报告概述
本报告基于智联招聘大数据和理论与数据融合的方法，系统分析了生成式AI对劳动力市场软硬技能需求与供给的结构性影响。研究对象覆盖12种软技能维度，以及不同职业、人格特质的差异化需求。报告通过构建“大语言模型影响指数”，运用双重差分回归等计量方法，识别AI对技能需求的因果效应。其价值在于帮助求职者理解AI时代核心能力变迁，指导企业优化人才选拔与培养策略，推动人机协同的职业胜任力生态构建。
报告的核心结论
AI能力与创新能力正相关，软硬技能需兼备
研究发现，AI硬技能与所有软技能均呈正相关，其中与创新能力的关联最强。这意味着企业在招聘AI人才时，不仅要考察技术能力，还需重视创新思维等软技能；求职者应同时发展软硬技能，以构建综合竞争力。
管理能力与自我管理需求在AI时代显著上升
在AI兴起后，企业对管理能力和自我管理能力的需求占比分别上升0.25和0.57个百分点。这反映出随着人机协作深化，员工需要更强的自我驱动、组织规划与团队协调能力，以有效整合AI资源并优化工作流程。
标准化沟通需求减弱，深度互动沟通价值凸显
AI替代了基础沟通、文案写作等标准化任务，导致这些能力需求下降；而正式演说、商务谈判、跨文化沟通等深层互动能力需求上升。这表明人类沟通重心正向高情境化、战略性的领域转移。
颠覆式创新成为人类核心竞争力，渐进式创新需求下降
AI工具正在接管常规改良式创新，使得企业对渐进式创新的需求显著下降；相反，颠覆式创新的需求大幅上升。人类需要聚焦于突破框架的创造性思考，方能在人机分工中保持独特优势。
求职者软技能供给与企业需求存在结构性错配
求职者过度强调学习能力和情绪智力等潜力型技能，而企业更看重管理能力、沟通能力和解决问题能力等实战型技能。这种“重潜力轻实战”的供需差异提示求职者需调整展示策略，突出即战力。
报告回答的关键问题
AI时代哪些软技能更重要？
报告指出，管理能力、自我管理能力、协作合作能力、颠覆式创新能力和深度沟通能力的重要性显著上升。而情绪智力、基础沟通和学习能力的需求相对下降。求职者应重点培养管理和创新等高级软技能。
求职者如何调整技能结构适应AI职场？
求职者需从“潜力导向”转向“实战导向”，在简历中突出管理能力、沟通能力和解决问题能力，减少对学习能力和情绪智力的过度强调。同时要注重培养跨领域创新思维和复杂人际互动技巧。
人机协同下企业如何选拔人才？
企业应综合评估硬技能与软技能，尤其重视创新能力（与AI能力强相关），以及尽责性、宜人性等人格特质。在招聘时增加对管理协调、专业判断和协作能力的权重，以适应人机合作的工作模式。
生成式AI对职业软技能需求有何差异化影响？
高AI暴露度的职业对管理能力、解决问题的能力需求提升，而情绪智力和思维能力需求下降。技术驱动型职业（如软件研发）看重思维和创新，关系驱动型职业（如销售）则更看重适应和协作。
报告中的代表性数据
管理能力需求相对变化率
2022年11月后（AI兴起前后对比），在ChatGPT推出后，职业的AI暴露度每增加一个标准差，管理能力占比相对上升7.87%，表明AI推动管理协调能力需求增强。
情绪智力需求相对变化率
2022年11月后（AI兴起前后对比），AI暴露度每增加一个标准差，情绪智力需求占比相对下降8.82%，反映AI在情感交互中的替代效应。
求职者管理能力表达占比与招聘端差异
2021-2024年，招聘方对管理能力的需求占比比求职者自我描述高出13.82个百分点，凸显供需结构性错配。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的研究方法论，包括数据驱动的软技能关键词挖掘、理论框架构建及双重差分回归模型设计，帮助理解分析的科学性。
- 12类软技能的定义与分类（人际软技能与内在软技能），以及二级子技能的详细构成，便于精准定位能力范畴。
- 2021年1月至2024年12月智联招聘面板数据，涵盖招聘岗位、求职者自我评价的软技能词频统计，提供市场一手信息。
- AI暴露度与各类软技能需求变化的气泡图，直观展示不同职业受AI影响的离散程度及趋势。
- 各一级职业（如软件研发、销售、教育培训）的软技能需求结构堆叠图及排名表，支持职业对比分析。
- 双重差分回归结果，量化AI对12种软技能需求的因果效应，包括标准化相对变化率（如专业性+21.25%）。
- 人格特质（大五人格）在AI影响下的需求变化分析，揭示尽责性与宜人性受重视的原因。
- 面向企业的问卷调研结果，涵盖AI在内容创作、客户服务、内部沟通等场景的应用比例，以及企业对软技能变化的感知。
- 求职者软技能供给与企业需求的差异柱形图，直观呈现“潜力型”与“实战型”的错配。
- 详细附录，包含软技能定义、参考文献列表，以及二级职业软技能需求排名数据，适合深入研究。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
