人工智能對社會就業的影響

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工智能對社會就業的影響范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

人工智能對社會就業的影響范文第1篇

歐盟委員會4月8日人工智能倫理準則，以提升人們對人工智能產業的信任。通過人工智能倫理準則，既可以規范化運用人工智能技術，又能夠增強大眾對人工智能的信任，助推人工智能更好地為經濟社會服務。（4月11日《人民日報》）

人工智能一度備受質疑，一是諸如智能技術取代傳統崗位產生的就業危機，二是空前的科技革命誘發的社會恐慌。不可否認，技術革命必定有陣痛。短期而言，人工智能不可避免地取代了部分傳統崗位，造成某些行業失業率攀升；長遠來看，人工智能以其顛覆性技術沖擊社會認知，甚至誘發人類生存危機。

不曾想，每一次科技革命，尤其是工業革命，無不飽受爭議，但又無不驅動社會滾滾向前。第一次工業革命，蒸汽機車橫空出世，馬車等傳統行業江河日下，社會怨聲載道；第二次工業革命，電器產業蓬勃發展，蒸汽機車成為博物館的珍藏；第三次科技革命，高新技術噴涌迸發，一系列產業被湮沒在歷史洪流中。誰曾想？達爾文的進化論不僅適用于自然界，同樣適用于人類社會，適者方能生存。歷史最終證明，飽受爭議的工業革命都是成功的。

歷史是驚人的相似，人工智能也“動了別人的奶酪”。擁有百萬員工的工業帝國富士康，從2015年開始工業機器人逐步取代流水線作業員，工人失業率節節攀升；ETC忽如一夜春風來，遍布大江南北，端著鐵飯碗的高速收費員被迫下崗；無人駕駛更是顛覆傳統思維，隨著5G時代的到來，或許司機也會如車夫一樣鐫刻在歷史的印記中。

殊不知，諸如工業生產、高速收費和汽車駕駛等重復瑣碎的工作，通過人工智能技術，可以提高作業效率、降低運營成本、解放勞動力。工業產品生產成本降低，進而提升社會大眾購買力；ETC既提高了汽車通行速率，又減少了人力成本支出；無人駕駛進一步解放雙手，又能減少交通事故發生頻率。即便是被直接沖擊的行業，也能迸發出更新的活力。

更何況，與第三次科技革命類似，人工智能對經濟社會的影響是全方位的。談就業，工業機器人維護員通過提升企業生產效率，獲取更大的收入回報；車聯網從業者在全新的領域大展拳腳，創造社會財富；VR、AR工程師更是在夢幻般的工作氛圍中，讓虛擬世界的財富夢想變為現實。論生活，之所以前者能夠更好的就業，正是因為他們提升了生產效率，降低了生產成本，創造更高社會價值，增加了人均所享有的社會資源，進而為社會帶來了更高效、便捷、美好的服務，低廉的價格讓普羅大眾共享科技紅利，實現對美好科技生活的向往。

當然，不可回避，更無法回避，失業人群如何安置？首先是倒逼失業者修煉內功，向更高端的行業轉移，例如富士康就有不少從流水線作業員向機器人維護員轉型的成功案例；其次是外力助推，各地政府為了穩定就業，促進地方經濟發展，會開展各類職業培訓，并做起企業和員工的“紅娘”；再者，自主創業也不失為一條好的出路，百花齊放的技術產業革命時期，催生的各類產業更是給予想作為、干作為、能作為的人才展現自我抱負的舞臺。不可否定，只要是革命，必定有犧牲，人工智能革命也不例外，那么，對于有心無力的人員，政府也需要利用二次資源分配，給予幫助，讓其共享變革紅利。

人工智能對社會就業的影響范文第2篇

21CBR：埃森哲持續多年年度技術趨勢報告，在你們看來，這份報告有哪幾個關鍵點最為值得關注？

埃森哲：今年技術展望的主題，“智企時代、技術為人”是核心，以人工智能技術為代表的數字技術加速演進，會給全人類帶來巨大的發展機會，我們也有義務、有能力塑造技術發展的方向，讓技術造福更多人。

在五個趨勢里面，“智慧新界”是關注人工智能技術的核心應用在于讓人機交互更方便；“生態智聯和智才共享”分別講述的是快速演進中的數字生態系統給企業以及勞動力帶來的重要機遇；“人本設計”則第一次在技術展望中把設計提到前所未有的高度，也印證我們技術為人的核心理念；“進軍未知”是提醒企業家在開拓數字新疆土時，保持社會責任感，創造更加公平合理的社會。

21CBR：在2017年技術趨勢報告中顯示，有85%的企業高管計劃未來三年廣泛投資人工智能相關技術，從技術角度來看，你們認為哪幾個領域的投資必不可少？

埃森哲：《埃森哲技術展望2017》調研發現，超過六成的中國企業高管表示正在全面投資數字技術，作為商業戰略的重要部分，該比例為全球最高。從埃森哲研究以及與客戶交流來看，企業對機器學習、深度學習、自然語言處理、圖像和語音識別的投入力度都比較大。全球來看，機器人流程自動化（Robotic Process Automation）是個熱點，中國領先企業也已經開始在這方面采取了行動。

有一個比較現實的問題是IT基礎設施的投資。有些行業的基礎設施是不具備的，或者說是不完善的，有很多企業的這類設施是相對孤立的。如果說未來產品和服務將更多地由數據驅動的話，割裂的IT系統便不能有效地采集、分析和處理數據，因而也不能提供更多價值洞察。這也就表明，目前IT設施的整合是不夠的。

當然，除了技術投入，越來越多的企業開始關注生態圈的投入，已經或者正在第三方平臺上集成自身的核心業務功能。對于領先企業而言，第三方不僅僅是傳統的合作伙伴，更可以是一起構建新生態系統、謀求下一輪戰略增長的重要一員。

21CBR：“全球第一CEO”杰克?韋爾奇在《商業的本質》中曾提及，科技革命給市場帶來了巨大變化和諸多雜音，在新的生態環境下，應該遵從商業的規則，回歸商業本質。你們如何看待這個問題？

埃森哲：企業家們逐漸認識到回歸商業本源的重要性。人們會認識電商和傳統商業沒有了明顯的區隔，應該回到用好數字技術服務客戶、創造客戶價值的商業本質上來。

商業的本源從未改變：通過為客戶打造極致的體驗為客戶創造價值，在此過程中為企業創造商業價值。技術的演變提供了更多的可能的手段與實現商業本源的可能性場景。

當然，我們也感受到了企業家的焦慮感。過去十年，基于移動化、大數據、社交網絡和云計算發生的數字化變革深刻改變了人們的生活和工作方式，改變了行業邊界和市場疆界。

隨著數字技術的指數級增長和成本不斷下降，技術創新和商業創新呈現兩種形態，一種是大爆炸式創新，很多巨頭企業不經意就在這種創新浪潮中被覆，比較容易受到影響的主要是技術、消費和金融行業等輕資產公司；另一種是漸進式的創新顛覆，受到影響主要是重資產公司，由于行業沖擊不是非常直接，但運營利潤和收入的長期下降，會使企業很容易就在“溫水”狀態下陷入危機。

可以得到一些啟示，例如，企業在制定企業戰略時候，越來越需要依賴規模、資源、行業積累以及成熟的數字能力等優勢來先人一步預測行業生態的發展軌跡，創造并捕捉機遇。

21CBR：幾個世紀以來，技術的發展改變著人類勞動的方式，但人工智能技術的發展卻促使人類陷入反思甚至是恐懼，有哪些工作會直接受到人工智能技術的沖擊？而又會在哪些領域創造出新的就業機會？

埃森哲：這是《埃森哲技術展望2017》認真回答的首要問題。人工智能將改變一些崗位的設置和工作方式，但是機器不會威脅和取代人類。人工智能將幫助企業打造更好的客戶交互體驗，將重新設計流程性的工作，從而使員工更多致力于高附加值的工作；同時，人工智能會帶來很多專業的細分，帶來崗位的增加，許多今天不存在的工作機會可以被創造出來。

我們認為不應把人工智能和人作為兩個對立的個體，埃森哲提出的是一個界面的概念，相互學習實現共存，有利于發揮各自特長，實現靈活便捷、互補協作。

這里引述埃森哲的一項最新研究來說明人工智能對未來經濟發展的促進作用：通過轉變工作方式以及開拓新的價值和增長源，人工智能到2035年有望拉動中國經濟年增長率，從6.3%提速至7.9%。

基于人工智能對中國經濟整體影響的模擬分析，并結合行業規模數據，埃森哲進一步研究了人工智能對中國15個行業可能帶來的經濟影響。結果顯示：制造業、農林漁業、批發和零售業將成為從人工智能應用中獲益最多的三個行業。到2035年，人工智能將推動這三大行業的年增長率分別提升2%、1.8%和1.7%。

21CBR：根據埃森哲的分析，企業沿用百年的等級制雇傭和管理模式將在數字化時代面臨挑戰，開放型人才市場會成為主流，你對職場人士有哪些建議，以便他們更好地在數字化勞動力關鍵轉型期中把握機會？

埃森哲：順著《埃森哲技術展望2017》的脈絡，我們給職場人士一些建議：

1.智慧新界――努力學習新技術，踏準時代節拍，并能引領創新；

2.生態智聯――放開視野，把客戶體驗、客戶價值放在中心位置。以謙虛的態度向數字生態系統里的創新企業學習，向年輕一代企業家學習。

3.智才共享――盡可能加入“柔性團隊”，為自己企業的數字化轉型貢獻力量的同時，也得到快速學習和成長的機會。

4.進軍未知――在傳統業務以外開創新的業務增長點。

人工智能對社會就業的影響范文第3篇

關鍵詞：智能科學與技術；知識結構；應用型人才；人才培養；知識型能力本位教育

中圖分類號：G64文獻標識碼：A

文章編號：1009-3044（2020）25-0153-03

1引言

智能科學與技術主要包含智能科學和智能技術兩部分內容[1]：智能科學是以人如何認知和學習為研究對象，探索智能機器的實現機理和方法；智能技術則是將這種方法應用于人造系統，使之具有一定的智能或學習能力，讓機器系統為人類工作。目前，在本科專業目錄中，智能科學與技術專業是計算機類之下的特設專業，在現有的人工智能專業群中，除了新設的人工智能專業外（2019年全國共有35所高校獲首批人工智能新專業建設資格），智能科學與技術專業與全球范圍大力推進與快速發展的人工智能關系最密切，契合度最高。一方面，智能科學與技術的專業發展和人才培養將為人工智能技術提供理論支撐、技術推進和人才支持，另一方面，人工智能產業現狀和未來發展趨勢直接影響著智能科學與技術的專業發展和人才需求。

2人工智能時代對人才的需求

站在國家戰略的高度來看，人工智能將成為新一輪產業變革的核心驅動力，可以實現社會生產力的整體躍升，因此人工智能將成為引領未來的戰略性技術，世界主要發達國家都把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略。

隨著人工智能時代的到來，許多企業對具有智能科學與技術專業背景的人才有著巨大的需求。首先，IT企業紛紛涉足智能科學領域，提高產品智能水平；其次，許多傳統制造業也在轉型，從勞動密集型到知識密集型，進一步提升到智能制造型，并逐漸具備高精尖裝備制造能力；此外，醫療、通訊、交通等行業也對智能科技人才有著迫切的需要。人工智能對各行各業的影響，充分體現了智能科技的高速發展，對人才數量和素質要求也越來越高。

從人才的金字塔型分布來看，智能科學與技術領域不僅需要高端學術型人才，更需要接地氣、重實踐的應用型人才。隨著“中國智造”的不斷推進，智能科學與技術領域已由頂層設計和關鍵技術突破向生產、應用、裝配、服務等環節延伸，迫切需求大批專業技術精、實踐能力強、操作流程熟的應用型人才。2019年，人力資源和社會保障部、國家市場監管總局、國家統計局向社會了13個新職業信息，包括人工智能工程技術人員、物聯網工程技術人員、大數據工程技術人員等，這也從另外一個側面說明人工智能等技術推動了產業結構的升級，催生了相關專業技術類新職業，可形成相對穩定的從業人群。

3應用型人才培養模式分析

《中國制造2025》以推進智能制造為主攻方向，強調健全多層次人才培養體系，提到強化職業教育和技能培訓，引導一批普通本科高等學校向應用技術類高等學校轉型，建立一批實訓基地，開展現代學徒制試點示范，形成一支門類齊全、技藝精湛的技術技能人才隊伍。

通常而言，人才類型分為三類[2]：學術型人才、應用型人才、技能型人才。實際上從現代職業教育的發展和社會需求來看，應用型人才和技能型人才的界限相對模糊，可統稱為應用型人才，即把成熟的技術和理論應用到實際的生產、生活中的技術技能型人才。從國家的層面來看，為了適應人工智能時展，人才需求數量基數最多、缺口最大的就是應用型人才，這也對眾多高校培養人才的導向產生重大影響。這里我們重點討論智能科學與技術應用型本科人才的培養，可從職能、知識結構、能力結構、行業（產業）導向四個方面來分析。

3.1職能

智能科學與技術應用型人才是培養面向各類智能科學與技術的工程設計、開發及應用，掌握各類現代智能系統設計、研發、集成應用、檢測與維修、運行與管理等技術，具有扎實理論基礎、較強工程實踐和創新能力的高素質應用型工程技術人才。

3.2知識結構

智能科學與技術專業充分體現了跨學科的特點，其知識結構包含了三個并行的基礎領域：電子信息、控制工程、計算機，也蘊含了電子信息工程、控制科學與工程、計算機科學與技術等學科的交叉和融合，體現了智能感知與模式識別、智能系統設計與制造、智能信息處理三個方面的專業內涵。

（1）智能感知與模式識別

屬于電子信息與計算機交叉領域，主要定位在機器視覺與模式識別。包括三維建模與仿真、圖像處理與分析、圖像理解與識別、機器視覺、模式識別、神經網絡、深度學習等。主要課程包括：電子技術基礎、信號系統與數字信號處理、數字圖像處理、模式識別等。

（2）智能系統設計與制造

屬于控制工程領域，包括自動控制、無人系統與工程、精密傳感器設計與應用等。主要課程包括：機械基礎、工程力學、自動控制原理、傳感器與測試技術、計算機控制技術、機電系統分析與設計等。

（3）智能信息處理

屬于計算機領域，包括交通大數據、汽車與道路安全大數據等的分析與處理、信息處理與知識挖掘、信息可視化等。主要課程包括：智能科學技術導論、計算機程序設計、微機原理與接口技術、數據結構與算法、嵌入式系統設計等。

3.3能力結構

智能科學與技術應用型人才培養著眼于人工智能工程應用，要求學生具有運用計算機及相關軟硬件工具進行大數據的采集、存儲、處理、分析、應用的能力；具備智能系統的設計、開發、集成、運行與管理的能力；注重培養學生綜合運用所學的智能科學與技術專業的基礎理論和知識，分析并解決工程實際問題的能力，其能力結構可以借鑒能力本位教育（CompetencyBasedEducation，簡稱CBE）模式[3]。

CBE是國際上較流行的一種應用型人才培養模式，主要代表國家為加拿大和美國。該模式以能力為人才培養的目標和評價標準，一切教學活動均圍繞綜合職業能力的培養展開，CBE人才培養模式主要有以下三方面的特色：能力導向的教學目標；模塊化的課程結構；能力為基準的目標評價體系。該模式所培養的本科應用型人才具有較強的專業綜合能力和職業能力[4]，在一定時期得到社會的廣泛認可，但是單純的CBE模式并不能完全適應人工智能時代對人才培養的需求，這是由于目前許多職業崗位在人工智能的沖擊下，其形式和內容均會產生動態變化，要求現階段的人才培養具有延伸性和前瞻性，既要兼顧眼前，也要考慮應對智能化浪潮，打好基礎，提高自學習能力。因此，智能科學與技術應用型人才培養有一定崗位針對性，但并不是完全固化崗位內容及層次、固化知識屬性，必須強化自我學習能力，才能實現能力可持續增長，崗位的向上流動性以及知識和經驗的進化，才能真正適應人工智能時展的需求。

自我學習能力的形成與提高往往源于知識結構的構建[5]。為了塑造更合適的能力結構，需要CBE模式與知識結構的相輔相成，有鑒于此，將這種新型人才培養模式稱之為知識型能力本位教育（Knowledge&CompetencyBasedEducation，簡稱KCBE）模式，這也意味著在人才培養過程中，將知識結構與能力結構放在并重的地位，既著眼于預期能力的培養，也必須讓學生筑牢學科專業基礎，在走向社會以后，在知識引擎的作用下，通過自我學習，具備并提升適應未來的、新的智能化崗位需求的能力。

3.4行業（產業）導向

從智能科學與技術專業的角度，培養的應用型人才以“智能化應用”為就業大方向，具體而言，包括：

（1）智能感知與模式識別領域

主要從事電子信息的獲取、傳輸、處理、分析、應用等領域的研究、設計及應用，包括圖像處理、機器視覺、工業視頻檢測與識別、視頻監控、傳感器設計及應用等。

（2）智能系統設計與制造領域

主要從事智能裝備、智能制造、智能管理、智能服務等領域的設計、制造及應用，包括智能工廠、智能車間、智能生產線、智能物流、以及智能運營與服務等。

（3）智能信息處理領域

主要從事計算機數據處理、分析、理解、管理、以及服務等領域的研究、設計及應用，包括數據存儲與管理、數據分析與預測、交通大數據分析應用、道路與汽車安全大數據分析、智能交通、智能電力、智能家居、智慧城市等。

涉及的產業領域主要包括智能制造，如工業互聯網系統集成應用，研發智能產品及智能互聯產品等。其他的領域還包括智能農業、智能物流、智能金融、智能商務等。

產業需求帶動人才培養，人才培養在滿足產業需求的同時推動技術進步，而技術進步又引燃了新的產業需求。產業需求與人才培養的相互作用，呈現出螺旋式上升的發展態勢，這在人工智能相關產業與智能科學與技術應用型本科人才培養之間表現的得尤為突出。

4KCBE模式人才培養的主要措施和途徑

智能科學與技術專業應用型本科人才的培養模式一定是和人才需求、學校定位相適應的。培養應用型人才，應注重學生實踐能力，從教學體系建設體現“應用”二字，其核心環節是實踐教學。結合上述的KCBE培養模式，知識結構在能力培養過程中也占有非常重要的地位，因此在能力培養方面，知識和實踐作為兩大要素，不能偏廢任何一方，必須齊頭并進，既要固基礎，也要重實踐。

（1）筑牢智能科學與技術專業知識基礎，構建與智能化應用相關的知識體系

在本科的低年級階段，應注重公共基礎課，特別是數學和力學課程，還應充分了解智能科學與技術專業的內涵，讓學生對所學專業有一個比較全面的認識。在本科中高年級階段，重點強化專業基礎，包括電子技術基礎、自動控制原理、傳感器與測試技術、微機原理與接口技術、數據結構與算法等。歸納地說，應該筑牢數理基礎、計算機基礎、機電基礎和控制基礎，因此對原理課程需要強化，這樣對很多工作機理、來龍去脈的理解才能深刻。

（2）增強智能科學與技術專業的實踐環節，構建以能力培養為重心的教學體系

按照KCBE模式，校企合作是強化實踐的一種重要形式[6]。學校根據人工智能企業實際情況靈活設置實踐課程內容，根據企業發展趨勢及時調整課程體系以避免教學內容與企業需求相脫離。人工智能企業還可以參與學校教學目標和教學計劃的制定，并為學校實踐教學提供各方面支持，從而提高人才培養的針對性。

人工智能對社會就業的影響范文第4篇

［關鍵詞］互聯網金融；高等金融教育；SWOT；教學改革

2013年以來，互聯網金融快速崛起并深刻影響著金融學子的學習生活、社會實踐和思維觀念。一系列互聯網金融的新概念進入高等金融教育的視線：“大數據”、“云計算”、“社會征信”、“共享經濟”、“數字貨幣”、“機器學習”、“人工智能”等，讓金融專業的師生既興奮又備感壓力。互聯網金融相對于傳統金融的思維觀念已經改變，經濟和金融明顯可分的界限被打破。當前，互聯網“經濟”、互聯網“金融”和互聯網下的“大數據”高度融合，渾然一體，不可分割。一切資金支付活動均通過移動終端進行，幾乎不需要現實貨幣參與，點對點的資金流動使得“金融脫媒”趨勢來得異常凜冽，基于大數據的分析解決了信息不對稱的難題。受此影響，復合型人才和跨界發展不再是空洞的口號，傳統金融教育的專才培養模式不再可行。互聯網金融是新生事物，其實踐遠遠走在了當前高等金融教育的前面，對傳統高等金融教育產生強烈沖擊，但也帶來了變革和發展的機遇。因此，強化對互聯網金融教育的研究，通過互聯網金融思維重塑和再造高等金融教育勢在必行。

一、互聯網金融的優勢和特點

（一）大數據優勢

互聯網金融首先是從“草根金融”興起的，在民間金融“野蠻生長”和“亂象叢生”的時代中逐漸走向成熟，對傳統正規金融形成強大壓力。實際上，歷史上非正規金融發展緩慢的根源在于一系列困境的桎梏：信息不對稱導致嚴重的逆向選擇和道德風險、社會征信缺失、無足值抵押等。互聯網金融的出現，較好克服了這些頑疾，信息不對稱可以依靠大數據技術有效緩解，移動終端的廣泛使用結合人工智能使社會征信和債務催收都不再成為問題，在此基礎上進一步催生了眾籌、共享經濟等變革創業方式、生活方式的全新業態。

（二）人工智能優勢

與傳統金融相比，人工智能效率高，錯誤率低，模型不斷進行自主訓練和優化，大大提高了適應性，在量化投資、決策咨詢和風險控制等方面逐步取得優勢。人工智能的核心是機器學習，互聯網金融下每日新增的海量用戶數據，以及公司之間的數據共享使得感知機、決策樹、隨機森林、支持向量機、Logistic回歸、BP神經網絡等一系列機器學習的核心算法和模型不斷“學習成長”，在實踐中取代了傳統基于人工授信、核查和對客戶分類的工作模式。在不遠的將來，這種開放、大維度、多渠道的人工智能下的“智能”金融，必然取得對銀行依賴中央銀行建立的封閉客戶數據系統的優勢。

（三）“互聯網+”的后發優勢

“互聯網+”是一種全新的思維，智能化、去中心化、脫媒化、信息化以及便捷快速的推廣模式催生了各類體量巨大的新興業態，作為這些業態的基礎和共同體，互聯網金融擁有顯著的后發優勢，領先于傳統產業成為近年創新創業的最大落腳點。

（四）規模優勢

2008年以來，互聯網金融的交易規模迅速擴大，經營上的規模優勢日益明顯，各項交易成本明顯下降。與傳統金融業態不同，互聯網金融由一系列的產業鏈構成：征信、借貸、催收和服務等環節可分散于不同的公司，在業務模式上可以靈活分散也可有效整合，每一環節聚焦其優勢業務，可將規模優勢帶來的低成本優勢發揮到極致。

（五）雙創優勢

2013年以來，互聯網金融的交易成本低，可有效緩解信息不對稱問題，交易效率高等的優勢愈發明顯，不斷與其他行業形成跨界融合發展，催生創新，推動創業，極具雙創優勢。一是依托互聯網的移動支付業務的快速發展，不僅遠程支付場景不斷完善，近場支付也在爆發；二是支付產業鏈的受理端及其延伸的綜合金融增值服務———海量支付數據以及數據驅動的增值服務，為互聯網金融企業帶來了新的發展；三是區塊鏈技術的融合運用引爆了“跨境支付”的探索熱潮；四是在P2P等典型的互聯網金融業務模式上，從以往只提供信息中介服務平臺的模式創新發展出了引導P2P平臺與擔保機構合作、整合線上與線下服務以及增加債權轉讓等服務的新型模式；五是利用大數據、云計算和人工智能等技術幫助互聯網金融公司開展客戶的理財或量化投資業務；六是基于互聯網的共享經濟大大便利了人們的生活體驗和觀念。

二、當前高校金融教育應對互聯網金融沖擊的SWOT分析

表1是高校金融教育應對互聯網金融沖擊的SWOT分析矩陣，在理論和實踐兩個層面為當前高校金融教育如何應對互聯網金融的影響提供了分析思路和依據。

（一）優勢

首先，傳統金融教育具有雄厚的人才基礎和優勢。自20世紀80年代我國建立高等金融教育事業以來，到目前為止高等金融教育已取得質的突破，金融專業的品牌認可、高考招分、學生素質、國際化程度、畢業后的薪資水平、社會評價等各項指標均處于各行業的前列。同時，國內金融領域在國際一流期刊發表的論文數量也在整個社會科學領域處于領先地位。其次，當前高校金融專業的培養方案和課程設置一般采取模塊化搭建的思路，從公共基礎、學科基礎、專業培養、素質教育和實踐實習等方面進行模塊化管理，具有良好的可拓展性，互聯網金融的相關課程可根據不同專業需要，進行優化組合，體現功能性。第三，互聯網經濟和互聯網金融給高校師生帶來了良好體驗和觀感，高校師生有充分的積極性迎接新專業的建設和發展。

（二）劣勢

傳統金融教育是單一化的金融專才培養模式，一般分為貨幣經濟、金融市場、投資、金融工程、銀行經營與管理、公司金融、家庭金融等方向，注重對貨幣、投資、資產定價、股票、債券和財務等“純金融”知識的講授，對大數據、人工智能和機器學習等涉及計算機與統計學習等跨領域的知識鮮有涉及。在互聯網金融的沖擊到來之后，我們發現業界需要復合型的跨界人才，單一聚焦金融領域的教學思維和模式開始變得落后和陳舊，金融教育需要“混業發展”。另一方面，教材建設相對滯后。目前，比較缺乏互聯網金融的專業教材：一是自編教材的質量令人擔憂；二是優秀的互聯網金融的國外教材引用較少；三是互聯網金融跟風開設課程的現象比較突出，沒有因地適宜，教學內容和難度都過猶不及，影響了教學效果。

（三）機遇

互聯網金融是朝陽產業，帶來了巨大的發展機遇。當前，互聯網金融行業的人才極度缺乏，不得不采取“挖墻腳”的無奈之舉，導致銀行業人才流失嚴重。限于人才奇缺，互聯網金融目前的進入門檻較低，人員素質和水平良莠不齊，原因在于高校對互聯網金融人才的培養處于摸索階段，傳統金融教育畢業的學生青睞于在正規金融行業就業，對以民營企業為主的互聯網金融行業心存疑慮甚至偏見，人才供給嚴重不足。顯然，傳統金融教育向互聯網金融教育轉型發展的機遇巨大。不僅如此，互聯網金融還在科研立項、論文選題、學生的實習實踐、就業創業、高校金融教育的學科點申報、專業建設和師資培養等方面開拓了廣闊空間，前景可期。另一方面，相對于傳統的金融業而言，互聯網金融是典型的跨界金融，從一開始就在進行業務模式的細分和產品之間進行內部整合。互聯網金融也正在逐步通過用戶、大數據和場景的互動來實現對銀行、證券、保險、基金和資產管理等傳統金融機構進行強有力的整合運作。互聯網金融的跨界整合實現了不同行業功能的有機結合，推動了我國區域經濟在空間和深度上的拓展。互聯網金融需要既懂得信息技術又懂得金融業務、營銷和管理知識的跨界復合型人才，這就對高等金融教育提出了更高的要求。但是從高等金融教育實踐來看，金融、計算機及營銷和管理類專業的教育還是各自為政，獨立培養，忽略了跨界知識的構建，導致學生難以適應社會對復合型人才的需求。

（四）挑戰

首先，傳統金融教育“分業培養”的理念和當前互聯網金融“混業發展”的現實需求嚴重沖突，需要解決“并軌”發展問題。其次，傳統高等金融教育的課程設置和培養體系相對成熟，然而，互聯網金融的實踐遠遠走到了學校教育的前面。再次，互聯網金融教育強調“長尾性”。與傳統金融的“二八定律”正好相反，互聯網金融的優勢在于服務80%的小微客戶，推廣的是普惠金融的理念。但在傳統金融教育中關于普惠金融、微型金融的相關課程幾乎從不開設。消除“教育偏見”達到在正規金融和非正規金融之間的教育平衡，更加注重“長尾性”仍然任重道遠。

三、結語

高等金融教育承擔著為金融行業輸送急需人才的重任，也是社會和家長的關切所在。互聯網金融是未來金融行業的制高點，需要高校金融教育培養復合型人才，要求他們具備金融學知識，理解金融業務的原理，掌握信息化技術并能對大數據進行分析，還要具有一定的營銷和管理能力。因此，主要的啟示有如下幾點：（1）注重學科交叉，優化課程設置，培養復合型人才。（2）加強師資建設，促進傳統金融教育向互聯網金融轉型發展。（3）加強互聯網金融的“產學研”的合作，樹立“干中學”的務實求真精神。對此，高校金融教育是有優勢的，要秉持開放理念加強彼此合作，使研究向應用轉化。（4）加強對大數據和人工智能的關注，引入相關課程。此外，在互聯網金融風險高發的背景下，高等金融教育也要積極承擔社會責任，適時向社會進行互聯網金融知識的推廣和普及，提高民眾規避風險的能力，達到普及金融教育的目的。

［參考文獻］

［1］劉小銘.淺析互聯網金融現狀及風險［J］.經營管理者，2016（23）：313.

［2］楊竹清，張超林.互聯網金融對我國高等教育金融的啟示［J］.金融教育研究，2016（5）：82-88.

［3］劉源.論技術經濟學課程的分階段培養模式［J］.中國市場，2016（48）：167-169.

［4］謝水園.企業的業務骨干參與大學課堂教學常態化研究———以《國際貿易實務》為例［J］.亞太教育，2016（30）：89.

［5］謝水園.論外貿通關實務課程中多種教學方式的運用［J］.中國市場，2014（22）：149-150.

［6］胡燁丹，潘錫泉.互聯網金融語境下的金融職業教育模式創新［J］.中國職業技術教育，2015（34）：93-95.

［7］劉變葉.互聯網時代金融學專業人才培養面臨的挑戰及應對措施［J］.工業和信息化教育，2015（5）：1-5.

［8］張超，李梅，丁妥.互聯網金融背景下金融教育改革探析［J］.中國市場，2015（12）：18-19.

人工智能對社會就業的影響范文第5篇

用工荒倒逼企業革新

人工成本快速上漲、企業招工難、員工流動性太大……隨著人口紅利的逐漸退卻與新一代勞動者就業觀念的改變，用工難成為諸多企業，尤其是制造領域企業需要面對的難題。

以珠三角為例，多年來形成了龐大的制造業規模，分享規模化紅利的同時，也需要巨大的人工開支撐企業生產，每一次民工返鄉潮都意味著員工的流失與重新招聘、培訓，頻繁的人員流動浪費了企業大量資源，除拖慢產品生產率外，更可能對產品品質產生影響。對于這類以生產制造為主的企業而言，與其頻繁解決人員流失問題，不如嘗試用機器替代人工，節省企業人工投入的同時，更便于企業生產的穩定。

制造型企業之外，服務型企業同樣樂于用機器替代人工，一方面可解決用工慌和用工成本，另一方面還可以讓機器人成為企業營銷的亮點，從而吸引更多消費者。此外，終端設備日趨精密化也需要“不會犯錯”的機器人替代人工，這也是技術進步推動生產模式的革新。

大企業全面革新的機會

富士康已經利用機器人技術，將昆山工廠的員工人數從11萬減少到5萬―這只是一個縮影。廣東，這一制造業的大省，對機器人的需求也更為迫切。截止2015年底的統計數據，廣東機器人保有量達4.14萬臺，占全國18.8%、全球2.49%。其中，2015年新增機器人1.82萬臺，占全國四分之一、全球6.9%。一言以蔽之，廣東漸成“機器代人”大省。

格力、美的這樣行業巨頭不單在生產制造環節引入機器人，緩解人工壓力，更積極進入機器人制造領域，努力在機器人替代人工的趨勢中攫取更多利益。雖說機器人生產線一次性投入巨大，但卻能幫助企業實現長期24小時穩定生產，長期效益巨大且能避開一些人工產生的突發問題。除改變大企業制造環節運行模式外，通過機器人技術的熟練使用與引入，這類大型企業完全可通過自行研發+外延并購的模式切入機器人制造領域，轉身變為其它企業機器替代人工過程中的設備供應商甚至系統服務商。在機器替代人工的發展過程中，大型企業依托強大的資金和長期依賴的經驗技術沉淀，不但可以通過引入機器人完成企業制造環節的技術改造，更有望進入機器人制造領域，完成從勞動密集型企業向技術密集型企業的轉變。

中小企業的痛苦與糾結

包括富士康在內的35家臺企僅去年就投資6.1億美元用于人工智能研發；加加食品投入5億元進行生產線改造，每年可為公司節省1500萬的人工成本；江西合力泰花費3.32億元全面委托大宇精雕構建“智慧工廠”……機器替代人工無論是長期投資回報還是生產穩定性方面都是相當不錯的事情，機器替代人工意味著企業生產線的全面改造甚至直接更換，巨大的一次性投入讓不少企業猶豫和糾結。

當前制造領域的不少中小企業都是勞動密集型企業，本身盈利規模較小、利潤率較低，機器替代人工的資金門檻對他們而言顯然還太高，且一次性投入后需要五年、十年甚至更長時間才能逐漸收回成本，這個周期也另不少中小企業主止步。此外，中小企業本身專業人才儲備不足也限制了其大規模推動機器替代人工。

少中小企業也嘗試過采購低價國產機器人，可為降低單品成本和售價，不少國產機器人在沒有核心技術的情況下，只好降低配件品質，最終拖累整機性能。不足一萬小時的平均壽命本身難以滿足長時間24小時運行的需要，而且低售價往往意味著低利潤，沒有足夠的利潤勢必難以維持完善的售后服務，相比國外機器人坐著飛機給你上門服務的售后，低價模式顯然是不合理的。

“不投錢買機器人做自動化轉型，同大企業的差距會越來越大。可投錢又會抽調企業大量流動資金，足以影響到原材料進貨，只有再看看了。”一位小型企業主面對記者的提問，顯得很無奈。

非工業機器人的繁榮

非工業機器人包括專業機器人和服務機器人，原本應該是工業機器人發展成熟的產物，不過初期較低的購買投入反而讓這類機器人得到不少企業歡迎。以服務機器人為例，不少餐廳購買服務機器人用于點餐、傳菜等服務，不單環節了人工壓力，更成為企業吸引消費者的一大亮點，帶來更多客流。

大多數消費服務企業會選擇服務機器人，主要是看重其新奇體驗能制造亮點和話題，從而吸引客流，但實際使用過程中，由于技術的不成熟，機器人服務員往往會出現點餐應變能力不強、傳菜抖動等實質性問題，2013年2月開業的廣州第一家機器人服務員餐廳已經結業，當新奇有趣隨著時間的流逝淡化時，無法創造更多價值的機器人甚至面臨“下崗”的問題。總體而言，服務機器人目前還處于“噱頭”階段，其離“機器替代人工”的設想還有很長一段距離。

專業機器人又名“特種機器人”，專門從事軍事、公共安全、勘探、航空、醫療等專業工作，由于行業應用的特殊性，這類行業對機器人的需求較大，本身也有足夠的資金完成設備購買，只是相對較高的專業技術需求讓這類機器人生產門檻較高，國外機器人廠商占據絕對的份額優勢。

值得關注的家庭機器人

家庭機器人可以看做服務機器人的延伸，其技術門檻相對較低，市場定位也較為準確，而已家庭為單位的海量市場吸引到了足夠多的生產企業關注，不高的價格同樣很容易被消費市場接受。

以華碩新近的Zenbo為例，除同家居智能設備互聯互通并完成控制外，更可實現老人監控、兒童教育等眾多人機互動功能，成為家庭安保和智能家庭解決方案的存在。而騰訊、百度等一大批科技企業也有計劃或者已經推出類似產品。而這樣直接進入消費終端的做法，能有力推動大眾對機器人應用的接受度，一定程度上帶動機器人應用開發或周邊設備的研發，最終也可以看做機器替代人工的一個步驟，畢竟這類家庭機器人擁有足夠的AI后，完全可以成為保姆、兒童及老人看護的存在。