京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作为即将被机器人取代的第一批职业人,该如何选择
如果你是一名人类工人,那么很不幸地通知你,机器即将在20年内逐步取代你的工作:到2030年,机器人和人工智能将“淘汰”所有人类工人。
近日,麦肯锡全球研究院(McKinsey Global Institute)在周三发布的报告中称,随着科技的进步,机器人将会取代全球8亿个工作岗位,未来全球大概有3.75亿人口将面临重新就业,其中中国占1亿。
麦肯锡报告中分了11个行业大类,看不同国家未来在这些行业的岗位需求变化。其中涉及到创意工作、技术类工程师、管理类以及社会互动类的岗位需求增长明显,因为机器还无法在这些领域取代人类。另一方面,那些在可预测环境中进行物理活动的部分岗位需求将下降明显。
(来源于麦肯锡报告)
(来源于网友摄于某次人工智能大会)
至于人工智能是如何取代人类的?C君认为网友@朱帝庞克 曾经的一张图通过对职业技能按功能分类以后,根据不同职业的属性和岗位要求等四个层面进行细分,总结出的关于机器人的入侵人类职业的路线很具有代表性。
看到人工智能的来势汹汹,很多人甚至开始产生自我怀疑,产生了对机器人的异样的“敬畏”,1969年日本机器人专家森昌弘提出“恐怖谷理论”,为什么人们如此“惧怕”机器人?
根据森昌弘的说法,随着机器人的拟人程度增加,人类对它的好感度就会改变。通过森昌弘图表可以发现,恐怖谷理论就是随着机器人到达“接近人类”程度时候,人类好感度突然下降的范围。会活动的类人体比静止类人体变动的幅度更大。
除了人工智能除了“惧怕”,我们还应该更理性的思考自己的定位和自我职业规划。
麦肯锡报告中也特别指出,到2030年中国将有至少1.18亿人的岗位被机器人取代,而其中700-1200万人需要转换职业(这意味着他们原有的岗位彻底被机器人取代,不再具有人工价值)。而1亿多人口面临再就业,就意味着1亿多人口需要掌握新技能,学习新技术,提升自身的适应时代发展的职业技能与技巧。
(图为成功的人工智能转型需要因素,来源麦肯锡报告)
经过C君采访,CDA数据分析研究院的老师们纷纷指出:个人职业转型关系着自身职业发展,转型就意味着自我投资,选择依旧需要十分谨慎。
顺应人工智能发展的大潮,经管之家联合旗下CDA数据分析师教育品牌成立AIU人工智能学院(AI University),为广大的数据科学家、数据分析师、机器学习工程师、大数据分析师、人工智能工程师等岗位的从业者提供众多优质在线课程,无疑这给很多转型人员一个新的选择和机会来提升自我,适应时代发展对人才的需求。
推荐学习书籍
《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门!

免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21