AVPN：2026普惠人工智能：劳动力技能提升政策工具包（中译版）（98页）.pdf

核心结论速览：AI技能更新的速度远超当前培训体系的响应能力，政策框架亟需更敏捷的设计：行业、学术界和公共部门利益相关者一致认为，AI的技能需求变化极快，不能锁定在僵化的路线图中，也不能仅在需求出现时才更新技能分类。报告提出“AI为全民劳动力技能培训政策框架”，通过四大支柱构建适应AI时代的技能培训体系。三大关键问题制约AI技能培训的有效性：①AI演进速度快于当前培训体系的响应速度；②AI的持续演变不断重塑行业和商业应用场景；③当前的AI培训项目在可及性和相关性方面存在明显不足。政策框架由四大支柱构成：识别AI所需技能、评估技能生态系统差距、制定和实施技能培训路线图、监测和评估进展：每个支柱均设有三个进阶路径（起步行动、规模化推进、持续影响），各国可根据自身发展阶段自我评估并选择适用路径。160项技能将被AI重塑，分为过渡性技能、赋能性技能和新兴技能三大类：过渡性技能因受AI广泛影响而重要性下降（如运营灵活性、操作维护、质量控制）；赋能性技能将继续保持关键地位（人际交往能力、自我效能、认知能力）；新兴技能是AI直接催生的新技能（如大语言模型监测与评估、智能体工作流开发）。AI对农业、工业、服务业三大领域的影响差异显著，需分行业制定技能策略：例如农业中牲畜健康监测的自动化，虽然AI可自动完成实时监测和数据分析，但数据质量保障、战略判断、现有流程评估等AI无关工作活动仍然至关重要。案例研究展示印度、马来西亚、日本三国不同阶段实践：印度AI使命体现从“规模化推进”向“持续影响”进阶的路径；马来西亚“全民AI”和“Go Cloud计划”展示通过针对性干预缩小技能差距；日本数字技能标准通过迭代更新保持敏捷适应。受访者涵盖545位来自年营收1亿美元以上企业的专业人士，覆盖美国、英国、澳大利亚新西兰、加拿大等市场：来自客户体验和联系中心领域的专业人士就AI技能培训的现状与需求提供了反馈。AI技能培训已成为企业和公共部门的核心关注点。H2：研究背景与政策框架全景——亚太地区AI劳动力技能培训的紧迫性。AI的普及为政府、行业和个人带来了显著效益，但只有在个人具备使用AI的能力时，这些效益才能实现。为有效采用AI，个人必须具备以下技能：①合乎道德、负责任和可持续地使用AI；②减轻AI相关风险；③有效地与AI系统互动。前瞻性的政策框架对于培养AI技能所需的支持性环境至关重要。本工具包旨在为亚太地区的政策制定者和关键利益相关者提供关键的政策原则和实用指导，以加强AI学习系统和就业能力。工具包围绕两个互补的组成部分构建：①“AI为全民劳动力技能培训政策框架”——通过四大支柱提供结构化的政策框架，指导国家层面技能培训计划的设计和开发；②“AI为全民劳动力技能培训案例研究”——展示反映已识别政策行动的实际案例，为政府和利益相关者实施AI技能培训计划提供参考。（数据来源：AVPN & Access Partnership《AI for All Workforce Skilling Policy Toolkit》）。工具包建立在《AI为全民：建设亚太地区AI就绪劳动力》报告的基础上，将该报告中确定的更有效的AI技能培训计划的设计原则转化为可通过技能发展周期实施的可操作的政策考虑和实施路径。H2：四大政策支柱——从技能识别到效果评估的全链条框架。支柱一：识别AI所需技能。通过定义和分类AI的基本技能，以及识别利用AI所需的新兴AI技能，制定技能分类体系。技能分类使政策制定者能够：识别因自动化风险较高而需紧急再培训的行业（过渡性技能）；识别各行业中利用AI机会的关键技能；制定经济层面的基本和新兴AI技能评估。160项被AI重塑的技能分类：基于AI影响程度，分为三类——过渡性技能（受AI广泛影响而重要性下降，如运营灵活性、操作维护、质量控制）；赋能性技能（未来仍至关重要，AI影响最小或中等，包括人际交往能力、自我效能、认知能力）；新兴技能（AI直接催生的新技能，如LLM监测与评估、智能体工作流开发）。支柱二：评估技能生态系统差距。通过评估现有培训计划和投资，识别需求与供给之间的不匹配，找出差距。评估使政策制定者能够：清点现有的技能培训资源、计划和投资；确保技能培训计划与行业需求和发展目标保持一致；将国家战略与全球最佳实践对标。该支柱通过绘制国家数字技能培训计划（包括国家级技能战略、行业劳动力战略和更广泛的国家政策）中优先技能培训领域，并对照国际最佳实践，识别差距和未被覆盖的领域。支柱三：制定和实施劳动力技能培训路线图。通过绘制国家数字技能培训计划的优先领域，并将技能培训工作中的关键经验提炼为核心原则，制定和实施路线图。路线图使政策制定者能够：识别各利益相关群体应采取的关键行动；确定如何在多个主题领域和关键行动中优先分配资源。七大核心原则：①确保可及性——为具有多样化需求的社区提供可获取的学习资源；②具有针对性——针对性招募和社区参与以弥合AI技能差距；③衡量成果——衡量项目成果以实现持续改进；④培养就业准备——强调实用AI技能和以就业为导向的培训和认证；⑤纳入人文视角——将道德、安全和负责任的AI使用融入技能培训机会；⑥实现连续性——通过导师制和网络建立持续学习和支持系统；⑦利用合作——与当地合作伙伴、行业专家和教育机构合作。支柱四：监测和评估进展。通过为框架的每个支柱制定和识别关键绩效指标（KPI），确保有效的实施过程。KPI必须跟踪具体的人口统计数据，以实现按性别、年龄、地理和就业信息进行细分分析。KPI使政策制定者能够：识别框架中的关键优势和待改进领域；在定期商定的间隔内为框架的迭代提供信息，以加强成果并保持相关性。H2：三大进阶路径——各国可根据自身发展阶段选择适用路径。认识到各国在每个支柱上的发展阶段不同，报告为每个支柱制定了三个进阶路径：起步行动：旨在为尚处于形成阶段的AI技能培训生态系统建立基础。适用于尚未建立AI技能分类体系的国家。关键问题包括：哪些行业或人口群体中的过渡性技能最为集中？当前有哪些机制可以定期评估技能分类的相关性？规模化推进：加强正在进行的AI技能培训生态系统的协调和流程。适用于已有初步路线图但缺乏协调的国家。关键问题包括：应让哪些利益相关者参与路线图的制定？可以利用哪些现有机制促进公私学三方合作？持续影响：为已建立成熟AI技能培训流程的国家增强制度程序，以实现持续改进。适用于已有结构化评估方法的国家。关键问题包括：有哪些制度流程确保监测评估结果能及时为技能培训政策提供信息？各国可对照每个支柱的指引性陈述进行自我评估，识别其发展阶段（“当前状态”）以及如何最好地应用框架（“应用”），以设计、扩展和维持AI技能培训计划。H2：案例研究——印度、马来西亚、日本的不同实践路径。印度AI使命：从“规模化推进”向“持续影响”进阶。2024年启动的印度AI使命是一项重要的国家努力，旨在将AI的获取、使用和部署扩展到每一位公民。该倡议采用“全生态系统”方法，围绕七大核心支柱构建，从AI基础设施（“印度AI计算能力”）到AI技能培训（“印度AI未来技能”）。三大关键杠杆：①将AI技能培训与现实应用相结合——采用用例导向的方法，邀请研究人员、初创企业和企业家合作构建本土AI模型，促进技能在企业间的扩散；②嵌入跨机构协作机制——建立三个AI卓越中心（CoEs），采用“中心-辐射”模式，为学术界、产业界和政府机构专家提供合作平台，并设有明确的治理结构和KPI评估机制；③行业聚焦识别AI能力需求——与印度优先部署AI的五大经济部门对齐，医疗保健是其中关键领域。马来西亚：通过针对性干预缩小AI技能差距。马来西亚通过“数字人才快照”每季度评估全国数字人才和职位空缺，提供区域和行业技能需求的精细化洞察。基于这些洞察，马来西亚推出了“AI untuk Rakyat”（全民AI）和Google的“Go Cloud计划”等针对性技能培训项目。三大杠杆：①将AI课程的相关性与人口群体的兴趣和需求对齐——“全民AI”侧重基础AI技能，课程以马来语、英语、泰米尔语和普通话交付；“Go Cloud计划”侧重生成式AI、数据分析和云生产力工具等特定功能领域培训；②利用本地网络扩大覆盖范围——与CloudMile和Trainocate Malaysia等本地培训机构合作；③在启动之初就为规模化做好准备——通过与合作学习机构的合作和渐进式数字培训计划（建立在之前的Gemilang计划基础上）。日本：敏捷更新数字技能标准。日本经济产业省（METI）和信息处理推进机构（IPA）于2022年制定了数字技能标准，旨在为组织内部人力资本发展提供指导。标准包括：DSS-L——面向普通商业从业者的广泛数字素养指南；DSS-P——关键数字专家所需专业技能。两大特征：①基于不断变化的行业趋势和国家优先事项进行迭代修订——数字技能标准根据更广泛的数字和AI技能需求评估进行迭代更新，AI战略委员会每两个月召开一次会议，讨论AI使用和AI治理政策相关的新问题；②保持指导方针宽泛而非规定性——提供允许随着需求变化而灵活调整的总体原则。DSS-L适用于各行业、部门、角色或经验水平，强调对数字技术的思维方式和态度；DSS-P采用流程导向的方法识别、发展和获取适合企业需求的数字技能。H2：关键数据与洞察。160项被AI重塑的技能：其中过渡性技能（受AI广泛影响）包括运营灵活性、操作维护、质量控制等；赋能性技能（AI影响最小或中等）包括有效沟通、团队合作、领导力、同理心、适应性、韧性、灵活性、好奇心、道德判断、批判性思维、创造力、设计思维等；新兴技能包括LLM监测与评估、智能体工作流开发等。世界经济论坛《2025年未来就业报告》：10位雇主中有7位将分析思维技能列为首要核心技能。专家强调人际交往技能在打造敏捷和协作型劳动力方面的持续相关性。澳大利亚就业与技能局研究：非数字化赋能技能（如批判性思维、沟通和适应性）在监督AI生成输出、适应劳动力市场不断变化的期望方面仍然具有重要价值。各国战略对比：报告系统梳理了澳大利亚、柬埔寨、印度、印度尼西亚、日本、马来西亚、新加坡、韩国、泰国、越南10国的AI战略，从生成式AI、智能体AI、前沿AI、负责任与道德AI、行业聚焦等维度进行了全面对比分析。延伸阅读：以上为报告核心内容分析，如需获取完整工具包详细数据及全部案例分析、政策对比与实施指南，请访问下载页下载完整PDF报告。FAQ。Q1：什么是“AI为全民劳动力技能培训政策框架”？A：这是由AVPN和Access Partnership联合开发的用于指导亚太地区AI技能培训政策制定的框架工具。由四大支柱组成——识别AI所需技能、评估技能生态系统差距、制定和实施劳动力技能培训路线图、监测和评估进展。每个支柱设有三个进阶路径（起步行动、规模化推进、持续影响），各国可根据自身发展阶段灵活应用。Q2：160项被AI重塑的技能如何分类？A：分为三类——过渡性技能（受AI广泛影响而重要性下降，如运营灵活性、操作维护、质量控制，需要重新培训）；赋能性技能（AI影响最小或中等，未来仍至关重要，包括人际交往能力、自我效能、认知能力）；新兴技能（AI直接催生的新技能，如LLM监测与评估、智能体工作流开发）。Q3：印度AI使命的三大关键杠杆是什么？A：①将AI技能培训与现实应用相结合——采用用例导向的方法，邀请各方合作构建本土AI模型；②嵌入跨机构协作机制——建立三个AI卓越中心，采用“中心-辐射”模式促进学术界、产业界和政府合作，设有明确的KPI评估机制；③行业聚焦识别AI能力需求——与印度优先部署AI的五大经济部门对齐，医疗保健是其中关键领域。Q4：日本的数字技能标准有何特点？A：两大特点——①迭代修订：根据行业趋势和国家优先事项变化定期更新，AI战略委员会每两个月召开一次会议讨论新问题；②保持宽泛而非规定性：提供允许灵活调整的总体原则。DSS-L适用于各行业/部门/角色，强调思维方式和态度；DSS-P采用流程导向方法识别和发展适合企业需求的数字技能。数据来源说明。本页面数据来源于AVPN和Access Partnership联合发布的《AI for All Workforce Skilling Policy Toolkit》（2026年2月）。报告基于2025年12月31日前的信息，参考了世界经济论坛《2025年未来就业报告》、OECD AI政策观察、各国AI战略文件等公开资料，以及545位来自年营收1亿美元以上企业的专业人士调研反馈。