2022年以来,全球就业环境变动频繁,一场席卷劳动力市场的“大洗牌”已经到来。从表层的工作形式到最深层的雇佣模式都正在发生变化。今年两会期间,“稳就业”再次成为相关热点话题,变动中的职场生态使传统“金三银四”春招季遇冷,就业新形势与人才新趋向展露苗头。“高质量发展”下“高质量就业”的前景、社会情绪与宏观环境的潜在关联、以及在新人才观下个人职业发展的导向等问题备受讨论。
为深入探讨这个话题,本期《领英·影响力》栏目邀请领英全球副总裁及领英中国总裁陆坚、北京大学国家发展研究院院长姚洋、卡瓦集团高级副总裁及大中华区总裁邢军三位嘉宾,结合当下热点话题与普遍的社会情绪,从各自不同的行业背景和专业领域出发,分享了他们对话题的洞见,探究在“大洗牌”背景下,职场人摆脱困境,进一步向前迈进的可能。
就业市场“大洗牌”变革,系多重因素叠加导致
近年来,经济数字化转型催生出了新的就业与工作模式,灵活用工、自由职业等零工经济形态广泛出现。数据显示,截至2021年底,我国灵活就业人数已达2亿人。围绕相关群体的议题在今年全国两会期间成为焦点。另一方面,自年初以来,关于互联网“大厂”裁员的新闻屡见不鲜,进一步加深了国内就业环境的变局,引发大众情绪与热议。
陆坚指出,全球劳动力市场正在发生一场“大洗牌”的变革,中国的就业市场也同样如此。受到宏观经济变化、大国博弈、行业结构性调整、疫情反复等诸多外部环境因素的叠加,容易导致职场人对未来发展的不确定性产生迷茫,在工作中缺乏动力。面对这样的现实问题,职场人应该更灵敏地把握全球行业或者职场上正在发生的变化,帮助自身做出更优的决策,并有针对性地为更好的职业机会做准备。陆坚以当下备受关注的灵活就业为例,指出这种模式的确以更丰富的形式促进了就业,也让职场人有机会做出更灵活的职业选择,但每一个人最后还是要基于个人实际来权衡收益和风险,另外就是自身是否已经具备了核心技能的优势可以支持,也是需要着重考虑和准备的工作。
高质量发展命题下,人才观亟待重塑
2022年《政府工作报告》中,着重强调了在高质量发展命题下,要加快培养包含制造业等多行业在内的急需人才,让更多劳动者掌握一技之长、让三百六十行行行人才辈出。长期以来,对于人才评判的标准在社会中备受争议,高质量发展阶段下人才观的定义因而成为了本次访谈中的焦点话题。
长期关注中国社会经济发展的姚洋教授提出,当下国内普遍存在的“唯学历论”一定程度上与东亚社会历史悠久的“学历社会”背景相关。企业普遍对于人才“高学历”的片面追求,也影响了当下“普职分流”、职业技能人才培养的进程。陆坚和邢军站在企业视角同样认为,在如今的职场上,“技能”应该成为比“学历”更重要的考察因素。邢军称“对不具备学历的技能型人才的强烈不认可,是目前中国普遍具有的一种病态的社会共识。”而陆坚表示,以技能为导向的招聘是一个更理想的发展方向,“但是如何更好地培养、定义与分辨技能型人才,如何在去资历,重技能的正确方向上坚持前进,仍然是当前中国职场要面对的挑战之一。”
陆坚进一步以《政府工作报告》中重点关注的国内制造业为例,通过领英平台大数据将全球智能制造领域领先的 “灯塔工厂” 人才与中国制造业技术人才进行对比。他指出,我国的相关技能人才存在普遍高学历,但缺少实践历练、学科与技能“偏科”等现象,未来应重点培养成熟的复合型技能人才。要进一步匹配高质量发展的竞争性人才需求,从行业到社会的人才观亟待重塑。
混合办公新模式,考验企业人才管理
疫情的反复和移动互联网技术的进一步发展正重塑着职场生态。作为“大洗牌”下职场工作模式变化的表现之一,混合办公正进一步在海内外普及。2021年领英在全球的调研显示,在全球87%的员工希望保持混合办公模式,至少有一半的时间可以选择远程办公。而中国本土数据显示,45%的中国企业正在开放远程办公机会,高于41%的亚太区平均水平。
混合办公为员工提供了更多自由去选择适合自己的工作方式,可以更加灵活地平衡工作与生活,但同时对企业人才管理也提出了新的挑战。姚洋认为,远程办公、混合办公模式是一种“分散化”的趋势,正让企业文化和既存的行为规则走向瓦解,并提出了是否会导致组织内部权力更加集中的风险。邢军同样指出,这一模式一方面会吸引到追求灵活和自由空间的人才,但同时要注意避免职场人产生职场缺位感,管理者应该更加关注员工的归属感与认同感。陆坚则表示,在全球范围内混合办公的模式已经发展成一种“新常态”,中国部分企业也开始尝试并长期实行。对于企业管理者来说,在这种新常态下面,如何保证企业文化的延续,如何对员工进行有效地激励和正常的交流,都是需要面临的问题。“领英的方式是把很多决策权交给团队,公司决策并非自上而下的传达,而是交给不同团队去根据员工实际情况来做决定,这样确保员工即使远程也都有参与感和凝聚力。新常态模式的核心还是要创造一种更高效、灵活、更有创造力,同时又更包容的方式工作。“
拥抱变化,以“长期主义”面对就业市场“大洗牌”变革
从“内卷”到“摆烂”——一系列网络热词折射出个人层面在行业及社会环境变化中心态的复杂多元。在访谈中,姚洋教授结合其与青年学子日常接触的经历指出,多种焦虑正广泛地存在于年轻人群体。这些情绪多源于竞争压力,而这些压力正进一步让个体的行为变得“短期化”。邢军认为,与此同时,这些焦虑或来源于文化环境以及新语境下“长期主义”在行为、价值以及机制上的缺乏。她提到,“社会系统要确立一种立足长期主义鼓励创新的犒赏机制”,并建议职场人以“终身学习力”培育技能,在长期中实现提升。
陆坚则认为,职场人个体的迷茫情绪,与全球发生的职场“大洗牌”在实质上是有联系的。在宏观层面,全社会需要达成共识,共同构建长期主义的人才培养机制和价值观,以实现变化潮流中的“破局”。在个人层面,“我们一定要做好迎接‘大洗牌’的准备,用长期主义的思维去开拓视野,提升技能,做好职业规划——这样在‘洗牌’面前至少能做到‘无惧’,而后究竟选择什么样的路去走,主动权可能就有机会握在手中了。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。