
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23