认清时代、掌握先机：数字企业 & 数字人才的成长之路与管理之道

数字驱动产业变革，数字化转型的大趋势下,“产业数字化”、“数字产业化”、"数字人才"等概念应运而生，如何更好地理解时代、顺应浪潮，是企业发展与个人成长共同关注的焦点。

不久前，人瑞人才联合德勤中国编撰的《产业数字人才研究与发展报告（2023）》在 Arcsummit 全球架构师峰会·北京站上正式发布，「报告」首次提出“井”字型数字人才的概念，并深入 11 个热门行业，展开了数字化转型相关的行业调研和分析，相关数据结果引发了现场参会者的关注和热议。这一次我们特别邀请了人瑞人才科技集团 CEO 张建国与德勤中国 合伙人陈岚，做客《鲲鹏说》，一起聊聊“数字产业"与“数字人才"相关的话题。

圆桌嘉宾介绍：

特邀嘉宾：人瑞人才科技集团 CEO 张建国、德勤中国合伙人  陈岚(Lydia)

圆桌主持：极客邦科技的创始人兼 CEO  霍太稳(Kevin)

报告编撰背景

InfoQ：这本报告很全、很详细，相信大家花了很多心思去做，首先想问一下人瑞和德勤为什么会一起做这个报告呢？

陈岚：数字化其实已经讲了很多年，在一开始讲的是信息化，后来讲的是数字化，再后来讲的是智能化，现在又提出了数字中国，未来打造数字中国这样一个大的战略方向，数字经济就变得更加的重要。

德勤其实在很多年前就在进行数字化转型，把很多服务和产品以及和客户互动的方式都在尝试做一些数字化转型。我们在对各行各业的客户提供服务的过程中，发现客户也是为这个数字化转型在苦恼，因为各行各业它的产业基础不一样，数字化转型发展的阶段和它的成熟度也不一样。

这里有一个很关键的问题——就是数字化人才的匹配度的问题，我们就发现在探讨这个问题的时候，市面上其实没有特别现成的研究资料能够供我们去参考，不仅是企业端，行业想了解到底什么样的数字化人才是紧缺的，我们究竟要怎么样才能够高效地使用数字人才，其实政府也想推动数字化人才的发展，他们也很难找到一个非常客观的理性的这样的一个研究支撑。所以我们一直有想做数字化人才的研究，机缘巧合之下碰到人瑞，他们有很多数字人才或者是数字产业相关的一些场景、数据，于是双方开始了这次合作。

张建国：从国家战略到企业战略都特别关注数字化转型，数字化转型发展包括产品形态、行业格局等等问题。但是我们在企业调研中发现，他们遇到的最大的问题还是数字化人才的问题，所以这次我们报告的内容聚焦的就是人才。关于数字人才的研究，市面上的报告大部分来说是比较笼统的，没有深入到行业里面去的。这次我们的调研报告重点针对 11 个热门行业里的数字化人才供需状态、人才分布以及对人才的技能要求等进行了深入的研究。希望能对整个行业或者是企业会有一些比较实际的参考价值。

报告内容简介

InfoQ：这本报告一共分四个版块，能否展开介绍一下？

张建国：这个报告有将近 400 页，第一部分，主要是分析了中国数字化发展的主要状态和趋势；第二部分，重点是在讲数字产业化，重点会涉及到有 6 个行业，包括像人工智能、物联网、互联网、游戏、元宇宙以及芯片设计等；第三部分，是产业数字化，比如制造业、汽车行业、金融行业、医药行业等等；第四部分，重点针对中国的企业在转型过程中遇到的人才策略与管理方法上的挑战，提出了一些方法论，希望能够给到企业一些参考价值。

InfoQ：在业界有一句话叫做企业数字化转型是人才先行，极客邦科技在数字人才教育这个领域也做了几年，我们在去年年初还做了一个数字人才粮仓模型，把人才分成数字管理人才、数字应用人才、数字专业人才。这本书里面也特别高频地提到了“数字人才”这个词，并且首次提出“井”字型数字人才的概念，能否重点阐述一下？

张建国：我们认为数字人才不仅仅是技术人才。自上而下来分，首先要看领导层是否具备数字化的领导能力；第二个看管理人员有没有数字化管理能力；第三个才是技术人才；第四个还有应用人才。横向来看，我们对于人才的特征结构进行了细分，提出了“井”型人才的概念。

我们以前说一个专业人员，只具备专业能力，不具备其他的能力，叫“T 型人才”；第二个到“π 型人才”，除了具备专业知识以外，还应该具备一定的行业知识或者跟业务知识相结合；“井型人才”则是在“π 型人才”的基础之上还增加了两个要素，一个是软性技能，其实就是一个人的基本的素质，比如说逻辑思维能力、沟通技巧；另一个就是数字技能，比如我是一个医生，医术精湛，但是在数字化时代也要具备数字技能，不然很多的一些科学仪器可能用不了，另外如果医院建立了数字化的管理体系，我也很难适应。当然对于不同的行业、不同的岗位，它的具体内容其实是不一样，但是从结构上我们提炼出了“井型人才”的模型。

互联网“降本增效”背后的产业逻辑和人才挑战

InfoQ：从去年一直到现在，可能大家谈论比较多的是降本增效。德勤中国在这方面其实一直在和很多的公司进行交流，针对降本增效这个话题，德勤是如何看待的？它会对我们的这些行业带来一个什么样的影响？

陈岚：降本增效它就是企业经营的一个底层逻辑。其实不管什么时候，企业都需要去降本增效。这两年谈的特别多，因为中国从 2015 年开始慢慢从一个高速增长走向了高质量增长，增长的速度和规模不会再成为首要的考虑，但是增长的质量被更多的去考虑到了，所以降本增效其实也是企业去顺应整个国家经济转型的一个高质量发展的趋势要求。

当然，降本增效这个趋势给各行各业都带来了很大的影响。其实从我们咨询行业或者说服务行业来说，我们去挣取的费用其实就是帮企业达到降本增效以后，企业给我们的一个奖励，要么帮他省钱，要么帮他能够挣更多的钱。

这几年谈的特别多的另一个原因，是因为过去 3 年其实是全球和中国的数字化进程最快的 3 年，无论是在政府的治理，还是在社会、经济、人才等等各个领域、各个层面，数字化渗透率都在逐步提高，也让很多的行业降本增效成为了可能。而且在过去几年因为一些特殊情况，大家不得不通过数字化的手段去改变自己的交付方式、沟通方式，慢慢也就固定下来，成为了一个商业模式，成为了一个习惯，同样也实现了降本增效。我觉得任何时候企业都是先求生存再求发展，这几年其实经济增长未来还是有很大的一个不确定性，所以通过数字化的手段去做一些转型，达到降低增效，还会是一个主流的趋势。

InfoQ：从人力资源的角度，降本增效又带来一个什么样的影响？个人、企业，面对这种情况需要做一些什么样的改变吗？

张建国：对这个问题来说，大家可能比较关注的互联网公司的就是这种变化，这也是因为三五年以前，互联网公司是一个爆发式的增长阶段，就是粗放式的经营管理，因为它机会多，迅速占据市场地位这个是最重要的，所以可能对成本方面会考虑得比较少一点。但是从这两三年以来，成本要素比以前要关注得多了，尤其是从去年年初开始，我们经常能看到网上看到一些文章说互联网公司哪家哪家公司裁员 20% 等等这些，直到现在，这个浪潮还在持续。

虽然如此，但是互联网行业整体而言还是增长的，因为我们也是为很多的互联网公司在提供服务。另外一个方向来看，对于互联网公司来说，现在正在转变，从虚向实转变。对于实体经济来说，在有关成本管控等等这方面普遍会有一套标准的管理要求。互联网从虚到实，也会使得互联网公司的管理更加稳健，追求更加良性的持续发展，这是一个大趋势。

而且从我们这几年跟互联网公司的合作过程中也发现一个大的趋势：

第一，就是从消费互联网向产业互联网方向发展；

第二，尤其是从今年开始，2023 年疫情放开以后，大量的互联网公司出海。因为在互联网的应用层面上，应该说中国在全球范围内也是有相对领先的优势的，所以走向海外应该说也是一个必然的趋势；

第三，对互联网公司来说，像北上广深等等这些主要城市，它的人才需求相对来说数量上会有所下降，但是在新一线的这个需求反而增加了，这也是互联网公司跟实体经济相结合，重新形成了一个产业布局，所以也带来了人才分布的动态变化；

第四，当下互联网公司对人才的要求更高了，尤其是在创新能力跟综合能力上要求更高，无论是产品的开发，还是产品业务的紧密结合，都更加复杂，这也是一个趋势。

浅谈人工智能：透过“AIGC”看技术与人才的关系

InfoQ：现在大家谈论的比较多的还是 ChatGPT，最近两天可能大家更关注的就是 GPT-4 已经发布了，包括百度的“文心一言”，其实大家讨论的都是非常火热的，德勤如何看待 ChatGPT、AIGC 或者是大语言模型？它对整个的行业可能会带来一个什么样的影响？

陈岚：因为我本身不是人工智能技术出身，我只能是从行业的应用端来分享一些我的观察。目前马上能看到的 ChatGPT 它肯定是优化了搜索引擎，我们也看到微软它在它的办公软件里面接入了 GPT 的技术，大大提高了办公的效率。同时也看到一些需要和客户有非常密切互动的赛道，比如说游戏，ChatGPT 可以帮它极大地提高人设的丰富性，增强跟游戏玩家的互动体验，这也是我们马上可以看到的。

但是从长远来说，数字技术一定要服务于实体经济，它最终能不能有生命力，能不能可持续发展，还是要看它对于整个实体经济的助力有多大。所以我们也是希望未来能看到 ChatGPT 的预训练大语言模型，能够加速医疗信息化、远程医疗、生物医药的临床研发等方面的数字化进程，因为我们在分析各行各业数字化进程的时候，这些行业的研发方面其实是暂时比较落后的，在这些方面 ChatGPT 还是有一定的想象空间。

从它在中国的发展来看，我其实还是存有一些疑惑，我觉得现在去判断它未来的一个行业前景可能还为时过早。一是 ChatGPT 它这种预训练其实对于算力的要求是非常高的，对于整体的算力基础设施、数字基础设施的一个升级，有非常高的一个要求。在这样的情况下，是不是同时也要去考虑到一个环保的成本？因为我们说提高效益、提高效率，它不是唯一的目标，它应该是一个综合的效益，成本也是需要去考虑的。再一个就是它在中国的发展还是会暂时受限于我们数据的规范程度，目前的语料基本还是英文的语料，所以未来中国发展 AI 大语言模型可能还要去跨越一些这样的挑战。

InfoQ：从人力资源的角度，怎么去看待 AIGC 带来的影响？

张建国：我们在这个报告里边分析的行业，第一个行业就是人工智能。从人工智能的发展进程来说，我认为可以从三个阶段的理解。第一个阶段是叫应用技术创新，第二阶段是应用领域的拓展跟商业化相结合，第三个阶段就是商业价值实现。中国人工智能方面的企业大部分现在还是处于一个叫技术积累阶段，国际领先的一些企业应该说已经进入到第二阶段，就是行业应用阶段。当然，我认为接下来中国人工智能的发展会很快，因为我们有足够多的应用场景去实践，但是我们也得更加重视一些底层技术的突破，任何的 AI 的研发都需要很大的投入，如果投入不能变成一个产品，并且可以被重复使用，他的开发成本永远都降不下来。

InfoQ：针对以上两个问题，再延展一下——其实无论是降本增效（比如裁员、换血）还是人工智能（机器取代人工）其实都体现着“技术与人的关系”，数字化转型本身离不开技术和人，但是实际上技术的革新也会造成一部分人的失业或者转岗等等。从这个角度，两位如何看待？

陈岚：著名的哲学家康德说过，人永远是目的。人不是工具，技术是工具，最终还是为人来服务的。但是在现在第四次工业革命这样的一个背景下，我们能看到人和技术其实是密不可分的，我们自己其实也做过全球的数字人才调研，我们也发现了一个有趣的现象，现在的人才不是跟着平台走，而是跟着自己的技能走，现在有人称其为“数字移民”，他借助了数字化的手段，拥有数字化的技能，可以在任何地方为任何有需求的客户来提供服务。所以这个人和技术的关系其实已经发生了改变，技术既为人服务，技术也成为了人不可分割的组成部分。

张建国：从我们调研报告里边其实也可以看出，并不是说随着技术的发展，人工作被替代以后就没有工作机会了。对于企业而言，每年的数字化人才需求大概有 2000 万，但是中国数字人才的供应概只有 500 万左右，从这个数字可以看出差距，很多企业感觉招不到人，这里边还是存在一些供需匹配的问题。

对于个人来说，你就要去思考如何让自己的技能进行转换，并不是没工作了，事实上每一轮技术革命都会催生一些新的行业、岗位，只是对技术、能力的要求更高了。人跟技术之间始终是处于一个互相促进的作用，而不是互相替代的作用。最后主导人类的还是人，我们可以说技术是生产力，科学技术生产力，但是另外还有一句话，在华为基本法里面就是我们在人的大脑里边可以挖出来一个大油田，它的潜能可能更大，我们很多的创造都是由人大脑来创造的。所以面向未来，一定是越来越美好的，而不是无路可走。

智能制造行业数字化转型的机遇

InfoQ：除了数字原生类行业，数字化转型的另一只大部队其实是“产业数字化企业”，也就是传统行业如何借助数字化的力量实现升级。两位如何看待“传统企业数字化转型”？会带来哪些变化或影响？在前期调研的过程中有哪些心得感悟或者故事分享？

陈岚：在数字经济时代，如果分成两大块，数字产业化、产业数字化大概是 2:8，现在传统产业的数字化转型和升级应该是创造最多产值和效益的部分，但是实际上它的上中下游转型的特点都是不一样的。我比较印象深刻的还是智能制造行业，制造业现在在中国经济发展里面占据了越来越重要的位置，它对于 GDP 增长的贡献率其实在过去几年是在逐年也提高，而且在过去一年，经济有很大不确定性的时候，我们可以看到高技术制造的投资、引资是遥遥领先的。

智能制造说白了就是把人工智能技术应用于传统的制造业场景，来提升它的一个效率，一般我们把智能制造分成上中下游，上游一般我们可以理解为材料的供应，一些基础的部件，比如说传感器、芯片的供应，还有就是像数字技术、AI、工业互联网，这些是在上游，中游其实是软硬件和聚合软硬件的平台和系统，这个是中游，就是它要把这些物料变成产品和服务。下游最大，下游其实是应用行业和应用场景。应用行业横向来说，像刚才讲的医药、消费，这些其实都是应用的行业，应用场景包括比如财务、人力、生产、研发这些其实都是应用的场景。

目前智能制造行业整体来看，中游的数字化转型的水平是最高的，因为它本身是软硬件企业、系统企业，是原生数字企业，它的数字基因会推动它不断地往前去迭代。上游和下游是密不可分的，因为你上游的这些技术和物料是为你下游的行业和场景去服务的。目前来看，因为整个智能制造的下游个性化需求非常大，上游物料和技术对下游场景需求的匹配程度还不够。

我们在调研里发现，大概 12% 的受访企业都认为他们离通过智能升级来实现效益还非常的远。我们原先会认为渗透率很高，走得很前，但其实在调研过程中发现，很多人工智能的服务企业其实还是有同质化、低水平这样的一个现象，而且他们的集成能力是比较低的，所以难以应对下游场景的个性化、复杂化和集成化。

张建国：我们在具体的行业研究中，我举个例子来说，比如说智能汽车这个领域，这个领域其实首先从产业结构上面发生了很大的改变，现在在做汽车这个行业，再不是以前传统我们所知道的一些汽车制造厂家了，包括像百度、华为等等之类的企业都进入到汽车这个行业。为什么？是因为以发动机为核心的传统汽车技术体系已经彻底改变了。当然对人才的需求也不一样了，这个时候企业可能更多所需要招的是一些通信专业的、人工智能方面的人才。

金融行业数字化转型的机遇

InfoQ：除了智能制造比较火热外，我们也看到现在很多同学从互联网走向金融行业，对于金融行业的数字化转型两位如何看？背后的人才流动又是怎样呢？

陈岚：像金融行业的数字化转型，应该说中国是走在全球的前面，比如我们的移动支付其实已经成为我们的一个生活习惯了。目前国内的商业银行它们一般都会成立自己的金融科技的子公司，去解决它的数字化转型问题。金融机构的商业模式目前为止，并没有实现很大的数字化转型，但是它的运营流程其实已经很大程度被数字化改变了。比如说客户管理的数字化，基本每个银行其实都已经做得比较好了，供应链金融的数字化也已经是比较成熟了，风险控制的数字化目前也已经比较成熟了。

未来整个金融行业我们觉得可能一方面是普惠的数字化，因为未来金融服务于实体经济，肯定会面向更多的市场主体，面对不同的融资需求、安全需求等等去服务；另一方面就是在监管科技上，随着整个金融行业的数字化转型，监管也需要相应的去做数字化转型，去应对可能会发生的一些未曾预料的问题和风险。

张建国：金融行业的数字化转型，大家应该看到是非常明显的，比如说很多银行的门店越来越少了，到银行去取钱的人也越来越少了，所以整个银行的服务模式是在发生改变的，对于用户而言，消费直接是扫一下微信、支付宝，现金也很少用。另外，对于银行而言，收益的方式可能也会发生很大的改变，不只是一个存贷这个问题了，比如如何让消费者去了解它的消费趋势。以前我们取了 1 万块钱去用，但是我这 1 万块钱怎么花其实银行是不知道的。现在我在手机上面付的钱，每一笔钱是怎么花，付到哪里去了，我产生什么样的消费。这个数据经过汇总分析以后，银行就能根据客户消费趋势给他推更适合的产品，产品的个性化定制就有了可能。

整个银行的商业模式以后也会发生很大的改变，会更加定制化、个性化，这个市场还是非常大的。对于很多银行来说，大量的系统研发投入，目的就是如何把这个数据收集起来、连接起来，为他现在的商业服务。再往后走，我觉得应该会创造新的商业模式。

企业数字化转型的共性挑战与差异化

InfoQ：前面提到的“产业数字化企业”和“数字产业化企业”，在数字化转型中，是否也有一些共性问题呢？

张建国：从共性问题来说，应该可以分成三个方面来看，第一个是对企业数字化转型的认知，目前大部分企业还是不够的，大部分企业还停留在认为从外面招几个技术人才，就能解决数字化的转型问题，真正的数字化转型其实应该是从公司的战略、业务模式、组织形态等等方面来思考的问题。

第二个从实施的层面如何去实现数字化转型的问题，往往就是很多公司没有系统化的思考，只是在局部地改造或者说只是从技术方面去解决了信息化的问题等等，并不能带来整体的业务收益，也没有提高它的管理效能。投入之后发现对我的业务没什么价值，所以后来又不投入了。

第三个层面是供给的层面，在进行数字化转型时，你的思维一定要跨开你这个行业本身，跨开你企业的局部范围，去思考在一个新的环境中，怎么样有效地去构筑生态环境，使得我的企业从中获取的资源最大化，内部管理的成本最小化。

InfoQ：产业数字化企业和数字产业化企业的数字化转型有什么不一样地方？

陈岚：我们刚才其实也讲到它其实是数字经济的两大组成部分，当然还有另外一块我们叫治理数字化，但目前就占的比较小，在产值上面占的比较小，因为现在国家统计局其实对于数字经济也有一个标准的统计口径了，现在产业数字化、数字产业化它是会公开做一些统计的，其实区别它就是显而易见的，因为数字产业化事实上就是技术，就像刚才讲的人工智能、大数据，它是一些数字技术，它是需要去用于赋能这些产业提升。产业数字化它就是传统产业依赖数字化做了提升的部分，它叫数字产业化。

数字产业化的企业，他们对于核心技术的研发人才现在是非常缺乏的，而且对于现在核心技术人才、岗位的精准定义，还是有很大的打磨空间的。这个其实关系到未来我们要从供给端如何去做一个配比，或者你企业是要引进还是通过培养等等，所以对于核心技术的人才岗位的标准化的描绘其实是很重要的。

产业数字化企业它要求人才能够做到“技产融合”，就是技术加产业的一个融合。我们刚才举的例子，你人工智能技术去赋能制造业企业，你要去适应它场景的个性化。同样你这个技术人才不仅要有数字技术，你还要了解行业背景，行业场景，才能真正去为产业的数字化转型和提升来服务。

张建国：我们在每个行业里边其实都是研究了具体企业的一些实践，尤其是一些领先性的企业，在这方面还是做了很多探索的，包括人才获取的渠道，包括人才内部的培养，包括新的用工模式等等。

我简单总结一下，可能有几个方面是比较明显的，第一个就是对人才要进行分层分类的管理，比如说对于我非常重要的核心人才，对我的产品的研发是非常关键性的，可能要在外部市场里边定点去挖，高价去挖，因为这个对产品的成功与否是非常重要的。

对于普通人才，一般性的人才，可能我会采取外部合作的方式，通过人力资源服务外包方式来解决用工的问题，这个随着项目的波峰波谷，可以去灵活调节。

对于技术应用人才，大部分可能我从内部来培训，可以去解决它的一个基础知识的扫盲问题，以及怎么样能让他们更好地去适应工作环境的问题。

所以对于不同的人经过分层分类以后，提出适合自己的一个多元化的用工策略，对我们解决人才的问题是比较有效的，同时也能提高我们对人才使用的效率以及成本的管控，而且能获取更多的社会资源。我们有一句话叫“不求人才所有，但求人才所用”。

浪潮之下的个人与企业成长之道

InfoQ：对于个人、企业而言，数字化转型浪潮之下，需要做出哪些改变？（认知？技能？）站在人力资源以及行业趋势的视角，有没有一些可以给到企业发展 / 个人成长建议呢？

张建国：从个人来看，研究报告应该说是有非常直接的参考价值，我们提出了“井”型的数字人才胜任力模型，针对不同行业的从业人员应该具备哪些技能、掌握哪些知识等等都进行了相应的描述。

对于企业来说，其实我们在这份研究报告里面第四部分，专门也提供了一些有关人才策略的解决方案。首先还是要建立一个叫人才生态链的概念。如果一个企业，每年从大学里面招毕业生，然后培养一两年，觉得才能用，这样可能很多的机会已经错过了。

对于一些核心人才，你可能要提早布局，包括校企合作、共同培养，这也是一个是方法，使得我有一个长期的供应关系，包括怎么样跟一些培训机构去建立一些实训基地，对于我社会上面招不到的这些人，我可以进行专项的技能培训，使得这个人的能力得到很好地转化，这样使得人才供给的问题得到一定的解决。

同时也可以跟一些人力资源机构建立人才供应链的长期合作关系。随着业务的发展的需要，在不同的阶段我需要什么样的人，不光是我需要的时候进来，还得解决不需要的时候出去的问题。因为往往一个产品的研发它是有周期性的，而且在不同的周期里面，它所需要人的配置也是不一样的。比如说我开始的高峰期项目的开发需要 100 个人，但半年以后，需要 50 个人就可以了，那多出来的 50 个人怎么办呢？辞退？对企业来说，其实损失是非常巨大的。对个人来说也是一样的，我可能一下子失业了。

对于人瑞来说，我们是一家提供综合性的、一体化解决方案的人力资源公司，我们同时为几百家公司提供战略服务，可以给企业提供人才的储备池，以及人才的都江堰，内核外核的调节作用，而且对人才的供给速度会更快。比如在人力波谷时，对于一些不太需要的人才，怎么样能很好的进行消化，而不是简单的辞退，在这些方面我们有一系列体系化的方案。

陈岚：我认为首先数字化肯定是大势所趋，每个人都要有一个终身学习的心态，去拥抱未来的数字世界。从企业来说，我觉得也要去关注一个数字鸿沟的问题，因为现在其实城市和农村可能大中型的企业和小微企业之间的数字化水平是不一样的，我想这也可以把它作为我们企业践行社会责任的一部分，尽量去帮助欠发展的一些群体去提升数字化能力。其实我们德勤目前就有这样的计划，未来要帮助 1000 万的农村年轻人去掌握一些基础的数字化技能，只有去填平这些数字鸿沟，才能实现更加良性、健康、可持续的社会、经济数字化转型。

InfoQ：特别感谢两位嘉宾做客《鲲鹏说》，也感谢人瑞和德勤在当前这个“人才焦虑”的时代，给了行业一份可供参考的研究报告。「报告」即将上线发售，对「报告」感兴趣的朋友可以关注人瑞人才的公众号，获取「报告」发布最新信息。