目录
工作岗位转移还是工作转型？人工智能在全球制造业劳动力中的双重角色
制造业正处于一个关键的转折点。从底特律到深圳的工厂车间，人工智能正在显著地重塑产品的制造方式以及由谁或什么来制造它们。这场技术革命引发了关于人工智能对制造业岗位的最终影响的激烈辩论：它将主要取代人类工人，还是将改变工作本身的性质，在淘汰某些角色的同时创造新的角色？
这个问题不仅对全球 3.6 亿制造业工人具有深远的影响，而且对整个经济体也具有深远的影响，因为制造业是重要的就业引擎。对于新兴经济体来说，风险尤其高，因为制造业历来为数百万人提供了进入中产阶级的途径。
远非简单的二元结果，证据表明人工智能对制造业劳动力的影响正在创造一个由岗位转移、转型和创造组成的复杂组合。本文通过不同制造环境中的案例研究，探讨了这种双重角色，考察了有关就业影响的新兴数据，并就利益相关者如何应对这一转型提出了见解。
岗位转移的现实：人工智能正在取代人类劳动力的地方
人工智能在制造业中的岗位转移效应是真实存在的，而且正在加速。某些类型的工作面临着特别高的自动化风险，尤其是那些涉及可预测的、重复性的体力活动或基本数据处理的工作。
装配和物料搬运
传统的装配线工作——曾经是制造业就业的支柱——面临着巨大的岗位转移压力。富士康在中国“熄灯”电子工厂就证明了这种转变。自 2018 年以来，该公司已在多个工厂部署了超过 10 万台人工智能驱动的机器人（他们称之为“Foxbots”）。据《南华早报》援引的内部数据，这些部署已取代了装配和物料搬运方面约 6 万个人工岗位，占该公司之前这些工厂员工总数的近 30%。
这些机器人执行的任务范围从电路板组装到包装，其中最先进的型号能够处理以前需要人类灵巧性的复杂智能手机组件。值得注意的是，富士康报告称，这些系统的生产力达到人类的 95%，同时 24/7 全天候运行，没有休息、缺勤或人员流动。
类似的模式正在各个制造业子行业中涌现。波士顿咨询集团 (Boston Consulting Group) 在 2023 年进行的一项研究跟踪了 1,500 家全球制造商，发现 2018 年至 2022 年间，人工智能驱动的自动化消除了 14% 的传统装配工作，而且近年来步伐加快。
质量控制和检验
质量控制——传统上需要人工目视检查——是人工智能岗位转移的另一个显著领域。日本汽车零部件制造商电装 (Denso) 已在其生产线上实施了计算机视觉系统，该系统能够以比人工检查员更高的精度自动检测组件中的缺陷。
根据电装的公开报告，这些系统使配备工厂的质量控制人员减少了约 40%，同时将缺陷检测率提高了 24%。剩余的质量控制人员已基本上从直接检查转变为系统监控和边缘案例处理。
行政和协调职能
除了工厂车间，人工智能还在取代制造运营中的行政职能。德国钢铁制造商蒂森克虏伯 (ThyssenKrupp) 实施的人工智能驱动的生产调度系统使对人工计划员的需求减少了近 30%。该系统处理来自数百台机器、原材料输入和订单规格的实时数据，以优化生产流程——这项任务以前需要数十名经验丰富的人工调度员。
麦肯锡 (McKinsey) 在 2024 年进行的一项调查涵盖了 412 项制造运营，发现实施人工智能进行调度、采购和库存管理职能的公司，行政人员平均减少了 17%。
转型维度：人工智能如何改变制造业工作
虽然岗位转移的说法经常占据头条新闻，但现有工作的转型最终可能证明更为重要。在整个制造环境中，人工智能的实施经常改变工作的性质，而不是完全消除人类的参与。
生产中的人机协作
协作模式——人工智能系统与人类协同工作而不是取代他们——正在成为高价值制造业中的主要模式。宝马 (BMW) 的生产系统 4.0 在其南卡罗来纳州斯帕坦堡工厂就体现了这种方法。
该工厂采用了先进的协作机器人（“cobots”），这些机器人可以处理体力要求高的任务，而人类工人则提供灵活性、判断力和技巧。例如，在车门装配中，机器人定位并固定重型组件，而工人则执行精确的连接任务。根据宝马的制造报告，这种人机协作将生产效率提高了 32%，同时保留了 85% 的原有劳动力。
特别值得注意的是这些系统如何改变装配工作的性质。工人现在花在重复性体力任务上的时间更少，而花在异常处理、质量验证和系统监督上的时间更多。一位工人描述了这种转变：“我过去每天要安装相同的零件 200 次。现在我管理着三个执行该任务的机器人，并且我处理复杂的案例和质量问题。”
“翻译员”和“解释员”的兴起
工厂技术角色正在发生令人着迷的转变，传统维护技术人员正在演变为一些制造商所说的“人工智能翻译员”或“系统解释员”。这些工人弥合了人工智能系统和生产过程之间的差距。
在西门子位于德国安贝格的“数字化工厂”中，大约 20% 的技术人员现在专注于解释人工智能系统的输出、向管理层解释自动化决策以及提供反馈以改进系统。这些角色通常需要制造工艺知识和数据流利度——这在传统制造环境中很少需要。
制造协会和德勤 (Deloitte) 联合进行的一项研究表明，这些混合技术-数字角色主要由技能提升的现有员工 (68%) 而不是具有技术背景的新员工 (32%) 担任，这表明转型通常为当前员工提供了晋升途径。
从操作员到优化员
传统的机器操作员越来越多地充当流程优化员，他们与人工智能合作以提高整体生产，而不是直接控制设备。在日本机器人制造商发那科 (FANUC) 的工厂中，操作员现在大约 60% 的时间用于分析生产数据和改进流程，而五年前仅为 15%。
这些转型后的角色需要不同的技能。基本的技术知识仍然重要，但此外，工人还需要数据解释能力、系统思维和解决问题的能力，这些能力并非传统操作员角色的核心。这种转变对当前的制造业工人来说既是挑战，也是机遇。
创造效应：人工智能正在创造新兴的制造业角色
除了岗位转移和转型之外，人工智能还在创造全新的制造业岗位类别——这些角色在传统的生产环境中根本不存在。
人工智能实施和集成专家
制造商越来越需要能够成功地将人工智能系统与现有流程实施和集成的工人。这些专家通常需要制造领域知识和技术人工智能技能——这是一种相对罕见的组合，需要支付高额的报酬。
大众汽车的“工业云”计划已在其全球工厂中创造了 200 多个此类职位。这些角色专注于识别高价值的人工智能用例、将通用人工智能功能调整到特定的制造环境以及确保系统满足生产要求。这些职位的薪水平均比传统的制造工程职位高 35%，这反映了它们的稀缺性和战略重要性。
数据管理员和制造分析角色
现代制造工厂会生成大量数据——从机器性能指标到质量测量再到能源使用模式。这些数据为人工智能系统提供燃料，但需要人工专家来确保其质量、可访问性和正确利用。
意大利包装制造商利乐 (Tetra Pak) 已在其工厂中创建了专门的“数据管理员”角色。这些工人专注于维护数据管道、确保传感器精度以及开发特定于制造业的分析。根据该公司的人才发展报告，他们大约 3-4% 的制造员工现在由这些五年前不存在的以数据为中心的角色组成。
人工智能系统培训师和反馈提供商
也许最有趣的是，一些制造商专门创建了专注于培训人工智能系统并提供反馈以提高其性能的角色。这些职位通常利用经验丰富的制造工人的领域专业知识，他们了解人工智能开发人员可能不清楚的生产细微差别。
丹麦制药制造商诺和诺德 (Novo Nordisk) 聘用了“人工智能培训师”，他们与开发团队合作以提供特定于制造业的见解。这些员工帮助标记数据、评估系统决策、识别边缘案例以及提供关键反馈，从而提高人工智能在制造环境中的性能。该公司报告称，这些角色中大约 60% 由在人工智能基础知识方面接受过额外培训的经验丰富的制造人员担任。
全球制造业就业：一张细致入微的图景
在检查汇总就业数据时，出现了一幅比纯粹的岗位转移或创造性叙事更复杂的图景。
发达经济体中的制造业就业
在大多数发达经济体中，制造业就业总人数继续了几十年的下降趋势，但各国家和部门的下降速度差异很大。美国在 1980 年至 2019 年间失去了约 750 万个制造业岗位。然而，自 2010 年以来，尽管大量采用人工智能，但航空航天、医疗设备和精密电子产品等高价值制造业子行业的就业实际上略有增加。
德国提供了一个有益的案例研究，说明政策和行业方法如何影响结果。尽管德国是制造业自动化和人工智能实施领域的全球领导者，但德国一直保持着相对稳定的制造业就业水平，该行业拥有约 750 万工人，与 2000 年代初期的水平相似。这种稳定性反映了通过德国的双元制教育系统和劳资双方在技术实施方面的强大合作来促进劳动力转型的深思熟虑的政策。
新兴经济体中的制造业就业
在新兴经济体中，情况变得更加复杂。尽管中国在制造业中迅速增加人工智能的采用，但在 2015 年左右之前一直在增加制造业岗位，当时该行业的就业人数达到顶峰，约为 1.25 亿工人。此后，制造业就业人数略有下降，而产出持续增长——这种模式与通过自动化提高生产力是一致的。
越南和孟加拉国甚至在开始采用更先进的技术时也经历了制造业就业增长，这表明在服装和鞋类等劳动密集型行业，劳动力成本优势可以暂时超过自动化激励措施。
原始就业人数之外的新指标
原始就业人数仅说明了部分情况。几个重要的指标提供了更细致的视角：
技能构成：在全球制造业中，高技能工人与低技能工人的比例急剧增加。根据牛津经济研究院的数据，经合组织国家制造业中具有高等教育学历的工人比例从 2000 年的 22% 增加到 2022 年的 41%。
生产力和工资：在成功实施人工智能技术的工厂中，剩余工人的生产力和工资通常都会提高。世界经济论坛在 2023 年进行的一项研究跟踪了 250 家制造工厂，发现虽然在实施人工智能后就业人数平均减少了 12%，但剩余工人的工资平均增加了 16%。
工作质量指标：除了工资之外，工作质量的衡量标准（包括体力劳动强度、受伤率和报告的工作满意度）在人工智能增强的制造环境中通常会有所提高。德国汽车制造工人在具有先进人机协作的工厂中的工作满意度比传统工厂高出 23%。
案例研究：韩国的制造业人工智能转型
韩国提供了一个特别有益的案例研究，说明如何应对制造业人工智能转型。作为一家在全球电子、汽车和造船领域实力雄厚的制造业强国，韩国面临着尽早采用人工智能技术以保持竞争力的压力。
分阶段实施和工人参与
韩国制造企业集团三星率先采用了一种分阶段实施人工智能的方法，该方法优先考虑工人的参与。当在其消费电子产品工厂实施计算机视觉质量检测系统时，该公司：
- 首先使用人工智能作为人工检查员的“第二意见”工具，而不是立即替代
- 纳入经验丰富的质量控制员的反馈以改进人工智能系统
- 随着系统被证明是可靠的，逐渐将工人过渡到监督角色
- 为角色受影响最大的工人提供全面的再培训
这种方法导致大约 60% 的质量控制工人成功地过渡到公司内部的新角色，包括人工智能系统监督、边缘案例处理和培训新系统。
政府-行业协调
韩国政府的“制造业复兴 4.0”计划说明了政策如何帮助管理人工智能的就业影响。该计划包括：
- 针对实施人工智能技术的制造商的定向培训补贴
- 提供过渡支持的区域性“就业调整中心”
- 专门为需要新技能的制造工人设计的教育途径
- 与工人过渡成果而非仅与技术采用相关的税收优惠
2018 年至 2023 年间，约有 38,000 名韩国制造工人完成了政府支持的人工智能相关技能培训计划，其中 72% 成功地过渡到制造或相邻行业的新角色。
结果和经验教训
2015 年至 2023 年间，韩国制造业的净就业人数减少了约 80,000 人，约占其制造业劳动力的 3%。然而，在此期间制造业产出增长了 26%，而实际工资平均上涨了 18%——大大超过了经济的其他行业。
韩国的经验表明，虽然在制造业中采用人工智能通常确实会减少总就业人数，但周到的实施策略可以最大限度地减少岗位转移，同时最大限度地提高转型和创造效应的益处。
展望未来：利益相关者的责任
随着人工智能继续重塑制造业就业，主要利益相关者在应对这一转型中负有不同的责任：
对于制造领导者
- 透明度和远见：提供关于技术路线图及其潜在劳动力影响的清晰沟通
- 投资于人力资本：在外部招聘之前，将资源专门用于再培训和提升当前工人的技能作为首选方案
- 周到的实施节奏：在规划技术推广时，考虑人工调整时间表
- 工人参与：在人工智能实施决策中纳入一线工人的意见
对于政策制定者
- 适应性教育系统：更新教育和培训计划，以强调与人工智能技术互补的技能
- 定向过渡支持：专门为受技术变革影响的制造工人提供资源
- 基于地点的策略：认识并解决制造业就业影响的地域集中度
- 人机协作的研发激励措施：将研究资金导向补充而非取代人类能力的技术
对于工人和劳工组织
- 技能发展倡议：积极寻求发展与人工智能互补的技能的机会
- 集体谈判方法：除了传统的薪酬问题外，还侧重于过渡途径和培训权利
- 参与实施：建设性地参与人工智能技术的部署方式，而不是简单地反对它们
结论：朝着负责任的人工智能融入制造业方向发展
证据表明，人工智能既不会完全消除制造业就业，也不会让它保持不变。相反，我们正在目睹制造业工作岗位的复杂重构，岗位转移、转型和创造效应同时发生。
对工人的最终影响不仅取决于技术能力，还取决于人类的选择——企业领导者、政策制定者、劳工代表和工人本身。制造业历来在以前的技术革命中表现出卓越的适应性，从蒸汽动力到电力再到早期自动化。
人工智能转型与众不同之处在于其步伐和广度。以前的制造业革命历时数十年；人工智能的影响正在几年内显现。这种压缩创造了更审慎地管理转型的必要性和机会。
最成功的制造组织将是那些不仅仅将人工智能视为劳动力替代技术，而是将其视为对人类独特能力的补充的组织。制造业的未来不是没有人类存在的“熄灯”工厂，而是人工智能处理日常任务，而人类贡献创造力、判断力和适应性的智能生产环境。
通过考虑人工智能对人类的影响并投资于工人转型来实施人工智能，制造商可以实现技术进步和社会可持续性——确保人工智能驱动的生产的益处得到广泛分享，而不是狭隘地集中。