到 2035 年，数百万美国劳动者将需要新工作。

工时消失得比岗位更快

该研究院估计，到 2035 年，自动化技术可能吸纳当前约 54% 的工作时间。这并不意味着岗位减少 54%。它预计组织和市场力量将抵消约 60% 的影响，这使劳动力需求的减少相当于当前工时的约 21%。这就是那 3,600 万。

四类抵消因素在起作用，其中一类起了大部分作用。生产率提升可以降低成本或提高质量，从而增加对同一服务的需求，这一模式被称为杰文斯悖论。报告认为它抵消了 54 个百分点中的 15 个百分点。报告引用的一项研究发现，采用人工智能后，审计师的就业增长了 4.3%，审计质量也有所提升。与机器相关的新任务，例如审查其输出和处理例外情况，抵消了 11 个百分点。替代的障碍，包括监管和劳资协议，抵消了 5 个百分点。在护理和起重机操作等领域，为过度劳累的员工减负，贡献了 3 个百分点。

采用将是不均衡的。报告预计，到 2035 年，办公室和行政支持岗位的平均采用率将达到当前工时的约 80%，技术与分析岗位为 70%，零售与销售岗位为 68%。医疗保健专业人员为 26%，公共安全与保安为 28%。单一类别内部的差距可能很大。对于办公室和行政岗位，预期采用率从约 48% 的工时到 96% 不等。

“技术决定了什么是可能的，但管理层的选择决定了这些可能性多快变成现实。”McKinsey Global Institute

大部分增长与人工智能关系不大

这 4,100 万个岗位主要来自报告认为不属于技术范畴的力量。其自身的标题称，宏观经济力量“对劳动力需求的塑造作用不亚于人工智能，甚至更大”。生活水平提高带来约 1,800 万个岗位，因为家庭和企业购买更多服务，并为管理、酒店餐饮、个人服务及其他协调密集型工作招聘。老龄化在长期护理、慢性病和专科护理以及居家支持方面再净增 800 万个。建筑业增加约 300 万个全职等效岗位，能源建设再增加 200 万个。软件、云计算和流媒体增加约 300 万个，其背后的数据中心和半导体工厂再增加 200 万个。

该研究院假设，与美国劳工统计局（Bureau of Labor Statistics）的预测一致，十年间总就业增长约 3.1%，从 1.54 亿增至 1.59 亿。它的模型要问的是，这一总量如何被重新分配。报告称，美国到 2035 年岗位可能比现在多，但劳动者更少，因为人口在老龄化。

人工智能自身对新工作的贡献是其中最不确定的一环。此前通用技术（从蒸汽机到计算机）创造的职业，约占当今美国就业的三分之一，而随着收入提高而出现的职业占五分之一以上。1920 年，大约每四名美国劳动者中就有一人从事农业。如今农业占就业的比例不到 2%。按照此类技术历史上产生新职业的速率，该研究院估计，人工智能可能在尚不存在或规模小到无法衡量的职业中创造 50 万至 200 万个岗位。

一千一百万人，以及十年时间让他们转型

在因需求下降而流失的 3,600 万个岗位中，该研究院预计有 2,500 万个会被同一职业内部的增长所抵消。这就剩下 1,100 万名所在职业萎缩、在职业内部无处可去的劳动者，以及其他地方 1,600 万个同一职业内的增长无法填补的新空缺。其中 500 万的差额将由新进入者填补：学生、移民和重返工作岗位的人。

人们转向何处的变化，比数量更重要。转型历来发生在要求相似技能的大类职业之内，或在单一职业之内。这一次，转型将跨越类别。每年约有 77 万名劳动者需要转换职业大类，约为非疫情年份 21.5 万的历史平均水平的 3.6 倍。疫情提供了一个比较：2019 年至 2022 年，每年约有 78.8 万名劳动者转换了职业大类。报告说，区别在于持续时间。“两到三年的冲击是一回事；长达十年的冲击则是另一回事。”

报告指出，撇开疫情期间的激增不谈，如今劳动者在雇主之间的流动也少于上世纪 90 年代末和本世纪初。

时机本身就是一种风险。报告称，如果自动化的速度超过需求增长，岗位流失可能发生在抵消性的岗位出现之前。它举的例子是软件开发：开发人员的需求自 2022 年的峰值大幅下降，一部分是因为企业在纠正疫情期间的过度招聘，一部分是因为人工智能将编码任务自动化。自 2025 年初以来，开发人员的招聘职位增加了约 15%，空缺集中在高级和面向人工智能的岗位上。

“岗位可能很充裕，通往这些岗位的直接路径却未必。”McKinsey Global Institute

少数几个职业承担了下降

在可能需要转换职业的全职等效劳动者中，超过 75% 集中在 22 个职业大类中的三个：办公室和行政支持、零售和销售、运输和物流。超过三分之一来自五个职业：客服代表、零售销售员、办公室助理、收银员和仓库工人。

仅办公室和行政支持一项，预计就将净减少 460 万个岗位，降幅 26%。零售和销售减少 150 万个，餐饮服务减少 70 万个，运输和物流减少 60 万个。另一边，医疗保健支持增加 210 万个岗位（26%），医疗保健专业人员增加 140 万个，建筑业增加 120 万个，管理类增加 110 万个。按行业划分，零售贸易预计萎缩 16%，而医疗保健和社会救助增长 13%。

增长大多发生在下降之外的地方。报告称，收银员可能具备客户互动、基本数字技能和可靠性，但可能增长的岗位在护理、建筑支持、医疗保健支持和业务运营领域。行政助理具备协调、排程和文档技能，但最有吸引力的增长型岗位可能需要管理、业务运营、技术或专门的流程技能。

负担的分配并不均匀。工资处于最低两个五分位的劳动者，需要完全转入新职业的可能性是最高两个五分位劳动者的 7.6 倍。没有学士学位的劳动者，可能性约为有学士学位者的 1.8 倍。年轻劳动者约为核心工作年龄劳动者的 1.6 倍，女性约为男性的 1.6 倍，黑人和西班牙裔劳动者约为白人劳动者的 1.2 倍。报告将最后一项差距归因于这些群体在自动化更可能减少需求的职业中的占比。

原地不动，也要改变

并非所有受影响的人都会转换职业。报告估计，约 25% 的劳动者有超过 30% 的任务时间会被重新分配，或是在现有活动内部重新调整，或是转向新的活动。另有 47% 可能会有 15% 至 30% 被重新分配。只有 28% 属于它所称的低再造。按其统计，超过 70% 的劳动者需要一定程度的再造，无论其职业是增长、萎缩还是保持稳定。

收银员展示了萎缩职业中的这种情形。报告估计，2025 年他们 64% 的时间用于处理交易。到 2035 年这一比例降至 13%。客户互动从一天的 27% 升至 50%，而一个新类别，即监控和管理人工智能系统，占 26%。就业下降约 17%，从 290 万个全职等效岗位降至 240 万个。

初中和高中教师约 36.7 万个全职等效岗位，随着学龄人口萎缩降至约 35 万个，其中 12% 的时间用于检查人工智能生成的课程内容和评分建议。牵引挂车卡车司机则走向相反方向，从 130 万增至 150 万，因为货运需求的增长快于自动化对驾驶工作的削减。保险核保人保持在 5.7 万个不变，同时花在收集申请人数据上的时间减少，花在判断上的时间增加。

七条路中只有一条

报告发现，几乎每个需要转换职业的劳动者都有某条通往增长型工作的路径。这些路径的质量不同，该研究院用四项指标对其分类。直接路径通往增长型职业，要求与劳动者当前职业至少有 75% 的技能重合，保持现有工资，并且获得任何法律要求的资格证书所需时间不到六个月。曲折路径要求至少 50% 的重合、至少当前工资的 90%，以及不到 24 个月的培训。其余的都是未铺就的路径。

劳动者的起点改变了胜算。需要转型的办公室和行政支持劳动者中，近一半可能走曲折路径，而超过 60% 的零售和销售劳动者可能面对未铺就的路径。运输和物流劳动者更可能拥有曲折或直接的路径。

报告详述了三种转型。洗碗工转入家庭保健助理岗位，两者具有共同的卫生和搬运技能，但两个职业仅有 20% 的重合。助理岗位的薪酬高出约 12%，但法律上要求认证，需要至少一个月的培训，而且雇主强烈偏好具有认证护理助理资格的人。报告估计，这一示例路径到 2035 年涉及约 30 万名劳动者，并提醒此类数字并非预测。它将这条路径归类为未铺就，加薪也算在内。

包装工转入生产装配，重合度为 52%，薪酬增加约 10%，不需要认证，不过他们必须学习钻孔、精细动作技能和机械装配。办公室助理转入项目管理，重合度为 58%，报告认为工资变化为 154%。它还发现，许多人需要学士学位和专业认证，这是其示例中“教育和资格认证方面最大的投入之一”。

“但可行并不等于容易。”McKinsey Global Institute

更高的薪酬，更多的要求

多数路径的障碍并不在于钱。1,100 万人中只有 3%，约 30.5 万名劳动者，所走路径需要减薪。就整个经济而言，增长型职业中 57% 的就业集中在最高两个工资五分位，而萎缩岗位中超过 70% 位于最低两个五分位。经济在淘汰低薪工作，增加高薪工作。

该工资分析假定每个职业内的当前工资水平不变，因此没有捕捉劳动力供需重新平衡时的任何变化。而且这些薪酬是有条件的。增长型职业的招聘职位平均要求 68 种不同的技能，萎缩型职业为 47 种。约 84% 的增长型职业需要高中后教育，萎缩型职业则为 45%。

获得直接路径的机会并不均等。最高工资五分位的劳动者拥有直接路径的可能性，是最低五分位的四倍。年收入低于 3.8 万美元的最低五分位劳动者中，只有 10% 可能拥有直接路径，而第五个五分位则接近 40%。拥有高于学士学位学历的劳动者，比学士及以下学历者拥有直接路径的可能性高约 50%，男性比女性高约 30%。

雇主开始要求什么

报告把技能分为三组。基本技能，如解决问题、领导力、人际沟通和注重细节，超过 75% 的职业都有需求，能扩大可及的工作范围。赋能技能，包括决策、创新和批判性思维，可以跨职业迁移，但集中在薪酬较高的岗位，这些岗位平均年薪超过 8.3 万美元。增能技能是人工智能熟练度、学习意愿、韧性、适应力和好奇心，也就是让劳动者在工作变化时持续适应的那些技能。

招聘职位在最后一组技能上变化最快。2022 年至 2026 年，要求人工智能熟练度的职业数量增长了约 11 倍。适应力增长了约 4 倍。学习意愿、韧性和好奇心大约翻了两番。人工智能熟练度出现在远多于其他任何一项技能的职业中，报告警告说，如果对其余技能的需求跟不上，雇主将“有可能打造出一支能使用今天的人工智能工具、但并不更善于适应这些工具可能带来的下一轮变化的劳动力队伍”。

门上的锁

技能打开了门，但报告用了整整一章来讲门上还横着哪些门闩。约 85% 的增长型就业岗位要求某种资格证书，无论是法律要求还是雇主偏好。约 76% 无法远程完成。约四分之一位于最低两个工资五分位。

法律要求涵盖约 38% 的增长型就业，集中在医疗保健、法律、运输、教育、工程和公共安全领域。在增长型医疗保健专业职业中，96% 要求强制性的执照或认证。另有 47% 的增长型岗位没有法律要求，但据招聘职位显示，雇主仍然偏好某种资格证书。只有 15% 的增长型岗位完全没有资格证书要求。

培训时间区分了现实与理论。对于有法律要求资格证书的职业，高中毕业者平均约需 32 个月，拥有学士学位者平均约需 17 个月。平均值掩盖了很大的差异。增长型医疗保健支持岗位平均不到六个月。教育、工程与建筑以及医疗保健专业领域的增长型岗位平均超过两年。

然后是薪酬。报告称：“避免减薪，并不等于找到一份高到足以支撑转型的工资。”约 97% 的增长型餐饮服务就业和 92% 的增长型医疗保健支持就业位于最低两个工资五分位。培训本身就要损失收入。报告称，储蓄有限、承担照护责任或无法获得带薪培训的劳动者，“可能理性地拒绝一条纸面上看起来有利的路径”。

地域因素使问题更复杂。如果只匹配其居住州的增长型职业，拥有直接路径的劳动者减少 5%。在增长型的技术与分析、商业与金融以及办公室和行政支持职业中，超过 90% 的劳动者可以远程工作。医疗保健支持、教育、安装与维修以及餐饮服务则基本没有。2019 年至 2024 年，劳动者与雇主工作地点之间的平均距离增加了 70% 以上，不过报告称，这一增幅主要出现在薪酬较高的办公室岗位。

语言增添了一层障碍。增长型岗位的现有劳动者中，约 91% 英语熟练，但拉丁裔和亚裔劳动者中这一比例约为 72%。约三分之一的增长型招聘职位明确提到英语熟练度。

这些障碍相互重叠。医疗保健支持和餐饮服务岗位大多是低薪的，几乎不提供远程工作。运输和物流岗位可能需要大量法律规定的资格认证，而且无法远程完成。报告说：“在任何单一维度上适度曲折的路径，都可能被叠加的障碍所阻断。”

报告对各方的要求

该研究院认为，没有任何单一行为者能建好这些路径，并针对四方作了论述。

企业被要求按技能而非职位头衔来识别人才，把内部流动纳入劳动力规划，并在成本节约之外追踪再配置率和内部填补率。其尾注引用了 McKinsey 的研究，发现 88% 的组织已在至少一个业务职能中采用人工智能，而正式指导仍然有限，且超过一半的美国劳动者表示，没有人就人工智能将如何融入其岗位征求过他们的意见。McKinsey 的其他研究发现，企业预计将对近三分之一的员工进行再培训。

报告称，政府无法挑选增长型职业，但可以改进劳动力市场数据，支持模块化、可叠加的资格证书，并为转型提供资金。它以国外为范本：个人学习账户和可携带的培训抵扣额，例如新加坡的 SkillsFuture Credit 和法国的 Compte personnel de formation，以及瑞典在培训期间替代收入的 Transition Study Support。

报告敦促教育者从某个增长型职业倒推来设计培训，从其所需技能和劳动者已有的技能出发，并公布就业和工资结果，正如美国的 College Scorecard 和英国的 Longitudinal Education Outcomes 数据已经做到的那样。

报告要求劳动者培养可携带的技能，包括人工智能熟练度，并预期即使留在原岗位，工作也会改变。报告承认这需要付出代价。所需的时间、金钱和信心对低薪劳动者、年长劳动者和照护者的压力更大，并将此与较低的再培训参与度联系起来。

这些数字建立在什么之上

有两项假设带来的不确定性最大：组织采用自动化的速度有多快，以及其中多少会转化为劳动力需求的下降。该研究院测试了不同的替代情形，而不是划定精确的界限。如果采用速度明显更快或对需求的削减更大，必须转换职业的劳动者人数可能从 1,100 万升至超过 1,600 万。如果采用更慢或削减更小，则可能降至约 600 万。

方法中的其他选择，也关系到应在多大程度上信任路径数据。工资是公布的基本工资，而非总薪酬。作者使用大型语言模型来识别和综合公开可得的资格证书要求，并推算估计的培训时间。在一个关于餐饮服务的专栏中，服务员的就业仍低于疫情前水平（2019 年 5 月至 2025 年 5 月低约 12%），报告称这些变化“并不能确定自动化就是原因”。

该研究院表示，其所有工作均不受任何企业、政府或其他机构委托或资助，其资金来自 McKinsey 的合伙人。

基准情形是 1,100 万名劳动者。较快情形超过 1,600 万，较慢情形约为 600 万。报告发现，他们要转入的增长型就业岗位中，有 85% 要求某种资格证书。