麦肯锡估算：到2035年约1100万美国劳动者或需转行

麦肯锡全球研究院2026年9月29日发布的美国劳动力研究估算：在截至2035年的基准情景下，约1100万美国劳动者可能需要转入其他职业，约占当前就业者的7%。如果自动化的采用速度及其对用工需求的影响不同，估算人数可能在约600万至1600万之间。这些是对未来劳动力需求的模型预测，不是已经失业或收到裁员通知的人数。

这项研究同时考虑人工智能、其他自动化技术，以及人口、收入和投资变化。美国媒体Axios对研究的报道列出另一组数字：未来可能每年需要约77万人跨职业大类流动，而非疫情时期的历史平均值约为每年21.5万人。年度流动量和整个预测期内需要更换具体职业的人数采用不同统计口径，不能直接相乘或互换。

1100万人的估算从哪里来

模型先估计自动化会减少哪些工作的用工需求，再估计经济增长会在同一职业和其他职业创造多少需求。如果某个职业的增长足以吸收自动化带来的减少，劳动者可能继续留在原职业，尽管工作内容会改变；如果吸收不了，才会出现转向其他职业的需求。因而，工作中的某项任务可以由技术完成，并不等于承担这项任务的整份工作立即消失。

计算的关键，是企业会怎样使用自动化释放的时间。它可能减少人手，也可能让员工处理更多订单、缩短服务等待时间，或承担此前没有的任务。技术能做什么，与企业最终需要多少人，是相邻却不同的问题；监管要求、出错成本、客户需求和工作流程，都会影响企业的选择。

预测区间反映的正是这些选择尚未发生。如果企业更快采用自动化，并将更多效率收益转化为减少用工，跨职业转换的需求可能高于基准值；采用较慢，或者新任务吸收了更多工时，需求则可能较低。因此，模型能指出潜在的转型规模和集中领域，却无法预告某家公司何时裁员，也无法判断某名员工一定要转行。

每年77万次转换，难在持续和跨度

年度估算比非疫情时期的历史平均速度高约3.6倍。它统计的是跨越宽泛职业大类的流动；原职业需求下降的人也可能转入同一大类下的另一具体职业，计入长期转职估算，却不计入跨大类的年度数字。这解释了为什么两组数字都与职业转换有关，合计时却对不上。

疫情期间，美国劳动力市场曾短暂出现接近这一规模的年度跨大类流动。研究合著者唐吉·卡特兰在《商业时报》刊发的采访中谈到长期维持这种速度时说：“We don’t know whether it’s going to be painless.” 短期内完成大量转职，与长期让转职者不断找到合适岗位，对培训、招聘和收入衔接的要求并不相同。

跨大类转职通常比换一家雇主继续做相近工作更难。原有经验未必足以满足新职业的技能要求，目标岗位也可能位于不同地区，要求新的资格，或者提供难以接受的薪酬。旧职业的需求如果先下降，而新岗位稍后才出现，求职者仍可能在两者之间经历待业或收入波动。

1600万个待填岗位，为何仍可能招不到转职者

模型估计，增长职业中约有1600万个岗位需要由原职业之外的人填补，其中也包括新进入劳动力市场的人。这不是专门留给需要转行者的岗位总数，更不能据此认定供需会自动配对。减少需求的职业较集中于办公室与行政支持、零售与销售、运输与物流；增长机会则更多分布在医疗支持、建筑和管理等方向。

收银员可能具备顾客沟通、基础数字操作和可靠执行的经验，但护理或建筑支持岗位还要求另一套专业能力。行政助理熟悉协调和日程安排，转向项目管理时，仍可能需要补上项目交付、预算判断及雇主要求的资质。岗位数量在总量上增加，不能消除职业之间的技能、资格、地点和工资错位。

模型评估一条转职路径时，同时考虑目标职业是否增长、已有技能与目标要求有多少重合、薪酬能否维持，以及取得法定资格需要多久。按这些条件，约七分之一的转职者有较直接的路径；其余人可能需要较明显的再培训，或面对更大的技能和资格缺口。只学会使用一种人工智能工具，无法替代目标职业要求的专业判断、实务经验和准入资格。