成的。
所以报告把企业放在支持转型的第一线，核心任务是：重新设计工作，并管理转型。
落到具体动作，是三件事。
第一，用技能而非职位名称，识别人才的"下一站"。
传统做法从职位 A 看职位 B，路径自然狭窄；把人才拆解为技能组合，才能看见包装工与装配工之间 52% 的重叠、行政助理与项目经理之间 58% 的重叠——很多内部转岗的可行性，远比想象中高。
第二，把内部流动纳入人才规划与组织文化。
大企业有条件建立内部人才市场等流动机制并投资技能发展；规模较小的企业则可更多依靠技能招聘和外部合作。关键是让"转岗"从个别事件变成组织能力。
第三，衡量员工与业务成果，而不只是成本节省。
报告建议把劳动力转型与生产率并列为核心业务指标：衡量重新安置率、内部岗位填补率和员工发展结果，而不只衡量 AI 降了多少人力成本。
结合以上三点建议，其实有的企业已经在实践落地了。盖雅学苑之前在《被AI改变的人才盘点：微软30天动态技能盘点》文章中就过详细介绍。
这个案例中，微软将持续学习融入企业文化与绩效预期，通过 Viva 等平台鼓励员工在日常工作中培养好奇心、适应能力和 AI 熟练应用。而更进一步的是它的技能基础设施：2023 年 10 月，微软发布 Skills in Viva，2025 年更名为 People Skills 正式商用、装进 Microsoft 365。
它的运转逻辑分四步：捕捉行为信号—翻译成技能语言——AI 推断并交叉验证——员工确认、画像共享。
对这个案例感兴趣的伙伴，可以通过原文链接了解。
最后，回到我们人力资源管理者，从这份报告出发，也许我们需要重点思考和关注这五点内容：
- 从"岗位盘点"走向"技能盘点"：先摸清现有人才的技能组合、增长业务所需的技能、两者之间的重叠与缺口——这决定了哪些员工走"直接路径"、哪些需要组织搭桥；
- 为重塑中的岗位重新设计工作：拆解岗位任务——哪些交给 AI、哪些留给人、新增了哪些"监督 AI"的职责，并同步更新岗位说明、编制测算与绩效标准；
- 把内部流动当作人才规划的一等公民：优先从内部识别可转型人才，对转岗路径上资质、地域、薪酬等障碍，建立针对性的疏通机制；
- 把适应性技能写进人才标准：在招聘、晋升和培养体系中，给学习能力、适应能力、AI 应用能力以明确的权重；
- 用数据盯住转型质量：内部填补率、再安置率、转岗后的绩效与留任，应与生产率、人效指标并列，进入 HR 的常规仪表盘。
AI 时代的劳动力转型，规模和持续时间都远超以往的任何一次技术变革。
但报告给出的不是末日叙事——岗位会更多，薪酬可能更高，机会确实存在。
但区别在于企业能否搭建好组织内部的"路"——用技能识别人才、用机制促进流动、用数据衡量转型——这已经不是一份面向未来的情怀工程，而是当下最现实的一部分了。
劳动力已经在流动中了。问题是，你的组织准备好了吗？
