在华企业如何填补AI人才缺口

在华企业如何填补AI人才缺口到2030年，中国的AI人才供应只有市场需求的三分之一。 在华企业应如何填补人才缺口？2023年7月© Getty Images作者：Wouter Maes和Alex Sawaya关于本研究本次调研与访谈涵盖在华102家领先企业，这些企业至少已在一个领域采用人工智能。我们还分析了全球与本地的报告、用例和招聘数据库，以探究中国对AI人才的需求、企业在填补人才缺口方面的挑战及采取的相关行动。为评估人才需求，我们考虑了人工智能对关键行业（消费者、金融、制造、企业服务、汽车、运输和物流以及医疗和生命科学）的经济影响，并对每个行业 的人均生产力进行了建模。在供给方面，我们评估了倾向于选择国内就业的国内外高校毕业生数量，包括科学、技术、工程及数学（STEM）等专业，以及现有的顶尖科技人才数量。吸引和留住人工智能（AI）人才已成为全球性挑战，中国也不例外。在麦肯锡2022年的全球人工智能商业高管调查中，75%的中国受访者坦言在数据科学家的招聘上遇到困难1。逾半受访者表示难以找到合适人才来填补与AI相关的关键岗位空缺，如数据工程师、数据架构师和机器学习工程师等，而这些岗位对于设计、构建和推进产业化的高级数字化与AI能力不可或缺。我们的最新研究表明，即便市场近期出现收缩，人才招募仍会越来越难。预计到2030年，AI为中国带来的潜在价值有望超过1万亿美元，随着各大企业竞相挖掘这一价值，中国对高技能人才的需求将达到目前（从100万人增加到600万人）的6倍2。（参见附文“关于本研究”了解我们的研究方法。）而据估计，到2030年，国内外大学及现有顶尖人才储备只能提供约200万（即所需的三分之一）AI人才，缺口将达400万（见图1）。2030年后，随着出生率下滑，大学生人数将减少，AI人才缺口问题将更加严峻。面对即将出现的巨大缺口，企业应如何确保竞争所需的人才和能力？我们对在华百余家头部公司进行了调查和访谈，揭示出了两大关键洞见： — 人才缺口各有差异。尽管每家企业都需提升现有员工技能，抛弃传统招聘方式以获取所需人才和能力，但各家公司的投资和干预措施将因各自的数字化成熟度不同而有所差异。 — 本土及跨国企业各有优势。尽管中国高校毕业生更看好本土企业及其创新和基于绩效的激励结构，但在华跨国公司可有效利用其全球网络，从更大的人才库中吸引人才。针对AI人才挑战，本文深入探讨了企业在数字化成熟的各个阶段应优先关注的人才类型，以及如何更好的获得所需的技能和能力。1 “The state of AI in 2022—and a half decade in review”，麦肯锡，2022年12月6日。调查涵盖102家在中国的受访企业。2 基于以下研究：沈愷、童潇潇、吴听和张芳宁，“探索人工智能新前沿：中国经济再迎6000亿美元机遇”，麦肯锡，2022年6月7日；“Notes from the AI frontier: Applications and value of deep learning”，麦肯锡全球研究院，2018年4月17日；中国国家统计局，2021年。2在华企业如何填补AI人才缺口人才和技能需求因数字化成熟度不同而有所差异数字化和人工智能作为重要驱动力，正在为中国创造巨大价值，这就要求一整套的高级技能基础。这些技能大致来自七个领域：客户体验、云、自动化、平台和产品、数据管理、DevOps（一种优化软件开发的方法）以及网络安全和隐私。尽管企业最终要在各个领域建立人才储备，但我们的研究则表明，企业应根据自己的数字化成熟度，优先选择真正需要的人才。常见的数字化成熟度表现为传统型、混合型和数字型这三类（见图2）。图1 2030年，中国顶尖科技人才缺口或超400万顶尖科技人才数量，百万人1预测基于以下来源：“探索人工智能新前沿：中国经济再迎6000亿美元机遇”，麦肯锡，2022年6月7日；“Notes from the AI frontier: Applications and value of deep learning”，麦肯锡全球研究院，2018年4月17日；中国国家统计局，2021年。2预测基于以下来源：《2021中国IT服务人才供给报告》，软通动力和艾瑞咨询，2021年8月；中华人民共和国教育部， 2021年；《2022年中国学生出国留学报告》，联合国教科文组织统计研究所；领英人才洞察，2022年；2023年QS世界大学排名。资料来源：麦肯锡分析到2030年，中国顶尖科技人才缺口或超400万McKinsey & Company012345678203020292028202720262025202420232022需求²4.1供给¹0.33在华企业如何填补AI人才缺口图2 数字化成熟度将决定在华企业的科技人才策略 数字化成熟度将决定在华企业的科技人才策略类型定义优先考虑的人才类型相关技能传统型刚开启数字化转型，内部团队规模较小数据管理数据架构、数据工程、数据分析和分析转译平台和产品专家定制“软件即服务”（SaaS），外部解决方案混合型已大力投资数字化转型，内部技术实力较强，业内成熟度高DevOps敏捷产品管理、持续整合/持续交付（CI/CD）和微服务客户体验预测性分析、设计思维和自动化测试和原型开发云Kubernetes、Docker和多云端基础设施数字型行业巨头、数字原生企业或技术实力强劲的AI和科技初创企业网络安全和隐私Shift-left安全（在产品开发早期推进安全测试）、零信任安全，以及数据保护法规与实践自动化生成式AI、机器人流程技术、机器学习、AI赋能分析和量子计算跨国企业关注项所有员工流利掌握中文及外语，善于利用全球资源，跨文化交流能力强理解其他地域的工作模式，能与全球同事顺畅沟通领导层善于建立合作伙伴关系，确保各项工作符合公司的全球IT和AI标准，同时切实满足本土业务需求产品负责人了解不同地区的哪些数据和设计可重复使用和规模化推广，哪些数据和设计需要本土化，以满足中国数字生态系统的需求4在华企业如何填补AI人才缺口传统型传统型是指数字化转型刚启动的企业。这类企业通常仅有小规模的内部团队，且面临较大竞争压力，亟需启动数字化和人工智能转型。它们的转型重点主要为建立数据基础，优化业务流程，并专注于能快速提升业务实效的专门用例（而非构建未来创新研发AI能力）。为此，这些企业应聚焦两类人才： — 第一类人才是数据管理专家，精通数据架构、数据工程、数据分析和分析转译。他们能搭建数据平台、管道和流程，推动数据开放，形成数据驱动的实时洞见，确保数据质量与治理，并管理用例的生命周期。企业可聘请此类专家，服务数据产品或用例团队，推动新的数字化和AI能力的交付。卓越数据中心也需要此类专家协同设计和监督数据管理流程，确保应有的访问控制、数据质量以及审批和保留政策。 某农业企业构建了集中式企业数据中心，以支持数据管理协议和治理流程，让不同部门的数千名员工享有访问便利，从而推进人工智能和分析用例实践。从此企业无需重复开发新数据管道，因此大幅降低了IT成本，实现了业务方法现代化。例如，利用机器人追踪动物的繁育条件，在检测到潜在疾病和其他问题时自动发出警报。 — 第二类人才是平台和产品专家，