楠木軒

這兩類人,未來最容易被淘汰

由 夏德才 釋出於 經典

(圖片來源:攝圖網)

作者|林光明 來源|管理的常識(ID:Guanlidechangshi)

最近幾年的機器人、人工智慧、生物科技的發展,促使我們饒有興趣地暢想未來,也讓很多人憂慮著自己的生活與工作會被怎樣改變。

工作是否即將被取代?會不會大批失業?貧富差距會不會變得更大?人類該如何更好地儘早準備?

特別是很多家長在思考著:應該給予下一代子女什麼樣的教育,才能讓他們在未來的職場上獲得更多的機會?

本文中,管理的常識內容合夥人、第一代中國領導力諮詢顧問林光明老師將談談他的看法。

以下,Enjoy:

01

新型工作出現

工作總量不減反增?

縱觀各類資料和研究報告,儘管各自視角和結論不盡一致,但是對於工作的未來,下面的這些主題漸漸浮現出來。

麥肯錫的研究顯示,如果應用現有的成熟技術,理論上說5%的職業有可能被機器完全替代,高達60%的職業中至少1/3的活動可以被機器取代。也就是說,大部分的工作將是人和機器共同完成的。

2013年,牛津大學的弗雷和奧斯本博士研究認為,自動化裝置無法單獨完成某些特定的任務,如涉及創造力和思維的任務、涉及社交和情商的任務、涉及知覺和操控的任務。

能夠利用科技施展才華並進行創造、創新的人,以及能激勵引導他人的人,都不太可能落入失業的境地。

雖然技術的發展往往會消除一些工作,但隨著生產力的提升,人類整體的收入水平上升了,而這些收入需要消費。這種消費不再是以往的滿足溫飽,而是滿足更高層級的、以往不敢想象的需求。這創造了新型的工作機會。

麥肯錫2017年的資料顯示,在美國,從進入工業紀元的1850~1980年,農業從業人員佔比迅速下降,而貿易、生產、建築等領域成為主要的工作機會來源;

在1980年前後開始的數字紀元,工業生產的從業人員佔比下降,貿易、建築類持平,明顯增加的工作機會來自專業服務、商業服務、健康、教育、金融服務等領域。

圖:美國1850~2015年各行業就業份額變動(資料來源:麥肯錫2017年1月,Jobs Lost, Jobs Gained: Workforce Transitions in a Time of Automation)

OECD 2019年的資料顯示,1995~2015年,其36個成員中從事服務業的人口增長了27%;從事新型的非全職工作,例如自我僱用、半職工作、自由職業者的人口占比已經增長到40%。

在新紀元裡,人類的工作內容和方式都發生了變化。

02

未來不存在下崗問題

因為崗位都已經沒了

工業紀元的管理思路在於如何將農耕紀元作坊式的老師傅的技能迅速複製、規模化,以降低成本。

透過拆解、分析、解構問題的思考方式,可以將工作分解成一個個專注於區域性分工的單元,形成了崗位的概念,讓每個崗位上的人專注於區域性的工作內容;然後“因崗找人”,把人塑造成適合一個個崗位需要的專家。

逐漸,大家都習慣了培養本崗位需要的技能,完成年初設定的關鍵績效指標(KPI)。至於組織的其他問題,天塌下來了也不是我的責任。每個人都是大機器上的一個齒輪、螺絲釘,或者成為填在一個個“坑”中的“蘿蔔”。

但事實上,如果組織裡的每個人都死抱著自己崗位的職責不理會此外的事情,組織早就卡死無法運轉了,更不用說這一切都在動態的環境之下變化著。

數字紀元的組織架構正在顛覆這樣工業機器化的組織架構的意義。

人們不再那麼關心每個崗位的職責、彙報關係,轉而更加關注每個人的能力、貢獻。

組織紛紛向敏捷靈活轉型,組織架構圖的作用在弱化,組織的邊界正在弱化或者消失。

不再是將人們聚集在一起來共同駕馭機器的地方,而是一種共享的平臺。在這個平臺上,人們共享資源以實現各自的目標。

這樣的新型關係已經在很多領域中顯現出來:WeWork作為新型的網紅辦公場地吸引了大量的具有“小資情調”的創業者。

共同的辦公場所裡有無數的小公司,大家不再從屬於同一個組織,而只是共享辦公室資源。

人類的合作模式轉向自我運作、靈活地服務於動態的目標,形成一個個相對獨立,又相互協作的有機體。

和以往的機器不同,這些有機體或許生命週期不長,它們隨著服務的目標而設立,迅速集結所需的專業技能組成團隊,在完成目標後解體,迅速奔向下一個新的目標。

有機體更加自主自覺,他們的動力來自發自內心的意願。在這樣的有機體中,每個人的自身專業素質不是變得次要,而是變得更為重要了,因為人們正是看中你的專業技能才願意與你合作,接受你成為團隊的一員。

不創造價值而天天依從朝九晚五的個體,早晚會被拋棄。而身懷真本事的人,即便在一個組織中失去了機會,在整個職場中也根本不需要擔憂。

對於職場中的每一個人而言,未來不存在下崗問題,因為崗位都已經沒了,大家都無崗可下。

03

什麼專業技能最有未來

什麼又會被淘汰

很多工作被機器替代的同時,也有很多新的工作機會出現。問題是,這種增減對於不同的行業、不同的年齡段、不同的地理位置而言是不同的。

因此這些工作機會的增減,必然導致人員跨行業、跨地理位置的流動。

中國在不久前剛剛經歷了從農耕紀元轉向工業紀元的城鄉移民大潮,大量勞動力離開農村走向工廠。作為“補課”,這個潮流比西方發達國家晚了100多年。

而今,數字化轉型,又將驅趕人們進行新的移民。

中國的人力資源服務公司科銳國際的《2019年人才市場洞察及薪酬指南》報告顯示,高科技和電子製造;健康醫療;消費品行業新零售;汽車行業電池、電芯研發;物聯網運營、智慧倉配設計;數字化營銷;風控合規、精細化運營等重要行業的轉型趨勢已經出現,並帶來了人才需求變化。

我們可以窺見,在未來10年左右的時間裡,下面幾類專業技能擁有更好的未來

1)和數字科技直接相關的各種技能需求很大

包括研發、設計各類將數字科技實施應用到各行各業、實現數字化轉型的技能,以及使用各種數字技術完成本行業工作的技能。

2)無法用機器替代的人際溝通技能

包括高階的企業管理中的人際溝通和初級的服務性行業使用到的人際溝通技能。

3)健康醫療領域的研發、醫療健康護理方面的技能

4) 幫助他人提升數字紀元需要的素質方面的教育、培訓技能

5) 應用數字科技工作的專業服務領域。例如,法律、財務領域的專業服務技能

6) 藝術、設計、創作類的技能難以被人工智慧取代,隨著人類消費升級,個性化需求的提升會更受追捧

相對而言,容易被人工智慧等數字技術控制下的機器替代的技能最可能被淘汰。例如:

1) 辦公室行政管理(admin)

隨著人們更能夠自己使用數字技術手段進行工作,而且越來越多的人轉變為靈活辦公方式,初級行政管理類的技能容易被

取代。

2) 標準流程式的工作技能

李開復提出一個“五秒鐘準則”:人可以在五秒鐘以內對工作中需要思考和決策的問題做出決定的工作,就有非常大的可能被人工智慧取代。

標準化程度越高的技能越容易被淘汰,例如高速公路收費、停車場收費、營業員、銀行櫃員、工廠流水線上的工人、司機等。

04

未來的四種核心素質

未來我們很可能不再說“我是學什麼專業的”,因為每個人都學了多個領域的知識,特別是數字紀元的基礎課—— 資料分析、基本的程式設計知識等數字知識。

2013年,由包括前哈佛大學校長在內的一群教育精英創辦的密涅瓦大學是數字紀元高等教育的新嘗試。一年級新生集中在舊金山校區完成以“基礎”為主題的課程——透過四個核心課程板塊培養學生的四種核心素質:

批判性思維

創造性思維

有效溝通

有效協作

在數字紀元中,成人、職場再教育只會更受重視。職業轉型、新技能的培訓、軟性的人員管理、領導力等職場能力的培訓與發展會更有需求。

可以大膽預言,未來的人類會有第二次甚至第三次系統化的高等教育。

也就是說,人們25歲左右畢業參加第一份工作,工作15~20年後第二次回到高校學習,然後在45~50歲前後再第二次就業,工作到70歲甚至80歲。

這背後的原因有以下幾個。

1) 可以肯定未來人類的壽命會延長,從80歲延長到100歲以上。如果這樣,人在60歲退休,後面漫長的40~50年不能無所事事,也需要經濟收入

2) 在職時間延長,不是原來的35年,而是55年甚至更長,無法想象跨入職場時大學所學的知識可以沿用55年

3) 數字紀元的知識、技能更迭加快,原來習得的知識可以使用的時間在縮短。雖然有在職學習、培訓的機會,但是總還是不夠系統,比不上全職學歷教育

4) 人均收入增長,大家更有條件投資於自己的教育,給自己充電

5) 二次入學,已經更加知道自己要學什麼、需要什麼、享受什麼,再次學習並非僅僅為了生存,更可以為了人生的圓滿

這種二次教育客觀上使得職場人才結構更加健康,利於整個社會的人才重新分配,結構更加合理。

未來的教育也會更加靈活、個性化。

在大資料、5G、人工智慧技術的基礎上深度個性化,根據每個學生或者學員的程度、特點、目標選擇而進行的個性化、遠端數字化的培養和教育模式。

05

小 結

1.人類跨入數字紀元,工作形式會有很大的變化:一部分工作會完全被機器取代,大量工作將和機器協同完成,而新型工作也會出現,使工作總量不減反增。

3.工作機會的增減發生在不同領域、地域、行業。很多人需要被迫遷徙、轉崗。

4.隨著組織的“液化”,崗位的概念弱化甚至消失。對於每個人而言,重要的不是你在什麼崗位上,而是你具有什麼素質,能夠帶來什麼價值。

5.紀元轉折導致職場大洗牌。更有機會的技能是那些直接和數字技術相關的技能,或者機器難以替代的人際溝通技能、藝術創作設計技能、健康醫療領域的技能和幫助他人提升新素質的技能。

6.被機器替代風險較大的技能,是那些標準化、流程化的技能,例如辦公室行政、流水線工人、營業員等工作所需的技能。

7.未來的教育培訓更為重要,將由標準化、批次培養的模式,轉變為依賴大資料、區塊鏈等技術的高度個性化、靈活的培養模式。

關於作者:

本文為“管理的常識”(ID:Guanlidechangshi)首發,摘編自《敏捷基因》,機械工業出版社出版。轉載請與原公眾號聯絡取得授權。