yourwaycareer
Posts
BCG测算:美国50%-55%岗位将被重塑,仅10%-15%面临消除,你的技能投资在溢价区还是贬值区?

BCG测算:美国50%-55%岗位将被重塑,仅10%-15%面临消除,你的技能投资在溢价区还是贬值区?

Bruce Mi
November 05, 2026

BCG 在 2026 年 4 月 3 日发布的测算给出两个数字：未来 2 至 3 年，美国 50%-55% 的岗位将被 AI 重塑；5 年或更久之后，10%-15% 的岗位可能被消除。 测算覆盖约 1.65 亿个美国岗位、1500 个细分职位，BCG 同时说明这项分析不属于失业率预测。重塑的岗位数量，是消除岗位数量的 3 倍以上。

WEF《2025 未来就业报告》的雇主调研给出技能侧的数字：77% 的雇主计划对现有员工再培训，使其与 AI 协作；69% 计划招聘能设计和增强 AI 工具的人才；核心技能中 39% 预计在 2030 年前发生变化，低于 2023 年调研的 44%。同期完成培训的员工比例，从 41% 升至 50%。

ILO 在 2025 年 5 月更新的全球岗位暴露度指数显示，全球约四分之一的就业处于有某种程度 AI 暴露的职业，只有 3.3% 落在最高暴露层，文职岗位的暴露度最高。 ILO 的判断是，多数职业由多种任务构成，岗位转型是最可能的结果。BCG 与 ILO 的方法各不相同，落点在同一个方向。

PwC 在 2026 年 6 月发布的 AI 就业晴雨表分析了超过 10 亿条招聘广告：要求 AI 技能的岗位 5 年增长 69%，整体岗位市场增长 9%；AI 技能的平均薪资溢价升至 62%，上一年为 57%；AI 高曝光岗位的技能变化速度，超过低曝光岗位的 2 倍。雇主已经在为适应速度支付更高的薪资。

这四组数据放在一起，3-6 年职场人面对的问题变得具体：岗位大概率保留，岗位里的任务组合正在重写，技能投资放在哪里，回报最高。下面按六类岗位榜单、八家机构的交叉审计、三类存量路径加一类增量路径、四象限技能清单、12 分自测和 4 个动作展开。

01｜50%-55%被重塑，10%-15%面临消除：六类岗位榜单与三条反直觉发现

BCG Henderson Institute 把美国约 1.65 亿个岗位归入六类分段，归类依据有三项：任务层面的自动化潜力，AI 更可能替代还是增强劳动，需求能否随成本下降而扩张。其中 43% 的岗位自动化潜力超过 40% 的阈值，成为分析重点；其余 57% 依赖现场人力、手工操作或持续的人际互动。

榜位	BCG 分段	占美国岗位	自动化暴露度	就业与薪资走向	技能压力	YWC 回报评级	代表岗位	数据源
1	放大型	5%	高，超过 40%	就业稳定或增长，薪资可能上行	AI 能力与领域判断同步升级	高	软件工程师、侧重咨询与判断的律师	BCG
2	再平衡型	14%	高，超过 40%	编制大体稳定，岗位被重新设计	复杂职责扩张，技能要求上升	高	内容营销、学术研究	BCG
3	赋能型	23%	25%-40%	AI 嵌入日常工作，核心职责仍由人主导	AI 成为基线能力，需要持续提升	中高	临床助理、实验室技术员	BCG
4	分化型	12%	高，超过 40%	初级岗位先受影响，高级岗位保留并可能扩容	语境判断、监督与协调能力	中	保险销售、IT 支持技术员	BCG
5	替代型	12%	高，超过 40%	净岗位减少，留存岗位薪资承压	以转岗再培训为主	低至中	呼叫中心客服、部分财务分析	BCG
6	有限暴露型	34%	低，25% 以下	近期变化有限	AI 技能的边际回报有限	低	医生、教师	BCG

自动化潜力相近的两类岗位，结局分属两端：软件工程在放大型，呼叫中心在替代型。 BCG 的解释落在需求弹性上。软件需求长期积压，AI 降低开发成本后，组织倾向于多做产品，ChatGPT 问世后软件工程师的岗位数量仍在增长；呼叫中心的咨询量由客户规模和服务频次决定，成本下降后咨询量不会同步增加，同样的工作需要更少的人。ILO 给出同方向的信号：文职岗位暴露度最高，全球仅 3.3% 的就业处于最高暴露层，转型是 ILO 判断的最可能结果。任务自动化与岗位消失之间，隔着需求能否扩张这一道变量。

技能变化越快的岗位，雇主愿意支付的溢价越高。 PwC 的数据显示，AI 高曝光岗位的技能变化速度超过低曝光岗位的 2 倍，AI 技能的平均溢价为 62%，行业之间从 16% 到 118% 不等。PwC 还把岗位分成两条轨道：被 AI 推向“专业化”的岗位，增长速度是“平民化”岗位的 2 倍，2021 年以来工资增速高出 42%。适应速度已经出现在薪资单上。

技能组合的方向，BCG 在软件工程的例子里写得很具体：编写和维护代码的技能优先级下降，系统思维和 AI 工具熟练度的重要性上升。 PwC 补充了入门级岗位的变化：AI 高曝光的初级岗位，要求领导力、判断等传统资深技能的概率，是低曝光岗位的 7 倍。BCG 也提到，AI 熟练度可能成为资历之外的重要补充，应届生有机会在这一项上领先经验更长的同事。领域专长、AI 协作和判断能力三项叠加，构成目前回报最高的组合。

02｜八家机构交叉审计：五条结论落在同一个方向

维度	BCG	WEF	McKinsey	ILO	MIT	OECD	PwC	LinkedIn	交叉结论
任务自动化与岗位消失	43% 岗位自动化潜力超 40%，10%-15% 面临消除	岗位创造与消除合计约占现有岗位 22%	约 1100 万美国工人需要转行	全球约 1/4 就业有暴露，3.3% 处最高层	任务自动化历来伴随新任务创造	影响以任务重组为主	最高暴露企业人员增长 52%，最低暴露企业 36%	暂无	任务重组是主要形态，消除集中在需求有上限的岗位
增强、转型、新创	放大、再平衡、赋能合计 42%，分化、替代合计 24%，新岗数量未量化	约一半雇主计划围绕 AI 重组业务	基于技能的招聘更重要	增强多于替代	增强是主流模式	互补任务占比上升	专业化岗位增速是平民化岗位的 2 倍	AI 技能与人类核心技能需求同步上升	增强占主导，替代集中在少数分段，新岗存在但缺统一统计
技能变化速度	技能门槛上升，需要更高频的持续提升	39% 核心技能将变，2023 年为 44%	可迁移技能变得重要	政策重点在技能提升	从一次性学位转向终身技能更新	成人学习参与度需大幅提升	高曝光岗位技能变化超低曝光岗位 2 倍	技能组合成为筛选核心	技能更新进入常态，节奏由岗位暴露度决定
AI 价值来源	投入配比 10-20-70，70% 给人与流程	77% 雇主计划再培训	暂无	技能提升、社会保护、社会对话三大支柱	制度适配决定净效应	再培训需匹配技能变化	最高暴露企业生产率增长高 40%	暂无	价值取决于人与流程的重塑
薪资与需求	放大型薪资可能上行，替代型承压	69% 雇主计划招聘 AI 工具设计人才	暂无	暂无	暂无	高技能岗位互补任务占比上升	AI 技能溢价 62%，行业间 16%-118%	AI 相关技能增速领跑	复合技能获得溢价，AI 技能整体溢价 62%，行业间差距明显

结论一：任务自动化与岗位消失之间有明显距离。 BCG、ILO、MIT、OECD 四家的方法和样本各不相同，都把影响落在任务层面的重组。BCG 在官方周报中的表述是：任务自动化不等于岗位消失，多数岗位保留，但会发生实质变化。

结论二：重塑分成增强、赋能、分化与替代三类存量路径，另有一类新岗位。 BCG 的六类分段给出占比，放大、再平衡、赋能三类合计 42%，分化与替代合计 24%。BCG 还写明，AI 带来的新岗位数量尚未量化，但规模可观，前线部署工程师、系统集成师等集成类岗位的供给低于需求。WEF 与 LinkedIn 的技能趋势数据，与这一分类方向一致。

结论三：核心技能的变化幅度仍有 39%，较 2023 年的 44% 回落。 WEF 同时记录了培训覆盖面的上升：完成培训的员工比例从 41% 升至 50%。变化幅度下降与培训投入上升同时出现，说明雇主与员工正在用更高的学习频率跟上节奏。39% 的绝对水平依然意味着，一个岗位里每 10 项核心技能，约有 4 项需要在 2030 年前更新。

结论四：企业 AI 价值的大头来自人与流程。 BCG 的 10-20-70 原则主张，10% 的投入给算法，20% 给技术与数据，70% 给把 AI 嵌入业务实践和新的工作方式。BCG 在测算报告中也提醒，裁员幅度超过 AI 实际替代能力的企业，会面临生产率下降和关键人才流失。对个人而言，70% 的位置对应的是工作流设计、验证和协作能力。

结论五：高曝光岗位的技能变化更快，薪资溢价同步上升。 PwC 实测的技能变化速度为 2 倍，AI 技能溢价为 62%，要求 AI 技能的岗位增速为整体市场的近 8 倍。WEF 的雇主调研显示 69% 的雇主计划招聘能设计和增强 AI 工具的人才，需求端的意愿与薪资数据互相印证。

BCG 测算重塑多于消除，WEF 记录核心技能 39% 将变，PwC 记录 AI 技能溢价 62%。三份数据放在一起，给 3-6 年职场人留下一条清晰的时间表：重塑自己的速度，需要跑在任务被自动化的速度前面。

03｜三类存量路径覆盖66%的岗位，一类增量路径尚无统计：入场条件逐类拆解

增强路径（放大型 5%，再平衡型 14%）：软件工程师与内容营销的任务重组

增强路径的特点是核心任务留在人手里，边界任务交给 AI，新增的是验证和监督。 软件工程师把更多时间花在系统设计、架构取舍和结果验证上，写代码的比重下降；内容营销岗位从按渠道分工，扩展为端到端的全渠道活动设计。BCG 观察到，这类岗位的技能要求整体上移，需要更高水平的 AI 熟练度和结构化实验能力。

赋能路径（赋能型 23%）：AI 成为日常工作的基线能力

赋能路径覆盖的岗位，工作结构保持原样，AI 嵌入文档、协调和分析等日常环节。 临床助理用 AI 做实时记录和患者接诊，实验室技术员用 AI 判读检测结果、标记异常。BCG 的判断是，AI 使用最终成为岗位的一部分，对效率和准确度的预期随之提高，持续学习成为必选项。

分化与替代路径（分化型 12%，替代型 12%）：初级岗位承压，高级岗位保留

分化型岗位的结构特点是，初级结构化任务先被自动化，高级岗位仍需要语境判断，而这些判断依靠在岗经验积累。 保险销售的线索筛选、报价生成和保单比较，IT 支持的常规工单处理，属于最先被系统接手的任务；顾问式销售、复杂系统排障与监督的需求则保持或增长。BCG 指出，替代型岗位的从业者仍可以通过定向再培训与流动支持，转入正在扩张的增强类和新兴岗位，转岗规划越早启动，路径越顺。

增量路径（新岗创造，占比未量化）：集成与落地人才供不应求

BCG 明确写到，AI 将带来数量可观的新岗位，目前可观察到的是 AI 集成类岗位。 前线部署工程师、系统集成师、项目经理负责把 AI 能力转成企业内真实运转的方案，BCG 判断这类人才的供给低于需求，成为 AI 规模化落地的瓶颈。

路径属性	增强路径	赋能路径	分化与替代路径	新岗创造路径
典型岗位	软件工程师、内容营销、学术研究	临床助理、实验室技术员	保险销售、IT 支持、客服、部分财务分析	前线部署工程师、系统集成师、项目经理
任务重组逻辑	边界任务自动化，新增验证与监督任务	AI 嵌入日常环节，结构不变	初级结构化任务先被系统接手，高级任务保留	把 AI 能力转成企业内的可运转方案
核心技能要求	AI 协作熟练度、输出验证、系统思维	AI 工具使用、质量复核	语境判断、监督协调、例外处理	系统集成、业务翻译、落地交付
转型难度	中	低	高	高
薪资走向	放大型薪资可能上行	暂无分段数据	分化型高级岗位可能上行，替代型承压	暂无分段数据，AI 技能整体溢价 62%
入场门槛	领域资历叠加 AI 熟练度	日常工作中的 AI 熟练度	更快补齐判断与监督能力，必要时转岗	技术与业务的复合经验

BCG 还提醒，更持久的岗位往往要求更高的资质和资历，门槛上移会给转岗带来摩擦。转型难度一行由 YWC 根据 BCG 对各类岗位的描述整理。

04｜硬技能四象限：必修6项、增值5项、观察4项、弃修4项

技能	分层	投入建议	变化速度预期	适用岗位	依据
AI 协作基础	必修	立即投入，周度实操	中	全部存量岗位	BCG：AI 熟练度成为资历之外的重要补充
提示工程	必修	立即投入，结合业务场景	快	知识型岗位	LinkedIn：AI 相关技能增速领跑
输出验证与风控	必修	立即投入，建立检查清单	慢	增强与赋能路径	BCG：入门岗位将转向监督 AI 产出、管理例外
批判性思维	必修	持续投入	慢	全部岗位	WEF：分析思维位列增长最快的能力
复杂问题解决	必修	持续投入，以项目训练	慢	增强与分化路径	BCG：自动化后的工作集中在问题解决与决策整合
跨域沟通协作	必修	持续投入	慢	全部岗位	BCG：需要人际判断的岗位更可能被增强
RAG 与知识库构建	增值	针对岗位投入，结合所在领域	快	技术与业务骨干	BCG：集成人才供给低于需求
AI 代理开发	增值	针对性投入，小项目起步	快	技术岗位	WEF：69% 雇主计划招聘 AI 工具设计人才
领域专用模型微调	增值	与领域数据绑定投入	快	数据与算法岗位	WEF：69% 雇主计划招聘能增强 AI 工具的人才
AI 合规与治理	增值	针对性投入	中	法务、风控、产品	BCG：重设后的岗位要求更高的监督与问责能力
数据工程与 AI 融合	增值	针对性投入	中	数据岗位	BCG：集成人才供给低于需求
多模态大模型应用	观察	小额试水	快	产品、内容、设计	BCG：框架需随模型能力动态修订
AI 红队测试	观察	小额试水	快	安全、合规	BCG：框架需随模型能力动态修订
合成数据生成	观察	小额试水	快	数据岗位	BCG：框架需随模型能力动态修订
AI 原生产品设计	观察	小额试水	快	产品岗位	BCG：框架需随模型能力动态修订
单一框架的记忆式掌握	弃修	减少投入，并入通用能力	快	技术岗位	BCG：编写与维护代码的优先级下降
纯语法层面的编码	弃修	减少投入	快	初级技术岗位	BCG：编写与维护代码的优先级下降
基础文档整理与格式化	弃修	减少投入	快	文职与行政岗位	ILO：文职岗位暴露度最高
初级翻译、摘要与转录	弃修	减少投入，转向审校与判断	快	初级岗位	BCG：初级结构化任务最先被自动化

必修区的 6 项技能在全部存量路径里通用，增值区的 5 项与具体岗位和所在领域绑定，观察区的 4 项等待标准成形，弃修区的 4 项在 BCG 与 ILO 的描述中最先被系统接手。变化速度预期一列由 YWC 综合各机构的技能趋势描述整理。

05｜12分自测：10分以上进入溢价区，7至9分补一项能力即可跨线

四个维度各 1-3 分，满分 12 分。按你过去 6 个月的真实状态打分。

维度	1 分	2 分	3 分
AI 协作基础掌握度	偶尔使用，没有界定风险边界	在日常核心任务中稳定使用，会检查输出	熟练完成核心任务，系统化验证输出，写得出风险边界与交接点
技能组合复合度	单一专业技能	领域专业加 AI 能力两项	领域专业、AI 能力、软技能三元复合
技能更新速度	过去 6 个月没有新学并应用 AI 技能	学习过 1 项，尚未用于实际工作	学习并应用了至少 1 项新的 AI 技能、工具或工作流
可迁移证据构建度	没有项目交付记录	有项目，缺少量化指标	有端到端的 AI 协作项目交付，效率提升有量化指标

总分	区间	解读
10-12 分	溢价区领跑者	技能组合与证据完整，重点转向向上争取更大的职责范围
7-9 分	可达区	补齐 1 项关键能力，通常是证据或更新速度，即可跨入溢价区
4-6 分	观望区	需要系统性重构，从 AI 协作基础和一个端到端项目起步
1-3 分	贬值区	需要全面转型，先建立 AI 协作基础，再选择一条路径深挖

06｜4个动作锁定重塑红利：作品集、技能三角、监测仪表盘、增强路径优先落座

① 构建“AI 协作作品集”：完成 1 个端到端 AI 嵌入工作流项目，产出可量化的效率提升、质量改善或成本降低指标，建立可迁移证据。 选一项每周都会重复的核心任务，先记录基线，包括耗时、返工率和错误率，再嵌入 AI 并记录改进后的数值，整理成一页项目说明。McKinsey 测算约 1100 万美国工人需要转行，仅 1/7 拥有直达路径，基于技能的招聘使这类可迁移证据成为通行条件。

② 重构“技能组合三角”：明确“核心领域专长”为底座，叠加“AI 协作能力”为杠杆，补强“复杂问题解决与跨域协作”为护城河。 三条边各给自己列出一项本季度可验证的进展。PwC 数据显示 AI 高曝光的初级岗位要求资深技能的概率是低曝光岗位的 7 倍，三角结构正是这种要求的具体形态。

③ 建立“技能半衰期监测仪表盘”：每季度追踪目标岗位 JD 的关键词变化、LinkedIn 技能趋势和同类岗位的薪资溢价变动，动态调整学习优先级。 一张三列的表格就够用：指标、本季度数值、对学习计划的调整。WEF 记录的 39% 核心技能变化，在你的目标岗位上具体落在哪几项，由这张表回答。

④ 争取“增强路径”优先落座：在现有岗位中主动识别可被 AI 增强的任务边界，设计人机协作 SOP，向管理者提交可落地的增强方案。 SOP 写清四个环节：输入、AI 产出、人工验证、例外升级。BCG 观察到，增强的扩散速度快于替代，部分组织在近期放慢招聘，在岗人员的升级压力随之上升，先提交方案的人更容易占到增强路径的位置。国内头部大厂与外资企业里的技术与业务骨干，可以用同一套方法起步，从自己最熟悉的一项流程做起。

如果你是大学生或者工作经验在2年以下

推荐关注⬇️yourwaycareer

如果你的工作经验在2年以上

推荐关注⬇️yourwaycareer社招

不经过专业的求职训练，如何拿到Dream Offer

报名VIP项目，扫描下方二维码
联系YWC团队免费咨询

Reply

or to participate.