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
在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02